Problema da Última Milha da IA: Conciliando a Capacidade do Modelo e a Sustentabilidade de Custos com Dados Imperfeitos

Joe RosePresidente de uma empresa de tecnologia estratégica JBS Dev, tem como missão desmistificar um dos mitos mais persistentes em torno da adoção de IA generativa e agente no ambiente corporativo.

“É um equívoco comum achar que seus dados precisam ser perfeitos antes de executar qualquer um desses tipos de tarefas.”

— Joe Rose, Presidente da JBS Dev

Conforme destacado em um Artigo recente no AI FieldbookFornecedores e consultores frequentemente sugerem que as organizações precisam de enormes data lakes e programas de transformação de dados plurianuais antes de começarem a aproveitar a IA — uma narrativa que deixa muitos executivos sobrecarregados. Mas a realidade, segundo Rose, conta uma história diferente.

💡 "As ferramentas nunca foram tão boas quanto agora para lidar com dados de baixa qualidade." diz Rose. "É quase notável o que um mestre em Direito consegue entender com base em um enunciado incompleto."

A imprevisibilidade inerente aos modelos de IA exige um tratamento cuidadoso — especialmente quando se trata de resultados ruins. É aí que entra o humano no circuito A modelagem torna-se essencial. Rose observa que, para dados textuais ou categóricos, já existe uma resiliência natural incorporada, mas as organizações precisam abandonar a mentalidade de "configurar e esquecer".

“As pessoas estão acostumadas com a ideia de que 'construímos, funciona e esquecemos'. Mas não é assim que esses sistemas funcionam.”

— Joe Rose, JBS Dev

🏥 Exemplo prático: Conciliação de faturas médicas

Para ilustrar o poder da IA ​​com dados imperfeitos, Rose cita um cliente no setor médico que precisavam ser migrados para um novo sistema de conciliação de faturamento. Os registros eram uma mistura caótica:

• Alguns registros estavam em Formato PDF, outros eram arquivos de imagem
• Os detalhes do procedimento eram, por vezes, arquivados sob o nome de nome do médico
• Os nomes dos médicos apareceram em Campos de nome do paciente
• Os dados eram inconsistentes em todo o sistema.

Apesar disso, a IA generativa conseguiu delimitar e limpar os dados usando um comando simples — aproveitando-se de OCR para imagens e Extração de texto para PDFsEm seguida, foram aplicadas abordagens mais proativas, como a comparação dos registros dos clientes com os contratos de seguro para verificar a precisão da cobrança.

📈 O Modelo de Automação Incremental

“Você começa a sobrepor diferentes casos de uso. Começamos com 20% automatizados, depois 40%, depois 60%, 80% — e aumentamos isso com o tempo.”

— Joe Rose, JBS Dev

Rose enfatiza que não se trata de alcançar a perfeição da noite para o dia. abordagem gradual e incremental — com supervisão humana em cada etapa — é realista e eficaz. O objetivo é a automação progressiva, não uma transformação pontual.

🔗 O futuro da IA: custo, portabilidade e sustentabilidade

Olhando para o futuro, Rose acredita que a próxima grande mudança no discurso sobre IA deixará de se concentrar em avanços na capacidade dos modelos e passará a focar em... sustentabilidade de custos e portabilidade.

“Como podemos tornar o custo mais sustentável para que não precisemos construir centros de dados na velocidade atual?”

— Joe Rose, JBS Dev

📱 O desafio da "última milha"Como Rose descreve, trata-se de fazer com que esses modelos funcionem em um laptop ou smartphone em vez de exigir infraestrutura de data center em grande escala. Ele também questiona a suposição de que novos dados de treinamento impulsionarão o próximo grande avanço da IA ​​— argumentando que os modelos já foram treinados em um enorme conjunto de informações existentes.

💬 Pare de comprar de fornecedores de SaaS — Crie sua própria solução

No Exposição de IA e Big Data, onde a JBS Dev é uma participante ativa, Rose está se preparando para compartilhar o que ele chama de mais opinião controversaorganizações devem pare de comprar de fornecedores de SaaS quando eles têm a capacidade de construir soluções por conta própria.

“Não é tão difícil quanto parece. Quase todo mundo tem algum tipo de presença na nuvem — e é por aí que eu começaria. As ferramentas de nuvem, especialmente das três maiores, têm tudo o que você precisa para começar a implementar cargas de trabalho com agentes amanhã mesmo, sem novas licenças de software e novos treinamentos.”

— Joe Rose, JBS Dev

✅ A mensagem é clara: as organizações não precisam de dados perfeitos, orçamentos enormes ou contratos longos com fornecedores para começar a usar IA. As ferramentas já estão disponíveis. A nuvem já existe. A hora de agir é agora.