Em empresas modernas, inúmeras plataformas, sistemas e ferramentas de IA operam simultaneamente, variando de plataformas de clientes e assistentes conversacionais à automação de fluxos de trabalho. Embora esses componentes individuais sejam sofisticados e responsivos, sua saída coletiva frequentemente se prova errada, confusa ou desconectada da realidade empresarial real. Essa desconexão é identificada como uma razão primária pela qual muitas organizações lutam para realizar retornos sobre seus investimentos em IA.
Dados de uma pesquisa do MIT Technology Review Insights destacam essa disparidade. Embora todas as organizações pesquisadas utilizem a IA em algum grau, apenas 16% relatam extrair valor transformador de suas implantações. A maioria dos respondentes, representando 40%, observa ganhos moderados em tarefas ou equipes específicas, enquanto 21% notam ganhos significativos. Por outro lado, 23% das organizações estão vendo retornos mínimos ou nenhum.
Os padrões de uso atuais indicam que a maioria das empresas permanece na fase de piloto ou utiliza a IA principalmente como uma ferramenta assistiva. De acordo com a pesquisa, 38% dos respondentes estão pilotando casos de uso de IA e 35% utilizam ferramentas como co-pilotos ou assistentes de chat para apoiar os funcionários. Apenas 12% implantaram agentes de IA em produção e meros 3% relatam usar a IA para lidar com a maior parte do trabalho dentro de processos-chave.
Prukalpa Sankar, cofundador da Atlan, enfatiza a lacuna significativa entre as capacidades dos modelos e sua utilidade real dentro das organizações. Ele observa que, embora a inteligência artificial geral exista para intenções da vida real, ela permanece em grande parte ineficaz na maioria dos ambientes corporativos devido à falta de uma camada de contexto. Essa camada serve como infraestrutura arquitetônica situada entre os sistemas empresariais, como registros de dados, e as plataformas de IA. Sua função é traduzir a inteligência empresarial em contexto governado e utilizável por máquinas, permitindo que o conhecimento se acumule.
Sankar ilustra a necessidade dessa infraestrutura comparando a IA sem uma camada de contexto à contratação do estagiário mais inteligente do mundo, vendando-o e colocando-o imediatamente em uma organização. Sem entender o ambiente empresarial específico, mesmo modelos avançados não podem entregar ações precisas ou úteis. Este conteúdo foi produzido pela Insights, o braço de conteúdo personalizado do MIT Technology Review, em associação com a Atlan.
Fontes: MIT Technology Review.