4 tendências que impulsionam a inovação de IA, segundo o Gartner

Análise é resultado do estudo Hype Cycle for Artificial Intelligence 2021, que indica a IA responsável, abordagens com dados pequenos e amplos, operacionalização de plataformas de IA e o uso eficiente de recursos de dados

Segundo uma análise recente do Gartner, quatro tendências estão conduzindo inovações de inteligência artificial (IA) em curto prazo. De acordo com o estudo “Hype Cycle for Artificial Intelligence 2021”, as organizações precisam ter em seu radar estratégias para uma Inteligência Artificial responsável; abordagens com dados pequenos e amplos (Small e Wide Data); operacionalização de plataformas de Inteligência Artificial e o uso eficiente de recursos de dados, modelos e cálculos.

De acordo com Shubhangi Vashisth, Analista Sênior de Pesquisa do Gartner, a inovação em torno da Inteligência Artificial está ocorrendo em um ritmo acelerado, com números acima da média em relação a outras tecnologias, e deverão alcançar a adoção mainstream no prazo de dois a cinco anos. Ele acrescenta que, inovações incluindo Inteligência Artificial de ponta, visão computadorizada, inteligência de decisão e aprendizado de máquina, estão preparadas para terem um impacto transformador no mercado nos próximos anos.

Confira as tendências que estão impulsionando a inovação de inteligência artificial:

Inteligência Artificial responsável

Maior confiança, transparência, justiça e capacidade de auditoria em relação às tecnologias de Inteligência Artificial sendo de grande importância para este mercado. A intenção é que a IA seja responsável por ajudar a alcançar justiça, ainda que os dados sejam tendenciosos; ganhar confiança, apesar de métodos de transparência e explicação estejam evoluindo; e garantir conformidade regulatória. O Gartner espera que, em 2023, todo o pessoal contratado para o trabalho de desenvolvimento e treinamento de IA, tenha que demonstrar excelência em “Inteligência Artificial responsável”.

Dados pequenos e amplos (Small e Wide Data)

Dados formam a base do sucesso das iniciativas de IA. Abordagens com dados pequenos e amplos permitem análises e inteligências artificiais mais robustas, reduzem as dependências de organizações de big data e fornecem uma consciência situacional mais rica e completa.
De acordo com o Gartner, em 2025, 70% das organizações serão compelidas a mudar seu foco de big data para dados pequenos e amplos, fornecendo maior contexto para análises e tornando a Inteligência Artificial menos faminta por dados.

Operacionalização de plataformas de IA

A urgência e a criticidade de aproveitar a IA para a transformação dos negócios está levando à necessidade de operacionalização das plataformas. Isso significa mover os projetos de IA do conceito para a produção, de modo que as soluções possam ser utilizadas para resolver problemas de toda a empresa.

Uso eficiente dos recursos

Dada a complexidade e escala dos recursos de dados, modelos e cálculos envolvidos nas implantações de inteligência artificial, a inovação desta requer que esses recursos sejam usados em sua máxima eficiência. Multiexperiência, IA combinável, IA generativa e transformadores estão ganhando visibilidade neste mercado pela habilidade de resolver a ampla gama de problemas nos negócios de forma mais eficiente.

Fonte: CIO