5 desafios para área de Dados e IA

A área de dados segue o movimento de plena ascensão. Com o período de isolamento social, fintechs, grandes bancos, startups dos ramos alimentícios e de delivery, entre outros, continuam em alta com serviços oferecidos via plataformas e aplicativos a ponto de impactar o mercado e evidenciando cada vez mais a relevância do setor de dados. Tudo isso em razão dos recursos tecnológicos que viabilizam mais rapidez na usabilidade.   

"Cada vez mais a integração se apresenta indispensável para manter a competitividade das empresas. Somente assimilar a transformação digital não é suficiente. É preciso estar atento às inovações deste segmento e se antecipar ao movimento do mercado para abrir espaço a uma gama enorme de possibilidades", afirma Ahirton Lopes, CDO (Chief Data Officer) da Lambda3.

Paralelo ao crescimento expressivo das inovações tecnológicas, surgem também obstáculos para o setor. Atento a isso, Ahirton lista 5 desafios que a área de dados deve enfrentar ao longo dos próximos anos. Confira:  

 

Déficit de profissionais

Os engenheiros são profissionais responsáveis por encontrar tendências nos conjuntos de dados e desenvolver algoritmos para ajudar a transformá-los em informações úteis para a empresa. No entanto, a atual escassez de profissionais em um mercado onde sobra vagas  é um desafio. 

"Durante a pandemia muitas companhias mais que dobraram de tamanho, o que implica em ampliar o volume de dados gerados. O aumento da demanda foi tão expressivo, que fez crescer ainda mais o déficit de profissionais qualificados no mercado de tecnologia. Consequentemente, houve uma maior valorização para pessoas desta área que passaram a ser ainda mais disputadas pelas organizações - oferecendo como atrativo salários generosos e melhores condições de trabalho", diz. 

 

Acesso aos dados e ética

A questão ética envolvendo dados é uma preocupação constante que envolve consumidores, empresas e órgãos públicos. Desde o ano passado, o Governo Federal passou a aplicar sanções a quem não colocasse a Lei Geral de Proteção de Dados (LGPD) em prática no Brasil. Por isso, há alguns pilares que precisam ser seguidos no que diz respeito à ética, entre eles, a Inteligência Artificial deve ser centrada nos seres humanos e promover benefícios sociais, de forma justa, transparente, segura e responsável.

"Isso é um ponto de atenção, especialmente quando consideramos a escalada inevitável que a IA deve atingir em vários setores de nossa sociedade. Essas iniciativas não devem ferir princípios éticos.

 

Expansão do Machine Learning

Um dos principais desafios na área de dados é diminuir a distância entre o ambiente de experimentação teórico e o mundo real onde os modelos de produção operaram de fato. Ou seja, tirar do plano das ideias e colocar na prática o conhecimento adquirido pelo modelo Machine Learning (Aprendizado de Máquina).

 

"O intuito é que, assim como a mente humana, as máquinas sejam capazes de aperfeiçoar seus próprios processos e, desta forma, executar suas tarefas com um grau de precisão cada vez maior", sugere.

 

Tornar o conhecimento tangível para as organizações

Na medida em que os dados ficam mais distribuídos e fragmentados, dentro e fora das organizações, os analistas também têm mais dificuldade para explicá-los por trás de métricas, KPIs ou cálculos.

Quando a IA é construída sobre plataformas que as pessoas já usam, como sistemas de ERP ou CRM, a adoção é mais fácil, diz ele. Na verdade, as pessoas talvez nem saibam que existe IA ali.

"Nesse cenário, a linhagem de dados passa a ser essencial para triangular-los, explicá-los e aumentar a confiança dos usuários para reagir aos insights gerados por esses dados", pontua.

 

Cibersegurança

A segurança cibernética é um dos maiores riscos do uso da Inteligência Artificial, de acordo com uma pesquisa da Deloitte publicada em 2020. Isso acontece porque à medida que a tecnologia se torna mais difundida, surgem algumas brechas para insiders maliciosos - ou invasores inteligentes que são capazes de envenenar precisamente os dados de treinamento - para criar algoritmos que possuem falhas perigosas que são quase impossíveis de detectar.

“É importante pontuar que a IA está sendo cada vez mais utilizada, justamente, para defender empresas contra ameaças cibernéticas. Qualquer novo software ou plataforma traz consigo novos desafios de segurança”, finaliza.