A IA foi além da experimentação para se tornar uma parte central das operações comerciais, mas os desafios de implantação persistem.
Pesquisa de Zogby Analyticsem nome de A vocêmostra que a maioria das organizações se formou em testar as águas da IA para mergulhar em Headfirst com sistemas prontos para a produção. Apesar desse progresso, as empresas ainda estão enfrentando desafios básicos em torno da qualidade dos dados, segurança e treinamento efetivamente de seus modelos.
Olhando para os números, é bastante revelador. 68% das organizações agora têm soluções de IA personalizadas em funcionamento em produção. As empresas estão colocando seu dinheiro onde sua boca também está, com 81% gastando pelo menos um milhão por ano em iniciativas de IA. Cerca de um quarto estão investindo mais de 10 milhões a cada ano, mostrando que mudamos muito além da fase “vamos experimentar” em um compromisso sério de IA de longo prazo.
Essa mudança também está reformulando as estruturas de liderança. 86% das organizações nomearam alguém para liderar seus esforços de IA, normalmente com um título de ‘Oficial do Chefe da AI’ ou similar. Esses líderes de IA agora são quase tão influentes quanto os CEOs quando se trata de estabelecer estratégia com 43,3% das empresas dizendo que o CEO chama as fotos da IA, enquanto 42% dão essa responsabilidade ao seu chefe de IA.
Mas a jornada de implantação da IA não é toda a navegação suave. Mais da metade dos líderes empresariais admite que os modelos de treinamento e IA de treinamento fino foram mais difíceis do que eles esperavam. Os problemas de dados continuam aparecendo, causando dores de cabeça com qualidade, disponibilidade, direitos autorais e validação de modelos – submetindo a eficácia desses sistemas de IA. Quase 70% das organizações relatam ter pelo menos um projeto de IA atrasado, com problemas de dados sendo o principal culpado.
À medida que as empresas se sentem mais confortáveis com a IA, estão encontrando novas maneiras de usá -la. Enquanto os chatbots e os assistentes virtuais permanecem populares (55% de adoção), mais aplicações técnicas estão ganhando terreno.
O desenvolvimento de software agora está no topo da lista em 54%, juntamente com a análise preditiva para previsão e detecção de fraude em 52%. Isso sugere que as empresas estão indo além dos aplicativos chamativos voltados para o uso do cliente para o uso da IA para melhorar as operações principais. Os aplicativos de marketing, uma vez que o gateway para muitas iniciativas de implantação de IA, estão recebendo menos atenção nos dias de hoje.
Quando se trata da IA modela, há um forte foco na IA generativa, com 57% das organizações tornando -a uma prioridade. No entanto, muitos estão adotando uma abordagem equilibrada, combinando esses modelos mais recentes com técnicas tradicionais de aprendizado de máquina.
O GPT-4 do Google do Google são os grandes modelos de idiomas mais usados, embora Deepseek, Claude e Llama também estejam fazendo fortes exibições. A maioria das empresas usa dois ou três LLMs diferentes, sugerindo que uma abordagem de vários modelos está se tornando uma prática padrão.
Talvez o mais interessante seja a mudança em que as empresas estão executando sua implantação de IA. Enquanto quase nove em cada dez organizações usam serviços em nuvem para pelo menos parte de sua infraestrutura de IA, há uma tendência crescente para trazer as coisas de volta internamente.
Dois terços dos líderes empresariais agora acreditam que as implantações sem nuvem oferecem melhor segurança e eficiência. Como resultado, 67% planejam mover seus dados de treinamento de IA para ambientes locais ou híbridos, buscando maior controle sobre seus ativos digitais. A soberania de dados é a principal prioridade para 83% dos entrevistados ao implantar sistemas de IA.
Os líderes empresariais parecem confiantes sobre suas capacidades de governança de IA, com cerca de 90% alegando que estão gerenciando efetivamente a política de IA, pode configurar os corrimãos necessários e podem rastrear sua linhagem de dados. No entanto, essa confiança contrasta com os desafios práticos que causam atrasos no projeto.
Problemas com rotulagem de dados, treinamento de modelos e validação continuam a tropeçar bloqueios. Isso sugere uma lacuna em potencial entre a confiança dos executivos em suas estruturas de governança e a realidade diária de gerenciar dados. A escassez de talentos e as dificuldades de integração com os sistemas existentes também são frequentemente citadas por atrasos.
Os dias da experimentação da IA estão para trás e agora é uma parte fundamental de como as empresas operam. As organizações estão investindo pesadamente, reformulando suas estruturas de liderança e encontrando novas maneiras de implantação de IA em suas operações.
No entanto, à medida que as ambições crescem, o mesmo acontece com os desafios de colocar esses planos em ação. A jornada do piloto à produção expôs questões fundamentais na prontidão de dados e infraestrutura. A mudança resultante em direção a soluções locais e híbridas mostra um novo nível de maturidade, com as organizações priorizando o controle, a segurança e a governança.
À medida que a implantação da IA acelera, garantir a transparência, a rastreabilidade e a confiança não é apenas uma meta, mas uma necessidade de sucesso. A confiança é real, mas também a cautela.
(Imagem por Roy Harryman)
Veja também: Ren Zhengfei: o futuro da IA da China e o longo jogo de Huawei
Deseja aprender mais sobre IA e Big Data dos líderes do setor? Confira Ai & Big Data Expo Ocorrendo em Amsterdã, Califórnia e Londres. O evento abrangente é co-localizado com outros eventos principais, incluindo Conferência de Automação InteligenteAssim, BlockxAssim, Semana de Transformação Digitale Cyber Security & Cloud Expo.
Explore outros próximos eventos de tecnologia corporativa e webinars alimentados pela TechForge aqui.
