Líderes de pensamento

Por que os Dados são o Herói Não Reconhecido da Estratégia de IA

mm
Adicione Unite.AI às suas fontes preferidas no Google

A Corrida do Ouro da IA – De Pilotos e Experimentos para Estratégia e Escala Empresarial

A Lei de Moore está em pleno vigor quando se trata de IA. A IA está em alta demanda, e todas as empresas estão adotando a IA. A inovação também está ajudando a impulsionar essa demanda com novos modelos de IA, agentes de IA e novas tecnologias entrando nesse espaço. Isso está criando uma mudança fundamental para as empresas – o palco para pilotos e experimentos interessantes e mostras de IA, em particular, IA Geradora, está basicamente desaparecendo. As empresas estão percebendo que a IA precisa ser incorporada como parte da estratégia empresarial para escalar e criar uma verdadeira diferenciação de negócios. A IA é um tópico em muitas salas de reunião, resultando em inovação estratégica e orçamentos.

Dados: O Primeiro Domino na Estratégia de IA

Uma consideração-chave em qualquer estratégia de IA deve ser os Dados. Os Dados são críticos para que os modelos de IA sejam contextuais, inteligentes e específicos de domínio e empresa. Os modelos de IA preveem resultados com base tanto na forma como o modelo é ajustado quanto nas entradas apresentadas a ele. Ambos dependem da qualidade, variedade, recentidade e estrutura dos dados.

De acordo com uma previsão recente da IDC, a IA deve impulsionar a economia global em quase 20 trilhões de dólares até 2030, impulsionada não apenas por modelos, mas também por investimentos maciços nos dados e infraestrutura subjacentes que os alimentam.

Dados de treinamento com subconjuntos estreitos levam a modelos tendenciosos, dados desatualizados levam a resultados irrelevantes e dados ruins simplesmente levam a resultados ruins de IA. Portanto, os Dados são o primeiro domino na estratégia de dados de uma empresa. Mesmo com as melhores pessoas e tecnologias de ponta, se o domino dos dados cair, a estratégia de IA toda desaba rapidamente.

Como relata o relatório da Gartner de 2024 sobre as principais tendências de dados e análise, as organizações, à medida que escalam com a IA, dependem dos dados, e os líderes que terão sucesso serão aqueles que estabelecem confiança nos seus dados e lideram com eles estrategicamente.

Decisões Estratégicas de Dados Chave para sua Estratégia de IA

Aqui estão 5 considerações-chave que você e sua empresa precisam fazer para preparar seus Dados para sua estratégia de IA:

1. Reutilize seu Paisagem de Dados – Muitas empresas não reutilizam a gestão de dados, governança de dados e armazenamento e análise de dados para IA. Muitos dados que servem a relatórios críticos e análise também podem ser críticos para IA. Portanto, é importante começar com os ativos de dados já presentes na empresa. Claro, isso precisa ser aumentado com as medidas de qualidade de dados certas.

Pergunta-Chave para Fazer – Quais dados temos em nossa empresa e em que condição eles estão?

2. Metadados e Linhagem de Dados – Para os dados em lugar, metadados, ou seja, dados sobre os dados, podem ser tão críticos, se não mais, para IA. Por exemplo, os termos de negócios anexados aos dados podem ajudar a identificar o contexto relevante para um modelo RAG, por exemplo. Quando um usuário pede o status de um pedido em uma empresa de seguros, todos os atributos de dados anexados ao status do pedido podem ser usados como contexto para o modelo de IA responder. A Linhagem de Dados também ajuda a entender o fluxo dos dados, ajudando os modelos de IA a identificar fontes de dados confiáveis.

Com base em um blog recente da ISASA, a Governança de IA é crítica e exige os metadados e a linhagem de dados certos para escalar.

Pergunta-Chave para Fazer – Nossos dados estão devidamente marcados com metadados de negócios e técnicos? Coletamos linhagem de dados para entender como os dados fluem de ponta a ponta?

3. Governança de Dados e Conformidade – Certifique-se de que seus dados sejam bem gerenciados e governados, e que quaisquer regulamentações de conformidade e privacidade sejam aplicadas aos dados. A Estratégia de IA deve então herdar e estender essas governanças e regulamentações em vez de começar do zero. Por exemplo, se um cliente quiser que seus dados sejam anonimizados de acordo com as regulamentações da GDPR, um modelo de IA deve ser treinado e operado no conjunto de dados anonimizado.

Pergunta-Chave para Fazer – Temos um Programa de Governança e Conformidade de Dados em lugar? Se não, quais são os principais aspectos que preciso ter em lugar para minha estratégia de IA?

4. Trate os Dados Mestres como seu Quarterback de IA – Dados Mestres críticos, que contêm dados sobre as entidades-chave em sua empresa, devem ser usados como base para sua estratégia de IA. Por exemplo, se existe uma visão de 360 graus de um cliente, uma estratégia de IA em qualquer domínio de cliente, como previsão de churn de cliente, deve aproveitar esses dados mestres para evitar quaisquer dados perdidos ou incompletos. Claro, isso pode ser combinado com mais informações de fontes de dados específicas.

Pergunta-Chave para Fazer – Tenho meus domínios de dados mestres críticos disponíveis e conectados ao restante da minha paisagem de dados?

5. Dados e seu Valor – Dados não devem ser tratados como um centro de custo, mas medidos em termos de seu valor, tanto para a IA quanto para os negócios. Isso exige que os dados estejam no radar da Diretoria e dos CXOs, além da IA.

Pergunta-Chave para Fazer – Meu Conselho e CXOs entendem o valor dos Dados para a organização? Se não, como podemos garantir que isso seja entendido, especialmente no contexto da estratégia de IA na empresa?

Modelos Vêm e Vão, mas os Dados Permanecem.

À medida que sua estratégia de IA evolui, novos modelos e inovações de IA surgirão. A velocidade de inovação nesse espaço é impressionante. Mas, com o tempo, os modelos de IA se tornarão commodities; o verdadeiro diferenciador em sua empresa não é qual modelo você usa, mas como ele é contextualizado com quais dados são usados para treinar, ajustar e trabalhar nele.

Se você está criando uma estratégia de IA, não comece com o modelo. Comece com a pergunta: Temos os dados para apoiá-lo?

Siddharth (Sidd) Rajagopal é um Arquiteto Chefe na Organização Field CTO da Informatica. Em seu papel, ele se engaja com executivos seniores em empresas, fornecendo liderança de pensamento em torno de dados e gerenciamento de dados, compartilhando suas percepções e aprendizados.