Colocando os desafios da IA ​​em perspectiva com parcerias

Recurso patrocinado À medida que a tecnologia se torna mais amplamente implementada em sectores e indústrias mais verticais, a capacidade da inteligência artificial (IA) para transformar os processos empresariais, a tomada de decisões estratégicas e as experiências dos clientes está a ser amplamente elogiada por estrategas de TI e analistas económicos.

Mesmo os principais executivos, antes receosos em aprovar o investimento que a IA necessita para proporcionar o valor ideal, estão a reconhecer o seu potencial para melhorar a eficiência operacional e abrir caminho para novos fluxos de receitas.

As previsões de veneráveis ​​observadores do mercado como a PwC apoiam a sua visão. Isso é 'Estudo Global de Inteligência Artificial' avalia que a IA poderá contribuir com até 15.7 biliões de dólares para as economias globais em 2030. Destes, 6.6 biliões de dólares poderão provir do aumento da produtividade e 9.1 biliões de dólares poderão provir de 'efeitos secundários no consumo', afirma a PwC.

A recente implementação de várias ferramentas generativas de IA é considerada um fuga ponto para o que antes era um ramo altamente especializado e “futurista” da ciência da computação. No Reino Unido, em 2022, o Office for Artificial Intelligence relatado que cerca de 15% das empresas adotaram pelo menos uma tecnologia de IA, o que equivale a 432,000 mil empresas. Cerca de 2% das empresas estavam a testar a IA e 10% planeavam adotar pelo menos uma tecnologia de IA no futuro (62,000 292,000 e XNUMX XNUMX empresas, respetivamente).

Ainda é algo complexo

Em meio a esse fervor da IA, as organizações devem lembrar que a IA ainda é uma tecnologia relativamente jovem e pode ser um desafio configurá-la pela primeira vez. Além disso, o retorno sobre o investimento (ROI) associado é altamente dependente de procedimentos e configurações de implementação gerenciados com muita precisão, que geralmente são menos robustos diante de erros do que as implantações de TI convencionais.

A IA apresenta testes estimáveis ​​para as equipes de TI encarregadas de implementar iniciativas e cargas de trabalho de IA/Machine Learning, por exemplo, que podem incluir a superação de lacunas de habilidades e restrições de computação. Também podem envolver compensações de recursos com outras cargas de trabalho empresariais que já utilizam uma infraestrutura de TI comum.

“A IA é uma jornada, não um destino – não se trata de estar pronto para adoção ou automatizar processos simplesmente para obter mais eficiência”, afirma Matt Armstrong-Barnes, Diretor de Tecnologia de Inteligência Artificial da Hewlett Packard Enterprise (HPE). “Em vez disso, trata-se da realização de valor a longo prazo, permitindo melhores resultados e reconhecendo que a IA exige uma abordagem fundamentalmente diferente para a implementação de TI. Para os tecnólogos empresariais, é uma curva de aprendizado abrangente de 360 ​​graus.”

O ponto de vista de Armstrong-Barnes é evidenciado pelo mais recente 'Estado da IA ​​na empresa'pesquisa com líderes empresariais globais. Os entrevistados identificaram uma série de desafios que a IA surgiu em fases sucessivas de seus projetos de implementação de IA. Provar o valor comercial da IA ​​foi uma questão citada por 37% – os projetos podem ser caros e um caso de negócios convincente pode ser difícil de validar diante de conselhos de administração e executivos C-Suite cautelosos em investimentos.

A ampliação desses projetos de IA ao longo do tempo pode enfrentar obstáculos ainda identificados, como o gerenciamento de riscos relacionados à IA (citados por 50% dos participantes da pesquisa da Deloitte), a falta de adesão dos executivos (também de 50%) e a falta de manutenção ou suporte contínuo (50% novamente).

“É bastante compreensível que os líderes empresariais tenham de estar convencidos de que a IA pagará o seu preço”, afirma Armstrong-Barnes. “É aqui que trabalhar desde o início com um parceiro tecnológico que está envolvido com implementações comprovadas de IA há muitos anos ajuda a vencer o caso. Seu histórico dará credibilidade às propostas de projetos e ajudará a convencer os executivos de que os riscos da IA ​​são tão gerenciáveis ​​quanto qualquer outro empreendimento de TI.”

E embora a tecnologia e o talento sejam certamente necessários, é igualmente importante alinhar a cultura, a estrutura e as formas de trabalhar de uma empresa para apoiar a ampla adoção da IA, de acordo com a McKinsey, com características distintas que por vezes funcionam como barreiras à mudança impulsionada pela IA.

“Se uma empresa tem gestores de relacionamento que se orgulham de estar sintonizados com as necessidades dos clientes, podem rejeitar a noção de que uma “máquina” poderia ter ideias melhores sobre o que os clientes querem e ignorar as recomendações de produtos personalizadas de uma ferramenta de IA”, sugere a McKinsey.

