Levantamento global da Cloudera com 1,5 mil profissionais de tecnologia mostra contraste entre a rápida adoção da inteligência artificial e sistemas corporativos que ainda não estão preparados para sustentá-la em escala.
A corrida empresarial pela inteligência artificial está encontrando um obstáculo menos visível que os próprios modelos de IA: a infraestrutura tecnológica das companhias. Um levantamento global divulgado pela Cloudera mostra que 95% das organizações pesquisadas atrasaram ou cancelaram pelo menos uma iniciativa de inteligência artificial nos últimos 12 meses por dificuldades relacionadas à governança de dados, conformidade ou exigências regulatórias. (Cloudera)
O resultado chama atenção porque a adoção da tecnologia já é elevada. Segundo a pesquisa “The Great AI Re-Architecture”, 77% das organizações consultadas afirmam utilizar IA ativamente. O problema surge quando empresas tentam transformar experimentos e pilotos em sistemas capazes de operar de maneira contínua, segura e em grande escala. (HPCwire)
A pesquisa ouviu 1.500 arquitetos empresariais, responsáveis por infraestrutura de nuvem e arquitetos de dados em diferentes partes do mundo. Para a Cloudera, os resultados indicam que sistemas construídos para uma geração anterior de análise de dados estão sendo pressionados pelas exigências das aplicações modernas de inteligência artificial. (Cloudera)
Mais da metade interrompeu vários projetos
O problema não está restrito a iniciativas isoladas.
Segundo o levantamento, 55% dos entrevistados afirmaram ter atrasado ou cancelado mais de seis projetos de IA durante os últimos 12 meses devido a questões relacionadas a governança, conformidade ou regulamentação. (markets.businessinsider.com)
O número mostra uma diferença importante entre desenvolver uma demonstração de inteligência artificial e colocar uma solução efetivamente em produção.
Uma empresa pode experimentar um modelo generativo utilizando um conjunto limitado de informações. Quando tenta conectá-lo aos sistemas corporativos, porém, precisa determinar quais informações o sistema poderá consultar, quem terá acesso aos resultados, onde os dados serão processados e como informações confidenciais serão protegidas.
É nessa passagem da experimentação para a operação que muitos projetos encontram dificuldades.
Arquitetura atual não acompanha a IA
Outro indicador ajuda a explicar o elevado número de atrasos.
Nada menos que 72% das organizações pesquisadas afirmam que sua atual arquitetura de dados precisa passar por mudanças significativas para atender às futuras necessidades de inteligência artificial. (Cloudera)
Durante décadas, grandes empresas construíram sistemas de informação gradualmente. Bancos de dados, servidores, aplicativos internos e plataformas de nuvem foram adicionados em diferentes momentos e frequentemente funcionam em ambientes separados.
A inteligência artificial aumenta a pressão para conectar essas informações.
Agentes de IA, por exemplo, precisam encontrar dados, compreender seu contexto e recuperá-los rapidamente para executar tarefas. Uma análise publicada nesta semana pela CIO destaca que pesquisas recentes apontam justamente os silos de dados como um dos obstáculos para aplicações de agentes de IA nas empresas. (CIO)
Custos de infraestrutura também aumentam
A modernização necessária não é apenas técnica. Ela também custa dinheiro.
De acordo com a pesquisa, 84% das organizações registraram aumento nos custos de infraestrutura em consequência das cargas de trabalho relacionadas à IA. Além disso, 75% disseram que a integração da inteligência artificial modificou suas práticas relacionadas a armazenamento e arquitetura de dados. (Express Computer)
Treinar ou executar modelos, armazenar grandes quantidades de informação e manter sistemas disponíveis em tempo real exige capacidade computacional significativa.
Isso pode envolver servidores especializados, armazenamento adicional, redes mais rápidas e contratação de serviços de computação em nuvem.
A consequência é que projetos inicialmente avaliados apenas pelo potencial da IA podem acabar esbarrando no custo necessário para sustentá-los.
Governança vira problema central
A governança dos dados aparece como outra grande barreira. 73% dos participantes disseram que a inteligência artificial tornou a governança de dados mais complexa. (Express Computer)
Esse ponto ganha importância porque sistemas de IA podem acessar enormes quantidades de informações corporativas.
Uma empresa precisa determinar, por exemplo, se um assistente interno poderá consultar documentos financeiros confidenciais, dados pessoais de clientes ou informações restritas de funcionários.
