50% dos líderes de TI brasileiros veem qualidade dos dados como maior desafio da IA

Com a rápida adoção da IA em todos os setores, metade das empresas brasileiras (50%) identificaram a qualidade dos dados como sua principal preocupação ao implementar projetos de Inteligência Artificial. Mas são poucos os líderes de TI que estão tomando medidas para garantir a melhoria deste fator, colocando em risco o sucesso das iniciativas desta tecnologia.

Essas foram duas das principais conclusões da Hitachi Vantara State of Data Infrastructure Survey. O levantamento da Hitachi Vantara, subsidiária de armazenamento de dados, infraestrutura e gerenciamento de nuvem híbrida da Hitachi, Ltd. (TSE: 6501), reforçou o papel crítico que a infraestrutura e o gerenciamento de dados podem desempenhar em termos de qualidade geral e na capacidade de gerar resultados positivos de IA.

“Utilizar dados de alta qualidade” foi apontado como o principal motivo para o sucesso dos projetos de IA no Brasil, com 46% dos entrevistados brasileiros concordando com essa afirmação. Dessa maneira, fornecer dados de alta qualidade para treinar e operar os modelos de IA tornou-se um desafio.

A pesquisa ouviu 1,2 mil executivos C-level, além de tomadores de decisão de TI, de 15 países. As principais descobertas do Brasil incluem:

Segurança (48%) e precisão (46%) são as principais preocupações dos líderes de TI brasileiros. Além disso, 74% dos entrevistados alertam que uma perda significativa de dados poderia ser catastrófica para suas operações e 70% temem que a IA forneça ferramentas mais inteligentes para hackers.
Apesar de sua importância para o sucesso da IA, a qualidade dos dados ainda é um desafio. A maioria dos entrevistados afirma que os dados estão disponíveis apenas 14% do tempo quando realmente precisam. Além disso, 81% indicam que seus dados não são estruturados.
São poucos os executivos e tomadores de decisão de TI que estão tomando medidas para aprimorar essa qualidade: apenas 33% investem na melhoria dos dados de treinamento, enquanto 25% sequer avaliam a qualidade desses conjuntos de dados.
A sustentabilidade também é negligenciada, com apenas 29% dos entrevistados considerando-a uma prioridade na implementação da IA. O custo também não é tão relevante, sendo apontado por 35%.
Embora 58% das grandes organizações foquem no desenvolvimento de LLMs gerais, esses modelos consomem até 100 vezes mais energia do que os menores, evidenciando um problema em termos de eficiência.

“Ainda existem desafios importantes em relação à qualidade dos dados e à sustentabilidade na IA. E, embora a adoção da tecnologia cresça, ainda há dificuldades no acesso a dados confiáveis e na precisão dos resultados dos modelos. Além disso, as empresas ainda buscam melhorar a qualidade dos dados”, analisa Andrea Fodor, CEO da Hitachi Vantara. “Fica claro que a qualidade é uma prioridade, mas também é preciso focar em sustentabilidade e custo. A ênfase em modelos de grande escala, que consomem mais energia, e os riscos de segurança, como a perda de dados e o uso de IA por hackers, mostram a necessidade de uma abordagem mais equilibrada e responsável”, comenta.

O papel da infraestrutura de dados na condução do sucesso da IA

Apesar de reconhecer a qualidade dos dados como o principal fator para uma IA bem-sucedida (46%), muitas organizações não têm a infraestrutura para dar suporte a padrões consistentes de qualidade.

Dois terços (60%) estão testando e iterando em IA em tempo real sem ambientes controlados, deixando espaço para riscos significativos e vulnerabilidades potenciais. Apenas 8% relatam usar sandboxes para conter a experimentação de IA, o que levanta preocupações sobre o potencial de violações de segurança e saídas falhas de dados.

“O papel da infraestrutura de dados é essencial para o sucesso da inteligência artificial. Embora muitas organizações reconheçam que a qualidade dos dados é um dos principais fatores para uma IA bem-sucedida, a realidade é que a infraestrutura necessária para garantir padrões consistentes de qualidade ainda está aquém. Testar e iterar em IA sem ambientes controlados aumenta consideravelmente os riscos, e a falta de medidas adequadas, como o uso de sandboxes, pode resultar em falhas de segurança e dados imprecisos, comprometendo a eficácia e a confiabilidade dos sistemas de IA”, finaliza Andrea Fodor.

Para obter mais informações sobre como a Hitachi Vantara está ajudando os clientes a fornecer uma abordagem orientada por dados para a infraestrutura de dados moderna, clique aqui.