Principais razões pelas quais projetos de IA fracassam – e como evitar ser o próximo

Principais razões pelas quais projetos de IA fracassam – e como evitar ser o próximo 

Praticamente de forma unânime, 9 em cada 10 executivos consideram o investimento em IA e dados uma prioridade estratégica para suas empresas. No entanto, 8 em cada 10 dessas iniciativas tendem a fracassar. No artigo mais recente da nossa série “Harnessing Data for AI Innovation” (Explorando dados para inovação em IA, título em português), apresentamos uma análise das principais razões pelas quais projetos de IA não conseguem atingir seus objetivos. Em seguida, extraímos aprendizados dessas iniciativas que não alcançaram os resultados esperados para ajudar as empresas a explorar plenamente as oportunidades da IA, respaldadas por dados de alta qualidade e soluções tecnológicas confiáveis da LexisNexis®. 

Um estudo sobre os desafios: Oito fatores críticos que comprometem iniciativas de IA 

Esse entusiasmo, no entanto, precisa ser moderado por um dado preocupante: segundo a Harvard Business Review, até 80% dos projetos de inteligência artificial acabam fracassando. À medida que CEOs observam concorrentes adotando tecnologias emergentes de IA e grandes volumes de dados para potencializá-las, a tendência natural é avançar o mais rápido possível para alcançá-los ou superá-los. Esse entusiasmo, no entanto, precisa ser moderado por um dado preocupante: segundo a Harvard Business Review, até 80% dos projetos de inteligência artificial acabam fracassando. 

Cada projeto é único, mas existem oito motivos recorrentes que explicam por que uma iniciativa de IA não atinge seus objetivos: 

1) Dados de baixa qualidade: Muitas empresas concentram sua energia (e recursos) em adquirir novas tecnologias, tratando os dados como um detalhe secundário. No entanto, dados imprecisos, sem origem confiável, com viés, desatualizados ou parciais inevitavelmente reproduzirão essas falhas nos resultados gerados pela IA. 

2) Falta de atenção à integração: Projetos de IA frequentemente reúnem dados de diferentes fontes, utilizando uma combinação confusa de entregas em massa e APIs. Além disso, cada conjunto de dados pode estar estruturado (ou não estruturado) de formas distintas, exigindo um trabalho significativo de limpeza e padronização para ser compatível com o software de análise de dados escolhido pela empresa. Um modelo API-first, que parte da definição de como os dados serão incorporados via APIs externas, pode ajudar a superar esse desafio. 

3) Falta de estratégia: Muitas organizações deixam de alinhar o uso da IA à sua estratégia corporativa. Cada projeto precisa de objetivos claros, voltados para resolver problemas relevantes e viáveis — reconhecendo que a IA pode não ser a melhor abordagem para todas as demandas de negócio. O autor Bernard Marr analisou projetos de IA que fracassaram e escreveu na Forbes que “um ponto em comum entre eles é a falta de planejamento adequado”. 

4) Silos internos: Um estudo da MIT Sloan Management Review sobre projetos de IA e big data em três grandes bancos na Índia concluiu que a maioria dos problemas “ocorria invariavelmente nas interfaces entre a área de ciência de dados e o restante da organização”. Em outras palavras, os profissionais com expertise para implementar a tecnologia não estavam devidamente inseridos no cotidiano do negócio, o que acabou resultando na criação de silos entre as áreas. 

5) Falta de governança ética: as empresas que utilizam IA e análise de Big Data devem garantir que os conjuntos de dados que utilizam estão em conformidade com as normas regulatórias de compliance e ética. Um relatório da IBM apontou que o custo médio de uma violação de dados em 2023 foi de US$ 4,45 milhões. Além disso, a utilização inadequada de dados pode minar a confiança de clientes, investidores e colaboradores, enfraquecendo o relacionamento com a organização. 

6) Treinamento insuficiente: É comum que empresas subestimem a necessidade de capacitar adequadamente suas equipes para o uso de novas tecnologias. Colaboradores que não percebem de que forma uma ferramenta de IA pode melhorar sua maneira atual de trabalhar tendem a não adotar os novos processos. É igualmente importante disponibilizar tempo e recursos para que os colaboradores possam se capacitar, praticar e esclarecer dúvidas.  

