GenAI encontra problemas na implementação

GenAI encontra problemas na implementação é perfilada pela BTW Media porque evidências publicadas a vinculam à infraestrutura de internet, governança, dependências operacionais ou visibilidade de mercado.

• As organizações estão entusiasmadas com o potencial da IA generativa, mas estão encontrando obstáculos em 4 áreas principais de implementação.
• O estudo pesquisou 300 tomadores de decisão em estratégia de GenAI ou análise de dados nos EUA para avaliar as principais áreas de investimento e os obstáculos que as organizações enfrentam.
• A GenAI deve ser tratada como uma contribuidora ideal para a hiperautomação e a aceleração dos processos e sistemas existentes, em vez de ser o novo brinquedo brilhante que ajudará as organizações a realizar todas as suas aspirações de negócios.

As organizações estão entusiasmadas com o potencial da IA generativa para aumentar a produtividade dos funcionários e dos negócios, mas não conseguem realizar todo o seu potencial devido à falta de talento e à falta de planejamento estratégico, de acordo com um estudo realizado no início de 2024 pela Coleman Parkes Research e patrocinado pela empresa de análise de dados SAS.

Obstáculos em 4 áreas principais

Ganhar confiança no uso dos dados enquanto se atinge a conformidade. Apenas 10% das organizações possuem um sistema robusto para avaliar o risco de viés e privacidade em LLMs (modelos de linguagem de grande escala). Além disso, a maioria das empresas dos EUA corre o risco de não conformidade com as regulamentações, e 93% delas não possuem uma estrutura de governança completa para a GenAI.

Incorporar a GenAI nos procedimentos e sistemas atuais. As organizações admitem que integrar a GenAI com seus sistemas atuais está causando problemas de compatibilidade.

Aptidão e proficiência. A GenAI interna é deficiente. Os executivos das organizações estão preocupados que seus departamentos de RH possam não ter acesso às habilidades necessárias para maximizar seu investimento em GenAI devido à escassez de candidatos qualificados.

Estimar despesas. Os líderes apontam que o uso de LLMs acarreta custos diretos e indiretos proibitivos. A estimativa de custo por token fornecida pelos criadores do modelo agora é reconhecida pelas organizações como proibitiva. No entanto, preparar conhecimento privado, treinamento e gerenciamento de ModelOps têm um custo longo e complicado.

Sobre a pesquisa

300 tomadores de decisão em estratégia de GenAI ou análise de dados nos EUA foram entrevistados no início de 2024 pela Coleman Parkes Research, com financiamento da empresa de análise de dados SAS. O objetivo da pesquisa era identificar as principais áreas de investimento e os desafios que as organizações enfrentam.

“As organizações estão percebendo que os modelos de linguagem de grande escala (LLMs) por si só não resolvem os desafios de negócios”, afirmou Marinela Profi, consultora estratégica de IA da SAS.

Em vez de ser visto como o novo brinquedo brilhante que ajudará as organizações a realizar todas as suas aspirações de negócios, a GenAI deve ser vista como uma contribuidora ideal para a hiperautomação e a aceleração dos processos e sistemas atuais. Antes de mergulhar de cabeça e ficar “preso”, todas as organizações devem investir em tecnologia que ofereça integração, governança e explicabilidade dos LLMs e dedicar o tempo necessário para desenvolver uma estratégia progressiva.