Aproximadamente dois terços do crescimento do produto interno bruto dos EUA no primeiro semestre de 2025 foram impulsionados por negócios gastos com software e equipamentos projetados para abastecer IA adoção.
Com tanto investimento e energia focados em desbloquear o potencial da IA, é lógico que muitas empresas, investidores e comentadores estejam a começar a questionar quando poderemos esperar ver uma recompensa.
Apontam para um crescente “paradoxo da IA”, onde, apesar do aumento do investimento e da adoção da IA, as empresas ainda não são capazes de mostrar benefícios concretos.
O que está causando essa lacuna crescente entre o valor potencial e o valor real? Cada vez mais, tudo se resume a uma falta de compreensão da interação crítica entre dadosconhecimento de domínio e orquestração de fluxos de trabalho de IA.
Embora a maioria dos líderes empresariais já entenda que precisam colocar seus dados em ordem antes de poderem realmente aproveitar o poder da IA, muitos estão conduzindo esse processo da maneira errada.
Eles estão empreendendo enormes migração de dados iniciativas ou concentrando-se em pequenas partes de seus negócios para tornar o processo mais gerenciável, mas poucos estão usando IA para resolver o problema de dados. Eles estão olhando para a IA como o objetivo final dos projetos de harmonização de big data, em vez de aproveitar o poder da IA para desbloquear seus dados.
A prontidão dos dados determina ou quebra as iniciativas de IA
Já vi esse fenômeno acontecer em incontáveis negócios que priorizaram a todo custo a inovação impulsionada pela IA, sem primeiro abordar a base de dados e tecnologia necessária para apoiar a capacitação da IA.
Também vi o outro lado, onde as empresas conseguiram reestruturar os fluxos de trabalho empresariais desde o início e extrair enorme valor da IA. Em todos os exemplos, a única característica definidora que separa aqueles que acertam na fórmula de IA daqueles que estão lutando para passar da fase de prova de conceito é a prontidão dos dados.
Para que a IA realmente agregue valor no nível empresarial, ela precisa ser capaz de aproveitar uma ampla variedade de conjuntos de dados estruturados e não estruturados de todos os aspectos do negócio. Na maioria dos casos, estes conjuntos de dados estão isolados, incompletos, incompatíveis ou inacessíveis a diferentes partes da organização.
Essa fragmentação é o que limita o potencial de tantos projetos de IA atualmente. É também um problema que a IA é especialmente adequada para ajudar a resolver. Com a IA de agência atual, é possível usar a IA para automatizar a descoberta, curadoria e transformação de dados, tornando os dados certos prontos para IA em toda a empresa.
Reengenharia de fluxos de trabalho corporativos desde o início
Por exemplo, o setor de seguros de propriedades e acidentes (P&C) emergiu como um dos bancos de ensaio mais férteis para a IA porque é um negócio que prospera com base em dados não estruturados e requer uma série de processos padronizados e repetitivos, embora altamente complexos, para funcionar corretamente.
Em todos os aspectos, é um fluxo de trabalho que está pronto para ser transformado pela IA. No entanto, muitas seguradoras têm lutado para integrar totalmente a IA neste processo porque não conseguem obter os seus dados subjacentes para apoiar um fluxo de informações verdadeiramente contínuo.
Para ser justo, é um processo complexo. Da subscrição ao pagamento de sinistros, os fluxos de trabalho de seguros dependem muito de dados, mas cada etapa os trata e armazena de maneira diferente. Subscritores, cliente serviço, financiare o gerenciamento de contas usam conjuntos de dados separados, e o processo geralmente é conduzido por transferências manuais.
Apesar dos avanços na tecnologia, as seguradoras levam agora em média 44 dias para processar uma reivindicação típica de um proprietário de casa – desde o pedido até o pagamento. Em vez de simplificar os fluxos de trabalho, o processo tornou-se mais lento do que nunca.
Incorporação de agentes de IA em pontos críticos de fluxos de trabalho complexos
Não precisa ser assim. As seguradoras que estão adotando a IA não como uma solução pontual ou prova de conceito, mas como uma oportunidade para reprojetar conexões de dados críticas e incorporar agentes de IA em todas as suas arquiteturas de dados, estão vendo resultados notavelmente diferentes.
Por exemplo, uma grande seguradora nacional embarcou recentemente num projecto concebido para acelerar o processamento da primeira notificação de perdas, com o objectivo de reduzir o tempo entre a comunicação de um incidente por um cliente e a recepção do pagamento.
Ao incorporar a IA de agência em pontos-chave do processo e – de forma crítica – estruturar todos os dados para que pudessem ser tratados num formato consistente e padronizado, conseguiram reduzir o tempo do ciclo de sinistros de várias semanas para dois dias.
O molho secreto de todo o projeto não era um projeto maior e melhor. modelo de linguagem grande ou mais investimento em IA. Estava melhorando a orquestração da IA no fluxo de trabalho.
A seguradora precisava ser capaz de coreografar todo o espectro de imagens de acidentes, chamadas de áudio, notas de avaliadores, dados de sinistros, contexto histórico, números de identificação de veículos, verificações de qualidade de dados, análises de cobertura e verificações de fraude para apoiar um fluxo de trabalho harmonizado e alimentado por IA.
Por exemplo, a seguradora conseguiu introduzir agentes de IA focados na qualidade dos dados, trabalhando em conjunto com agentes de IA focados em operações que monitoram as operações em andamento e intervêm quando há interrupções ou irregularidades no fluxo de trabalho.
Essa capacidade de fazer com que os agentes de IA trabalhem juntos, em vez de trabalharem em silos verticais, é o que permite um fluxo de trabalho de IA empresarial completo que oferece resultados verdadeiramente transformadores.
Ao implantar agentes de IA coordenados em conjuntos de dados importantes, as empresas podem construir um backbone de dados unificado que oferece suporte a operações multifuncionais. Essa abordagem permite que os sistemas colaborem, se adaptem e executem fluxos de trabalho complexos de maneira integrada.
Dados, domínio e IA
À medida que nos aproximamos do aniversário de três anos do lançamento do ChatGPT e do grande despertar mundial para o potencial da IA generativa e de agente para transformar verdadeiramente os negócios, muitos comentadores têm procurado falhas na fundação – exemplos que sugerem que os resultados não estão à altura do hype.
Na verdade, os resultados para as empresas que entendem os aspectos mais práticos aplicações da IA e dedicar um tempo não apenas para construir ferramentas, mas também para reimaginar as funções essenciais são nada menos que notáveis.
Para aqueles que enfrentam desafios, normalmente não é uma função da tecnologia em si, mas da capacidade de integrá-la de forma eficaz.
Este não é o tipo de tecnologia que você compra na prateleira, conecta e espera pelos resultados. Requer facilitadores de IA que entendam como trabalhar com os dados necessários para potencializar a IA e o conhecimento detalhado dos fluxos de trabalho específicos do setor que são os melhores candidatos para a transformação.
É um equilíbrio delicado, mas o céu é o limite para quem acerta a fórmula.
Apresentamos o melhor escritor de IA.
Este artigo foi produzido como parte do canal Expert Insights da TechRadarPro, onde apresentamos as melhores e mais brilhantes mentes do setor de tecnologia atualmente. As opiniões expressas aqui são de responsabilidade do autor e não são necessariamente da TechRadarPro ou Future plc. Se você estiver interessado em contribuir saiba mais aqui: https://www.techradar.com/news/submit-your-story-to-techradar-pro