O mercado de nuvem pública está tendo um crescimento explosivo, e é fácil entender o porquê. O interesse em IA generativa fez com que as empresas corressem para seus consoles de nuvem pública para alocar ainda mais recursos, incluindo armazenamento de dados e computação, que tendem a ser mais sofisticados e mais caros.
Você não precisa procurar muito para encontrar estatísticas decepcionantes. A Gartner estima que 85% das implementações de IA ficam aquém das expectativas ou não são concluídas. Vejo a mesma coisa na minha prática: projetos começam e depois param, muitos nunca mais ressuscitam. Você pode pesquisar no Google todos os outros relatórios de más notícias sobre IA; a tendência geral é que as empresas são boas em gastar dinheiro, mas ruins em construir e implementar IA.
Relação Simbiótica entre IA e Nuvem
Já viu esse filme antes? Relatórios indicam uma mudança significativa na forma como as tecnologias de nuvem são implantadas, lideradas pela demanda por IA generativa com seus requisitos computacionais intensivos. A maior dependência de serviços de nuvem para hospedar, treinar e implantar modelos de IA ilustra a relação simbiótica entre inovações de IA e infraestrutura de nuvem. As organizações investiram pesadamente em soluções baseadas em nuvem para acomodar os requisitos complexos de modelos avançados de IA, expandindo os limites da capacidade e dos recursos da nuvem.
O Problema dos Dados
Infelizmente, a IA está falhando em todos os lugares. A taxa de abandono de projetos reflete uma tendência mais ampla de desalinhamento de recursos e omissões estratégicas. Os rápidos avanços nas capacidades de IA foram acompanhados por uma maior complexidade e especificidade dos requisitos de dados. Muitas organizações precisam de ajuda para obter e gerenciar dados de alta qualidade para implantações de IA bem-sucedidas, o que se tornou um obstáculo que a maioria das empresas deve superar.
A Baixa Qualidade dos Dados
A baixa qualidade dos dados é um fator central que contribui para falhas de projeto. À medida que as empresas se aventuram em aplicações de IA mais complexas, a demanda por conjuntos de dados personalizados e de alta qualidade expôs deficiências nos dados empresariais existentes. Embora a maioria das empresas tenha entendido que seus dados poderiam ter sido melhores, elas não sabiam o quão ruins. Por anos, as empresas têm chutado a lata de dados para frente, sem vontade de consertá-la, enquanto a dívida técnica se acumulava.
O Custo da Correção de Dados
A IA requer dados excelentes e precisos que muitas empresas não têm — pelo menos, não sem muito trabalho. É por isso que muitas empresas estão desistindo da IA generativa. Os problemas de dados são muito caros para consertar, e muitos CIOs que sabem o que é bom para suas carreiras não querem assumir isso. As complexidades na rotulagem, limpeza e atualização de dados para manter sua relevância para modelos de treinamento tornaram-se cada vez mais desafiadoras, ressaltando outra camada de complexidade que as organizações devem navegar.
Erros Passados e a Dívida Técnica
Geralmente, problemas de dados resultam de erros passados cometidos por predecessores, como empurrar muitos dos processos e elementos-chave de dados para sistemas ERP ou perseguir tendências impulsionadas por exageros, como data warehouses. Como um amigo CIO me disse recentemente, "Não vou levar um golpe pela má decisão de outra pessoa".
A Nuvem Não Vai Te Salvar
Apesar desses desafios, a integração de IA com computação em nuvem continua sendo uma área de foco principal, fornecendo infraestrutura essencial para dimensionar iniciativas de IA. As empresas continuam a explorar soluções de nuvem para dar suporte às suas ambições de IA. No entanto, sabemos agora que o retorno sobre o investimento tem sido mais lento do que o esperado.
A disparidade entre o potencial e a praticidade dos projetos de IA generativa está levando a um otimismo cauteloso e a reavaliações de estratégias de IA. Isso leva as organizações a avaliar cuidadosamente os elementos fundamentais necessários para o sucesso da IA, incluindo governança de dados robusta e planejamento estratégico — todas as coisas que as empresas estão considerando muito caras e muito arriscadas para implementar apenas para fazer a IA funcionar.
O entendimento aqui é que a nuvem não vai te salvar. Isso não é um problema com a plataforma; é um problema com o conhecimento de ativos de dados e recursos necessários para fazer a IA generativa funcionar para empresas.
O Futuro da IA Generativa
Suspeito que isso levará a quem tem e quem não tem no mundo da IA. Aqueles que conseguem colocar seus dados em boa ordem e usar a IA de forma eficaz podem usar a IA generativa como um diferenciador estratégico que levará a empresa ao próximo nível. Outros assistirão e cairão no esquecimento.
Os provedores de nuvem crescerão nos próximos anos, assim como estamos vendo agora. No entanto, a menos que eles possam ensinar seus clientes a definir uma estratégia de IA que possa superar as muitas falhas, seu mercado se contrairá novamente. Pelo menos saberemos o porquê.
As razões pelas quais as empresas são péssimas em IA generativa e afundam seus projetos são bem compreendidas. Este não é um erro que analistas e CTOs não conseguem explicar. Sabemos por que os projetos de IA estão tirando um cochilo, e as empresas não parecem estar dispostas ou capazes de investir em uma correção. Suspeito que terão que fazer isso, mais cedo ou mais tarde, e espero que alguns CIOs tenham a coragem política de abordar as coisas de frente, com ou sem nuvem. Essa é a única maneira de isso ainda funcionar.
