É o sistema, não o modelo: a chave para uma estratégia competitiva de IA
Em 2006, a Netflix lançou um desafio ao mundo da inteligência artificial: melhorar o seu algoritmo de recomendação em 10% e ganhar um milhão de dólares. Centenas de equipas de investigadores de todo o mundo trabalharam durante três anos para resolver o que parecia ser um problema puramente técnico. O vencedor conseguiu melhorar o algoritmo em 10,06% e recebeu o seu prémio. Mas a Netflix nunca implementou essa solução vencedora.
Porque é que o algoritmo mais sofisticado nunca chegou a entrar em produção? Porque a Netflix, por volta do ano de 2009, descobriu algo fundamental: o modelo era apenas uma peça do sistema. Esta é uma lição primordial.
Quando a Netflix avaliou a sua implementação num ambiente de produção real (milhões de utilizadores simultâneos, padrões de comportamento dinâmicos e novos filmes a serem adicionados constantemente, etc.), descobriu que o modelo vencedor estava otimizado para uma imagem estática do passado. A complexidade computacional do algoritmo vencedor tornava os tempos de atualização do modelo proibitivos. A melhoria de 10,06% não justificava a complexidade adicional, o custo computacional exponencial, os tempos de atualização mais lentos, nem os problemas de interpretabilidade que acarretava.
O sucesso da IA não reside no modelo, mas sim no sistema que o faz funcionar
A qualidade dos dados que alimentavam o modelo também tinha evoluído durante os três anos que durou a competição.
Os padrões de comportamento dos utilizadores mudaram, a base de dados de filmes expandiu-se e os dispositivos de consumo diversificaram-se.
O modelo vencedor estava otimizado para uma fotografia do passado, não para a dinâmica do sistema real em produção três anos mais tarde.
Consciente desta realidade, a Netflix tomou uma decisão estratégica que marcou uma viragem na indústria: em vez de implementar a solução vencedora tal como estava, utilizou os seus insights algorítmicos como referência e construiu um sistema integrado que combinava modelos mais simples, mas robustos, uma governação de dados rigorosa, infraestrutura escalável, avaliação contínua e explicabilidade radical do funcionamento do sistema.
O resultado foi um sistema fiável que funcionava. Podemos aplicar esta metáfora a qualquer organização que esteja a implementar uma estratégia de IA que pretende ser bem-sucedida.
A confiança nas soluções de IA é construída com sistemas integrados, fiáveis e escaláveis
Atualmente, quando observamos a adoção da IA em ambientes empresariais, vemos essa tendência generalizada bem estabelecida: o foco recai sobre o algoritmo ou o modelo.
Investem-se 80% do orçamento na obtenção de um modelo sofisticado, enquanto os restantes 20% são destinados a tudo o resto: governação, qualidade dos dados, infraestrutura, segurança, compliance, pessoas, etc.
Trata-se de um investimento mal orientado que conduz a projetos que se destacam em ambientes de teste ou piloto, mas que fracassam em ambientes de produção.
Uma estratégia bem-sucedida deve também avaliar: fiabilidade na produção, explicabilidade das decisões, conformidade regulamentar, aceitação por parte dos utilizadores, impacto empresarial e ROI. Se a sua solução tiver 95% de precisão, mas os utilizadores desconfiarem das suas decisões, ela falhou enquanto sistema.
Essencialmente, uma estratégia de IA bem-sucedida é a convergência de múltiplas dimensões que funcionam de forma integrada. Devemos estar cientes de que a sofisticação do algoritmo, sem o apoio destas dimensões, é como construir um arranha-céus sem fundações.
Na Izertis, depois de trabalharmos com centenas de organizações em soluções de transformação digital e IA, partimos da premissa de que a confiança nas soluções de IA não se constrói com modelos sofisticados, mas sim com sistemas integrados, fiáveis e escaláveis. Esta é a essência da Trust AI, a nossa abordagem estratégica.
Para tal, a Izertis estrutura o Trust AI em torno de quatro dimensões fundamentais:
1. Pessoas: confiança e adoção organizacional
Sem equipas que compreendam e confiem nas decisões algorítmicas e no impacto das soluções de IA na sua atividade, a estratégia fracassa. Inclui formação, comunicação interna, gestão da mudança e construção de confiança na adoção da IA.
2. Gestão: quadro de decisão e responsabilidade
São indispensáveis políticas definidas, funções claras, rastreabilidade das decisões e auditoria contínua. A implementação de soluções sem uma base de governança corporativa constitui uma “caixa negra” empresarialmente inaceitável.
3. Tecnologia: infraestructura e escalabilidade
Uma solução de IA que funciona em ambientes de teste, mas não em produção com milhões de registos, é apenas uma prova de conceito; é por isso que a infraestrutura, as automatizações, a monitorização, a observabilidade e a arquitetura de segurança são tão críticas quanto a própria solução de IA.
4. Processos: qualidade dos dados e continuidade
Dados tendenciosos, incompletos ou desatualizados geram soluções de IA empresarialmente erradas. Por este motivo, deve-se ter muito em consideração a governação de dados, a garantia de qualidade e a melhoria contínua.
Sem estas quatro dimensões a funcionar de forma coordenada, a sofisticação da solução é irrelevante.
Na Izertis, a nossa convicção no Trust AI reflete essa maturidade: a confiança nas soluções de IA provém de sistemas sólidos que integram quatro dimensões (pessoas, governação, tecnologia, processos), e não de algoritmos sofisticados isolados.
A confiança nas soluções de IA deriva de sistemas sólidos
Se a sua empresa está a considerar um projeto de IA, convidamo-lo a refletir: está a centrar-se num modelo ou num sistema?
É a diferença entre uma iniciativa de transformação que fracassa silenciosamente na produção e uma que gera um impacto mensurável e sustentável.
Se já iniciou o seu roteiro de IA e pretende avaliar a maturidade do seu sistema de IA nas quatro dimensões do nosso framework, a nossa equipa de especialistas em Trust AI irá ajudá-lo a identificar os seus pontos fortes, vulnerabilidades e oportunidades concretas de melhoria.