“Eu converso frequentemente com colegas e clientes da HPE sobre a série de desafios que eles enfrentam com a implantação de IA”, relata Armstrong-Barnes. “Algumas características probatórias comuns surgem repetidamente. Uma delas é a subestimação de quão fundamentalmente diferentes as implantações de IA são das implementações de TI tradicionais. As organizações devem implementar a IA de uma forma essencialmente diferente dos projetos de TI que implementaram no passado. O gerenciamento e o dimensionamento de dados são significativamente diferentes para IA. Isso significa que, às vezes, a experiência tecnológica duramente conquistada precisa ser aprendida de novo.”

A tendência de experimentar pilotos de IA antes de implantá-los diretamente em um caso de uso real que atenda a uma necessidade comercial urgente deve ser evitada, explica Armstrong-Barnes. “A abordagem de experimentar antes de comprar parece razoável – a IA é complexa e exige muito investimento”, explica ele, “Mas com a IA, simulações e projetos de teste não reproduzem realmente os desafios que as organizações usuárias encontrarão com uma implementação real . O que começa ‘no laboratório’ tende a permanecer no laboratório.”

No outro extremo da escala de adoção, Armstrong-Barnes vê empresas que tentam aplicar IA onde quer que ela possa ser aplicada, mesmo quando uma aplicação funciona de forma otimizada sem IA: “A conclusão aqui é – só porque na IA você tem um martelo enorme, você não deve ver tudo como uma noz a ser quebrada.”

Pessoas e infraestrutura não prontamente disponíveis

Mesmo os sistemas de IA mais avançados ainda não alcançaram autonomia total de ponta a ponta – precisam de ser treinados e aperfeiçoados pela experiência humana. Isto representa mais um desafio para as empresas que aspiram à IA: qual a melhor forma de adquirir as competências necessárias – requalificar o pessoal de TI existente? Recrutar novos membros da equipe com o conhecimento necessário de IA? Ou explorar opções para adiar a necessidade de conhecimentos especializados em IA para parceiros tecnológicos?

McKinsey relatórios que o potencial da IA ​​está a ser limitado pela escassez de talentos qualificados. Um projeto típico de IA requer uma equipe altamente proficiente, incluindo um cientista de dados, um engenheiro de dados, um engenheiro de ML, um gerente de produto e um designer – e simplesmente não há especialistas suficientes disponíveis para ocupar todas essas vagas abertas.

“Vemos que os tecnólogos empresariais geralmente precisam atualizar suas habilidades em cinco aspectos principais”, diz Armstrong-Barnes. “Principalmente, residem nas áreas de especialização em IA, infraestrutura de TI, gestão de dados, gestão de complexidade e, em menor grau, nas barreiras culturais acima mencionadas. Nenhum destes desafios é intransponível, dada a abordagem correta e o apoio da parceria.”

A IA também gosta de hardware superpoderoso para funcionar. O provisionamento de plataformas de computação de alto desempenho continua sendo um desafio permanente porque poucas organizações desejam – ou podem pagar – fazer os investimentos necessários em seus servidores sem um aumento comprovado nos índices de ROI.

“Ao planear implementações de IA, numa fase muito inicial, os planeadores de TI precisam de tomar algumas decisões importantes relativamente à tecnologia facilitadora principal”, afirma Armstrong-Barnes. “Por exemplo, você vai comprá-lo, construí-lo – ou adotar uma abordagem híbrida que englobe elementos de ambos?”

A próxima decisão importante diz respeito às parcerias. Uma condição definidora para o sucesso da entrega de IA é que ninguém consiga fazê-lo sozinho, salienta Armstrong-Barnes: “É necessário o apoio de parceiros tecnológicos e a melhor forma de estabelecer essas parcerias é através de um ecossistema de IA. Pense num ecossistema de IA como um consórcio de apoio especializado que, reunido, lhe dará acesso ao conhecimento, aos dados, às ferramentas de IA, à tecnologia e à economia certas para desenvolver e operacionalizar os seus esforços de IA.”

Armstrong-Barnes acrescenta: “Os clientes às vezes perguntam como a HPE adquiriu tanta experiência em casos de uso de IA – previmos seu impacto anos atrás e começamos a nos preparar bem antes do mercado? O facto é que vimos o impacto da IA ​​surgir não há anos, mas sim há décadas, temos vindo a estabelecer centros de excelência e ecossistemas de IA há muito tempo, e temos feito aquisições estratégicas para aumentar a nossa experiência existente em linha com os requisitos dos clientes e as oportunidades de crescimento.”

