O rápido avanço da inteligência artificial levou a uma onda de experimentação em vários setores. No entanto, muitas empresas estão a experimentar a “fadiga da prova de conceito”, onde os ensaios iniciais não se traduzem em valor de negócio tangível. Ivan Zhang, cofundador da Cohere, uma empresa líder em modelos de linguagem grandes (LLM) para empresas, abordou esta frustração crescente durante uma recente Web Summit, instando os potenciais clientes a manterem a sua fé na IA, ao mesmo tempo que enfatizava a necessidade crítica de se concentrarem no retorno do investimento (ROI).
A Armadilha da Prova de Conceito
Zhang destacou a desilusão entre as empresas que investiram fortemente em projetos-piloto de IA sem verem um retorno correspondente. Reconheceu que muitos clientes da Cohere, apesar de construírem aplicações iniciais, tiveram dificuldades em levá-las para a produção devido a problemas que vão desde o custo e a governança até à segurança e privacidade dos dados. Este sentimento reflete uma tendência mais vasta onde a promessa da IA muitas vezes entra em conflito com as realidades práticas da implementação.
Ele apontou as questões de despesas, conformidade regulamentar, proteção de dados e protocolos de privacidade, que a Cohere espera resolver com a sua nova oferta de plataforma de espaço de trabalho, North.
O Imperativo do ROI
Em uma entrevista, Zhang enfatizou que a próxima fase da adoção da IA deve ser impulsionada por um ROI demonstrável. As empresas precisam de ver uma clara justificação financeira para os seus investimentos em IA, garantindo que os benefícios superam os custos. Alertou que alguns sistemas de IA são tão caros de operar que anulam quaisquer potenciais poupanças de custos decorrentes da automatização de tarefas.
“Às vezes, os sistemas que acabam por construir, o custo do próprio modelo é mais caro do que os humanos que o estão realmente a executar”, disse.
A questão essencial de saber se existe uma melhoria real com as implementações de IA tem de ser abordada para superar as pontes queimadas de empresas de IA que assumem projetos que nunca se concretizam.
Aumento de IA vs. Produtividade
Zhang também observou casos em que as empresas tentaram aumentar as forças de trabalho existentes com IA, mas não conseguiram ver qualquer melhoria na produtividade. Em alguns casos, os funcionários simplesmente reduziram a sua carga de trabalho sem aumentar a produção, anulando efetivamente os benefícios da IA. Isto destaca a importância de considerar cuidadosamente como a IA é integrada nos fluxos de trabalho existentes e de garantir que conduz a ganhos de eficiência genuínos.
Superando os Contratempos Iniciais
Zhang prevê que as startups de IA serão agora encarregadas de reconquistar as empresas “queimadas” por projetos que não deram certo. “A próxima fase de entrada no mercado para esta tecnologia é: ‘onde está o ROI?’” Ele acredita que as empresas de IA precisarão reconstruir a confiança, demonstrando o valor tangível das suas soluções e concentrando-se em fornecer resultados mensuráveis.
Ecos da Comunidade de Pesquisa
As observações de Zhang são apoiadas por pesquisas de organizações como o National Bureau of Economic Research, que não encontraram “nenhum impacto significativo nos ganhos ou nas horas registadas em qualquer ocupação” após pesquisar 7.000 locais de trabalho que usam chatbots de IA. Da mesma forma, um estudo do Boston Consulting Group revelou que apenas um quarto dos executivos pesquisados viram um valor significativo da IA, sugerindo que as empresas muitas vezes espalham os seus investimentos de forma muito superficial em vários projetos-piloto.
Priorizando Problemas de Negócios em Vez de Soluções Chamativas
O conselho de Zhang para as empresas que consideram os LLM é que se concentrem em resolver problemas de negócios específicos, em vez de construir soluções elaboradas sem casos de uso claros. Alertou contra “se perder na construção de algo e na procura de um problema”, enfatizando a importância de alinhar os investimentos em IA com os objetivos estratégicos de negócios.
IA como uma Ferramenta na Caixa de Ferramentas
Zhang argumentou que a IA deve ser vista como apenas mais uma ferramenta na caixa de ferramentas para resolver problemas de negócios e criar valor para os clientes. Alertou contra exagerar o potencial da tecnologia para resolver todos os problemas do mundo, enfatizando que ela é mais eficaz quando usada estrategicamente e em conjunto com outras soluções.
