hype

por

Novidades em Inteligência Artificial, segundo o Gartner (2022)

As inovações de IA continuam a oferecer grandes benefícios aos negócios e as taxas de adoção vão acelerar nos próximos anos. Veja as perspectivas e o impacto.

Este é um artigo um tanto técnico, voltado para líderes e gestores organizacionais envolvidos com a área de Tecnologia da Informação (TI) e Inteligência Artificial (IA).

O Gartner Hype Cycle™ 2022 for Artificial Intelligence (AI) identifica inovações obrigatórias em tecnologia e técnicas de IA que vão além da IA ​​cotidiana que já está sendo usada para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade anteriormente estáticos.

“Notavelmente, o AI Hype Cycle está cheio de inovações que devem gerar benefícios altos ou mesmo transformacionais”, diz Afraz Jaffri, analista diretor do Gartner. “Preste atenção especial às inovações que devem atingir a adoção geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA de ponta. A adoção antecipada dessas inovações pode gerar uma vantagem competitiva e valor comercial significativos e aliviar os problemas associados à fragilidade dos modelos de IA”.

As inovações de IA se dividem em quatro categorias

Espera-se que a ampla gama de inovações de IA impacte pessoas e processos dentro e fora de um contexto empresarial, tornando-os importantes para muitas partes interessadas, desde líderes de negócios até equipes de engenharia corporativas encarregadas de implantar e operacionalizar sistemas de IA.

Os líderes de dados e análises (D&A) têm mais a ganhar, no entanto, ao usar a perspectiva do Hype Cycle para elaborar suas estratégias de IA para o futuro e usar tecnologias que oferecem alto impacto no presente.

As inovações de IA no Hype Cycle refletem prioridades complementares e às vezes conflitantes em quatro categorias principais:

  • IA centrada em dados
  • IA centrada em modelos
  • IA centrada em aplicativos
  • IA centrada no ser humano

IA centrada em dados

A comunidade de IA tradicionalmente se concentra em melhorar os resultados das soluções de IA ajustando os próprios modelos de IA, mas a IA centrada em dados muda o foco para aprimorar e enriquecer os dados usados ​​para treinar os algoritmos.

Ao abordar as considerações de dados específicas de IA, a IA centrada em dados interrompe o gerenciamento de dados tradicional, mas as organizações que investem em IA em escala evoluirão para preservar ideias clássicas de gerenciamento de dados e ampliá-las para IA de duas maneiras:

  • Adicione recursos necessários para o desenvolvimento conveniente de IA por um público focado em IA que não está familiarizado com o gerenciamento de dados.
  • Use a IA para melhorar e aumentar os clássicos eternos de governança de dados, persistência, integração e qualidade de dados.

As inovações em IA centrada em dados incluem dados sintéticos, grafos de conhecimento, rotulagem de dados e anotações.

Dados sintéticos, por exemplo, são uma classe de dados que são gerados artificialmente em vez de obtidos de observações diretas do mundo real. Os dados podem ser gerados usando diferentes métodos, como amostragem estatisticamente rigorosa de dados reais, abordagens semânticas e redes adversárias generativas ou criando cenários de simulação onde modelos e processos interagem para criar conjuntos de dados de eventos completamente novos.

A adoção está aumentando em vários setores, juntamente com o uso em aplicativos de visão computacional e linguagem natural, mas o Gartner prevê um aumento maciço na adoção de dados sintéticos:

  • Evita usar informações de identificação pessoal ao treinar modelos de machine learning (ML) por meio de variações sintéticas de dados originais ou substituição sintética de partes de dados
  • Reduz custos e economiza tempo no desenvolvimento de ML, pois é mais barato e mais rápido de obter
  • Melhora o desempenho de ML à medida que mais dados de treinamento levam a melhores resultados de treinamento

IA centrada em modelos

Apesar da mudança para uma abordagem centrada em dados, os modelos de IA ainda precisam de atenção para garantir que os resultados continuem a nos ajudar a tomar ações melhores. As inovações aqui incluem IA informada por física, IA composta, IA causal, IA generativa, modelos básicos e aprendizado profundo.