7) Riscos percebidos: Algumas organizações introduzem iniciativas de IA, mas, sem uma comunicação transparente sobre o que está sendo feito, os clientes demonstram resistência em participar por conta dos riscos percebidos. Por exemplo, uma empresa desenvolveu um aplicativo que oferecia recomendações instantâneas de serviços e a possibilidade de adesão imediata. Embora parecesse uma vantagem competitiva por reduzir o tempo de onboarding, a adesão foi baixa. Pesquisas posteriores mostraram que muitos usuários questionavam a credibilidade do serviço e a forma como a IA estava sendo aplicada. 

8) Viés algorítmico: As empresas precisam contar com especialistas capazes de identificar e mitigar vieses nos sistemas. Um exemplo ocorreu quando um banco desenvolveu um algoritmo para decisões de concessão de crédito, mas o modelo foi treinado com dados de solicitações previamente pré-selecionadas, que tinham maior probabilidade de resultar em pagamentos bem-sucedidos. Esse viés nos dados levou a uma taxa de inadimplência mais alta do que a esperada para os empréstimos aprovados pelo algoritmo. 

Projetos de IA bem-sucedidos exigem dados confiáveis e governança ética 

Muitos dos oito motivos que levam iniciativas de IA a não alcançar os resultados esperados estão ligados a um mesmo ponto: os dados que alimentam esses projetos e a forma como esses dados são disponibilizados. A melhor chance de uma empresa aproveitar plenamente as oportunidades da IA é utilizar somente dados de alta qualidade, enriquecidos, obtidos de forma legal e ética, e entregues por meio de uma API flexível. 

As organizações devem buscar um amplo conjunto de dados diversificados, incluindo informações sobre notícias, questões jurídicas, empresas, dados biográficos, financeiros, de propriedade intelectual, de mídias sociais e muito mais. Mas nem sempre “mais dados” significa “melhores dados”, especialmente quando há informações imprecisas ou desatualizadas. É fundamental compreender a proveniência das fontes de dados, assim como os direitos e riscos envolvidos em seu uso. A melhor prática é contar com um provedor confiável, que estabeleça parcerias sólidas com diversos fornecedores de conteúdo e utilize fontes originais. 

O tom e a estratégia definidos pela liderança da empresa também são cruciais. De acordo com uma pesquisa da Amazon Web Services realizada em 2024, 93% dos executivos de tecnologia e dados afirmam que ter uma estratégia de dados é fundamental para extrair valor da IA Generativa. Antes de adotar soluções de IA e análise de big data, é essencial avaliar quais objetivos estratégicos  podem ser potencializados pela tecnologia e quais desafios — da empresa ou de seus clientes — podem ser superados. 

Como a LexisNexis ajuda empresas a se manterem à frente com dados confiáveis para iniciativas de big data e IA 

O sucesso de qualquer iniciativa de IA depende do acesso a dados confiáveis e de alta qualidade, provenientes de fontes reconhecidas. As soluções de dados e tecnologia da LexisNexis® oferecem vantagens fundamentais para que sua empresa aproveite as oportunidades da IA e mitigue seus riscos: 

1) Dados confiáveis e éticos: há mais de 50 anos a LexisNexis atua como provedora estabelecida de dados, com extensos — e, em alguns casos, exclusivos — acordos de licenciamento de conteúdo com editores em todo o mundo. Fornecemos dados para permitir que você alcance seus objetivos de forma ética, reconhecendo e respeitando os direitos de propriedade intelectual de nossos parceiros licenciados.

2) Integração integral com Nexis® Data+: nossa solução via API possibilita a integração de dados enriquecidos aos sistemas e plataformas já utilizados pela sua empresa. Essa integração estabelece uma base sólida para análises e projetos de IA, impulsionando uma abordagem API-first. O Nexis Data+ garante acesso direto a um universo abrangente de dados, que inclui fontes de notícias, jurídicas, corporativas, financeiras, biográficas, classificações ESG, periódicos acadêmicos, informações de compliance e muito mais. 

A combinação poderosa de conteúdo confiável e licenciado com tecnologia avançada pode transformar suas iniciativas de IA e IA Generativa, preparando sua empresa para o sucesso. Entre em contato conosco hoje mesmo para saber mais sobre como nossas soluções confiáveis e éticas de dados e inteligência artificial podem impulsionar seus negócios.