Reconstruindo
A inteligência artificial (IA) nas empresas depende de saídas de alta precisão, que exigem um melhor contexto de dados, arquiteturas unificadas e estruturas de medição rigorosas, afirma Bavesh Patel, vice-presidente sênior da Databricks, e Rajan Padmanabhan, oficial de tecnologia da unidade da Infosys. Em parceria com a Infosys Topaz, os especialistas destacam a importância de uma infraestrutura de dados unificada, governada e adequada para o propósito. A IA pode estar dominando as agendas dos conselhos de administração, mas muitas empresas estão descobrindo que o maior obstáculo para a adoção significativa é o estado de seus dados.
Enquanto as ferramentas de IA voltadas para o consumidor impressionam os usuários com velocidade e facilidade, os líderes empresariais estão descobrindo que implantar a IA em larga escala requer algo muito menos glamoroso, mas muito mais consequente: uma infraestrutura de dados que seja unificada, governada e adequada para o propósito. Essa lacuna entre a ambição da IA e a prontidão das empresas está se tornando um dos principais desafios dessa próxima fase de transformação digital. Segundo Bavesh Patel, “a qualidade da IA e sua eficácia dependem realmente da informação existente na organização”. No entanto, em muitas empresas, essa informação permanece fragmentada em sistemas legados, aplicações siloadas e formatos desconexos, tornando quase impossível para os sistemas de IA gerar saídas confiáveis e ricas em contexto.
“Realmente, o grande diferenciador competitivo para a maioria das organizações é seus próprios dados e, em seguida, os dados de terceiros que podem ser adicionados a eles”, afirma Patel. Para que a IA empresarial entregue valor, os dados devem ser consolidados em formatos abertos, governados com precisão e tornados acessíveis em todas as funções. Sem essa base, as empresas correm o risco de ter “IA terrível”, como Patel descreve de forma direta. Isso significa ir além das plataformas de SaaS siloadas e dashboards desconexos em direção a uma arquitetura de dados aberta e unificada capaz de combinar dados estruturados e não estruturados, preservar o contexto em tempo real e impor controles de acesso rigorosos. Quando a base é estabelecida corretamente, as organizações podem avançar em direção a resultados mensuráveis, desbloqueando eficiências, automatizando fluxos de trabalho complexos e até lançando novas linhas de negócios.
Essa focalização no valor é crítica, afirma Rajan Padmanabhan, especialmente à medida que as empresas buscam precisão nas saídas que impulsionam as decisões de negócios. Em vez de tratar as iniciativas de IA como projetos de inovação isolados, as empresas líderes estão vinculando a implantação da IA diretamente às métricas de negócios, utilizando estruturas de governança para determinar o que entrega resultados e o que deve ser abandonado rapidamente. “Vemos uma grande oportunidade apenas com a alfabetização em IA para os usuários de negócios, onde eles estão muito ansiosos para entender como devem pensar sobre a IA”, acrescenta Patel. “O que a IA significa quando você remove as capas? Quais são as peças e os blocos de construção que você precisa colocar em prática, tanto do ponto de vista tecnológico quanto de treinamento e habilitação?”
As possibilidades à frente são substanciais. À medida que os agentes de IA evoluem de copilotos para operadores autônomos capazes de gerenciar fluxos de trabalho e transações, as organizações que vencerão serão aquelas que construírem a base certa agora. “O que estamos vendo como uma nova forma de pensar é passar de um sistema de execução ou um sistema de engajamento para um sistema de ação”, observa Padmanabhan. “Essa é a nova forma como vemos o caminho à frente”. O futuro da IA nas empresas será determinado pela capacidade das empresas de transformar informações fragmentadas em um ativo estratégico capaz de alimentar tanto decisões mais inteligentes quanto novas formas de operar.
Esse episódio do Business Lab é produzido em parceria com a Infosys Topaz. A transcrição completa está disponível para quem deseja explorar mais a fundo as questões discutidas. Megan Tatum, da MIT Technology Review, apresenta o programa, ajudando os líderes empresariais a entender as novas tecnologias que estão saindo dos laboratórios e entrando no mercado. Neste episódio, os convidados Bavesh Patel e Rajan Padmanabhan discutem como a IA está mudando a forma como as empresas operam e como elas podem se preparar para aproveitar ao máximo o potencial da IA.
Os avanços recentes na IA podem ter desbloqueado algumas aplicações industriais novas e convincentes, mas a dependência de modelos de dados inadequados significa que muitas empresas estão atingindo um muro. A IA e a IA agente, em particular, colocam um conjunto completamente novo de demandas sobre os dados. A tecnologia exige um acesso maior, contexto e guardrails para operar de forma eficaz. Os modelos de dados existentes frequentemente não atendem a essas demandas. Eles são muito fragmentados ou siloados. Os próprios dados muitas vezes carecem de qualidade. Para pontuar essa lacuna, é necessário um upgrade pronto para a IA. Duas palavras para você: dados reconfigurados.
Meus convidados de hoje são Bavesh Patel, vice-presidente sênior de Go-to-Market da Databricks, e Rajan Padmanabhan, oficial de tecnologia da unidade de análise de dados e IA da Infosys. Bem-vindos, Bavesh e Rajan. Rajan Padmanabhan: Obrigado. Obrigado por nos receber. Bavesh Patel: Obrigado por nos receber. Megan: Fantástico. Obrigada a ambos por se juntarem a nós hoje. Bavesh, se eu pudesse começar com você, quando falamos sobre dados prontos para a IA
