59% das organizações não têm recursos para atender às expectativas de IA generativa: estudo

Um estudo recente conduzido pela empresa de soluções de IA de código aberto ClearML em parceria com a AI Infrastructure Alliance (AIIA) lançou luz sobre a adoção de IA generativa entre as empresas Fortune 1000 (F-1000).

O estudo, “Adoção de IA generativa empresarial: principais considerações, desafios e estratégias de nível C para liberar a IA em escala”, revelou o impacto econômico e os desafios significativos que os principais executivos de nível C enfrentam para aproveitar o potencial da IA ​​em suas organizações.

>>Não perca nossa edição especial: O Futuro do data center: Lidando com demandas cada vez maiores.<<

De acordo com o estudo global, 59% dos executivos de alto escalão não possuem os recursos necessários para atender às expectativas de inovação generativa em IA definidas pela liderança empresarial. As restrições orçamentais e os recursos limitados surgiram como barreiras críticas ao sucesso da adoção da IA ​​nas empresas, dificultando a criação de valor tangível.

O estudo também descobriu que 66% dos entrevistados não conseguem medir totalmente o impacto e o retorno do investimento (ROI) dos seus projetos de IA/ML nos resultados financeiros. Isto realça a profunda incapacidade das equipas de IA, ML e engenharia subfinanciadas, com falta de pessoal e subgovernadas nas grandes empresas para quantificar os resultados de forma eficaz.

“Embora a maioria dos entrevistados tenha dito que precisam escalar a IA, eles também disseram que não têm orçamento, recursos, talento, tempo e tecnologia para fazê-lo”, disse Moses Guttman, cofundador e CEO da ClearML, à VentureBeat. “Dado o efeito multiplicador de força da IA ​​sobre a receita, novas ideias de produtos e otimização funcional, acreditamos que a alocação crítica de recursos é necessária agora para que as empresas invistam em IA para transformar suas organizações de forma eficaz”.

O estudo também destaca as crescentes expectativas de receita provenientes dos investimentos em IA e ML. Mais de metade dos inquiridos (57%) reportam que os seus conselhos antecipam um aumento de dois dígitos nas receitas provenientes destes investimentos no próximo ano fiscal, enquanto 37% esperam um crescimento de um dígito.

O estudo coletou respostas de 1.000 executivos de nível C, incluindo CDOs, CIOs, CDAOs, VPs de IA e transformação digital e CTOs. De acordo com a ClearML, esses executivos lideram a transformação generativa da IA ​​nas empresas Fortune 1000 e em grandes empresas.

O estado da adoção generativa de IA

De acordo com o estudo, a maioria dos entrevistados acredita que é fundamental liberar casos de uso de IA e aprendizado de máquina para criar valor comercial. Oitenta e um por cento dos entrevistados classificaram-na como prioridade máxima ou como uma das três principais prioridades.

Além disso, 78% das empresas planeiam adotar xGPT/LLMs/IA generativa como parte das suas iniciativas de transformação de IA no ano fiscal de 2023, com um adicional de 9% a planear iniciar a adoção em 2024, elevando o total para 87%.

Os entrevistados também foram quase unânimes (88%) quanto ao plano das suas organizações para implementar políticas específicas para a adoção e uso de IA generativa em todas as unidades de negócios empresariais.

No entanto, apesar da adoção da IA ​​generativa e do ML ser um motor chave de receita e engenhosidade dentro da empresa, 59% dos líderes de nível C carecem de recursos adequados para cumprir as expectativas da liderança empresarial em relação à inovação da IA ​​genérica.