A IA composta refere-se à fusão de diferentes técnicas de IA para melhorar a eficiência do aprendizado e ampliar o nível de representações do conhecimento. Como nenhuma técnica de IA é uma solução mágica, a IA composta fornece uma plataforma para resolver uma ampla gama de problemas de negócios de maneira mais eficaz.

Espera-se que alcance a adoção geral em dois a cinco anos, os benefícios comerciais da IA ​​composta provavelmente serão transformacionais, permitindo novas maneiras de fazer negócios em todos os setores que resultarão em grandes mudanças na dinâmica do setor. Por exemplo, a IA composta:

  • Leva o poder da IA ​​a um grupo mais amplo de organizações que não têm acesso a grandes quantidades de dados históricos ou rotulados, mas têm experiência humana significativa
  • Ajuda a expandir o escopo e a qualidade dos aplicativos de IA (ou seja, mais tipos de desafios de raciocínio podem ser incorporados)

AI Causal inclui diferentes técnicas, como gráficos causais e simulação, que ajudam a descobrir relações causais para melhorar a tomada de decisões. Embora leve de 5 a 10 anos para que a IA causal alcance a adoção geral, espera-se que os benefícios de negócios sejam altos – permitindo novas maneiras de realizar processos horizontais ou verticais que resultarão em aumento significativo de receita ou economia de custos para uma empresa. Os benefícios causais da IA ​​incluem:

  • Eficiências ao adicionar conhecimento de domínio a modelos de IA causais de bootstrap com conjuntos de dados menores
  • Maior aumento de decisão e autonomia em sistemas de IA
  • Melhor explicabilidade ao capturar relações de causa e efeito fáceis de interpretar
  • Mais robustez e adaptabilidade ao alavancar relações causais que permanecem válidas em ambientes em mudança
  • Redução do viés nos sistemas de IA, tornando os vínculos causais mais explícitos

IA centrada em aplicativos

As inovações aqui incluem engenharia de IA, inteligência de decisão, sistemas operacionais de IA, ModelOps, serviços de IA em nuvem, robôs inteligentes, processamento de linguagem natural (NLP), veículos autônomos, aplicativos inteligentes e visão computacional.

Espera-se que a inteligência de decisão e a IA de ponta alcancem a adoção geral em dois a cinco anos e tenham benefícios comerciais transformacionais.

A inteligência de decisão é uma disciplina prática usada para melhorar a tomada de decisões ao entender e projetar explicitamente como as decisões são tomadas e como os resultados são avaliados, gerenciados e aprimorados por meio de feedback.

A inteligência de decisão ajuda a:

  • Reduzir a dívida técnica e aumentar a visibilidade e melhorar o impacto dos processos de negócios, aprimorando materialmente a sustentabilidade dos modelos de decisão das organizações com base no poder de sua relevância e na qualidade de sua transparência, tornando as decisões mais transparentes e auditáveis
  • Reduzir a imprevisibilidade dos resultados das decisões capturando e contabilizando adequadamente os fatores de incerteza no contexto de negócios e tornando os modelos de decisão mais resilientes

Edge AI refere-se ao uso de técnicas de IA incorporadas em terminais, gateways e servidores de borda da Internet das Coisas (IoT), em aplicativos que variam de veículos autônomos a análises de streaming. Os benefícios empresariais incluem:

  • Eficiência operacional aprimorada, como sistemas de inspeção visual de fabricação
  • Experiência aprimorada do cliente
  • Redução da latência na tomada de decisões, com o uso de análises locais
  • Redução de custos de conectividade, com menos tráfego de dados entre a borda e a nuvem
  • Disponibilidade de solução persistente, independentemente da conectividade de rede

IA centrada no ser humano

Esse grupo de inovações inclui confiança em IA, gerenciamento de risco e segurança (TRiSM), IA responsável, ética digital e kits de criação e ensino de IA.

