Dados e inteligência artificial são os principais desafios digitais das empresas em 2023
Em 2023, quase 40% das empresas irão aumentar o seu investimento na digitalização em 2023, de acordo com dados da MCPRO, especializada em transformação digital. Sectores como a energia, saúde, indústria, retalho, seguros e fintech apostarão em soluções avançadas de Big Data e Inteligência Artificial para dar um novo passo em direcção à personalização dos seus produtos e serviços, avançar na segurança e privacidade dos seus dados e aumentar a sua velocidade de transacção em grande escala, a detecção de fraudes, a automatização dos seus processos e os chatbots.
Para continuar a avançar neste processo, a Keepler Data Tech realça que as empresas devem enfrentar cinco desafios a curto prazo:
- Abordagem data-centric nos projectos de Inteligência Artificial, onde a prioridade não é acumular dados, mas trabalhar para melhorar a sua qualidade e consistência. A correcta classificação de dados, estratégias data-augmentation, a criação de versões ou as feature stores aceleram este processo.
. - Os projectos de IA devem ter em conta os aspectos de privacidade e segurança, a partir da sua definição. Para além de proteger a informação, é também necessário determinar modelos mais robustos e fiáveis, e aplicar técnicas como adversarial training, para definir a resposta perante possíveis dados corruptos ou cenários pouco frequentes.
. - Automatização de processos cognitivos, incorporando serviços disponíveis em diferentes plataformas cloud (voz, imagem, texto ou decisão) ou fazendo uso de modelos “multimodo” (Dall-E ou CLIP como exemplos), ou de texto (GPT 4), para resolver diferentes tipos de tarefas criativas, tais como realizar síntese semântica, criar novos conteúdos de texto e visuais, ou responder a questões de forma interactiva.
. - Aumentar as capacidades Big Data dos processos cada vez mais exigentes. Neste sentido, a computação quântica está a ganhar relevância, capaz de resolver problemas complexos, realizar simulações em grande escala ou desafios em processos de optimização, entre outros.
. - Implementar as melhores práticas sob a forma de regulação e compromisso para assegurar que a tecnologia seja aplicada da forma mais transparente, ética e justa possível, o que se traduz em datasets o mais representativos possível, verificando desvios, realizando análises de sensibilidade ou dando prioridade à interpretação através de modelos mais simples e orientados a objectivos.