15 de setembro de 2022
- Gartner client? Log in for personalized search results.
Quais são as novidades em inteligência artificial do Gartner Hype Cycle de 2022
Contribuição: Jackie Wiles
As inovações em inteligência artificial continuam a proporcionar grandes benefícios para os negócios e as taxas de adoção acelerarão nos próximos anos. Veja abaixo as principais perspectivas do Gartner.
O Gartner Hype Cycle™ para inteligência artificial (IA) de 2022 identifica inovações essenciais nas técnicas e tecnologia de IA, que vão além da IA já usada diariamente, para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade previamente estáticos.
“O Hype Cycle para IA está repleto de inovações que devem gerar benefícios transformadores,” diz Afraz Jaffri, diretor analista no Gartner. “Observe com atenção especial às inovações que devem ser adotadas de modo geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA na borda. A adoção precoce dessas inovações pode promover uma vantagem competitiva e valor comercial significativos e reduzir os problemas associados à fragilidade dos modelos de IA.”
Aproveite e baixe agora: Guia detalhado com as 10 principais tendências estratégias de tecnologia da Gartner para 2023.
As inovações de IA pertencem a quatro categorias
Espera-se que a ampla variedade de inovações de IA impacte pessoas e processos dentro e fora do contexto empresarial. Por isso, compreendê-las é importante para muitas partes interessadas, desde líderes de negócios até equipes de engenharia empresarial com a tarefa de implementar e operacionalizar os sistemas de IA.
No entanto, os líderes de dados e análise (D&A) são os que mais têm a ganhar, usando a perspectiva do Hype Cycle para elaborar estratégias de IA para o futuro e escolher as tecnologias que oferecem alto impacto no presente.
As inovações de IA no Hype Cycle refletem prioridades complementares e às vezes conflitantes em quatro categorias principais:
IA centrada em dados;
IA centrada em modelos;
IA centrada em aplicativos;
IA centrada no ser humano.
IA centrada em dados
Tradicionalmente, a comunidade de IA concentra-se em melhorar os resultados das soluções de IA ao ajustar seus modelos, mas a IA centrada em dados muda o foco para a melhora e enriquecimento de dados usados no treinamento de algoritmos.
Ao abordar considerações de dados específicos de IA, a IA centrada em dados desestabiliza a gestão de dados tradicional, mas as organizações que investem em IA em escala evoluirão para preservar as ideias de gestão de dados clássicas permanentes e estendê-las a IA de duas formas:
Adicionar recursos necessários para o desenvolvimento conveniente de IA por um público focado em IA que não está familiarizado com a gestão de dados.
Usar IA para melhorar e ampliar os clássicos permanentes de governança de dados, persistência, integração e qualidade de dados.
As inovações em IA centrada em dados incluem dados sintéticos, gráficos de conhecimento, etiquetagem de dados e anotação.
Dados sintéticos, por exemplo, correspondem a uma categoria de dados que são gerados artificialmente, e não obtidos de observações diretas do mundo real. Os dados podem ser gerados usando diversos métodos, por exemplo, amostragem estatisticamente rigorosa de dados reais, abordagens semânticas e redes opostas geradoras, ou criando cenários de simulação em que os modelos e os processos interagem para gerar conjuntos de dados de eventos completamente novos.
A adoção está aumentando em vários setores, juntamente com o uso em aplicativos de linguagem natural e visão computacional, mas o Gartner prevê um enorme aumento na adoção porque os dados sintéticos:
Evitam o uso de informações pessoalmente identificáveis ao treinar modelos de machine learning (ML) através de variações sintéticas de dados originais ou substituição sintética de partes dos dados.
Reduzem custos e economizam tempo no desenvolvimento de ML por serem mais baratos e rápidos de se obter.
- Melhoram o desempenho de ML à medida que mais dados de treinamento levam a melhores resultados de treinamento.
IA centrada em modelos
Apesar da mudança para uma abordagem centrada em dados, os modelos de IA ainda precisam de atenção para garantir que os resultados continuem a nos ajudar a agir melhor. As inovações incluem IA embasada em física, IA composta, IA causal, IA geradora, modelos de base e aprendizagem profunda.
A IA composta refere-se à fusão de diferentes técnicas de IA para melhorar a eficiência da aprendizagem e ampliar o nível de representações de conhecimento. Visto que nenhuma técnica de IA sozinha é uma solução imediata, a IA composta fornece uma plataforma para solucionar uma variedade mais ampla de problemas de negócios de modo mais eficaz.
A IA composta deve alcançar a adoção total em dois a cinco anos, e seus benefícios comerciais serão provavelmente transformadores, permitindo novas formas de fazer negócios entre os setores e resultando em importantes mudanças na dinâmica da indústria. Por exemplo, a IA composta:
Leva o poder da IA a um grupo mais amplo de organizações que não têm acesso a grandes volumes de dados históricos ou rotulados, mas têm conhecimento humano significativo.
Ajuda a expandir o escopo e a qualidade dos aplicativos de IA, permitindo que novos desafios de raciocínio possam ser integrados.
A IA causal inclui técnicas distintas, como gráficos causais e simulação, que ajudam a revelar relações causais para melhorar a tomada de decisões. Embora possa levar de 5 a 10 anos para a IA causal alcançar a adoção total, espera-se que os benefícios comerciais sejam grandes, permitindo novas formas de executar processos horizontais ou verticais que resultarão em receita ou economia de custos significativamente maiores para as empresas. Entre os benefícios da IA causal estão:
Maior eficiência na adição de conhecimento do domínio aos modelos de IA causal de bootstrap com conjuntos de dados menores.
