CDAOs experientes vão aproveitar a oportunidade de usar a IA para agregar valor ao negócio, mas também precisam aprimorar estratégias e governança.
- Gartner client? Log in for personalized search results.
IA para análise de dados: priorize o que agrega valor
Aproveite o poder da IA para análise de dados
Os rápidos avanços em IA generativa estão remodelando as prioridades estratégicas e impactando as responsabilidades de líderes de D&A, bem como na função que eles desempenham. Baixe esta pesquisa para saber como os líderes de D&A estão moldando as iniciativas de IA generativa e quais são os principais desafios enfrentados. E mais:
Estratégias para gerenciar as expectativas das partes interessadas;
Práticas recomendadas para a avaliação dos casos de uso de IA generativa;
Métodos de colaboração com partes interessadas que implicam risco.
Alinhe a IA para análise de dados por meio de estratégia, liderança e governança
O sucesso do líder de análise de dados com a IA está ligado à entrega de valor de negócio, integrando a IA à estratégia de análise de dados e priorizando a governança de dados adequada para IA.
- IA na estratégia de análise de dados
- Liderança em IA
- Dados prontos para IA
Atualize a estratégia de análise de dados com uma estratégia de IA, o que inclui direcionar o foco para a IA generativa
Há um número cada vez maior de iniciativas de IA, normalmente em uma única organização, sem qualquer coordenação ou metodologia. Na adoção da IA generativa, esse cenário é comum. Quando uma área da organização não está ciente da forma como outra divisão está utilizando a IA, isso pode involuntariamente criar riscos para o negócio e potencialmente destruir o seu valor estratégico. Para evitar situações semelhantes, as organizações precisam de uma estratégia de IA.
O objetivo não é restringir as inúmeras iniciativas de IA, mas, sim, assegurar que haja contextualização para geri-las. Como o diretor executivo de análise de dados já é responsável por muitos facilitadores de inteligência artificial, incluindo os fundamentos de inteligência artificial e análise de dados, governança e confiança de dados, gestão de riscos de dados, ética de análise de dados, vieses analíticos, transparência de dados e partes da gestão de mudança de negócios por meio da alfabetização em dados e IA, a estratégia de D&A deva ser estendida para incluir a estratégia de IA.
Se for devidamente estruturada, a estratégia de IA orientada por dados poderá inspirar ideias transformadoras, orquestrar resultados de negócios, fomentar a tomada de decisões fundamentadas e definir o sucesso. No entanto, é comum que as tentativas de integrar a IA às estratégias de D&A priorizem projetos gerais e estimativas de orçamentos, desconsiderando como essas iniciativas de inteligência artificial agregarão valor e com base em quais métricas.
Fuja desta armadilha ao incorporar uma perspectiva mais holística que relaciona a adoção da IA aos objetivos empresariais e, em última análise, aos resultados de negócios, da seguinte forma:
Alinhe e mapeie as iniciativas de IA em relação às prioridades comerciais estratégicas da organização, incluindo métricas e KPIs para avaliar o impacto;
Engaje os stakeholders da empresa utilizando uma linguagem comum de negócios e finanças, ao invés de termos técnicos de inteligência artificial e análise de dados.
Compreenda as ações de valor e os desafios da organização e articule como a inteligência artificial e a análise de dados estão gerando resultados tangíveis, vinculados diretamente à estratégia de negócios.
A IA generativa é um caso específico na estratégia de D&A
O aumento repentino no interesse pela IA generativa exige foco estratégico direcionado. Como essa modalidade de IA é amplamente difundida entre os usuários e não há muitos obstáculos à sua adoção, as equipes podem utilizá-la sem grandes complicações, dispensando o conhecimento ou a supervisão organizacional.
Mesmo no caso das iniciativas formalmente estabelecidas de IA generativa, é raro que os diretores de D&A sejam os únicos a responder por essa tecnologia. Como você é responsável por recursos de inteligência artificial, a exemplo da ciência de dados e dos respectivos insights necessários, pode desempenhar uma função estratégica ao compartilhar sua perspectiva sobre as áreas em que IA generativa pode — e não pode — agregar valor hoje.