Sem trem, sem ganho

Um desses aumentos é a Determined AI, que se tornou parte das ofertas de soluções de HPC e IA da HPE em 2021. O software de código aberto da Determined AI aborda o fato de que construir e treinar modelos otimizados em escala é um estágio exigente e crítico do desenvolvimento de ML – um estágio que cada vez mais exige que não-tecnólogos, como analistas, pesquisadores e cientistas, enfrentem os desafios da HPC.

Esses desafios incluem a configuração e o gerenciamento de uma pilha e infraestrutura de software altamente paralela que abrange provisionamento de computação especializado, armazenamento de dados, malha de computação e placas aceleradoras.

“Além disso, os expoentes do ML precisam programar, agendar e treinar seus modelos de forma eficiente para maximizar a utilização da infraestrutura especializada que criaram”, diz Armstrong-Barnes, “o que pode criar complexidade e diminuir a produtividade”.

Estas tarefas têm de ser realizadas, claro, com um nível rigoroso de competência que, mesmo com o apoio de equipas internas de TI sobrecarregadas, não é facilmente assegurado.

A plataforma de código aberto da Determinad AI para treinamento de modelos de ML foi projetada para preencher essa lacuna de recursos, facilitando a configuração, o gerenciamento e o compartilhamento de estações de trabalho ou clusters de IA executados no local ou na nuvem. E, além do suporte premium, inclui recursos como ferramentas avançadas de segurança, monitoramento e observabilidade – tudo apoiado pela experiência da HPE.

“A IA determinada visa remover barreiras para que as empresas construam e treinem modelos de ML em escala e velocidade, a fim de obter maior valor em menos tempo, com o novo sistema de desenvolvimento de aprendizado de máquina HPE”, explica Armstrong-Barnes. “Esses recursos incluem bastante tecnologia necessária para otimizar cargas de trabalho de IA/Machine Learning, como agendamento de acelerador, tolerância a falhas, treinamento paralelo e distribuído de alta velocidade de modelos, otimização avançada de hiperparâmetros e pesquisa de arquitetura neural.

“Acrescente a isso tarefas disciplinares, como colaboração reproduzível e monitoramento de métricas – é muita coisa para manter em dia. Com a ajuda da Determined AI, os especialistas em projetos podem se concentrar na inovação e acelerar o tempo de entrega.”

Mais recursos e regulamentação de HPC desempenham seu papel

O poder da HPC também está sendo cada vez mais usado para treinar e otimizar modelos de IA, além de ser combinado com IA para aumentar cargas de trabalho como modelagem e simulação – ferramentas estabelecidas há muito tempo para acelerar o tempo de descoberta em setores da indústria de manufatura.

O mercado global de HPC deverá apresentar um crescimento estimável durante o resto da década de 2020. Inteligência Mordor estimativas seu valor é de US$ 56.98 bilhões em 2023 e espera atingir US$ 96.79 bilhões até 2028 – um CAGR de 11.18% durante o período de previsão.

“A HPE vem construindo infraestrutura de HPC há muito tempo e agora possui um portfólio de HPC que inclui supercomputadores Exascale e plataformas de computação com densidade otimizada. Alguns dos maiores clusters de HPC são construídos com base na inovação da HPE”, afirma Armstrong-Barnes. “A HPE possui experiência incomparável em plataformas de hardware de alto desempenho.”

Com a introdução do HPE GreenLake para modelos de linguagem grandes no início deste ano (2023), as empresas – desde startups até Fortune 500 – podem treinar, ajustar e implantar IA em grande escala usando uma plataforma de supercomputação sustentável que combina o software de IA da HPE e os supercomputadores mais avançados.

Claramente, a adoção da IA ​​é um desafio para organizações de todos os tamanhos, mas não se trata apenas da tecnologia, salienta Armstrong-Barnes: “Cada vez mais, todos os adotantes da IA ​​terão de se manter atualizados com as regulamentações e conformidades emergentes da IA. Legislações como a Declaração de Direitos de IA dos EUA, a Lei de IA da UE e as futuras propostas regulatórias estabelecidas no Livro Branco sobre IA do governo do Reino Unido – geralmente esperado para informar uma Estrutura de IA pronta para conformidade – são exemplos imanentes disso.”

Para as empresas que operam internacionalmente, isto parece ser mais um obstáculo envolto em burocracia, mas Armstrong-Barnes sugere que a conformidade regulamentar pode não ser tão onerosa como pode parecer – com uma pequena ajuda de um ecossistema de parceria de IA bem equipado.

“Verifique se os seus parceiros do ecossistema de IA também podem ajudá-lo nas conformidades – se você já está em um ambiente de negócios fortemente regulamentado, pode muito bem ser que você já esteja a meio caminho com as observâncias existentes.”

Patrocinado pela HPE.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/