Insights mais rápidos, agilidade e IA melhorada importam mais do que nunca

Quando conversei com líderes de negócios nos últimos meses, a conversa inevitavelmente se voltou para o ChatGPT e o surgimento da IA Generativa. De forma quase universal, os executivos reconhecem que esta tecnologia representa uma enorme mudança de paradigma nos negócios como uma ferramenta que pode mudar radicalmente suas empresas. Invariavelmente, eu também escuto eles dizerem que eles e as pessoas que trabalham para eles já têm uma carga de trabalho muito grande. Eles não têm certeza de como proceder e não têm tempo para aprender todas as complexidades dos novos modelos de IA, desenvolverem um plano que possa transformar de forma dramática os seus negócios e seus fluxos de trabalho internos, e em seguida, implementá-lo.

Existe um caminho a ser seguido para perceber o valor da IA na empresa — e ele não envolve uma transformação completa do negócio em uma única mudança radical, como diriam alguns futuristas que gostam de chamar a atenção. No entanto, ela aproveita os ativos existentes dos quais muitas empresas há muito tempo tentam obter mais valor.

Para os executivos que estão se perguntando como avançar com a IA, existem três pontos principais que podem ajudar a guiar este processo. Primeiro, a IA e o Big Data são intrinsecamente ligados. Em segundo lugar, ainda é cedo para os grandes modelos de linguagem (LLMs), e eles são melhor implementados em modelos específicos de domínio. Em terceiro lugar, a chave absoluta para extrair valor da IA é a capacidade de operacionalizá-la.

IA e Dados estão em uma dança cósmica
Há poucos anos, costumávamos ouvir falar de Data Lakes — aquele repositório único de Dados de toda a empresa criado para acelerar os insights. Hoje, as empresas falam em oceanos de Dados. Nesta era de computação em Nuvem, dispositivos IoT e redes sociais, a tendência do aumento do volume de Dados aponta cada vez mais para cima. No entanto, dependendo da indústria, algo entre 40% e 90% dos Dados não são utilizados. As empresas têm tantos Dados que não sabem o que fazer com eles.

Para que a IA tenha valor, ela deve ser treinada em conjuntos de Dados de alta qualidade. Para muitos casos de uso, a qualidade dos conjuntos de Dados importa tanto quanto o volume de Dados. Ao mesmo tempo, o volume de Dados é tão grande que as organizações não conseguem desvendar o significado dos seus Dados sem a IA. A IA e os Dados estão intrinsecamente interligados, um desbloqueando o valor do outro.

Os LLMs ainda estão em um estágio inicial
Existe um hype imenso em relação aos LLMs porque eles permitem que os usuários interajam com sistemas usando a mesma linguagem que usariam para conversar com um amigo ou coleta. O potencial para a democratização de tarefas antes complexas é imenso. À primeira vista, os LLMs parecem ter um potencial quase ilimitado.

A maioria das organizações deve procurar aplicar a IA em casos de uso específicos usando modelos típicos de domínio que possam entregar valor imediato. Além disso, eles devem se unir a parceiros estratégicos (fornecedores de software e integradores de sistema) desde o conceito até a implementação e realização de valor. Finalmente, eles devem garantir que a solução aborde todos os elementos de risco — segurança, precisão, qualidade, privacidade, vieses e ética — para sua operacionalização ser viável.

A transformação de toda a empresa não acontecerá da noite para o dia. No entanto, as organizações podem procurar projetos bem definidos que possam gerar sucesso e proporcionem às suas equipes a experiência necessária para iterações futuras.

Operacionalizando Inovação
Como é a união bem-sucedida entre Dados e IA específica de um domínio em ação? Vamos considerar as operações de TI e o gerenciamento de serviços para ilustrar este conceito. No lado das operações de TI, as organizações têm um grande volume de Dados – métricas, logs, eventos, rastreamentos, rede, armazenamento, Dados de desempenho de aplicativos e Dados de monitoramento de Nuvem – extraídos de vários ambientes. Esses Dados podem ser vinculados ao contexto de serviço da empresa, como tíquetes, tempo de inatividade e pedidos de manutenção.

Esta combinação de Dados de serviço e operações se tornou conhecida como ServiceOps, e é comumente usada para estimular a colaboração através da organização — automatizando tarefas rotineiras e recebendo avisos avançados de interrupções. Fazendo o treinamento e ajuste fino de um LLM em ServiceOps, as organizações de dados específicos do domínio podem identificar padrões e gerar informações antes inatingíveis como insights de resolução, previsão de riscos comerciais e mais.

A IA Generativa tem o potencial de democratizar tarefas complexas, permitindo que os usuários interajam com elas usando linguagem natural. Elas também automatizam as defesas de Cibersegurança em resposta a ataques implementados em velocidades mais rápidas do que humanos podem reagir.

Apesar da IA Generativa estar em um estágio inicial, as organizações podem colher os benefícios operacionalizando casos de uso de alto valor com uma abordagem pragmática — que engloba LLMs específicos de domínio, complementados pela instituição das proteções necessárias, como a orquestração rápida de engenharia, segurança e conformidade normativa incorporadas à solução.

Por Ram Chakravarti, CTO da BMC.