Inteligência artificial trará mudanças na liderança de TI

O desenvolvimento das capacidades necessárias para colocar os projetos de inteligência artificial (IA) em prática nas organizações impactará diretamente as relações entre CIOs e os líderes responsáveis por iniciativas de análise de dados. Mais do que isso, influenciará roadmaps de TI, processos de desenvolvimento e implementação de software e até a forma como as organizações tratam a informação.

Um recente estudo realizado pelo MIT em conjunto com o SAS indica que a maior parte das organizações ainda está desenvolvendo tecnologias que formarão as bases para a adoção de IA, como infraestrutura de cloud, cibersegurança, gerenciamento de dados e processos de desenvolvimento e fluxo de trabalho. 

De acordo com a análise, quanto maior for o nível de implementação de IA, maior o grau de maturidade nessas áreas. Por exemplo, entre as organizações que já estão implementando IA em grande escala, 73% possuem capacidades de cloud e data center maduras, contra apenas 19% entre as que ainda não possuem planos de adotar IA. Veja a figura abaixo:

Fonte: estudo MIT_howAIleadschange

Esses dados são um claro indicador do quanto CIOs e líderes de tecnologia C-level precisam ter um plano de expansão dessas capacidades. 

Desenvolvimento de software

Intitulada "How AI changes the rules", a pesquisa do MIT/SAS revela que a maioria dos executivos de TI percebem que a IA vem mudando processos de desenvolvimento e implementação de software. 

Mais de 60% dos 2.200 entrevistados em todo o mundo afirmam esperar que a IA traga mudanças significativas nos processos de desenvolvimento, enquanto 57% esperam a mesma influência sobre os processos de implementação de software. A afirmação ganha força quando se considera apenas aqueles que já implementaram IA. Confira o gráfico abaixo:

Fonte: estudo MIT_howAIleadschange

Para os especialistas, a IA traz mudanças mais significativas em comparação com a implementações de tecnologias tradicionais. Isso porque o processo é dinâmico e exige monitoramento e atualização contínuos. 

Ray Wang, analista-chefe, fundador e presidente da Constellation Research, explica que o gerenciamento de sistemas de IA demanda acompanhamento constante dos modelos preditivos de machine learning e de IA que uma empresa desenvolve, não apenas antes, mas depois de serem implementados. "Significa ser capaz de fazer melhorias e correções nesses modelos", afirma Wang.

Linda Zeger, fundadora e consultora-chefe da consultoria especializada em design de sistemas e análises de dados Auroral, concorda, e acrescenta: “Uma das razões pelas quais é necessário reavaliar constantemente os modelos de IA e de machine learning é que os modelos iniciais não costumam incorporar todas as variáveis em situações que exijam interações ou tomadas de ações por parte dos usuários”. Ela exemplifica com os carros autônomos. "Esses carros são configurados para frear automaticamente quando identificam uma colisão iminente. Mas, se por qualquer motivo ele não se comportar como esperado, o motorista precisa assumir o comando".

Essa necessidade de gerenciar dados de maneira holística e proativa vem influenciando práticas de desenvolvimento de software e aumentando a necessidade de colaboração entre as áreas responsáveis pelas estratégias de arquitetura e de negócio envolvidas nos projetos de TI. Isso, para os especialistas, é mais uma forte evidência de como os fluxos de dados na organização impactam todos os desenvolvimentos de software, e não apenas o desenvolvimento de modelos de IA e aprendizado de máquinas, já que as empresas planejam o uso dos dados gerados e coletados para iniciativas futuras.

Significa, em resumo, que os especialistas em negócios precisam entender mais sobre como a tecnologia trabalha, assim como os especialistas em tecnologia devem conhecer melhor o negócio na hora de discutir projetos de IA.