Desafios em IoT

0
494

Quando, anos atrás, se começou a falar da Internet das Coisas (IoT), existia um clima de euforia em torno das oportunidades abertas pela tecnologia. O otimismo fazia-se acompanhar de previsões fantásticas de mercado para IoT e de estimativas envolvendo a ordem de trilhões de objetos conectados à Internet.

Passado o período de expectativas inflacionadas, parece existir agora uma cautela maior com respeito ao tema. Nessa fase de maior cautela, as grandes visões sobre as possibilidades múltiplas da tecnologia são substituídas pelo interesse em definir alguns possíveis casos de uso, desafios reais para os quais a IoT poderia ser empregada com sucesso agora, já.

A mudança para essa perspectiva mais pragmática, que começou a se desenhar em 2015, é condizente com um certo avanço no grau de maturidade da IoT. Também valida o formato da curva de hype cycle do Gartner, que sugere as etapas do ciclo de vida de uma tecnologia emergente. De acordo com a curva, após um período de grande euforia segue-se um período de desilusão, provocado pelas várias restrições impostas pelo mundo real à novidade disposta a aflorar.

Em alguns países, a IoT já ultrapassou a fase de definição de casos de uso. Provas de conceito e projetos-piloto vêm sendo realizados por empresas, consórcios de empresas, com ou sem a ajuda do governo e de outras instituições parceiras, tais como academia e centros de pesquisa, desenvolvimento e inovação. As primeiras soluções, em geral oferecidas por startups ou grandes empresas, começam a chegar no mercado, gerando um volume maior de dados proveniente dos dispositivos conectados à Internet.

Mas até que a tecnologia seja adotada por uma fatia ampla do mercado, vários desafios precisam ser superados. Um deles diz respeito à segurança. A proliferação de diferentes dispositivos, redes, plataformas e aplicações para suportar IoT multiplicou as vulnerabilidades e aumentou significativamente o potencial para ataques maliciosos.

O tema segurança já faz parte da agenda de debates em IoT e continuará participando dela por algum tempo. Muitos CIOs ainda trabalham para adequar as suas abordagens de segurança às novas necessidades impostas pelas tecnologias móveis, tais como BYOD (Bring Your Own Device), e pela implementação na nuvem. Por conta disso, hesitam em acrescentar mais complicações à mistura, incluindo nela os desafios especificamente relacionados com a segurança para IoT. Vale lembrar, por exemplo, que IoT envolve o gerenciamento de dispositivos e objetos físicos, o que difere da gestão atual de bens virtuais. A implementação da segurança em cenário de IoT irá, portanto, requerer novas competências das equipes atuais de TI.

Outro tema na lista dos desafios diz respeito à criação de casos robustos de uso. Nesta direção, as aplicações para IoT envolvendo inteligência artificial, mais especificamente, as técnicas de aprendizagem profunda, são percebidas hoje como altamente promissoras. As primeiras apps suportando tecnologias de inteligência artificial começam a aparecer no mercado. O assunto ainda não deslanchou completamente porque o aprendizado de máquinas requer quantidades massivas de dados. Mas essa dificuldade deverá ser contornada com o crescimento no volume de dados coletados pelos dispositivos de IoT. Assim, é de se esperar que, com o tempo, a falta de dados deixe de ser um problema e a inteligência artificial assuma um papel crítico no cenário de IoT, levando a casos mais contundentes de uso.

No que diz respeito aos dados coletados por dispositivos de IoT, existe um trabalho árduo a ser feito de construção de um arcabouço legal para proteção aos dados pessoais e definição de direitos e condições de manuseio dos dados por terceiros. Decidir pelo modelo opt-in (“meus dados só poderão ser utilizados mediante a minha autorização prévia”) ou opt-out (“a não ser que eu me oponha, meus dados poderão ser utilizados”) é um exemplo, entre muitos, das decisões que precisam ser tomadas e para as quais players e países esboçam opiniões divergentes.

Outro exemplo de desafio a ser superado diz respeito à política a ser adotada em relação à concentração vertical na cadeia de valor dos dados. Permitir que um mesmo player atue em todos os elos da cadeia dos dados (coleta, armazenamento, tratamento, processamento e análise) pode inibir o surgimento de um ecossistema diversificado, favorável ao surgimento e fortalecimento de empresas especializadas em elos específicos da cadeia. Isso é particularmente crítico nos países em que predominam pequenas e médias empresas, sem vocação para atuação fim a fim. Elas poderiam ser engolidas por grandes empresas globais.

Dar sentido aos dados coletados também é um desafio e tanto. Muitos profissionais da área de inteligência começam a se questionar sobre o valor comercial dos dados obtidos e como capturar este valor.

A análise da grande quantidade de dados provavelmente irá requerer mudanças significativas nos recursos de TI disponíveis nas empresas. Os investimentos elevados certamente contribuem para que apenas um pequeno número de empresas esteja atualmente armazenando e analisando dados de IoT em grande escala.

A necessidade de reforçar as arquiteturas de TI para dar conta do ambiente de IoT é percebida tanto por empresas fornecedoras de dados como por aquelas interessadas em consumi-los. As atualizações necessárias geralmente incluem tecnologias para gerenciamento de big data, como Hadoop, o engine de processamento Spark e bancos de dados NoSQL, além de ferramentas analíticas avançadas que podem suportar o aprendizado de máquinas e outras aplicações habilitadas por algoritmos. Em muitos casos, para atender a todas os requisitos de análise de dados da IoT, é necessária uma combinação de várias tecnologias. As implantações trazem desafios formidáveis. Requerem investimentos em uma variedade assustadora de tecnologias, além de novas habilidades de gestão e análise de dados e tempo para aprender a lidar com tudo isso.

- Publicidade -
Innovation Hunter

DEIXE UM COMENTÁRIO

Please enter your comment!
Please enter your name here