Quando a IA substitui as decisões humanas, ela amplifica resultados bons e ruins. A IA responsável permite os resultados certos ao resolver dilemas enraizados na entrega de valor versus tolerar riscos. IA responsável é um termo abrangente para aspectos de fazer escolhas éticas apropriadas aos negócios ao adotar a IA, incluindo valor comercial e social, risco, confiança, transparência, justiça, mitigação de preconceitos, explicabilidade, responsabilidade, segurança, privacidade e conformidade regulatória. A IA responsável levará de 5 a 10 anos para alcançar a adoção geral, mas terá um impacto transformacional nos negócios.

A ética digital é uma tendência de curto prazo (dois a cinco anos) que provavelmente terá um alto impacto nos negócios. A ética digital compreende os sistemas de valores e princípios morais para a condução das interações eletrônicas entre pessoas, organizações e coisas. Essas questões, especialmente no que se refere à privacidade e preconceito, continuam sendo motivo de preocupação para muitos. As pessoas, cada vez mais conscientes de que suas informações são valiosas, ficam frustradas com a falta de transparência, uso indevido e violações. As organizações estão agindo para mitigar os riscos em torno do gerenciamento e da proteção de dados pessoais, enquanto os governos estão implementando uma legislação mais rígida.

Muitas organizações ainda ignoram a ética digital, porque acham que ela não se aplica ao seu setor ou domínio, mas o Gartner prevê que até 2024, 30% das grandes organizações usarão uma nova métrica de “voz da sociedade” para atuar em questões sociais e avaliar o impacto no desempenho de seus negócios. As organizações precisarão integrar a ética digital em suas estratégias de IA para reforçar sua influência e reputação entre clientes, funcionários, parceiros e sociedade.

Resumidamente

  • O Gartner Hype Cycle™ de 2022 para Inteligência Artificial apresenta inovações “imperdíveis” que devem gerar amplos benefícios para qualquer organização.
  • Essas inovações vão além das técnicas cotidianas de IA já usadas para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade anteriormente estáticos.
  • Preste atenção antecipada às inovações que devem atingir a adoção geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA de ponta.

Referência

Traduzido e levemente adaptado de What’s New in Artificial Intelligence from the 2022 Gartner Hype Cycle, by Jackie Wiles – Gartner, 2022.

Artigos relacionados

Posicionamento da IA em anos anteriores

Como o Gartner via a IA neste em 2021

Como o Gartner via a IA neste em 2020

Como o Gartner via a IA neste em 2020

por

As Expectativas Tecnológicas das Startups e os Ciclos de Hype do Gartner

 “Hype é a promoção extrema de uma pessoa, ideia, produto. É o assunto que está “dando o que falar” ou algo sobre o qual todos falam e comentam. A palavra deriva de hipérbole, figura de linguagem que representa o exagero de algo ou uma estratégia para enfatizar alguma coisa.” – Wikipedia

Novas tecnologias são muito comentadas pela mídia, pela academia e pelas organizações. Mas cada uma destas tecnologias tem um ciclo de vida que deve ser considerado pelas empresas que pretendem investir tempo e recursos na busca pela inovação e vantagem competitiva. Quando elas fazem promessas ousadas, como você discerne o hype do que é comercialmente viável? E quando será que tais “oportunidades” gerarão resultados?

Você não vai querer fazer a aposta errada, vai?

Um Ciclo de Hype do Gartner fornece uma representação gráfica da maturidade e adoção de tecnologias e aplicações, e a potencial relevância delas para resolver problemas reais de negócios e explorar novas oportunidades.

A figura abaixo apresenta o posicionamento das tecnologias emergentes de 2022 num Ciclo de Hype do Gartner.

A seguir é fornecida uma explicação para facilitar a interpretação de tal Ciclo de Hype.

