Dados confiáveis

Dados confiáveis: a resposta para uma IA eficiente

Crédito: Freepik

Dados confiáveis: a resposta para uma IA eficiente (Crédito: Freepik)

Em pleno 2022, muitos decisores seguem à espera de uma solução mágica capaz de trazer todos os insights necessários para um avanço sustentável dos negócios como um simples estalar de dedos. Na era dos dados e da inteligência artificial (IA), pode até parecer plausível essa esperança, não fosse o fato de que a resposta não está na abundância de informações. O caminho seguro e efetivo para aproveitar toda essa evolução de maneira positiva passa por uma análise criteriosa de cada conjunto de dados coletado e sua correta gestão, servindo de base para uma IA que automatize processos e amplie o potencial de organizações.

No estágio atual, a Inteligência Artificial pode ser definida como um sistema de algoritmos estatísticos capaz de construir modelos analíticos com base nos dados disponibilizados em uma velocidade impressionante. À medida que novos dados são  introduzidos no sistema acontece progressivamente o “aprendizado” automático (machine learning – ML), que consiste na identificação de padrões. Entretanto, se os dados não forem bons, o aprendizado será um reflexo de sua qualidade.

Combustível para avançar

Entender a importância dos dados para o desenvolvimento de uma Inteligência Artificial impactante é simples. Assim como os carros precisam de um bom combustível para funcionar adequadamente, a IA precisa de informações de boa procedência e confiáveis para produzir os efeitos esperados.  Neste caso, a quantidade não cria necessariamente o diferencial, pois dados incompletos, inconsistentes ou tendenciosos tornam a tomada de decisões baseada em dados inviável ou perigosa, já que pode apontar para um caminho oposto ao que deveria ser seguido.

Coletar, classificar e rotular os conjuntos de dados usados para treinar os algoritmos é um trabalho pesado, minucioso e eventualmente caro, mas extremamente necessário para produzirmos diferenciais competitivos. Governos e organizações precisam investir na limpeza e na curadoria dos dados para construir soluções de IA capazes de entregar valor em um aprendizado constante e contínuo, o que nem sempre acontece nessas organizações, levando à frustação e, não raro, ao abandono da tecnologia.

Revisão de processos

Estudo realizado pelo Boston Consulting Group e pelo MIT Sloan Management Review apontou que 51% das empresas que usam inteligência artificial na América Latina conseguiram lucrar com o uso da tecnologia. Um número que poderia ser muito mais elevado, apoiado na combinação de análise, pessoas e processos. Para realmente aproveitar a IA em sua totalidade, as empresas precisam rever suas estratégias, se preparar e qualificar os dados. Com esse cuidado, oferecem mais confiabilidade à ferramenta, quebram resistências e conquistam melhores resultados.

Nessa jornada, onde os dados podem estar em qualquer lugar — do data center à nuvem —contar com o apoio de tecnologias open source é fundamental, pois custos e escala podem inviabilizar projetos inicialmente promissores. Um levantamento da Red Hat com mais de 1.300 líderes de TI em todo mundo mostrou que estes gestores estão fazendo bom uso das tecnologias emergentes: 71% já implementaram soluções de inteligência artificial e machine learning (IA/ML), assim como soluções de edge computing e Internet das Coisas (IoT); 68% estão utilizando containers e 61% estão trabalhando com computação sem servidores. A expectativa é que o open source seja a base para a evolução dessas tecnologias, com 80% dos executivos desejando ampliar o uso da tecnologia.

Não é coincidência que os containers de código aberto e as práticas de DevOps do Kubernetes sejam essenciais para acelerar os ciclos de vida de IA e ML e a entrega inteligente de aplicativos. Essas tecnologias open source oferecem não só agilidade, flexibilidade e portabilidade, mas também a escalabilidade para treinar, testar e implantar modelos em produção.

 

O open source ajuda os decisores a construir uma nova cultura, pautada pela curadoria de dados, dando elementos para a atuação de “big minds” no avanço pelo campo do big data. Por mais que robôs sejam inteligentes e tenham uma alta capacidade de enxergar longe, ainda falta um longo caminho para substituírem o bom e velho cérebro humano na tomada de decisões. Somente por meio da inteligência humana a inteligência artificial será capaz de fazer sentido e seguir avançando.

______________________________________________________________________

*Gilson Magalhães é presidente da Red Hat Brasil