Segundo a pesquisa de Gartner, em  2027, 50% das decisões de negócios serão aprimoradas ou automatizadas por agentes de IA para inteligência de decisão.  A inteligência de decisão combina dados, analytics e Inteligência Artificial para criar fluxos de decisão que apoiam e automatizam julgamentos complexos. Os agentes de IA aprimoram esse processo ao lidar com a complexidade, análise e recuperação de várias fontes de dados. O Gartner recomenda que os líderes de Data & Analytics trabalhem com os stakeholders de negócios para identificar e priorizar as decisões críticas para o sucesso da companhia e aquelas que podem se beneficiar de uma aplicação mais eficaz de analytics e IA.

Agentes de IA

“Os agentes de IA para inteligência de decisão não são uma panaceia, nem são infalíveis”, diz Carlie Idoine, Vice-Presidente Analista do Gartner. “Eles devem ser usados coletivamente com governança e gerenciamento de riscos eficazes. As decisões humanas ainda exigem conhecimento adequado, bem como alfabetização em dados e Inteligência Artificial.”

De cordo com os dados, no mesmo ano, as empresas que enfatizarem a alfabetização em IA para os executivos alcançarão um desempenho financeiro 20% maior em comparação com aquelas que não o fizerem.  Para desbloquear todo o potencial de negócios da Inteligência Artificial, é necessário desenvolver a alfabetização em IA dos executivos. Eles devem ser instruídos sobre as oportunidades, os riscos e os custos da ferramenta para que possam tomar decisões eficazes e prontas para o futuro sobre investimentos em IA que acelerem os resultados organizacionais.

O Gartner recomenda que os líderes de D&A introduzam programas de aprimoramento experimental para executivos, como o desenvolvimento de protótipos específicos de domínio para tornar a IA tangível. Isso levará a um investimento maior e mais adequado em recursos de IA.

Gerenciamento de dados

O estudo também apontou que em 2027, 60% dos líderes de Data & Analytics enfrentarão falhas críticas no gerenciamento de dados sintéticos, colocando em risco a governança da IA, a precisão do modelo e a conformidade. O uso de dados sintéticos para treinar modelos de IA é agora uma estratégia essencial para aumentar a privacidade e gerar conjuntos de dados diversos. No entanto, as complexidades surgem da necessidade de garantir que os dados sintéticos representem com precisão os cenários do mundo real, sejam dimensionados de forma eficaz para atender à crescente demanda de dados e se integrem perfeitamente aos pipelines e sistemas de dados existentes.

“Para administrar esses riscos, as empresas precisam de um gerenciamento eficaz de metadados”, diz Idoine. “Os metadados fornecem o contexto, a linhagem e a governança necessários para rastrear, verificar e gerenciar dados sintéticos de forma responsável, o que é essencial para manter a precisão da IA e atender aos padrões de conformidade.”

Avanço da GenAI

Além disso, a pesquisa revelou que em 2028, 30% dos pilotos de GenAI que avançarem para a produção em larga escala serão criados internamente, em vez de implementados usando aplicações prontas, para reduzir o custo e aumentar o controle. De  acordo com os especialistas, a criação de modelos de GenAI internamente oferece flexibilidade, controle e valor de longo prazo que muitas ferramentas prontas não conseguem igualar. À medida que os recursos internos aumentam, o Gartner recomenda que as empresas adotem uma estrutura clara para as decisões de criação versus compra. Ela deve levar em conta o custo, tempo de lançamento no mercado, conjuntos de habilidades disponíveis, recursos de integração, conformidade e riscos.