Também é necessário controlar quais informações podem sair da infraestrutura corporativa e ser processadas por serviços externos.
Quanto mais aplicações de IA são incorporadas às operações, maior tende a ser a quantidade de regras necessárias para controlar esse fluxo.
Empresas estão retirando cargas da nuvem pública
Uma consequência inesperada dessa transformação aparece na estratégia de computação em nuvem.
A pesquisa indica que 66% das organizações transferiram alguma carga de trabalho de IA da nuvem pública de volta para nuvens privadas ou infraestrutura instalada dentro das próprias empresas durante o último ano. (Express Computer)
Isso não significa o abandono da computação em nuvem.
Em vez disso, aponta para um modelo no qual diferentes aplicações são executadas no ambiente considerado mais adequado para cada necessidade.
Informações extremamente sensíveis podem permanecer em infraestrutura privada, enquanto outras aplicações continuam funcionando em grandes plataformas públicas.
Arquitetura híbrida ganha força
Esse movimento ajuda a explicar outra tendência identificada no estudo.
Um quarto das organizações pesquisadas pretende priorizar uma arquitetura “hybrid-first” nos próximos dois anos. (Indovizka)
Nesse modelo, empresas combinam nuvem pública, nuvem privada, servidores próprios e eventualmente processamento na borda (edge computing).
A estratégia permite decidir onde determinada aplicação de IA deve funcionar considerando custo, desempenho, segurança e requisitos regulatórios.
Em vez de concentrar todos os sistemas em um único fornecedor ou ambiente, as organizações passam a distribuir suas cargas tecnológicas.
O problema não significa fracasso da inteligência artificial
Os números precisam ser interpretados com cuidado.
O levantamento não afirma que 95% de todos os projetos de IA fracassaram, nem que 95% das empresas desistiram de utilizar inteligência artificial.
O resultado significa que 95% das organizações participantes atrasaram ou cancelaram alguma iniciativa de IA durante o período analisado por dificuldades envolvendo governança, conformidade ou regulamentação. Ao mesmo tempo, 77% continuam utilizando IA ativamente. (Cloudera)
Portanto, os dados mostram principalmente uma dificuldade de execução e expansão.
Empresas continuam investindo na tecnologia, mas descobrem que comprar acesso a um modelo de IA é muito mais simples do que reorganizar sistemas corporativos inteiros para utilizá-lo de maneira segura.
Corrida pela IA entra em nova etapa
A pesquisa sugere que a próxima fase da inteligência artificial empresarial poderá ser menos concentrada nos próprios modelos e mais na infraestrutura existente por trás deles.
A primeira etapa da atual corrida tecnológica foi marcada pela experimentação: chatbots, copilotos, geração automática de conteúdo e ferramentas internas começaram a aparecer rapidamente.
Agora, organizações precisam conectar essas aplicações a sistemas reais, informações corporativas e processos críticos.
É justamente nessa fase que problemas acumulados durante anos começam a aparecer.
Bancos de dados incompatíveis, informações espalhadas por diferentes departamentos, regras de acesso inconsistentes e sistemas antigos podem impedir que uma aplicação de IA encontre dados confiáveis no momento necessário.
Modernização vira condição para novos projetos
O cenário revelado pelo levantamento aponta para uma mudança de prioridade nos departamentos de tecnologia.
Empresas interessadas em ampliar o uso da inteligência artificial precisarão investir não somente em modelos, mas também em arquitetura de dados, segurança, governança, armazenamento e integração entre sistemas.
Os números divulgados nesta semana mostram o tamanho desse desafio: 95% já tiveram iniciativas atrasadas ou canceladas, 72% consideram necessária uma mudança significativa na arquitetura de dados e 84% observaram aumento nos custos de infraestrutura relacionados à IA. (Express Computer)
A corrida empresarial pela inteligência artificial, portanto, está entrando em uma etapa mais complexa. Depois da rápida multiplicação de projetos-piloto, as organizações precisam provar que conseguem transformar essas experiências em sistemas confiáveis, financeiramente sustentáveis e compatíveis com as regras de segurança e proteção dos dados.
Para muitas empresas, o maior desafio da IA pode não ser encontrar um modelo suficientemente inteligente, mas reconstruir a infraestrutura necessária para fazê-lo funcionar.
Fonte:
Pesquisa original “The Great AI Re-Architecture” da Cloudera
