São Paulo — InkDesign News — A inteligência artificial (IA) tem avançado rapidamente, com modelos de deep learning como LLMs (Large Language Models) revolucionando setores. No entanto, muitas empresas enfrentam umlag de adoção que impede a realização plena de seu potencial.
Tecnologia e abordagem
Nos últimos anos, a comunidade de pesquisa em IA tem produzido inovações a uma velocidade impressionante. Novos modelos e frameworks, como Generative Pre-trained Transformers (GPT) e Retrieval-Augmented Generation (RAG), emergem constantemente. No entanto, a implementação efetiva destes modelos em ambientes corporativos se depara com obstáculos significativos, incluindo revisões de risco e compliance.
Aplicação e desempenho
Muitos times de ciência de dados investem meses em modelos que apresentam alta acurácia — por exemplo, modelos que preveem a rotatividade de clientes com 90% de precisão. Contudo, frequentemente esses modelos permanecem não utilizados, aguardando aprovações em filas de revisão, onde comitês muitas vezes carecem do conhecimento técnico necessário para avaliar adequadamente a eficácia de modelos estocásticos. As métricas de desempenho geram frustração quando a rápida evolução dos métodos e ferramentas não é acompanhada por práticas de governança suficientemente ágeis.
A real barreira não está no modelagem, mas na auditoria.
(“The real blocker isn’t modeling, it’s audit.”)— Jayachander Reddy Kandakatla, Engenheiro de MLOps, Ford Motor Credit Company
Impacto e mercado
A adoção corporativa de IA está se acelerando, com 42% das empresas de grande porte já tendo implementado soluções de IA. Entretanto, a maioria das organizações ainda está na fase de formalização de papéis de governança, o que resulta em dificuldades de controle após a implementação. Isso se traduz em desafios, como a chamada "sprawl de IA sombra", onde ferramentas de IA são adotadas sem supervisão central, criando complicações para a auditoria e para o gerenciamento dos dados.
Empresas líderes no fechamento do gap de velocidade estão implementando medidas preventivas, como a criação de bibliotecas de conformidade, onde as diretrizes de governança são codificadas, e padrões de pré-aprovação para arquiteturas comuns de uso de IA.
O panorama é claro: como as regulamentações se tornam mais rigorosas, organizações que não se adaptarem rapidamente enfrentarão riscos estratéticos e financeiros. É fundamental que as empresas analisem suas práticas atualmente em funcionamento e implementem melhorias significativas em seus processos de governança.
Fonte: (VentureBeat – AI)