Além disso, você pode exercer um papel de liderança por meio da orientação tática, indicando o que é necessário para alcançar o sucesso em termos de dados e confiabilidade, gestão de riscos e governança. Dessa forma, a organização pode priorizar casos de uso de IA generativa que agregam valor comercial e evitar distrações decorrentes de alarde e expectativas infundadas.
Para embasar tal perspectiva, forneça informações adicionais sobre as iniciativas de IA generativa à parte da IA convencional (soluções preditivas) que contemplem:
Monitoramento sistemático da IA generativa como determinante para a estratégia de D&A, bem como para os resultados de negócios;
Identificação e priorização dos casos de uso de IA generativa de alto valor com base em impacto competitivo, valor empresarial, urgência, custo e risco;
Comprovação do valor e do custo, disponibilização por meio de um portfólio de investimentos em IA generativa, mensuração do respectivo impacto, aprendizagem e correção;
Acompanhamento das tendências emergentes na IA generativa para tirar proveito dos progressos de valor/custo em constante evolução, conforme o mercado amadurece.
Na disputa pelo domínio da IA, os diretores de D&A devem demonstrar liderança
A ascensão repentina da IA generativa entre o público em geral oferece argumentos para que os diretores de experiência (CxO) mais ambiciosos se estabeleçam como responsáveis pela IA na organização. O CIO, o CTO, o Diretor de Dados, o Diretor de Inovação e o Diretor de IA poderim afirmar a mesma coisa. No entanto, tal como acontece com a própria IA, se abordada de forma reativa, toda esta competição pela responsabilização pode ser um fator de distração que retarda o progresso da organização na entrega de valor.
Os CDAOs devem participar e ser ouvidos nas conversas sobre IA. Você não necessariamente quer ou precisa ser responsável pela IA, mas precisa fazer parte da coalizão que lidera a IA na organização. Sua participação é fundamental, pois você já é responsável por muitos dos principais facilitadores da IA, como a necessidade crítica de dados prontos para IA, governança de dados e habilidades e treinamento em análise de dados.
Você também poderá atuar como um ponto de equilíbrio, caso demonstre liderança em IA, ao enfatizar o método e as práticas que tem plenas condições de viabilizar.
Para assegurar que sua divisão continue sendo estratégica para as ambições de inteligência artificial da organização, os diretores de D&A devem adotar medidas em duas áreas-chave que os diferenciam como profissionais, assim como sua liderança em IA:
Integrar a AI à estratégia de análise de dados, priorizando o valor comercial.
Entre os CDAOs, 74% afirmam que a liderança executiva confia na função que eles desempenham, embora apenas 49% tenham estabelecido métricas orientadas aos resultados de negócios que permitam às partes interessadas monitorar o valor dessa divisão. A breve lua de mel que esses diretores podem ter aproveitado chegou ao fim.
Se os CDAOs não forem capazes de vincular claramente as iniciativas de sua divisão — inclusive as de IA — à geração de valor, o cargo que eles ocupam corre risco de extinção, podendo ser incorporado ao departamento de TI ou a uma função que lide com dados de maneira mais intensiva.
Otimizar a governança de D&A, tornando-a estratégica para a inovação comercial e a inteligência artificial.
Cada vez mais, os CDAOs reconhecem a importância da governança de dados para o sucesso de sua divisão. Além disso, nos últimos anos, a maioria das organizações aperfeiçoou a governança.
Por exemplo, 82% dos entrevistados da pesquisa sobre D&A, conduzida pela Gartner, afirmaram que são capazes de identificar os ativos necessários para novos projetos de D&A, enquanto 80% mencionaram que normalmente compartilham um ativo com mais de um caso de uso. Porém, ainda há lacunas.
Apenas 46% dos entrevistados disseram ter KPIs orientados a valor para a governança de D&A. Os recursos dessa área, bem como os modelos de entrega, devem ser aprimorados para apoiar a inovação comercial e a inteligência artificial.
