No hype, sem engenharia, governança de dados ou qualidade de dados, “entregando robôs inteligentes”. 🚀
Assim foi no DW com os acessos curingas e “work area”, ingestão e transformação manual e de dados de usuário, trocando ou tentando trocar o Excel por uma ferramenta de BI.
Data Lake com “sandbox”, mesmo caso.
GenAI com “Prompt Engineering”, onde ouvi até em “aula”, “Engenharia deixa para os Engenheiros, põe no prompt”.
Na minha última live exploro bastante técnicas de implementação, recomendação e riscos de cada uma, e lembro N vezes o cuidado com canivete suíço, não existe solução curinga, existe a melhor para cada case e que muitas vezes nem é preciso IA por exemplo.
O paliativo definitivo que dificilmente voltamos para refazer da forma que deveria ser feito desde o início, tendo como legado um monte de “robôs humanos” na operação, sendo estes robôs a maioria das vezes, quem “vendeu” o hype, e que passa a “vender” depois um problema de engenharia/governança por não conseguir performance ou tempo para desenvolver novos modelos.
Importante pilotarmos, testarmos, ir para o Lab e etc, mas entregar “valor” levando em consideração todas as disciplinas envolvidas, construir e demonstrar um modelo de apartamento decorado com TV de papelão e móveis fake, é bem diferente de entregar um edifício sem fundação, sistemas de integração com energia, água, segurança etc.
Cada vez mais devemos entender o sucesso como uma entrega multidisciplinar, não existe mais nós e eles, se Negócio deixa pra Negócio, Analytics deixa pra Analytics, Engenharia deixa para Engenharia….
Este é o primeiro e o mais antigo sinal/aprendizado para o fracasso do projeto, lembro dos 3 círculos de disciplinas onde a interseção deles era ciência de dados, isso em 2012, C1-Negocio, C2-Estatística e C3-Tecnologia, não temos unicórnio e sim equipe multidisciplinar.
Muda-se o hype mas os GAPs são os mesmos.
Qualquer inovação com “adoção” acelerada, que consome dados de uma plataforma sem engenharia/governança e sem qualidade, será só mais uma onda levando tempo e recursos, vejo adoção acelerada ok para quem tem uma boa fundação, essa é a ideia, escalar cada vez mais rápido, porém, sustentável!
Lembro de algumas previsões:
Em 2018, estimou-se que até 2022, 85% dos projetos de IA entregariam resultados errôneos.
No ano de 2016, eles estimaram que 60% dos projetos de big data falham.
Em 2019, 87% dos projetos de ciência de dados não chegam à produção.
Há dois anos, em 2022, nossos analistas estimam que até 2025, 80% das organizações que buscam escalar negócios digitais falharão porque não adotam uma abordagem moderna para a governança de dados.
