Há alguns anos, a discussão em torno da inteligência artificial tem oscilado entre hipóteses sobre como melhor treinar, testar e aplicar modelos de IA. De maneira geral, o senso comum tem sido que utilizar modelos maiores pode levar a melhores resultados. Essa abordagem apresenta um dilema: como construir um modelo e aplicá-lo de forma eficaz […]
Há alguns anos, a discussão em torno da inteligência artificial tem oscilado entre hipóteses sobre como melhor treinar, testar e aplicar modelos de IA. De maneira geral, o senso comum tem sido que utilizar modelos maiores pode levar a melhores resultados.
Essa abordagem apresenta um dilema: como construir um modelo e aplicá-lo de forma eficaz nas áreas com maior potencial de impacto transformador para o negócio?
Na inteligência artificial para negócios – AI4Biz – esta é uma questão extremamente relevante, pois as empresas buscam as melhores estratégias para incorporar a IA em seu dia a dia, com o objetivo claro de gerar valor ao resolver desafios financeiros, operacionais, logísticos e tecnológicos de maneira mais eficiente.
Esse dilema é bem representado no seguinte exemplo: no estudo mais recente de CEOs focado em IA, publicado pelo IBM Institute for Business Value (IBV), descobrimos que 51% dos CEOs no Brasil acreditam que as empresas que adotarem a IA generativa mais avançada terão uma vantagem competitiva no futuro próximo. No entanto, 74% dos executivos brasileiros destacaram que o êxito do uso dessa tecnologia dependerá mais da aceitação, do engajamento das pessoas e da cultura organizacional do que de suas capacidades técnicas e da própria tecnologia.
Resumindo: as empresas querem inovar, mas não estão dispostas a interromper suas operações nem sacrificar seus objetivos de curto prazo.
A resposta pode não ser a mesma para todas as empresas. Desenvolvimentos recentes na área, incluindo o lançamento do DeepSeek, sugerem que a premissa de construir um modelo maior e mais abrangente não é necessariamente a resposta certa em todas as situações.
A abordagem da IA pelas empresas está enraizada no princípio de que a melhor engenharia otimiza dois fatores críticos: desempenho e custo. Entendemos que as empresas existem em um espectro bastante variado de necessidades, cada uma com requisitos e capacidades únicas. Portanto, a solução de IA mais avançada é aquela que pode resolver com sucesso as necessidades específicas de cada empresa, de seus clientes, parceiros e colaboradores.
Essa ideia sugere que a inovação em código aberto, combinada com os dados certos e implementada em casos de uso específicos que têm impacto tangível para as empresas, é a nova direção da inteligência artificial. Nesse sentido, o foco é incorporar inteligência nas estratégias de dados, transformando informações proprietárias em retornos tangíveis e mensuráveis por meio de ferramentas corporativas desenvolvidas para esse propósito.
Leia mais: Estudo da IBM aponta para maior desempenho financeiro dos bancos com IA generativa
As evidências que apoiam a IA de código aberto são convincentes. O estudo recente “ROI para IA”, realizado pela Morning Consulting, aponta que uso de ferramentas de código aberto para soluções de IA pode estar correlacionado a uma maior viabilidade financeira: 51% das empresas pesquisadas que atualmente utilizam ferramentas de IA de código aberto relatam ver retorno de investimento (ROI) positivo, em comparação com apenas 41% das que não usam código aberto.
Após considerar a mudança na conversa sobre IA em todo o mundo, bem como os desafios que as empresas enfrentam ao decidir como investir em inteligência artificial, há alguns direcionadores que podem ser úteis para navegar na adoção e implementação de IA em 2025:
Selecionar os casos de uso mais relevantes: Compreender os casos de uso que podem ter o maior impacto no negócio é um caminho estratégico para desenvolver e aplicar modelos de IA adequadamente, garantindo eficiência em termos de custo, ao mesmo tempo em que são gerados resultados mensuráveis.
A inovação aberta é fundamental: À medida que avançamos, fica claro que a inovação de código aberto em IA não é apenas uma tendência, mas uma necessidade estratégica. Ao adotar essa abordagem, as empresas podem aprimorar suas capacidades de IA, melhorar sua eficiência operacional e, por fim, criar novos caminhos para o crescimento.
Desenhar sua estratégia de IA: À medida que as empresas avançam em sua jornada de inteligência artificial e testam os casos de uso mais relevantes para elas, também é necessário olhar além e começar a desenhar um roteiro que inclua o armazenamento e a gestão adequados de seus dados, a automação de processos e fluxos de trabalho derivados da análise correta desses dados e, finalmente, a governança desses dados de uma maneira que construa confiança para todos os seus usuários, dentro e fora da empresa.
Este é o momento ideal para as empresas brasileiras começarem a dar esses passos e formular uma estratégia tangível para a geração de valor com IA. O futuro da IA é aberto, eficiente e acessível.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
