Quase 40% das empresas irão aumentar o seu investimento na digitalização em 2023, de acordo com dados de MCPRO. Setores como a energia, saúde, indústria, retalho, seguros e fintech apostarão em soluções avançadas de Big Data e Inteligência Artificial para dar um novo passo em direção à personalização máxima dos seus produtos e serviços, avançar na segurança e privacidade dos seus dados e aumentar a sua velocidade de transação em grande escala, a deteção de fraudes, a automatização dos seus processos ou a manutenção preventiva e os omnipresentes chatbots, tal como destacado por este meio especializado em transformação digital.
Uma avaliação que coincide com a visão da Keepler Data Tech que há vários anos tem vindo a destacar a relevância de 3 fatores-chave da digitalização das empresas; automatização de processos, redução do time-to-market e diferenciação de produtos.
A abordagem de Produto de Dados está a ajudar as empresas a concentrarem-se neste tipo de soluções, altamente orientadas para resolver um desafio empresarial específico, com base nos seus próprios dados. Isto resulta num forte impacto comercial, de forma rápida, demonstrável e fiável. Por exemplo, em áreas como a melhoria da experiência do cliente, da produtividade dos empregados, a criação de novos produtos e o aumento da competitividade.
Para continuar a avançar neste processo, as empresas devem enfrentar 5 desafios a curto prazo, afirmam os especialistas de Keepler Data Tech:
- Abordagem data-centric nos projetos de Inteligência Artificial, onde a prioridade não é acumular dados, mas trabalhar para melhorar a sua qualidade e consistência. A correta classificação de dados, estratégias data-augmentation, a criação de versões ou as feature stores aceleram este processo.
- Os projetos de IA devem ter em conta os aspetos de privacidade e segurança, a partir da sua definição. Para além de proteger a informação, é também necessário determinar modelos mais robustos e fiáveis, e aplicar técnicas como adversarial training, para definir a resposta perante possíveis dados corruptos ou cenários pouco frequentes.
- Automatização de processos cognitivos, incorporando serviços disponíveis em diferentes plataformas Cloud (voz, imagem, texto ou decisão) ou fazendo uso de modelos “multimodo” (Dall-E ou CLIP como exemplos), ou de texto (GPT 4), para resolver diferentes tipos de tarefas criativas, tais como realizar síntese semântica, criar novos conteúdos de texto e visuais, ou responder a questões de forma interativa.
- Aumentar as capacidades Big Data dos processos cada vez mais exigentes. Neste sentido, a computação quântica está a ganhar relevância, capaz de resolver problemas complexos, realizar simulações em grande escala ou desafios em processos de otimização, entre outros.
- Implementar as melhores práticas sob a forma de regulação e compromisso para assegurar que a tecnologia seja aplicada da forma mais transparente, ética e justa possível, o que se traduz em datasets o mais representativos quanto possível, verificando desvios, realizando análises de sensibilidade ou dando prioridade à interpretabilidade através de modelos mais simples e orientados a objetivos.
A fim de responder aos desafios tecnológicos, as alianças com partners ou colaboradores tecnológicos especializados, que possuam conhecimentos e experiência, são uma prática cada vez mais difundida. Mas para que este desenvolvimento seja sustentável nas organizações, também requer um investimento em formação por parte das empresas e um esforço pessoal dos indivíduos para facilitar a aquisição de novas competências, bem como uma atitude aberta ao desenvolvimento e formação contínuos.