Gartner: 5 etapas que CIOs e CDAOs prepararem seus dados para a IA

O gerenciamento de dados é um ponto crítico para a maioria das empresas quando se trata de adotar inteligência artificial. Segundo o Gartner, 63% delas não possuem (ou não têm certeza se adotam) práticas de dados específicas para a IA, o que indica que as empresas sequer perceberem diferenças expressivas entre elas e o gerenciamento de dados tradicional.

A consultoria prevê que, até 2026, as companhias abandonarão 60% dos projetos de IA que não forem apoiados por estratégias de dados específicas. Segundo Roxane Edjlali, diretora analista sênior do Gartner, a IA está forçando CIOs e CDAOs a mudarem práticas de gerenciamento de dados para fornecer suporte e implementar IA.

“O Gartner recomenda que as empresas se baseiem em suas práticas de gerenciamento de dados existentes, adicionando iterativamente inovações de dados específicas de IA que ajudem a ampliar e melhorar o gerenciamento de dados para fornecer suporte a novos casos de uso, como a inteligência artificial generativa (GenAI)”, diz a executiva, em sessão de perguntas e respostas enviada ao IT Forum em primeira mão. “Isso pode incluir armazenamentos de dados vetoriais, fragmentação, amostragem, incorporação e integração de geração aumentada via recuperação (RAG), entre outros.”

Leia mais: Nove desafios de dados e analytics para 2025, segundo o Gartner

Segundo ela, dados prontos para IA não são “preparados uma vez e pronto”, mas sim uma prática constante em que a infraestrutura de gerenciamento de dados precisa ser constantemente aprimorada com base em casos de uso de IA “existentes e futuros”. Para ela, operações tradicionais de gerenciamento são muito lentas e rígidas para as equipes de IA. E os usos não são bem documentados, uma vez que os dados geralmente são coletados em silos.

Que medidas tomar?

Segundo Roxane, primeiro os CIOs devem definir quais são os dados já prontos para IA. Eles devem ser representativos do caso de uso, abrangendo “padrões, erros, valores discrepantes e ocorrências inesperadas que são necessários para treinar ou executar o modelo de inteligência artificial para o uso específico”, explica ela.

Há cinco etapas que os CIOs e CDAOs devem considerar para tornar seus dados prontos para IA, segundo a executiva:

1. Alinhar os dados aos casos de uso de IA: CDAOs devem considerar várias fontes de dados para casos de uso de IA, incluindo fontes de dados internas ou externas.
2. Identificar os requisitos de governança de dados para IA para evitar ou mitigar os riscos de violação de requisitos legais e o uso antiético de produtos de IA. CDAOs devem trabalhar em colaboração com líderes jurídicos e de negócios para responder perguntas de interoperabilidade e privacidade.
3. Evoluir metadados de passivos para ativos para criar inteligência e fornecer automação e aprimoramento iterativo contínuo. CDAOs devem descobrir, enriquecer e analisar metadados e inferir uma recomendação a partir dos resultados.
4. Preparar pipelines de dados para criar um conjunto de dados de modelo de IA para fins de treinamento, bem como para um feed de dados ao vivo para sistemas de produção de IA com base nos requisitos coletados.
5. Garantir e aprimorar os dados: Quando os dados estiverem disponíveis para o treinamento do modelo de IA, CDAOs deverão testá-los e monitorá-los para otimizar os modelos.

Se os dados apresentarem problemas, não estarão prontos para a IA, diz a especialista.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!