A Qlik, líder em integração e análise de dados, anunciou as 10 principais tendências que moldarão os negócios em 2024 no campo de dados, analytics e Inteligência Artificial (IA). Entre os destaques, está a importância crucial da origem dos dados, bem como o controle de sua qualidade e confiabilidade para impulsionar a IA Generativa e utilizá-la em todo seu potencial.
De acordo com Dan Sommer, Diretor Sênior de Inteligência de Mercado da Qlik, estamos no meio de um boom de IA, onde a IA Generativa promete uma nova era de produtividade e prosperidade. No entanto, ele ressalta a necessidade de atenção à origem dos dados e ao controle de qualidade para evitar resultados distorcidos ou mesmo falsos, representando um risco significativo para as empresas e a sociedade.
As 10 principais tendências tecnológicas destacadas pela Qlik para a IA em 2024 são:
1. IA híbrida endereçará o gap de maturidade da IA Generativa:
As discussões atuais sobre tecnologia abordam a IA Generativa, mas a Aprendizagem de Máquina (ML) também é importante e já está sendo utilizada com sucesso, não devendo ser substituída pela IA Generativa. A ML está sendo democratizada e é aplicada em casos estabelecidos, como análise de fraudes. Ambas as tecnologias têm potencial e podem complementar-se.
2. IA generativa para insights:
A IA deve proporcionar respostas rápidas e insights automáticos em linguagem natural para atender às necessidades dos usuários menos técnicos, melhorando suas experiências com dados.
3. A era dos dados não estruturados é agora:
A maioria dos dados mundiais não são estruturados (80%, segundo a Forester). Novas técnicas, como gráficos de conhecimento e bancos de dados vetoriais, juntamente com RAG (Recuperação, Ampliação, Geração), permitem desbloquear e combinar dados estruturados e não estruturados. O uso de uma camada de gerenciamento de respostas facilita a reutilização de informações verificadas para analisar o patrimônio de dados das empresas com LLMs privados.
4. De Business Intelligence (BI) para Inteligência Artificial e vice-versa, a análise dos negócios está mudando:
Novas maneiras de interagir com os dados surgem em alta velocidade. Agora, é possível arrastar um arquivo para uma interface de bate-papo simples e começar a conversar com ela, que gera consultas e códigos, ajuda a construir conteúdo e agilizar processos automatizados. Os indivíduos podem iniciar a jornada analítica nestas ferramentas de IA Generativa para simples visualização de dados e projeções de negócios. Este é o Business Intelligence chegando à IA. Como próximo passo, os usuários podem querer aproveitar as ferramentas de nível empresarial para análises mais aprofundadas, trazendo os benefícios da IA Generativa para suas ferramentas. Essa é a IA chegando ao BI. O mercado alternará entre esses dois modos – habilitados pela capacidade de incorporação, conectividade e APIs – para obter o máximo de benefícios de cada plataforma.
5. A origem dos dados importa: entendendo o DNA dos dados:
Sem conhecimento da origem dos dados, a confiança neles é impossível. A qualidade e linhagem dos dados são essenciais para treinar modelos de IA. A falta de rastreamento de origem em modelos públicos pode levar a problemas como deepfakes. Rotular e sinalizar dados com técnicas de proveniência é crucial para evitar consequências graves.
6. Novos desenvolvedores demandam Alfabetização em IA:
O low code está evoluindo rapidamente como uma linguagem de programação popular, permitindo que usuários menos especializados criem aplicativos. Isso pode levar a uma explosão de aplicativos, exigindo educação sobre IA e gestão eficaz para evitar caos na governança. A alfabetização em IA é essencial, assim como a gestão adequada do ciclo de vida dos aplicativos e dos dados.
7. Engenharia de dados, analytics e ciência de dados estão se fundindo:
Novas plataformas de dados, como os data fabrics evoluídos, aliados à IA e automação, visam democratizar a engenharia de dados para analistas de negócios. Isso permitirá a aplicação de modelos estatísticos avançados sem sair do ambiente diário de trabalho, facilitando a resolução de problemas complexos e melhorando os resultados das empresas.
8. Automação e IA criam um ciclo virtuoso:
A IA Generativa está sendo combinada com automação para planejar e executar iniciativas complexas, trazendo eficiência. Isso inclui usar análise de sentimentos para automatizar respostas com base no humor. A integração resultará em menos trabalho manual e mais foco em decisões estratégicas.
9. A última milha da customização da IA torna-se crítica para o negócio:
As primeiras aplicações de IA Generativa são projetos escaláveis em B2C. Futuramente, IAs personalizadas para B2B surgirão com camadas de personalização. Dados organizacionais serão valiosos e surgirão “solution fabrics” para compartilhar e negociar dados e aplicativos de domínio específico, mas a base para construir isso ainda é incerta.
10. O dado como um produto que pode ser comercializado
As abordagens de harmonização de dados como data fabrics e data meshes tornaram-se realidade devido à IA e avanços tecnológicos. “Dados como produto” aplicam princípios de gerenciamento de produtos aos dados, visando resolver problemas, uso e público-alvo. Esses dados são a base para analytics e IA, podendo ser exibidos em catálogos e até negociados para monetização. Empresas usarão dados próprios para treinar modelos como ChatGPT para posterior monetização. Intercâmbios de dados podem rastrear e remunerar acesso, semelhante à indústria musical.
Essas tendências refletem a evolução contínua do setor de dados e IA, com foco em melhorias na eficiência, tomada de decisões mais informadas e a capacidade de aproveitar ao máximo os avanços tecnológicos disponíveis.
