Estudo mostra que 20% dos projetos de IA falham sem infraestrutura de dados

A NetApp, empresa global de infraestrutura de dados inteligentes, revelou os insights de seu último relatório sobre o cenário em evolução da IA nas empresas. O White Paper da IDC, patrocinado pela NetApp, “Escalando iniciativas de IA de forma responsável: o papel crítico de uma infraestrutura de dados inteligente”, revela os vários desafios e benefícios de negócios em diferentes níveis de maturidade de IA e fornece insights sobre as estratégias bem-sucedidas adotadas pelas organizações líderes em seus esforços para escalar responsavelmente as cargas de trabalho de IA e GenAI.

Ao destacar abordagens acionáveis, o relatório visa ajudar as organizações a evitar armadilhas comuns, garantindo que suas iniciativas de IA não sejam uma das 20% que provavelmente falharão. O relatório também apresenta um modelo detalhado de maturidade de IA desenvolvido para avaliar o progresso organizacional com base em sua abordagem à IA, divididos nas categorias AI Emergents (Emergentes), AI Pioneers (Pioneiros), AI Leaders (Líderes) e AI Masters (Mestres).

O White Paper da IDC constatou que:

– Os AI Masters otimizam suas infraestruturas de dados para iniciativas de IA transformacional, facilitando o acesso fácil a conjuntos de dados corporativos com o mínimo de preparação e projetando um ambiente unificado, híbrido e Multicloud que suporta vários tipos de dados e métodos de acesso.

– Os AI Masters têm metas de IA mais ambiciosas e ainda experimentam falhas relacionadas a dados, incluindo limitações de acesso a dados baseados em infraestrutura (21%), limitações de conformidade (16%) e dados insuficientes (17%).

– Os AI Emergents observam desafios semelhantes, mas também experimentam restrições orçamentárias (20% Emergents vs 9% AI Masters), dados insuficientes para treinamento de modelos (26% vs 17%) e restrições de negócios no acesso a dados (28% vs 20%).

De acordo com as descobertas, as organizações precisam de uma infraestrutura de dados inteligente para escalar as iniciativas de IA de forma responsável. Onde uma empresa cai na escala de maturidade de IA é determinado pelo nível de infraestrutura que ela tem em vigor que não apenas impulsionará o sucesso de longo prazo dos projetos de IA, mas também de seus resultados de negócios associados. As organizações que estão apenas começando ou começaram recentemente sua jornada de IA normalmente têm arquiteturas de dados ou planos diferentes para uma arquitetura mais unificada, enquanto os AI Leaders e os AI Masters provavelmente já estão executando uma visão unificada. Como resultado, as organizações com mais experiência em IA estão falhando menos.

“Este White Paper da IDC solidifica ainda mais que as empresas precisam de infraestrutura de dados inteligente para escalar a IA de forma responsável e aumentar a taxa de sucesso das iniciativas de IA”, disse Jonsi Stefansson, vice-presidente sênior e diretor de Tecnologia da NetApp. “Com uma infraestrutura de dados inteligente, as empresas têm a flexibilidade de acessar qualquer dado, em qualquer lugar, com gerenciamento integrado de dados para garantir a segurança, proteção e governança de dados e operações adaptáveis que podem otimizar desempenho, custo e sustentabilidade”, comentou.

A flexibilidade da infraestrutura de dados é crucial para o acesso a dados e o sucesso da iniciativa de IA

O White Paper da IDC constatou que:

– 48% dos AI Masters relatam que têm disponibilidade instantânea de seus dados estruturados e 43% de seus dados não estruturados, enquanto os AI Emergents têm apenas 26% e 20%, respectivamente.

– AI Masters (65%) e AI Emergents (35%) relataram que suas arquiteturas de dados atuais podem integrar perfeitamente os dados privados de sua organização com os serviços de AI Cloud.

– De acordo com a pesquisa, os mestres da IA sabem que sua arquitetura de dados e infraestrutura para iniciativas de IA transformacional devem oferecer facilidade de acesso a conjuntos de dados corporativos sem qualquer – ou com apenas uma pequena – preparação ou pré-processamento.

“As decisões de infraestrutura tomadas durante o processo de design e planejamento de iniciativas de IA devem levar em consideração a flexibilidade da arquitetura”, disse Ritu Jyoti, líder de Pesquisa Global de IA da IDC. “A natureza dinâmica das entradas de dados para fluxos de trabalho de IA e GenAI significa que o acesso fácil a dados distribuídos e diversos – conjuntos de dados estruturados e não estruturados com características variadas – é fundamental. Isso requer uma abordagem flexível e unificada para o armazenamento, um plano de controle comum e ferramentas de gerenciamento que tornem perfeito para cientistas de dados e desenvolvedores consumir dados com integrações MLOps”, completou.

Governança de dados eficaz e processos de segurança impulsionam o sucesso da IA

O White Paper da IDC constatou que:

– A incapacidade dos emergentes de IA de progredir é muitas vezes devido à falta de políticas e procedimentos de governança padronizados; apenas 8% dos AI Emergents concluíram e padronizaram esses projetos em todos os projetos de IA, em comparação com 38% dos AI Masters.

– Enquanto 51% dos AI Masters relataram que têm políticas padronizadas em vigor que são rigorosamente aplicadas por um grupo independente em sua organização, apenas 3% dos AI Emergents afirmam isso.

O estudo descobriu que a governança e a segurança de dados eficazes são indicadores cruciais de maturidade organizacional em iniciativas de IA. Gerenciar dados de forma responsável e segura continua sendo uma questão fundamental para as empresas, porque as partes interessadas em IA geralmente tentam atalho os processos de segurança para acelerar o desenvolvimento. O feedback das organizações que se tornaram mais bem-sucedidas na entrega de resultados positivos de suas iniciativas de IA demonstra que a governança e a segurança não são apenas centros de custo, mas facilitadores vitais da inovação. Ao priorizar a segurança, a soberania dos dados e a conformidade regulatória, as organizações podem mitigar o risco em suas iniciativas de IA e GenAI e garantir que seus engenheiros e cientistas de dados possam se concentrar na maximização da eficiência e da produtividade.

Uso eficiente de recursos importantes para escalar a IA de forma responsável

O White Paper da IDC constatou que:

– 43% dos AI Masters têm métricas claramente definidas para avaliar a eficiência de recursos ao desenvolver modelos de IA que foram concluídos e padronizados em todos os projetos de IA, em comparação com 9% dos AI Emergents.

– 63% de todos os entrevistados relataram a necessidade de grandes melhorias ou uma revisão completa para garantir que seu armazenamento seja otimizado para IA e apenas 14% indicaram que não precisavam de melhorias.

À medida que os fluxos de trabalho de IA se tornam cada vez mais integrais para quase todos os setores, é fundamental reconhecer o impacto na infraestrutura de computação e armazenamento, nos recursos de dados e energia e seus custos associados. Uma medida-chave da maturidade da IA é a definição e implementação de métricas para avaliar a eficiência do uso de recursos na criação de modelos de IA.