O manual do CIO para criar uma diretriz de IA que gere valor

Não existe uma diretriz de IA genérica. É preciso criar uma diretriz que funcione para sua organização. A lista das possíveis atividades é muito ampla e não é recomendado que você tente desempenhar cada uma delas. É preferível selecionar aquelas que são imprescindíveis para sua estratégia de IA e seus casos de uso. Em seguida, organize as atividades de maneira apropriada, da inicial à avançada.

Estabeleça metas ao informar, de forma resumida, as escolhas que sua organização fará para alcançar o sucesso. O processo começa com a definição de suas ambições de IA, ou seja, o impacto estratégico que você espera causar com essa tecnologia, em alinhamento com a estratégia de negócios.

A estratégia inicial de IA define as metas de adoção para a diretriz e as prioridades para o portfólio de casos de uso. Entre as atividades mais avançadas estão a criação de um processo para aperfeiçoar a estratégia, incluindo a mensuração de seu sucesso.

O valor da IA é diretamente depreendido por meio de um portfólio de iniciativas relacionadas a essa tecnologia. Em geral, o primeiro passo é priorizar um conjunto de casos de uso iniciais, realizar testes e, em seguida, monitorar e demonstrar seu valor comercial. As atividades mais avançadas abrangem a criação de um portfólio de produtos de IA que, em vez de privilegiar a entrega de projetos pontuais, concentra-se em agregar valor contínuo que acompanha o ritmo das necessidades dos clientes e das transformações tecnológicas.

Saiba como um parceiro executivo (EP) do Gartner pode ajudar clientes como você a criar uma diretriz de IA personalizada.

Conforme a IA cresce, sua organização também precisará evoluir. A princípio, você precisa de um plano de alocação de recursos que responda às necessidades dos seus casos de uso iniciais de IA e da estratégia, incluindo a decisão de preencher lacunas de capacidade essenciais internamente ou externamente.

Dentro das organizações, costuma-se formar uma comunidade de prática que reúna partes interessadas em inteligência artificial e/ou equipes dedicadas de IA visando a um conjunto restrito de atividades prioritárias. Essa abordagem pode se transformar em um modelo operacional direcionado para expandir ainda mais a IA na organização.

Fora das organizações, em geral, firma-se um número limitado de parcerias externas e, posteriormente, um processo para gerenciar essas relações é formalizado.

A IA representa uma grande oportunidade para a força de trabalho: os funcionários precisarão de qualificação, alguns cargos terão que ser redesenhados e será necessário adaptar a cultura. Normalmente, a primeira etapa é elaborar um plano da força de trabalho que identifique implicações da IA para os profissionais, as lacunas de talentos atuais e como elas serão abordadas.

Em geral, essa estratégia resulta em um processo para analisar os cargos continuamente, um plano de gestão de mudanças e um protocolo para avaliar o impacto da IA na força de trabalho.

A IA traz muitos riscos que precisam ser geridos desde o início. A jornada usual começa com a identificação dos maiores riscos da IA e a elaboração de princípios, políticas e processos iniciais para gerenciá-los e minimizá-los, abrangendo questões éticas da IA.

Em seguida, os líderes de IA podem considerar a formalização de uma estrutura de governança dessa tecnologia que estabeleça direitos decisórios, bem como um modelo operacional mais amplo para gerir essa tecnologia. As atividades mais avançadas incluem testar ferramentas de governança e criar programas de letramento em IA para instruir os funcionários sobre governança de IA de maneira mais abrangente.

Você precisa de uma base técnica sólida para assegurar que a IA de sua organização seja confiável e escalável. Inicialmente, as organizações devem estabelecer critérios de desenvolvimento e de compra para seus casos de uso visando à comparação, criar um ambiente seguro para realizar testes e começar a identificar padrões de design e arquitetura de referência para promover a reusabilidade.

Além disso, é necessário selecionar fornecedores com cautela para apoiar casos de uso iniciais e, em seguida, transformar essa abordagem em uma estratégia mais coesa para o fornecimento de IA. O foco das atividades mais avançadas é a criação de uma prática de ModelOps, incluindo capacidade de observação de IA, práticas recomendadas de UI/UX e FinOps, bem como a implantação de engenharia de plataforma de IA.

Os dados são elementos vitais da grande maioria dos casos de uso de IA. No entanto, dados prontos para IA exigem um conjunto diferente de habilidades em comparação com a gestão de dados convencional. Geralmente, os líderes de IA começam compreendendo sua prontidão para dados ao considerar os casos de uso iniciais de IA, identificando requisitos-chave e implementando um plano para preparar seus dados.

Em seguida, eles buscam uma adesão mais ampla para os investimentos a longo prazo necessários para expandir suas capacidades de dados para a IA. Isso inclui adaptar a governança correspondente, abrangendo a qualidade dos dados e as práticas de metadados. A IA também requer recursos de visualização, análise e capacidade de observação dos dados para monitorá-los na produção.

Os clientes do Gartner (dependendo de sua assinatura) podem criar sua própria diretriz de inteligência artificial usando a ferramenta diretriz de IA do Gartner.