6 razões para o fracasso dos projectos de IA

Parece que a IA está presente em todo o lado, mas a realidade é que muitas empresas estão a ter problemas em implementar a IA com sucesso. De acordo com o Estudo executivo e relatório de investigação global sobre inteligência artificial do MIT SMR-BCGDe acordo com o relatório da Comissão Europeia, sete em cada dez executivos cujas organizações investiram em Inteligência Artificial (IA) afirmaram ter visto pouco ou nenhum impacto da mesma.

Para além disso, 40% das empresas que investem Os projectos de IA não apresentam quaisquer benefícios comerciais. A taxa de insucesso não deveria ser tão elevada, dado o número de cérebros inteligentes, recursos e esforços investidos nestes projectos. O problema é a incapacidade de aderir às melhores práticas de gestão de iniciativas de IA, e não uma tecnologia inferior ou pessoas desmotivadas.

Neste artigo, discutimos 6 razões para os fracassos dos projectos de IA, juntamente com alguns conselhos sobre como evitar tornar-se mais uma estatística de iniciativas de IA falhadas.

1. Má gestão dos dados

Para que as soluções de IA sejam úteis, é necessário dispor de dados suficientes e de alta qualidade que sigam uma metodologia coerente e compreensível. Muitas empresas não têm os recursos ou a experiência necessários para lidar com dados que não estão limpos, mantidos em formatos ou localizações incompatíveis. Os cientistas de dados perdem demasiado tempo (muitas vezes até 70% do seu tempo) a manipular dados, em vez de aplicarem os seus conhecimentos para criar soluções úteis ou para obter informações que apoiem as decisões empresariais.

2. Falta de capacidades de IA e de sensibilização dos trabalhadores

Uma sondagem da Gartner revelou que 56% das empresas tinham dificuldade em utilizar a IA devido a um défice de competências no seu pessoal. Os trabalhadores podem não ter confiança na IA, rejeitá-la completamente, ou ter total confiança nela e aceitar todos os resultados de um modelo de IA sem questionar. Um equívoco comum entre os profissionais activos é o de que a IA os irá substituir. Devido a todos estes factores, as empresas devem considerar a possibilidade de aumentar a literacia em AM/IA entre os seus funcionários e dar-lhes formação sobre novos processos tecnológicos.

A literacia tecnológica garante que tanto os técnicos como os não técnicos os trabalhadores são informados sobre a IAA IA é uma tecnologia que permite aos trabalhadores compreenderem o que pode fazer por eles, os pontos fortes e fracos da tecnologia e como esta os pode beneficiar. É também crucial que os funcionários não confiem apenas na IA para a tomada de decisões sem compreenderem como é que a decisão é tomada.

3. Objectivos comerciais pouco claros

Em vez de escolher projectos em que se vê potencial para um avanço técnico, as organizações precisam de identificar casos de utilização com retorno sobre o investimento (ROI) que possam ter a maior influência nos seus KPI (aumento da receita, diminuição do custo das operações, aumento da experiência do cliente, etc.). Os projectos de IA geralmente falham devido a objectivos mal definidos, falta de dados e recursos insuficientes.

4. Subestimar o tempo e o custo da componente de dados dos projectos de IA:

As organizações subestimam frequentemente o tempo e os recursos necessários para gerir eficazmente os projectos de IA. Com demasiada frequência, os projectos começam sem considerar primeiro os requisitos de dados e sem ter uma pessoa dedicada responsável pela recolha do tipo e quantidade de dados correctos. Estes projectos são frequentemente atrasados pela falta de acesso aos dados necessários. É por isso que reunir os dados necessários para alimentar a IA é a primeira etapa da gestão de um projeto de IA.

A IA exige uma estratégia centrada nos dados e as empresas devem analisar cuidadosamente se dispõem do tempo e dos recursos necessários para se dedicarem à recolha de quantidades suficientes de dados de elevada qualidade para os seus projectos.

5. Falta de empenhamento e apropriação por parte dos dirigentes

Este é um erro comum em todos os projectos, não apenas nos que envolvem IA. Sem a dedicação e a propriedade de uma equipa de liderança multifuncional, uma iniciativa de IA não terá os recursos ou o talento necessários para ser bem sucedida. Um projeto de IA só pode ser bem sucedido se tiver líderes capazes que se dediquem a ele.

6. Desalinhamento entre a promessa e a realidade por parte dos fornecedores

É frequente as empresas caírem na armadilha do marketing e nas promessas feitas pelos fornecedores sobre os seus produtos. Ou as empresas podem escolher a solução de um determinado fornecedor apenas para descobrir que não é a melhor opção para as suas necessidades. Os factores orientados para o fornecedor são frequentemente ignorados, o que é uma das principais causas do fracasso de um projeto de IA.

Uma causa frequente desta situação é não fazer as perguntas correctas à partida, o que o impede de ver que, apesar de o produto ser fantástico, não satisfaz as suas necessidades. Para evitar ser vítima da moda, faça os seus trabalhos de casa, faça as perguntas correctas e saiba como gerir as iniciativas de IA.

Como é que a IA da desnatação pode ajudar?

A IA está a revolucionar a forma como conduzimos os negócios, e é preciso tempo e esforço para descobrir como criar soluções úteis com um ROl quantificável.

Aconselhamos os nossos clientes a criar um quadro para a implementação de soluções de ML e IA com base nas melhores práticas. Os retornos dos investimentos em IA não são lineares. Pelo contrário, aumentam à medida que se vai acrescentando um bom trabalho sobre uma base criada com as melhores práticas.