O Desafio da Alucinação
Embora a IA tenha feito progressos significativos, ainda existem desafios, principalmente na área das “alucinações”, onde os LLM geram informações falsas ou fabricadas. Apesar do progresso nesta área, as taxas de alucinação dos LLM permaneceram teimosamente altas, com até mesmo os modelos mais recentes de empresas líderes a produzir erros. Esta questão sublinha a importância da transparência e de fornecer aos utilizadores informações sobre como os modelos de IA chegam às suas conclusões.
O cofundador reconheceu a inúmeros profissionais que a alucinação continua a ser um problema na IA generativa. Afirmou que a empresa tentou ajudar sendo transparente, incluindo mostrar aos utilizadores “o pensamento bruto” dos seus LLM e quais as ferramentas que os seus sistemas usam, juntamente com como e citações para respostas derivadas.
O Cenário Competitivo
A Cohere enfrenta uma forte concorrência de rivais mais bem financiados no espaço da IA. No entanto, Zhang acredita que maior nem sempre é melhor quando se trata de construir modelos de IA económicos e eficientes em termos energéticos. Argumentou que um modelo é “tão bom quanto os dados e os sistemas que pode aceder”, enfatizando a importância de construir soluções que possam ser executadas completamente dentro dos ambientes dos clientes. Zhang elogiou o “crescimento intenso” da Cohere e disse que a natureza “relativamente nascente” do espaço deixa muito espaço para a empresa se expandir.
Crescimento de Receitas e Desafios
O crescimento da Cohere tem sido um tópico recente de foco para os meios de comunicação de tecnologia. A Cohere atingiu US$ 100 milhões (US$ 138 milhões CAD) em receitas anualizadas este mês, depois de mais do que duplicar as suas vendas desde o início de 2025, e o CEO Aidan Gomez disse recentemente à Bloomberg que a empresa estava “não muito longe” da lucratividade. Mas The Information informou que isso ainda está US$ 350 milhões atrás do que a Cohere disse aos investidores em 2023 que esperava estar a faturar anualmente até agora. Metas de receita e concorrência acirrada não são os únicos desafios que a Cohere deve enfrentar.
Processo de Violação de Direitos Autorais
A startup de IA também tem o que um especialista chamou de um processo de violação de direitos autorais potencialmente “precedente” de grandes empresas de mídia em seu prato. Um grupo de organizações de mídia, incluindo o Toronto Star, Condé Nast e Vox, alegou que a Cohere raspou conteúdo de mídia sem consentimento e o usou para treinar modelos de IA, acessou conteúdo em tempo real sem permissão e gerou saídas infratoras. A Cohere é apenas uma das muitas startups de IA que enfrentam processos semelhantes. A Cohere negou essas alegações, argumentando que as editoras que processam tinham se esforçado para “fabricar” um caso e contestou a noção de que qualquer violação prática de direitos autorais havia ocorrido.
Zhang recusou-se a comentar muito sobre o assunto, apontando o BetaKit para uma postagem no blog detalhando o pensamento da Cohere. “Estamos confiantes nisso”, disse ele.
Uma Análise Mais Profunda dos Desafios de Implementação de IA
Muitas empresas inicialmente mergulham nas iniciativas de IA com considerável entusiasmo, acreditando que a IA revolucionará rapidamente as suas operações e criará eficiências nunca antes ouvidas. Mas muitos descobrem que enfrentam desafios substanciais que não previram. Estas dificuldades podem assumir várias formas, desde a complexidade técnica à resistência organizacional. Compreender estes desafios é essencial para as empresas que esperam implementar com sucesso a IA e obter um retorno positivo sobre os seus investimentos.
Complexidade Técnica e Requisitos de Dados
Um dos primeiros obstáculos que as empresas encontram frequentemente é a complexidade técnica dos sistemas de IA. Os modelos de IA, particularmente aqueles baseados em aprendizagem profunda, são computacionalmente exigentes e requerem conhecimento especializado para criar, treinar e implantar. Os dados também são exigidos. A qualidade e a quantidade dos dados de treino têm um impacto substancial no desempenho dos modelos de IA. Coletar e preparar enormes conjuntos de dados pode ser um processo demorado e intensivo em recursos. Os projetos de IA podem ser prejudicados pela falta de dados rotulados de alta qualidade, o que resulta em modelos imprecisos ou preconceituosos.
