O foco da IA ​​está mudando de 'dados' para 'conhecimento'

A revolução da Inteligência Artificial (IA) foi iniciada há mais de meio século. Na última década, a IA cresceu de um campo científico acadêmico para começar a ser uma parte prática de nossa vida cotidiana. As estratégias de negócios de IA mais comuns que vemos são baseadas em dados. Acreditamos que os dados proprietários são atualmente o fosso mais estratégico para as empresas de IA, mas nos próximos anos, eles se tornarão menos um ativo único, tornando a diferenciação de dados proprietários menos sustentável. Portanto, esperamos uma mudança de foco, de estratégias de IA baseadas em dados para estratégias de IA baseadas em conhecimento.

O avanço do big data, facilitado pela implantação de vários sensores, conectividade com a Internet e aprimoramento de hardware e software em poder computacional, habilidades de comunicação e armazenamento digital, permitiu que a IA crescesse de pequenos projetos de pesquisa acadêmica a aplicativos de produção de grandes empresas. Essencialmente, o big data exigia modelos sofisticados de IA para analisar e derivar conhecimento e insights, enquanto os modelos de IA precisavam do massa crítica de big data para treinamento e otimização. Portanto, no momento, os dados são frequentemente percebidos como um fosso estratégico suficiente para startups de IA. Como investidores de capital de risco, vemos esse fenômeno rotineiramente. Nos últimos anos, vimos muitas startups que colocam a aquisição de dados no centro de sua estratégia de negócios. Um número crescente dessas empresas enfatiza os conjuntos de dados exclusivos que adquiriram e sua estratégia de longo prazo para adquirir dados proprietários adicionais - como uma barreira de entrada sustentável. Além disso, como as ferramentas de IA e as plataformas de IA como serviço transformaram em mercadoria o desenvolvimento de modelos de IA e os dados públicos se tornaram onipresentes, a necessidade percebida de construir e defender um fosso de dados tornou-se palpável.

No ecossistema de tecnologia atual, os mercados têm recompensado cada vez mais as empresas com programas líderes de IA e controle sobre dados proprietários - como uma vantagem competitiva substancial e sustentável. Empresas como Google e Netflix desenvolveram e curaram conjuntos de dados massivos e confiáveis ​​durante um longo período de tempo, enquanto muitas outras empresas lutaram em vão para igualar seu sucesso. Um exemplo é a grande interrupção de provedores de serviços de mídia e empresas de produção rivais, que foram superados pela Netflix ' estratégia de dados sofisticada.

No entanto, devido aos avanços esperados na capacidade e disposição para trocar dados, acreditamos que dentro de uma década, os bancos de dados proprietários serão menos sustentáveis. Embora os dados ainda alimentem o mecanismo de valor da IA, as estratégias de negócios da IA ​​estarão cada vez mais focadas no conhecimento.

Subindo na pirâmide de valores AI, em direção à camada de conhecimento

A pirâmide de valores de IA é baseada em dados e orientada pelo conhecimento. Enquanto hoje “estamos nos afogando em informações, mas com fome de conhecimento”, esperamos subir na pirâmide de valores da IA, em direção à camada de conhecimento. Na verdade, começamos a ver avanços que irão promover e acelerar essa tendência com a criação de trocas de dados. Esperamos que a troca de dados seja facilitada por uma combinação de maior viabilidade e vontade de compartilhar dados comoditizados em troca de conhecimento valioso. Em resumo, os dados se tornarão mais abundantes, disponíveis, confiáveis, padronizados e baratos - a definição perfeita de uma mercadoria ideal. Usar dados como uma barreira de entrada sustentável será mais difícil no futuro.

A maior viabilidade de compartilhar dados será acelerada pela proliferação de fontes de dados por meio do Internet das Coisas (IoT). Além disso, existem novas técnicas, protocolos e padrões para agrupar, compartilhar e trocar dados. Olhando para o futuro, a maior capacidade de compartilhar dados se tornará verdadeiramente significativa quando houver incentivo e uma tendência crescente para fazê-lo. Como a IA prejudica e interrompe o legado barreiras competitivas à entrada, muitas organizações tentam incansavelmente coletar seus próprios dados proprietários e monetizá-los. Infelizmente, essa aquisição e utilização de dados não é fácil nem proveitosa e, portanto, cria dissonância estratégica. Isso ocorre porque, embora a IA seja cada vez mais indispensável para a maioria das organizações, ela não faz parte de suas habilidades legadas ou expertise principal. Além disso, o cescassez crônica e duradoura de engenheiros, desenvolvedores, líderes de produto e gerentes treinados em IA aumentam essa dissonância e levam a uma preferência de solução para compartilhamento de dados com o objetivo de troca de conhecimento.

Um exemplo da combinação de capacidade e vontade criando através da troca de dados para geração de conhecimento é a nova proposta pela União Europeia, para criar "um mercado único de dados", a fim de capacitar pessoas, empresas e organizações a tomarem melhores decisões com base em percepções de dados não pessoais a fim de competir com os gigantes da tecnologia atuais.

Outro fator que contribui para que os data moats se tornem menos sustentáveis ​​é a invenção de novas soluções de dados que permitem o uso de conjuntos menores de dados para modelos de treinamento. Soluções de dados sintéticos (por exemplo, com Redes Adversariais Generativas) e outras técnicas de minimização, como aumento de dados, podem permitir que as empresas criem produtos de IA disruptivos, sem grandes quantidades de dados.

Leia a história completa aqui…