A geração de valor com IA exige dados acessíveis de alta qualidade
Existe uma probabilidade maior de que programas de análise de dados com governança altamente consolidada tenham adotado inovações orientadas por dados. Essa constatação contraria o senso comum entre as partes interessadas dos negócios de que metodologias de governança podem dificultar a inovação. Contudo, a falta de governança impede que as organizações tirem proveito de suas iniciativas de IA.
A Gartner prevê que, até 2027, 60% das organizações perderão a oportunidade de extrair valor de seus casos de uso de IA em decorrência de modelos dissonantes de governança ética.
Uma lacuna clara é o estabelecimento de KPIs orientados a valor para políticas, práticas e procedimentos de governança de análise de dados, de que apenas 46% das organizações dispõem. Os requisitos da governança de dados prontos para IA também diferem da gestão de dados convencional. Caso essa diferença não seja reconhecida, o sucesso das iniciativas de IA estará em risco.
Para assegurar que os dados estejam prontos para IA, as equipes de inteligência artificial e análise de dados precisarão contar com a capacidade de identificar rapidamente ativos pertinentes para uso por meio de três ações:
Alinhar os dados aos casos de uso de IA. Todo caso de uso de IA deve descrever de quais dados necessita, dependendo da técnica utilizada;
Qualificar o uso. Certifique-se de que os dados atendam aos requisitos ao longo de todo o caso de uso, incluindo as etapas de concepção, treinamento e operação de um modelo de IA;
Gerir dados prontos para IA. Estabeleça os requisitos contínuos da governança de dados para o caso de uso de IA utilizando parâmetros como administração de dados, normas e regulamentações de dados e IA, requisitos éticos de IA e inferência e derivação controladas.
A função da governança em dados preparados para a IA
Enquanto os líderes de análise de dados se empenham ao máximo para assegurar que a governança de seus ativos viabilize a prontidão para IA, eles também devem responder a equipes que desenvolvem essa tecnologia centrada em dados.
Trata-se de iniciativas que privilegiam dados de engenharia como um caminho para criar sistemas aprimorados de IA, em vez de priorizar, refinar e aperfeiçoar os algoritmos ou otimizar o código em modelos de inteligência artificial. Por exemplo, até 2025, dados sintéticos e aprendizado por transferência reduzirão o volume dos dados reais necessários para IA em mais de 50%.
CDAOs proativos impulsionarão a governança dos ativos para viabilizar a prontidão para IA por meio de quatro estratégias:
Preparação de dados e engenharia de recursos. O foco principal da preparação é a análise exploratória de dados (AED), depuração e transformação para planejar conjuntos de dados estruturados de alta qualidade visando à extração e à engenharia de recursos. Os recursos adicionam gradação ou conferem significado aos conjuntos de dados para aprimorar o desempenho e a precisão do modelo;
Etiquetagem e anotação de dados. Estas tarefas-chave, que são demoradas e exigem muitos recursos, abrangem a adição de metadados a dados não estruturados (imagens, textos, vídeos e arquivos de áudio), possibilitando identificar recursos para o desenvolvimento da IA;
Dados sintéticos. Rotineiros em modelagem computacional e simulações, os dados sintéticos despontaram como um recurso importante para o desenvolvimento da IA. A ideia é que, futuramente, eles se sobreponham aos dados reais, graças à sua capacidade de reter as propriedades estatísticas e comportamentais dos conjuntos de dados orgânicos, além de otimizar dados escassos, minimizar vieses ou preservar a privacidade de dados;
Enriquecimento de dados. Amplie os dados internos com dados específicos de domínio provenientes de fontes externas. As ferramentas de enriquecimento de dados dispõem de capacidade para reunir dados de terceiros da internet (entre outras fontes) e organizá-los, depurá-los e agregá-los a partir de diferentes origens.
Pergunta frequente sobre IA para análise de dados
A IA pode ser usada em análise de dados?
A utilização da IA na análise de dados oferece inúmeros benefícios, como otimização da precisão, previsibilidade e aprimoramento na tomada de decisões. Ao investir em dados de qualidade, escolher as ferramentas adequadas, desenvolver talentos e abordar desafios, as empresas podem tirar proveito da IA para assegurar sua vantagem competitiva.