Levamos anos ouvindo a mesma promessa: que a inteligência artificial iria reduzir custos, automatizar tarefas complexas e tornar mais eficientes as infraestruturas tecnológicas das empresas. É uma ideia que já foi repetida inúmeras vezes. No entanto, à medida que esses projetos estão sendo implementados no dia a dia das organizações, começa a surgir uma realidade que não se encaixa totalmente nesse discurso inicial. Muitos desses projetos não estão alcançando os resultados esperados.
Segundo um estudo da Gartner citado pelo The Register, apenas 28% das implementações de IA em infraestrutura e operações atingem o retorno esperado. O restante se divide entre projetos que não conseguem gerar esse valor e outros que simplesmente não avançam, com uma taxa de fracasso de 20%. Além disso, mais da metade dos responsáveis entrevistados — 57% — admite ter tido pelo menos uma iniciativa fracassada. Os dados se concentram em como as empresas estão aplicando a IA em sua infraestrutura tecnológica e em suas operações internas, e não no desempenho global da tecnologia.
Quando tentamos entender por que tantos projetos ficam pelo caminho, as respostas apontam mais para a forma como são concebidos do que para a tecnologia em si. Melanie Freeze, diretora de pesquisa da Gartner, explica que muitas equipes assumiram que a IA iria automatizar tarefas complexas de forma imediata, reduzir custos ou resolver problemas operacionais acumulados ao longo de anos. A isso se somam outros fatores recorrentes, como a falta de profissionais especializados, dificuldades para integrar esses sistemas em processos já existentes e problemas com a qualidade ou disponibilidade dos dados.
Onde está funcionando
Nem tudo é negativo se olharmos com mais precisão. A própria análise da Gartner aponta que os melhores resultados aparecem em áreas onde a tecnologia já está mais consolidada e com aplicações mais específicas. É o caso da gestão de serviços de TI e das operações em nuvem, áreas nas quais a empresa identifica boa parte dos casos de sucesso, com 53% dos responsáveis relatando resultados positivos. A chave aqui não parece estar em modelos mais avançados, mas sim em como eles são integrados a processos reais, com casos de uso bem definidos e alinhados a necessidades operacionais claras.
Para entender por que esses dados vão além de um problema interno das empresas, é importante diferenciar os dois planos em que essa onda de investimento está sendo construída. De um lado, estão os grandes fornecedores de tecnologia, que estão destinando centenas de bilhões para construir centros de dados sob a premissa de que a demanda continuará crescendo. Do outro, estão as empresas que utilizam esses serviços para aplicar a IA em suas operações. É justamente nesse segundo grupo que a Gartner identifica dificuldades — o que levanta uma questão relevante para o mercado: o que acontece se esses clientes não conseguirem rentabilizar seus projetos e começarem a reduzir os gastos?
Está claro que as empresas continuam apostando na IA, mas, ao mesmo tempo, começam a exigir resultados mais concretos no curto e médio prazo. Em paralelo, outras pesquisas recentes, como um estudo do National Bureau of Economic Research, indicam que muitas companhias ainda não percebem um impacto claro na produtividade ou no emprego.
Imagens | Domaintechnik, Ledl.net
Este texto foi traduzido/adaptado do site Xataka Espanha.
Ver 0 Comentários