Maior autonomia e ampliação das decisões em sistemas de IA.
Melhor explicabilidade com o registro de relações de causa e efeito fáceis de interpretar.
Mais robustez e adaptabilidade com o uso de relações causais que permanecem válidas em ambientes em mudança.
- Parcialidade reduzida em sistemas de IA ao tornar links causais mais explícitos.
IA centrada em aplicativos
Entre as inovações, incluem-se engenharia de IA, inteligência de decisão, sistemas de IA operacionais, operações de modelo, serviços na nuvem de IA, robôs inteligentes, processamento de linguagem natural (PLN), veículos autônomos, aplicativos inteligentes e visão computacional.
Espera-se que a inteligência de decisão e a IA na borda alcancem a adoção total em dois a cinco anos e tenham benefícios comerciais transformadores.
A inteligência de decisão é uma disciplina prática usada para melhorar a tomada de decisões por compreender e planejar de forma explícita como as decisões são tomadas e os resultados são avaliados, gerenciados e aprimorados através do feedback.
A inteligência de decisão ajuda a:
Reduzir a dívida técnica, aumentar a visibilidade e melhorar o impacto dos processos de negócios ao aprimorar materialmente a sustentabilidade dos modelos de decisão das organizações com base no poder de sua relevância e na qualidade da sua transparência, tornando as decisões mais transparentes e auditáveis.
Reduzir a imprevisibilidade dos resultados das decisões com o registro e a compreensão dos fatores de incerteza no contexto dos negócios, tornando os modelos de decisão mais resilientes.
Se você tem interesse em aprofundar o assunto, baixe agora nosso guia sobre como definir estratégias para o processo de tomada de decisões.
A IA na borda (edge AI) refere-se ao uso de técnicas de IA integradas aos endpoints da Internet das Coisas (IoT), gateways e servidores na bord e em aplicações que variam de veículos autônomos a análises de streaming. Entre os benefícios comerciais estão:
Maior eficiência operacional, por exemplo, em sistemas de inspeção visual da manufatura.
Experiência do cliente aprimorada.
Latência reduzida na tomada de decisões com o uso de análise local.
Redução do custo de conectividade, com menos tráfego de dados entre a borda e a nuvem.
Disponibilidade persistente de soluções, independentemente da conectividade da rede.
IA centrada no ser humano.
Esse grupo de inovações inclui confiança, risco e gestão de segurança de IA (Trust, Risk and Security Management, TRiSM), IA responsável, ética digital e kits para ensino e criação de IA. Quando a IA substitui as decisões humanas, ela amplia os resultados bons e ruins. A IA responsável capacita os resultados certos, resolvendo dilemas arraigados na agregação de valor versus a tolerância de riscos.
IA responsável é um termo abrangente para aspectos como fazer escolhas éticas e comerciais adequadas ao adotar IA, incluindo valor social e comercial, risco, confiança, transparência, imparcialidade, redução de parcialidade, explicabilidade, responsabilidade, segurança, privacidade e conformidade regulatória. A IA responsável levará de 5 a 10 anos para alcançar a adoção total mas, por fim, terá um impacto transformador sobre os negócios.
A ética digital é uma tendência mais a curto prazo (dois a cinco anos) com a probabilidade de alto impacto sobre os negócios. A ética digital compreende os sistemas de valores e princípios morais para a conduta de interações eletrônicas entre pessoas, organizações e coisas. Essas questões, especialmente no que se relacionam à privacidade e à parcialidade, permanecem preocupantes para muitos.
As pessoas, cada vez mais cientes de que seus dados são valiosos, estão frustradas com a falta de transparência, mau uso e ocorrência de violações. As organizações estão agindo para minimizar riscos em relação ao gerenciamento e à proteção de dados pessoais, e os governos estão implementando legislações mais rigorosas.
Muitas organizações ainda ignoram a ética digital porque acham que ela não se aplica ao seu setor ou domínio, mas o Gartner prevê que, em 2024, 30% das principais organizações usarão a nova métrica da “voz da sociedade” para agir em relação aos problemas sociais e avaliar o impacto sobre o desempenho dos negócios. As organizações terão que integrar a ética digital às suas estratégias de IA para aumentar sua influência e melhorar sua reputação em meio aos clientes, funcionários, parceiros e à sociedade.
Resumo:
O Gartner Hype Cycle™ para inteligência artificial de 2022 apresenta inovações “essenciais” que devem gerar amplos benefícios para qualquer organização.
Essas inovações vão além das técnicas de IA cotidianas que já estão sendo usadas para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade previamente estáticos.
Observe com atenção especial às inovações que devem ser adotadas de modo geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA na borda.
Afraz Jaffri é diretor de pesquisa do Gartner, onde Jaffri se concentra em análise, ciência de dados e IA. Ele aconselha os líderes de dados e análises a aproveitar ao máximo seus investimentos em plataformas modernas de ciência de dados, aprendizado de máquina e análise.
Conferência Gartner Data & Analytics
Transforme o futuro da sua organização! Mergulhe em estratégias de Data & Analytics, tendências emergentes, IA generativa e muito mais.
Recursos recomendados para clientes Gartner*:
Hype Cycle para inteligência artificial, 2022
Entenda o Gartner Hype Cycle
*Observe que alguns documentos podem não estar disponíveis para todos os clientes Gartner.