Enfrentam restrições orçamentais e de recursos que dificultam a adoção e a criação de valor. Especificamente, pessoas, processos e tecnologia são pontos críticos identificados pela F-1000 e por executivos de grandes empresas quando se trata de construir, executar e gerenciar processos de IA e aprendizado de máquina:

• 42% indicam uma necessidade crítica de talentos, especialmente pessoal especializado em IA e aprendizado de máquina, para impulsionar o sucesso.
• Outros 28% sinalizam a tecnologia como a principal barreira, indicando a falta de uma plataforma de software unificada para gerenciar todos os aspectos dos processos de IA/ML de sua organização.
• 22% citam o tempo como um desafio fundamental, descrevendo o tempo excessivo gasto na recolha de dados, preparação e construção manual de pipeline.

Além disso, 88% dos entrevistados indicaram que sua organização busca padronizar uma única plataforma de IA/ML entre departamentos, em vez de usar soluções pontuais diferentes para equipes diferentes.

“Os tomadores de decisão empresariais estão preparados para aumentar o investimento em IA generativa e ML este ano, mas de acordo com os resultados da nossa pesquisa, eles estão buscando uma plataforma centralizada de ponta a ponta, sem espalhar os gastos em soluções pontuais múltiplas”, disse Guttmann da ClearML. VentureBeat. “Com o crescente interesse em materializar o valor comercial dos investimentos em IA e ML, esperamos que a demanda por maior visibilidade, integração perfeita e baixo código impulsione a adoção generativa de IA.”

Principais desafios que impedem a adoção de IA generativa

O estudo revelou que as crescentes preocupações com a IA e a governação generativa da IA ​​levaram a terríveis consequências financeiras e económicas.

Verificou-se que 54% por cento dos CDOs, CEOs, CIOs, chefes de IA e CTOs relataram que sua falha em governar aplicações de IA/ML resultou em perdas para a empresa, enquanto 63% dos entrevistados relataram perdas de US$ 50 milhões ou mais devido à governança inadequada de suas aplicações de IA/ML.

Quando questionados sobre os principais desafios e obstáculos na adoção de soluções generativas de IA/LLMs/xGPT em suas organizações e unidades de negócios, os entrevistados identificaram cinco desafios principais:

• 64% dos entrevistados expressaram preocupações sobre personalização e flexibilidade, particularmente a capacidade de adaptar modelos usando dados internos recentes.
• 63% dos entrevistados classificaram a preservação de dados como uma prioridade máxima, concentrando-se na geração de modelos de IA e na salvaguarda do conhecimento da empresa para manter uma vantagem competitiva e, ao mesmo tempo, proteger a propriedade intelectual corporativa.
• 60% dos entrevistados destacaram a governança como um desafio significativo, enfatizando a importância de restringir o acesso e controlar dados confidenciais dentro da organização.
• 56% dos entrevistados indicaram que a segurança e a conformidade eram prioridades, uma vez que as empresas dependem de APIs públicas para aceder a modelos generativos de IA e soluções xGPT, o que as expõe a potenciais fugas de dados e preocupações de privacidade.
• 53% dos entrevistados citaram o desempenho e o custo como um dos principais desafios, principalmente relacionados ao desempenho do GPT fixo e aos custos associados.

De acordo com Guttmann, a falta de visibilidade, mensurabilidade e previsibilidade identificada na pesquisa representa um obstáculo problemático ao sucesso na adoção de novas tecnologias. Todos esses fatores são cruciais para o sucesso.

“Os clientes corporativos devem se esforçar para obter desempenho LLM pronto para uso, treinados em seus dados internos de negócios com segurança em suas instalações locais, resultando em redução de custos de nuvem e melhor ROI”, disse ele.

Durante o VB Transform, a ClearML revelou um novo Enterprise Cost Management Center. Este centro permite que os clientes empresariais gerenciem, prevejam e reduzam os custos crescentes da nuvem com eficiência.

Além disso, a empresa planeia lançar uma calculadora para ajudar as empresas a compreender e prever o seu custo total de propriedade e os custos empresariais ocultos da geração AI. ClearML disse que esta ferramenta fornecerá informações valiosas para uma melhor gestão de custos e tomada de decisões informadas.

.