80% dos projetos de IA falham, o dobro dos projetos de TI, segundo estudo da RAND. Apenas 20% das empresas capturam 74% do valor econômico gerado pela tecnologia, de acordo com a PwC. Executivos da Uber e da Blue Yonder explicam como reverter o cenário.
80% dos projetos de IA falham, segundo RAND, o dobro dos projetos de TI
Apenas 20% das empresas capturam 74% dos ganhos econômicos da IA, aponta PwC
Leia também
Uber lança no Brasil transmissão ao vivo de corrida de adolescentes para responsáveis; veja como funciona
Uber colocou agentes de IA em produção em apenas duas semanas
Modelos open source de domínio específico superam LLMs genéricos em supply chain
EU AI Act em enforcement exige gestão de risco e monitoramento contínuo
Por que 80% dos projetos de IA falham
A análise da RAND, publicada em relatório de pesquisa pública, aponta que projetos de IA têm taxa de falha de 80%, contra cerca de dos projetos não relacionados a TI. O dado mostra que o fracasso é sistêmico, não pontual.
Burchett argumenta que o problema começa na falta de definição estratégica antes da implementação. "Muitas falhas são atribuídas à tecnologia quando na verdade vieram de estratégias fracas", escreve. O primeiro passo é alinhar o projeto ao objetivo de negócio, definir o grau de mudança que a organização suporta e estabelecer a velocidade ideal de implementação.
Como a Blue Yonder define uma estratégia de IA eficaz
A Blue Yonder, especializada em transformação de cadeia de suprimentos com IA, usa três pilares para estruturar qualquer iniciativa. Cada um responde a uma pergunta específica antes de qualquer código ser escrito.
O alinhamento varia por organização, mas o objetivo pode envolver conformidade de transportadoras, colaboração com fornecedores ou desenvolvimento e retenção de funcionários. Sem essa amarração, o projeto vira fim em si mesmo.
Velocidade, KPIs e o exemplo da Uber
A Uber relatou ter enviado agentes de IA para produção em duas semanas, um prazo que Burchett admite ser agressivo, mas que considera saudável por criar urgência. O objetivo não é perfeição, mas aprendizado.
Antes de mover o piloto para produção, é preciso provar valor. "Não presuma que verá valor após escalar em produção", escreve. "Desconfie de fornecedores que dizem o contrário."
Identificar pontos de dor e medir o impacto neles aumenta a chance de descobrir áreas de alto valor e facilita a prova de ROI. Os ganhos aparecem quando um fluxo inteiro é repensado, não quando uma única tarefa é automatizada.
Tecnologia e governança: frontier lab ou open source?
Escolher o modelo certo depende dos problemas, da organização e da estratégia. Para problemas de raciocínio geral em pequena escala, um modelo de frontier lab funciona bem. Já problemas complexos e dinâmicos, que exigem conhecimento de domínio específico como na cadeia de suprimentos, pedem modelos open source treinados sob medida.
A Blue Yonder testou ambos os tipos de modelo em problemas reais de supply chain. Em alguns casos-chave, os modelos específicos de domínio superaram os LLMs genéricos por serem mais eficazes e mais baratos.
Antes da produção, é preciso testar o modelo contra erros, inputs maliciosos e conformidade com políticas internas e regulamentações. Em produção, a atenção deve continuar: quando os KPIs degradam, mesmo um pouco, a correção deve ser imediata.
Monitoramento contínuo e o papel da regulação
Valor ótimo raramente aparece na primeira iteração. A técnica chamada hill climbing ajuda a minimizar uma função de custo específica ou um conjunto de métricas a cada iteração.
Com o EU AI Act entrando em fase de enforcement, as empresas precisam de gestão de risco e monitoramento abrangentes para cumprir essa e outras regulações aplicáveis. Fazer isso protege o valor criado e fortalece a confiança dos clientes.
| Critério | Frontier lab | Open source de domínio |
|---|---|---|
| Uso ideal | Problemas de raciocínio geral em pequena escala | Problemas complexos e dinâmicos com conhecimento especializado |
| Custo | Maior em cenários de domínio profundo | Menor em casos específicos testados |
| Eficácia | Menor em tarefas como gestão de armazém | Superior em cenários do setor |
| Treinamento | Genérico | Customizado com dados internos |
Arraste para o lado para ver toda a tabela.
A estratégia é só o começo: documentar e aplicar o aprendizado no próximo projeto faz parte do ciclo. O artigo do Forbes Technology Council encerra com uma provocação: imagine-se como uma startup nativa de IA disposta a desestabilizar seu negócio.
Leia também:
Cada Funcionário Poderá Gerenciar 200 Agentes De Ia Ate Como Se Preparar
Por Que A Maioria Das Iniciativas De Ia Falha Ao Escalar Três Princípios Para O Sucesso
Por Que Seu Projeto Piloto De Ia Deu Certo Mas A Implementação Em Larga Escala Pode Falhar
Fonte: Forbes Technology Council
