As implementações falhadas de tecnologias de IA estão a obrigar os CIO a recuar e a tentar compreender melhor a tecnologia e o seu impacto antes de avançar, de acordo com analistas e especialistas do setor.
Embora o compromisso com a IA nas empresas continue elevado, a taxa de sucesso da prototipagem para a produção é baixa, afirmou a empresa de investigação Omdia num inquérito divulgado na semana passada.
A falha na prova de conceito “normalmente não se deve a defeitos inerentes à tecnologia de IA que está sendo testada, mas porque as empresas e os fornecedores não entendem a complexidade que envolve a implantação de IA”, disse Omdia.
A pesquisa descobriu que a experimentação de IA é o bastião das empresas ricas em dinheiro. Cerca de 58% dos inquiridos têm entre seis e 50 projetos de IA em fase experimental e apenas 4% têm mais de 100 projetos experimentais de IA. Empresas com receitas inferiores a US$ 100 milhões estão prototipando menos de cinco projetos de IA.
Mas as taxas de fracasso destes esforços iniciais são elevadas. Apenas 10% das empresas pesquisadas alcançaram uma taxa de sucesso superior a 40%; 37% viram entre 11% e 40% dos seus projetos atingirem a produção; e 21% relataram uma taxa de sucesso entre 5% e 10%. O restante viu menos de 5% de seus projetos de protótipos chegarem à produção.
“Isso aponta para um quadro misto e cheio de nuances para o progresso (de prova de conceito) – uma bifurcação em vez de um fracasso universal, onde muitas empresas estão fazendo a transição com sucesso de PoCs de IA para produção, enquanto outras ainda estão claramente lutando”, disse Eden Zoller, analista-chefe de IA aplicada, em uma postagem de blog na pesquisa Omdia AI Market Maturity 2025.
Os CIOs e outros decisores de TI estão sob pressão dos conselhos de administração e dos CEOs que pretendem que as suas empresas tenham operações “AI-first”; isso corre o risco de avançar muito rápido na execução e escolher os projetos certos, disse Steven Dickens, analista principal da Hyperframe Research.
Os líderes inteligentes são cautelosos e pragmáticos e focados no valor validado, não se precipitando em processos de missão crítica. “Eles estão delimitando projetos-piloto para áreas de baixo risco e alto impacto, como geração de código interno ou triagem de atendimento ao cliente”, disse Dickens.
Os CIOs devem primeiro desenvolver uma estratégia de dados e transformar o pipeline de dados antes de priorizar o lançamento de um novo chatbot ou aplicativo interessante. “Aqueles que se apressam muitas vezes saltam os passos cruciais de governação e preparação de dados, levando a retrabalhos dispendiosos mais tarde”, disse Dickens.
Os modelos genéricos de grandes linguagens (LLMs) não são otimizados para organizações, que precisam complementar seus próprios dados, disse Jack Gold, analista principal da J. Gold Associates. “Em muitas empresas, isso é algo difícil de fazer, pois os dados podem estar dispersos ou não ser facilmente acessados para ajustar os modelos e alcançar o sucesso máximo”, disse ele.
Numa pesquisa separada sobre maturidade do mercado de IA divulgada este mês, a McKinsey descobriu que 90% dos entrevistados confiam na IA de alguma forma. A maior utilização ocorre no setor de seguros para gerenciamento de informações e operações de serviços, seguido pela engenharia de software no setor de tecnologia. A IA também é popular no setor de serviços para gestão de informações e em operações de marketing e vendas no mercado de bens de consumo.
As áreas onde o uso da IA tem sido leve incluem manufatura avançada, engenharia e construção, e os setores farmacêutico e médico.
Indo mais fundo, a IA de agência é mais amplamente utilizada no setor de tecnologia para engenharia de software e operações de serviços. Os agentes de TI e de gerenciamento do conhecimento são populares em uma ampla gama de setores, enquanto os agentes de gerenciamento de estoque e de manufatura são os menos utilizados. Surpreendentemente, os agentes de RH também não são amplamente utilizados em todos os setores.
“Casos de uso de agentes, como gerenciamento de service desk em TI e pesquisas profundas em gerenciamento de conhecimento, desenvolveram-se rapidamente”, afirmou a empresa de consultoria de gestão em seu estudo.
Neste período experimental, as organizações que encaram a IA como uma forma de reimaginar os negócios assumirão a liderança desde o início, afirmou Tara Balakrishnan, sócia associada da McKinsey, no estudo. “Embora muitos vejam indicadores avançados de ganhos de eficiência, focar apenas nos custos pode limitar o impacto da IA”, escreveu Balakrishnan.
A escalabilidade, os custos do projeto e a disponibilidade de talentos também desempenham papéis importantes na transferência de projetos de prova de conceito para produção.
As ferramentas de IA não são apenas plug and play, disse Jinsook Han, chefe de estratégia e agente de IA da Genpact. Embora as empresas possam experimentar demonstrações e provas de conceito chamativas, a tecnologia também precisa ser utilizável e relevante, disse Han.
“Todos podem ir à praia e fazer castelos de areia, mas quantos vieram para ficar?” Han disse.
Muitos projetos de IA falham porque são construídos sobre sistemas de TI legados, disse Han, acrescentando que a modificação da pilha de tecnologia, dos fluxos de trabalho e dos processos de uma empresa maximizará o que a IA pode fazer.
Os humanos também ainda precisam supervisionar os projetos e resultados da IA – especialmente quando a IA agente está envolvida, disse Han. “Deixe as máquinas fazerem o que as máquinas fazem de melhor e deixe os humanos fazerem o que os humanos fazem de melhor”, disse Han.
Numa pesquisa separada, o fornecedor de IA Cleanlab descobriu que muito poucas empresas tinham agentes de IA em fase de produção. “Entre 60% e 70% de todos com quem conversamos, tanto em pesquisas quanto em ligações de vendas, eles estavam mudando toda a sua pilha – seu LLM, a pilha de IA na qual construíram um agente – eles estão apenas mexendo, pelo menos a cada três meses”, disse Curtis Northcutt, CEO da Cleanlab.
Ele simpatizou com CIOs limitados que operam sob pressão e sem orçamento e experiência em áreas especializadas críticas para a construção de sistemas de IA sólidos. “A realidade é que agentes reais de IA que são agentes e possuem chamadas de ferramentas… provavelmente (só chegarão) no início de 2027”, disse Northcutt.
Northcutt e Gold disseram que as organizações deveriam fazer parceria com empresas que já obtiveram sucesso. “Eles observaram muitas falhas e podem apontar as armadilhas durante a implementação, economizando tempo, recursos e, em última análise, afetando as taxas de sucesso – especialmente para implementadores iniciantes”, disse Gold.
Fonte: Computer World
