A rápida experimentação com Inteligência Artificial (IA) nas empresas tem gerado resultados mistos, levando a uma “fadiga de IA” e a um aumento no abandono de iniciativas. A pressão por resultados tangíveis e a velocidade do desenvolvimento da tecnologia contribuem para essa situação, mas estratégias de descentralização e foco em problemas de negócio podem ser a solução.
A Ascensão da Fadiga de IA
A participação de empresas que desistiram da maioria de suas iniciativas de IA mais do que dobrou em um ano, saltando de 17% para 42%. Em média, as empresas abandonaram 46% de seus proofs of concept de IA. Essa tendência é atribuída, em parte, ao esgotamento dos líderes e funcionários diante de falhas repetidas e da constante pressão para inovar com a IA.
Funcionários que se consideram usuários frequentes de IA relatam níveis mais altos de burnout (45%) em comparação com aqueles que a utilizam raramente (38%) ou nunca (35%). Embora falhas sejam esperadas em P&D, muitos líderes percebem uma pressão aumentada em relação à IA comparada a outras mudanças tecnológicas.
“Sempre que [o mercado], e todos ao seu redor, está te bombardeando com uma mensagem sobre uma tecnologia em alta tendência, é natureza humana — você simplesmente fica cansado de ouvir falar sobre isso”, disse Erik Brown, líder de IA e tecnologia emergente na consultoria West Monroe.
Falha e Pressão Impulsionam a “Fadiga de IA”
Erik Brown observa que muitos clientes sentem “fadiga de IA” devido a projetos que falham em entregar resultados concretos. Ele aponta para a escolha de casos de uso inadequados ou a má compreensão dos subconjuntos de IA como causas comuns de falha. A rápida evolução e complexidade do campo criam um ambiente propício para a fadiga.
Em alguns casos, a empolgação excessiva leva as empresas a “saltos muito grandes” sem planejamento adequado. Um exemplo citado é o de uma grande organização global que criou um “grupo de inovação” focado em IA, mas cujas tecnologias desenvolvidas não resolviam problemas centrais de negócio, gerando frustração e desperdício de recursos.
“Acho que é muito fácil com qualquer nova tecnologia, especialmente uma que está recebendo a atenção da IA, simplesmente começar com a tecnologia primeiro”, disse Brown. “É daí que acho que vêm grande parte dessa fadiga e das falhas iniciais.”
Eoin Hinchy, cofundador e CEO da Tines, detalha que sua equipe enfrentou 70 falhas em uma iniciativa de IA antes de alcançar o sucesso. O principal desafio técnico foi garantir a segurança e privacidade do ambiente para a implementação de LLMs. Hinchy também destaca a fadiga em outras áreas da organização, como a equipe de go-to-market, que lidava com a pressão de um mercado competitivo.
“Tiveram que haver muitos incentivos, diálogo e garantia para os engenheiros, a equipe de produto e nossos vendedores, dizendo que todo esse sangue, suor e lágrimas iniciais neste trabalho pouco glamoroso valerá a pena no final”, disse ele.
Permita que Equipes Funcionais Assumam o Controle
James Robinson, diretor de segurança da informação da Netskope, compartilhou experiências com decepções em relação a agentes de IA e investimentos que não trouxeram resultados. Enquanto a equipe técnica de engenharia permaneceu motivada, a equipe de governança sentiu o peso da fadiga ao ter que aprovar novas iniciativas e ferramentas de IA.
A solução encontrada pela Netskope foi descentralizar parte do processo de governança, permitindo que unidades de negócio específicas lidem com as etapas iniciais. Expectativas claras são definidas antes de apresentar os casos ao comitê de governança de IA.
“Uma das coisas em que estamos realmente insistindo e explorando são maneiras de colocar isso nas unidades de negócios”, disse Robinson. “Por exemplo, com equipes de marketing ou de produtividade de engenharia, deixe-os fazer a primeira rodada de revisão. Eles estão mais interessados e mais motivados para isso, honestamente, então deixe que eles façam essa revisão. E então, quando chegar à equipe de governança, eles podem apenas fazer algumas perguntas específicas de deep-dive e podemos garantir que a documentação seja feita.”
Essa abordagem espelha a recomendação de Brown, que ajudou seu cliente a se recuperar de um esforço fracassado. A sugestão foi voltar às unidades de negócio para identificar desafios-chave e verificar quais poderiam ser resolvidos com IA. Equipes menores, com participação da unidade de negócio, foram formadas e conseguiram prototipar uma solução em um mês.
O conselho geral para prevenir e superar a fadiga de IA é:
- Começar pequeno.
- Evitar o medo de não fazer nada, pois isso pode levar a ser superado por concorrentes.
- Evitar tentar fazer demais de uma vez ou não ser focado o suficiente.
- Dar um passo para trás e identificar cenários para experimentar com IA.
- Dividir em equipes menores em áreas funcionais e trabalhar em partes pequenas com alguma orientação.
O propósito da IA é, afinal, auxiliar em um trabalho mais inteligente, não mais árduo.