A festa generativa da IA ainda está em alta. Este zeitgeist tem abalado diariamente o mundo dos negócios de um milhão de maneiras, e o terreno ainda está a mudar. Agora, quatro meses depois de 2024, começamos a ver empresas, especialmente aquelas com marcas pragmáticas raras, começando a exigir evidências de valor, do caminho para o verdadeiro ROI derivado da IA. À medida que aumentam as vozes pragmáticas em prol do valor, como reagem os líderes empresariais ponderados?
Alteryx estudou exatamente essa questão. Quais são os caminhos concretos para o valor da IA? Pesquisamos os principais CIOs e membros do conselho e descobrimos uma abordagem bem iluminada para transformar recursos emergentes de IA em resultados de negócios.
Nossa pesquisa descobriu que a IA generativa já está impactando o alcance das metas organizacionais em 80% das organizações. O que abriu o caminho, como os casos de uso nº 2 e nº 3, foram as análises – tanto a criação quanto a síntese de novos insights para a organização. Esses casos de uso ficaram atrás apenas da geração de conteúdo em termos de abrangência.
O que torna a análise e a IA generativa uma combinação tão potente? Para explorar isso, vamos começar mergulhando nos principais desafios que a IA generativa resolve, como funciona, onde pode ser aplicada para maximizar o valor dos dados e análises e por que a IA generativa requer governança para ter sucesso.
Superando desafios analíticos com IA generativa
As empresas há muito reconhecem os benefícios do uso de dados e análises para melhorar o desempenho das receitas, gerenciar custos e mitigar riscos. No entanto, alcançar uma tomada de decisão em grande escala baseada em dados torna-se muitas vezes um exercício lento, penoso e ineficaz, devido a três desafios principais.
Primeiro, não há especialistas suficientes em ciência de dados, IA e análise para fornecer a amplitude de insights necessária em todos os aspectos dos negócios.
Em segundo lugar, as empresas são muitas vezes prejudicadas por sistemas legados e isolados que tornam impossível saber onde estão os dados, como acessá-los e como trabalhar com eles.
Terceiro, mesmo enquanto lutamos com os dois primeiros desafios, os dados continuam a crescer em complexidade e volume, tornando-os muito mais difíceis de utilizar. Combinado com a falta de políticas de governança robustas, as empresas enfrentam dados de baixa qualidade nos quais não se pode confiar nas decisões.
Aplicando IA generativa à análise
A IA generativa apresenta duas grandes oportunidades para enfrentar esses desafios, melhorando a usabilidade e a eficácia das ferramentas de análise empresarial.
Vamos falar primeiro sobre usabilidade. A IA generativa torna as ferramentas analíticas mais fáceis de usar. Muito disso é impulsionado pela incorporação de interfaces de linguagem natural que tornam o uso da análise muito mais fácil, já que a “linguagem de codificação” pode ser uma linguagem natural simples. Isso significa que os usuários podem executar tarefas analíticas complicadas usando inglês básico (linguagem natural) em vez de aprender Python. Como todos sabemos, as linguagens de codificação têm uma alta curva de aprendizado e podem levar anos para serem verdadeiramente dominadas.
Em seguida, em termos de eficácia, a IA generativa melhora substancialmente a qualidade da automação que pode ser aplicada em todo o ciclo de vida da análise de dados, desde a extração, carregamento e transformação (ELT) até a preparação, análise e geração de relatórios de dados.
Quando aplicada à análise, a IA generativa:
- Simplifica os estágios básicos de dados do ELT: Algoritmos preditivos são aplicados para otimizar a extração de dados, organizar dados de forma inteligente durante o carregamento e transformar dados com reconhecimento de esquema automatizado e técnicas de normalização.
- Acelera a preparação de dados por meio do enriquecimento e da qualidade dos dados: algoritmos de IA prevêem e preenchem valores ausentes, identificam e integram fontes de dados externas para enriquecer o conjunto de dados, enquanto o reconhecimento avançado de padrões e a detecção de anomalias garantem a precisão e a consistência dos dados.
- Melhora a análise de dados, como geoespaciais e autoML: o mapeamento e a análise espacial por meio de modelos gerados por IA permitem a interpretação precisa de dados geográficos, enquanto a seleção, o ajuste e a validação automatizados de modelos de aprendizado de máquina aumentam a eficiência e a precisão da análise preditiva.
- Eleva o estágio final de análise e geração de relatórios: aplicativos personalizados e generativos alimentados por IA fornecem visualizações de dados interativas e análises adaptadas às necessidades específicas do negócio. Enquanto isso, a geração de linguagem natural transforma dados em relatórios narrativos – histórias de dados – que tornam os insights acessíveis a um público mais amplo.
