Dados pequenos e amplos, operacionalização e o uso eficiente de recursos serão a chave para dimensionar iniciativas de IA no futuro
Segundo o Gartner quatro tendências estão conduzindo inovações de Inteligência Artificial (IA) em curto prazo. A análise é resultado do mais recente estudo Hype Cycle for Artificial Intelligence 2021, que indica a de Inteligência Artificial responsável, abordagens com dados pequenos e amplos (Small e Wide Data), operacionalização de plataformas de Inteligência Artificial e o uso eficiente de recursos de dados, modelos e cálculos como as grandes chaves para o futuro.
“A inovação em torno da Inteligência Artificial está ocorrendo em um ritmo acelerado, com números acima da média em relação a outras tecnologias, e deverão alcançar a adoção mainstream no prazo de dois a cinco anos”, diz Shubhangi Vashisth, Analista Sênior de Pesquisa do Gartner.
O mercado de Inteligência Artificial continua em estado de evolução, com uma grande porcentagem de inovações aparecendo na curva ascendente da Innovation Trigger. Isso indica uma tendência de mercado de usuários finais buscando habilidades tecnológicas específicas que vão além da capacidade das ferramentas de Inteligência Artificial atuais.
Os analistas do Gartner indicam que as quatro tendências que estão impulsionando a inovação de Inteligência Artificial são:
Inteligência Artificial responsável – “A maior confiança, transparência, justiça e capacidade de auditoria em relação às tecnologias de Inteligência Artificial continuam a ser de grande importância para um maior interesse de aplicação”, diz Svetlana Sicular, Vice-Presidente de Pesquisa no Gartner.
Na verdade, o Gartner espera que, em 2023, todo o pessoal contratado para o trabalho de desenvolvimento e treinamento de Inteligência Artificial, tenha que demonstrar excelência em “Inteligência Artificial responsável”.
Dados pequenos e amplos (Small e Wide Data) – Dados formam a base do sucesso das iniciativas de Inteligência Artificial. Abordagens com dados pequenos e amplos permitem análises e Inteligências Artificiais mais robustas, reduzem as dependências de organizações de big data e fornecem uma consciência situacional mais rica e completa.
De acordo com o Gartner, em 2025, 70% das organizações serão compelidas a mudar seu foco de big data para dados pequenos e amplos, fornecendo maior contexto para análises e tornando a Inteligência Artificial menos faminta por dados.
“Dados pequenos são sobre a aplicação de técnicas analíticas que requerem menos dados, mas ainda oferecem percepções úteis, enquanto dados amplos permitem a análise da sinergia de uma variedade de fontes de dados”, explica Sicular.
Operacionalização de plataformas de Inteligência Artificial – A urgência e a criticidade de aproveitar a Inteligência Artificial para a transformação dos negócios está levando à necessidade de operacionalização das plataformas de Inteligência Artificial . Isso significa mover os projetos de IA do conceito para a produção, de modo que as soluções de Inteligência Artificial possam ser utilizadas para resolver problemas de toda a empresa.
“A pesquisa do Gartner conclui que apenas metade dos projetos para IA saem do papel e vão para produção e esses levam em média nove meses para fazê-lo”, diz Sicular. “Inovações como plataformas de orquestração e automação de Inteligência Artificial (AIOps) e operacionalização modelo (ModelOps) estão permitindo a reutilização, escalabilidade e governança, acelerando a adoção e crescimento da Inteligência Artificial”.
Uso eficiente dos recursos – Dada a complexidade e escala dos recursos de dados, modelos e cálculos envolvidos nas implantações de Inteligência Artificial, a inovação desta requer que esses recursos sejam usados em sua máxima eficiência. Multiexperiência, Inteligência Artificial combinável, Inteligência Artificial generativa e transformadores estão ganhando visibilidade no mercado de Inteligência Artificial pela habilidade de resolver a ampla gama de problemas nos negócios de forma mais eficiente.
