A maioria dos projetos de inteligência artificial (IA) enfrenta dificuldades para sair da fase de testes e alcançar resultados em larga escala, mesmo quando apresenta bom desempenho nos projetos-piloto. Segundo executivos que participaram de um painel promovido pela Fortune Brainstorm Tech, que aconteceu no início do mês, o problema, na maioria dos casos, não está na tecnologia, mas na falta de planejamento, governança e definição clara dos objetivos de negócio. Durante o debate, a OpenAI informou que 97,9% de seus funcionários já utilizam agentes de IA internamente.Os participantes destacaram que muitas empresas conseguem validar aplicações de IA em ambientes controlados, mas encontram dificuldades quando tentam expandi-las para toda a organização. O resultado costuma ser a interrupção dos projetos ou a incapacidade de gerar impactos concretos para o negócio, apesar do bom funcionamento das ferramentas durante os testes.Governança e objetivos de negócioPara Sean Bruich, diretor de tecnologia da Amgen, nem todo projeto-piloto deve ser implementado em larga escala. Segundo ele, a fase inicial deve incentivar a experimentação, mas precisa ser acompanhada por critérios rigorosos para selecionar quais iniciativas realmente merecem investimento. "É muito fácil, com um projeto piloto, deixar que mil ideias floresçam", afirmou. No entanto, acrescentou que "a chave para que os projetos piloto sejam ampliados com sucesso é ter um grande número de ideias, mas uma governança muito rigorosa sobre quais projetos piloto serão de fato aprovados".Na avaliação de Lashonda Anderson-Williams, diretora de Clientes e Comercial da Salesforce, outro erro frequente é concentrar esforços na adoção de recursos tecnológicos, em vez de definir previamente o resultado esperado para o negócio. Segundo ela, quando o foco está apenas na implementação da IA, os recursos podem funcionar corretamente, mas sem produzir ganhos relevantes para a empresa.A executiva também afirmou que projetos baseados em agentes de IA dependem de um conhecimento detalhado dos fluxos de trabalho existentes. Segundo Anderson-Williams, muitas organizações sequer possuem esses processos devidamente documentados, o que compromete a implementação. "Quando você adiciona IA a isso, a expectativa é de que algo mágico aconteça, mas não há mágica nenhuma nisso", disse.Outro desafio apontado pelos participantes é o acesso aos dados. Informações espalhadas em diferentes sistemas, somadas às exigências de privacidade, segurança e permissões de acesso, tornam a expansão dos projetos mais complexa.Para Caitlin Halferty, diretora de dados da Thomson Reuters, essas questões precisam ser resolvidas ainda na fase de levantamento de requisitos. "Quanto mais cedo pudermos descobrir isso na fase de levantamento de requisitos, melhor preparados estaremos para o sucesso", afirmou. Ela também defendeu o envolvimento antecipado das equipes responsáveis por privacidade, segurança cibernética e outras áreas impactadas.Bruich reforçou que iniciativas capazes de transformar uma empresa exigem participação ampla de diferentes departamentos, como finanças, tecnologia e recursos humanos. Segundo o executivo da Amgen, um projeto de IA só gera valor quando vai além de aumentar a eficiência de um grupo específico de funcionários e produz, de fato, "um resultado que seja relevante para a empresa".