O que mais vemos nos jornais atualmente são notícias sobre como a inteligência artificial tem sido um dos motores de transformação dos negócios. Com isso, as empresas e especialistas de todos os setores estão prometendo ganhos de produtividade, personalização em massa, redução de custos e novas experiências para o cliente a partir do uso dessa […]
O que mais vemos nos jornais atualmente são notícias sobre como a inteligência artificial tem sido um dos motores de transformação dos negócios. Com isso, as empresas e especialistas de todos os setores estão prometendo ganhos de produtividade, personalização em massa, redução de custos e novas experiências para o cliente a partir do uso dessa tecnologia. De acordo com levantamento da McKinsey, o impacto econômico potencial da IA pode chegar a US$ 4,4 trilhões por ano. No Brasil, bancos, varejistas, indústrias e agronegócio já investem pesado, tentando aproveitar ao máximo seu potencial.
Porém, há um lado menos comentado da popularização da IA: seus fracassos, que não são raros e nem baratos. Dados do Gartner preveem que 60% dos projetos de IA serão abandonados caso não sejam sustentados por dados adequados à tecnologia até 2026, um número extremamente significativo se levarmos em consideração que essas iniciativas frequentemente custam milhões para as companhias.
Além disso, quando esses projetos falham, muitas vezes o fazem de forma pública e constrangedora. Contudo, quando isso acontece, é preciso voltar algumas casas e entender o que levou aos erros e extrair lições para que a situação não se repita no futuro.
A principal ilusão é pensar na IA como algo “mágico”, que você adquire, liga e, de uma hora para a outra, começa a dar resultados automáticos. A realidade é que ela traz consigo diversas complexidades, e, por aprender com dados, reflete o mundo real com todos os seus ruídos, brechas e preconceitos.
Leia também: Uso consciente da IA: como ela veio pra somar e não atrapalhar
Ainda segundo o estudo do Gartner, 63% das companhias não possuem ou não têm certeza se possuem as práticas corretas de gerenciamento de dados para IA. Esse dado já indica algumas das principais práticas que comprovadamente têm levado a falhas nas iniciativas com inteligência artificial em empresas de todos os tamanhos e segmentos: falta de cultura organizacional e governança, dados enviesados, pressa para entregar e decisões ruins.
Um exemplo foi o algoritmo de recrutamento da Amazon, treinado a partir de currículos históricos enviados à empresa ao longo de uma década em que os homens eram maioria nas áreas técnicas da companhia. Qual foi o resultado? O sistema penalizava candidaturas femininas automaticamente. Apesar dos esforços, a Amazon não conseguiu corrigir o algoritmo e optou por abandonar o projeto. Aqui, fica a lição: boa parte dos fracassos em IA se deve a dados que carregam preconceitos históricos.
Porém, nem todo fracasso em IA é sobre viés. Às vezes, é só falta de bom senso na automação. Um exemplo emblemático é a Tesla: Elon Musk, CEO da empresa, admitiu publicamente que a estratégia de automatizar excessivamente a linha de produção do Model 3 foi um erro. Os robôs se atrapalhavam em tarefas simples, tinham falhas frequentes e falta de flexibilidade para lidar com situações fora do padrão. A partir dessa situação, Musk recontratou funcionários humanos e admitiu publicamente que errou com automação desmedida. Esse fracasso, como bem sabemos, não destruiu a Tesla, mas custou milhões em atrasos e ajustes.
O aprendizado, portanto, é que IA e robótica são poderosas, mas não substituem tudo – ao menos por enquanto. Por isso, é importante entender onde humanos são insubstituíveis e integrar tecnologias de forma equilibrada.
Há ainda o fato de que muitos projetos de IA são feitos apenas para “impressionar”, ou seja, gerar manchetes, encantar investidores ou agradar o board, sem resolver problemas reais. Mas isso só cria atalhos perigosos, como dados mal preparados, modelos sem testes de edge cases e falta de validação com usuários reais.
Um estudo do MIT Sloan Management Review mostrou que as empresas bem-sucedidas em inteligência artificial investem tanto em mudança cultural quanto em tecnologia, visto que ela altera a forma como as pessoas trabalham, decidem e se organizam. Segundo relatório da Microsoft, 77% dos tomadores de decisão observam uma melhora na qualidade do trabalho com uso de IA, 76% consideram que ela aumenta a produtividade e 70% acreditam que ela melhora a satisfação dos clientes.
Portanto, quando bem implementada, a tecnologia traz ganhos reais e diferenciais competitivos. Os cases de IA que fracassaram precisam servir de lição, e somente quem consegue aprender com os erros (próprios e de outros negócios) será capaz de inovar de verdade e se destacar no mercado.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
