A inteligência artificial (IA) é uma ferramenta poderosa, mas seu verdadeiro potencial para as empresas só se concretiza quando ela é capaz de gerar valor tangível. Essa é a visão de Teresa Tung, líder global de capacitação de dados da Accenture e uma das inventoras mais produtivas da consultoria, com 225 patentes registradas. Segundo ela, a má qualidade dos dados e a dificuldade em monetizar a tecnologia são os principais entraves para a adoção bem-sucedida da IA em companhias ao redor do mundo.
Tung, que possui doutorado em ciência da computação, esteve no Brasil para dialogar com executivos de setores como o bancário, telecomunicações e de recursos naturais. Sua análise aponta que, embora a relação entre empresas e IA esteja em constante evolução, os desafios centrais permanecem consistentes, exigindo uma abordagem focada em resultados práticos e não apenas na implementação tecnológica.
Desafios na jornada da inteligência artificial
Um dos principais gargalos apontados por Teresa Tung é a baixa qualidade dos dados corporativos. Sem informações precisas sobre o comportamento dos clientes e o funcionamento do próprio negócio, a IA tem limitações significativas em sua capacidade de automatizar processos. Tung enfatiza que os modelos e agentes de IA, em sua essência, são semelhantes entre as empresas; portanto, o diferencial competitivo reside na qualidade e na singularidade dos dados.
O segundo grande obstáculo é a dificuldade em transformar a capacidade da IA em valor real. “Só porque consigo fazer algo, não necessariamente isso vai me tornar mais produtivo ou gera novas fontes de receita. Vou ganhar dinheiro com isso?”, questiona Tung, resumindo a inquietação de muitas organizações. A expectativa é clara: é fundamental enxergar um retorno sobre o investimento.
Como as empresas podem aprimorar suas bases de dados?
Para superar esses desafios, Tung sugere que as empresas comecem por se questionar: quais dados podem ser utilizados de forma legal e ética com a IA generativa, especialmente considerando que muitos termos de uso foram estabelecidos antes do surgimento dessa tecnologia. Ela destaca a importância crucial dos dados não estruturados – aqueles que são coletados, mas não categorizados de forma tradicional.
A especialista vê oportunidades significativas para as empresas que aprenderem a gerenciar melhor esses dados. Em vez de apenas olhar para os gigantes do Vale do Silício, como Google e Amazon, que investem massivamente em IA, Tung propõe uma estratégia de “seguidor rápido”. Empresas que não possuem recursos para um salto inicial podem garantir que seus dados e sistemas estejam preparados para adotar inovações assim que elas forem comprovadas e apresentarem resultados claros.
Adoção de IA no Brasil e a estratégia de duas velocidades
A líder da Accenture demonstrou-se impressionada com a adoção de IA pelas empresas brasileiras. Segundo ela, as companhias no Brasil compreendem a magnitude da mudança que a IA representa, e o setor bancário, em particular, não demonstra grandes diferenças em relação aos seus pares globais. Executivos brasileiros levantam as mesmas questões e buscam as mesmas respostas que seus colegas internacionais.
Teresa Tung defende que as empresas operem em “duas velocidades”. Isso significa que, embora alguns dados exijam organização prévia para certas tarefas, outros tipos de dados podem ser utilizados de imediato. Ela cita o uso de dados sintéticos e “gêmeos digitais” como exemplos. A abordagem sugerida é prototipar rapidamente, demonstrar a funcionalidade e, somente depois, investir na modernização completa do ambiente de dados. Essa estratégia permite acelerar a experimentação e a validação do valor da IA.
O impacto da IA no mercado de trabalho e em novos empregos
A discussão sobre a IA frequentemente gira em torno da redução de mão de obra. No entanto, Teresa Tung aponta uma mudança de foco. Muitas empresas agora priorizam a realização de valor, que pode se traduzir em integrar clientes mais rapidamente ou oferecer propostas mais atraentes. O crescimento, e não apenas a extração de mais resultados com os mesmos recursos, tem sido o principal motor de investimento em IA.
“Crescimento tem sido o principal motor de investimento em IA, não apenas extrair mais com os mesmos recursos. E isso cria novos tipos de empregos que não existiam.”
Ela destaca que a IA também impulsiona a criação de novos tipos de empregos, como os de anotação de dados e engenheiro de conhecimento. Para os profissionais, isso representa um reinício, com vastas oportunidades para aqueles dispostos a aprender e se adaptar às novas demandas do mercado.
Agentes autônomos: o futuro próximo?
Sobre a adoção de agentes 100% autônomos, Tung ressalta que a resposta depende da definição. Agentes que realizam pesquisas ou interagem com outros sistemas para resolver tarefas específicas, como processar uma fatura, já estão em uso. Contudo, o fator humano continua essencial. Nesses cenários, um agente realiza o trabalho inicial, mas um profissional humano valida a precisão e aprova a ação final.
A executiva acredita que a colaboração humano-IA persistirá. Embora possa haver menos necessidade de codificação manual para o fluxo de dados, a curadoria da informação e a supervisão humana continuarão sendo cruciais para garantir a confiabilidade e a eficácia das soluções de inteligência artificial.