Além disso, garantir a interoperabilidade dos sistemas de IA com a infraestrutura de TI existente introduz mais complexidade. Diferentes plataformas e estruturas de IA podem não ser compatíveis com os sistemas legados, o que exige alterações substanciais nos fluxos de trabalho e arquiteturas existentes. Integrar a IA em ambientes organizacionais complicados muitas vezes exige considerável experiência e uma forte compreensão tanto das tecnologias de IA como das operações comerciais subjacentes.
Barreiras Organizacionais e Culturais
Além dos obstáculos técnicos, as organizações podem encontrar substanciais obstáculos organizacionais e culturais à adoção da IA. Um problema prevalecente é a relutância dos trabalhadores em abraçar as mudanças impulsionadas pela IA. Os funcionários podem estar preocupados com a deslocação de empregos, bem como com a necessidade de aprender novos talentos e adaptar-se a novos métodos de trabalho. A resistência dos trabalhadores pode prejudicar as iniciativas de IA e impedir a realização das vantagens antecipadas.
Além disso, a implantação da IA requer considerável colaboração entre departamentos e equipes. Cientistas de dados, profissionais de TI, analistas de negócios e especialistas no assunto devem colaborar para definir problemas, criar soluções de IA e implantá-las na produção. Silos e falta de comunicação podem sufocar a cooperação e impedir a integração eficaz da IA nas operações comerciais. Superar esses obstáculos organizacionais e culturais exige forte liderança, comunicação eficaz e uma dedicação à gestão da mudança.
Preocupações Éticas e de Governança
À medida que a IA se torna mais difundida, as questões éticas e de governança tornam-se cada vez mais importantes. Os sistemas de IA têm a capacidade de perpetuar preconceitos, fazer julgamentos injustos e infringir a privacidade das pessoas. As organizações devem abordar estas preocupações desenvolvendo diretrizes éticas robustas e procedimentos de governança para o design, desenvolvimento e implantação de IA. Transparência, responsabilidade e justiça são princípios-chave para uma IA responsável.
A privacidade dos dados é uma questão importante a ser considerada. As regras de privacidade de dados devem ser seguidas ao construir sistemas de IA, juntamente com salvaguardas para proteger as informações sensíveis do acesso ou abuso indesejado. As organizações devem obter o consentimento do utilizador para a coleta e utilização de dados, bem como fornecer transparência sobre como os modelos de IA estão a tomar decisões. Além disso, as organizações devem ter mecanismos em vigor para monitorizar e auditar os sistemas de IA para descobrir e mitigar quaisquer riscos éticos ou consequências indesejadas.
Medindo e Demonstrando o ROI
Em última análise, o sucesso de qualquer projeto de IA depende da sua capacidade de produzir um retorno quantificável sobre o investimento (ROI). No entanto, determinar o ROI de projetos de IA pode ser difícil, particularmente quando os benefícios são intangíveis ou de longo prazo. As organizações devem estabelecer metas e indicadores claros para as suas iniciativas de IA, bem como acompanhar o progresso e medir os resultados regularmente. Isto exige uma compreensão completa do valor de negócio que a IA se espera que forneça, bem como os recursos necessários para atingir esse valor.
Além disso, comunicar os benefícios da IA às partes interessadas é fundamental para obter apoio e estabelecer confiança nos investimentos em IA. Isto pode implicar apresentar casos de uso, mostrar os primeiros triunfos e quantificar o impacto da IA nos indicadores de negócios essenciais. Para quantificar e mostrar com sucesso o ROI da IA, as empresas devem criar uma estrutura definida para medir o desempenho e expressar claramente a proposta de valor às partes interessadas.
O Futuro da Adoção da IA: Uma Perspectiva Equilibrada
As percepções de Ivan Zhang destacam a importância de uma abordagem equilibrada à adoção da IA, uma que reconheça o potencial da tecnologia, mantendo-se ao mesmo tempo enraizada em realidades práticas. À medida que a IA continua a evoluir, as empresas terão de se concentrar na construção de soluções que forneçam um ROI tangível, abordem questões éticas e se integrem perfeitamente nos fluxos de trabalho existentes. Ao priorizar problemas de negócios em vez de soluções chamativas e ver a IA como uma ferramenta na caixa de ferramentas, as organizações podem desbloquear o verdadeiro potencial da IA e impulsionar resultados de negócios significativos.