Principais casos de uso de IA generativa para análise
O impacto da IA generativa para análise é claro. A integração da IA generativa na análise pode liberar os recursos de grandes modelos de linguagem e ajudar os usuários a analisar montanhas de dados para chegar a respostas que gerem valor comercial. Além da geração de conteúdo, os principais casos de uso de IA generativa são resumo de insights analíticos (43%), geração de insights analíticos (32%), desenvolvimento de código (31%) e documentação de processos (27%).
O Alteryx está bem equipado para oferecer suporte a uma variedade de aplicações generativas de IA, incluindo os seguintes casos de uso, oferecendo tanto as ferramentas para desenvolvimento quanto a infraestrutura para implantação:
- Geração de insights: a IA generativa pode trabalhar com diferentes fontes de dados e analisá-las para fornecer insights ao usuário. Para agregar mais valor, ele também pode fornecer e resumir esses insights em formatos mais digeríveis, como um relatório por e-mail ou uma apresentação em PowerPoint.
- Criação de conjuntos de dados: Às vezes, usar dados reais de clientes ou pacientes pode ser caro e arriscado, mas a IA generativa pode criar dados sintéticos para treinar modelos, especificamente para setores altamente regulamentados. O uso de dados sintéticos para criar provas de conceitos pode acelerar a implantação, economizar tempo e reduzir custos — e ainda mais importante, reduzir o risco de violação de quaisquer possíveis leis ou regulamentos de privacidade.
- Resumo e documentação do fluxo de trabalho: a IA generativa pode documentar automaticamente os fluxos de trabalho para melhorar a governança e a auditabilidade.
Construindo uma abordagem holística e governada
Embora existam oportunidades infinitas de automação e novos casos de uso que ainda precisam ser descobertos, os líderes devem compreender que a confiança da IA e dos LLMs depende da qualidade das entradas de dados. Os insights gerados pelos modelos de IA são tão bons quanto os dados aos quais eles têm acesso. O sucesso da IA generativa requer a aplicação da governança de dados em políticas e práticas responsáveis de IA para a adoção da IA.
Por si só, o uso de IA generativa sem proteções pode levar a preocupações com a privacidade dos dados, resultados imprecisos, alucinações e muitos outros riscos, desafios e limitações. É importante que as empresas trabalhem com fornecedores que tenham princípios e estruturas em vigor que se alinhem com os padrões do setor para garantir que possam adotar de forma responsável a IA generativa em escala.
Para ajudar as empresas a mitigar esses riscos, a Alteryx incorpora diferentes mecanismos em sua plataforma para controlar esses desafios e simplificar o processo de governança da IA ao longo do ciclo de vida, ao mesmo tempo que permanece fundamentado em princípios que ajudam a nós e aos nossos clientes a adotar a IA de forma responsável. Construímos nossa plataforma para fornecer recursos de manipulação de dados privados, permitindo que nossos clientes realizem seu treinamento e implantação de IA inteiramente dentro de seu próprio firewall.
Finalmente, é extremamente importante implementar controlos adequados e incorporar mecanismos de feedback humanos para permitir a verificação e validação contínuas dos modelos de IA. Isso garante sua precisão, confiabilidade e alinhamento com os resultados desejados.
Engenharia de capacidades emergentes de IA em resultados de negócios
Quando usada de forma responsável e segura e governada, a IA generativa pode levar a benefícios importantes, como competitividade de mercado (52%), maior segurança (49%) e melhor desempenho ou funcionalidade do produto (45%).
Com o Alteryx AiDIN AI Engine for Enterprise Analytics, a Alteryx torna a navegação no cenário de IA generativa dentro de uma organização mais fácil e gerenciável para análises. No geral, a plataforma ajuda as organizações a obter valor dos seus investimentos em IA generativa, aplicando IA generativa aos seus dados para melhorar as experiências dos clientes, agilizar as operações e promover interações personalizadas.
Asa Whillock é vice-presidente e gerente geral de aprendizado de máquina e inteligência artificial da Alteryx.
–
Generative AI Insights oferece um local para líderes de tecnologia – incluindo fornecedores e outros colaboradores externos – explorarem e discutirem os desafios e oportunidades da inteligência artificial generativa. A seleção é ampla, desde aprofundamentos tecnológicos até estudos de caso e opiniões de especialistas, mas também subjetiva, com base em nosso julgamento de quais tópicos e tratamentos servirão melhor ao público tecnicamente sofisticado do InfoWorld. A InfoWorld não aceita material de marketing para publicação e reserva-se o direito de editar todo o conteúdo contribuído. Contato [email protected].
