O segundo dia do AI & Big Data Expo e da Digital Transformation Week em Londres destacou a transição do mercado de inteligência artificial. O entusiasmo inicial por modelos generativos está diminuindo, enquanto líderes empresariais enfrentam desafios para integrar essas ferramentas em suas infraestruturas existentes. As sessões do dia focaram menos em grandes modelos de linguagem e mais na infraestrutura necessária para operá-los, como linhagem de dados, observabilidade e conformidade.
A confiabilidade da inteligência artificial depende da qualidade dos dados. DP Indetkar, da Northern Trust, alertou sobre o risco de algoritmos falharem devido a entradas inadequadas. Ele enfatizou que a maturidade analítica deve preceder a adoção de IA, pois decisões automatizadas podem amplificar erros se a estratégia de dados não for verificada. Eric Bobek, da Just Eat, concordou, destacando que investimentos em camadas de IA são inúteis se a base de dados for fragmentada. Mohsen Ghasempour, da Kingfisher, ressaltou a necessidade de transformar dados brutos em inteligência acionável em tempo real para obter retorno.
Setores como finanças, saúde e jurídico têm tolerância zero para erros. Pascal Hetzscholdt, da Wiley, afirmou que a IA responsável nesses campos depende de precisão, atribuição e integridade. Sistemas empresariais precisam de trilhas de auditoria para evitar danos reputacionais ou multas regulatórias. Konstantina Kapetanidi, da Visa, destacou as dificuldades em construir aplicações de IA generativa escaláveis e multilíngues, que agora atuam como agentes ativos. Parinita Kothari, do Lloyds Banking Group, detalhou a necessidade de monitoramento contínuo de sistemas de IA, desafiando a mentalidade de “implantar e esquecer”.
A inteligência artificial está transformando a escrita de código. Um painel com representantes da Valae, Charles River Labs e Knight Frank discutiu como copilotos de IA estão reformulando a criação de software, exigindo novas habilidades dos desenvolvedores. Outro painel com membros da Microsoft, Lloyds e Mastercard abordou as ferramentas e mentalidades necessárias para desenvolvedores no futuro. Dr. Gurpinder Dhillon, da Senzing, e Alexis Ego, da Retool, apresentaram estratégias de baixo código e sem código, que aceleram o desenvolvimento sem comprometer a qualidade.
Austin Braham, da EverWorker, explicou como agentes digitais estão remodelando os modelos de força de trabalho, exigindo que líderes empresariais reavaliem protocolos de interação humano-máquina. Paul Airey, da Anthony Nolan, exemplificou o valor transformador da automação no aprimoramento de correspondências de doadores e prazos de transplante de células-tronco. A aplicação eficaz dessas tecnologias geralmente resolve problemas específicos e de alta fricção.
As sessões do segundo dia dos eventos co-localizados mostram que o foco empresarial agora está na integração. A novidade inicial foi substituída por demandas por tempo de atividade, segurança e conformidade. Líderes de inovação devem avaliar quais projetos possuem a infraestrutura de dados necessária para sobreviver ao contato com o mundo real. Organizações devem priorizar aspectos básicos da IA, como limpeza de dados, estabelecimento de diretrizes legais e treinamento de funcionários para supervisionar agentes automatizados. Executivos devem direcionar recursos para engenharia de dados e estruturas de governança, pois sem elas, modelos avançados não entregarão valor.
Slug: desafios-na-transicao-de-pilotos-experimentais-para-producao