Interpretando o Hype tecnológico

Tal metodologia oferece uma visão de como uma tecnologia ou aplicativo evoluirá ao longo do tempo, fornecendo uma fonte sólida de insight para gerenciar sua implantação dentro do contexto de seus objetivos de negócios.

Ciclo de Hype do Gartner

E conforme pode ser visto na figura, um Ciclo de Hype apresenta cinco fases-chave do ciclo de vida em que uma tecnologia pode estar, descritas a seguir:

1 – Gatilho Tecnológico: As primeiras histórias de prova de conceito e o interesse dos meios de comunicação desencadeiam uma publicidade significativa a respeito de uma nova tecnologia. Nesta fase, muitas vezes não existem produtos utilizáveis ​​e a viabilidade comercial não está comprovada.

2 – Pico de Expectativas Infladas: A publicidade precoce produz uma série de histórias de sucesso – muitas vezes acompanhado por dezenas de falhas. Algumas empresas tomam medidas; muitas não.

3 – Vale da Desilusão: O interesse diminui quando experiências e implementações não conseguem entregar. Os produtores da tecnologia sofrem abalos ou falham. Nesta fase, os investimentos continuam somente se os fornecedores sobreviventes melhorarem seus produtos para a satisfação dos primeiros usuários.

4 – Ladeira do Encantamento: Mais exemplos de como a tecnologia pode beneficiar a empresa começa a torná-la mais clara e compreendida. Produtos de segunda e terceira geração aparecem de fornecedores de tecnologia. Nesta fase, mais empresas financiam pilotos e as empresas conservadoras continuam cautelosas.

5 – Planalto de Produtividade: A adoção mainstream (da maioria das empresas) começa a decolar. Nesta fase, os critérios para avaliar a viabilidade do fornecedor estão mais claramente definidos, e a ampla aplicabilidade e relevância da tecnologia no mercado está gerando resultados.

Assim, você pode usar este recurso para entender a promessa de uma tecnologia emergente conforme o contexto do setor da empresa e seu apetite individual por risco. E você pode escolher:

  • um movimento precoce – você pode colher os frutos da adoção antecipada se estiver disposto a combinar a tomada de risco com a compreensão de que os investimentos arriscados nem sempre valem a pena;
  • uma abordagem moderada – os executivos mais moderados entendem o argumento para um investimento antecipado, mas também insistem em uma análise de custo / benefício sólida quando novas formas de fazer as coisas ainda não estão totalmente comprovadas;
  • esperar mais maturação – se houver muitas perguntas não respondidas em torno da viabilidade comercial de uma tecnologia emergente, pode ser melhor esperar até que outros tenham sido capazes de entregar valor tangível.

Hyper-Cycle-info

Concluindo

Ao “ouvir” o hype de qualquer tecnologia emergente, antes de adotá-la para o uso em projetos inovadores de sua empresa, é importante buscar entender em qual fase do ciclo de vida esta tecnologia se encontra. Ao buscar adquirir conhecimento sobre ela, observar não só os pontos fortes e as vantagens, mas também os pontos fracos e desvantagens – procurando visualizar não só as oportunidades de sair na frente, mas também calcular os custos e os riscos envolvidos na tomada de decisão.

Vale lembrar que, não são as novas tecnologias que mudam os mercados, mas sim os novos modelos de negócios. A tecnologia é apenas a ferramenta de apoio, facilitadora da implementação do novo modelo de negócio, novo produto ou novo processo. Ou seja, a tecnologia não serve para resolver problemas, mas sim para implementar soluções.

Sobre mim: aqui, Contato: aqui.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Referências:

Outros artigos sobre Startups:

Posicionamentos em anos anteriores

Posicionamento das tecnologias emergentes de 2020.

Posicionamento das tecnologias emergentes de 2019.

CTMKT_741609_CTMKT_for_Emerging_Tech_Hype_Cycle_LargerText-1

Posicionamento das tecnologias emergentes de 2018. 

Gartner Hype Cycle for Emerging Technologies - 2018