A IA pode ser usada em todos setores de indústria. Entretanto, o primeiro passo ainda é incerto. Por onde começar? Pelo básico
A Inteligência Artificial (IA) já é parte do nosso dia a dia. Sabemos que empresas como Netflix, Amazon, Google, Facebook, Alibaba, Tecent e diversas outras usam IA normalmente. A IA é a nova eletricidade, como disse o pesquisador Andrew Ng (Why AI Is the ‘New Electricity’), e como a eletricidade transformou as empresas e a nossa sociedade, a IA vai provocar, nas próximas décadas, outra massiva transformação.
Entretanto, observamos muita conversa e pouca ação. De maneira geral, as pesquisas mostram, grosso modo, que cerca de 40% das empresas nos EUA e Europa estão apenas pensando no assunto, 40% estão fazendo experimentações isoladas e apenas umas 20% estão realmente adotando IA de forma mais intensa.
No Brasil, embora não tenha conhecimento de pesquisas formais, minha observação tem mostrado que o número de empesas que estão experimentando ou adotando ainda é menor. As razões são diversas, variando de desconhecimento (muitos ainda confundem IA com um BI mais sofisticado) à falta de prioridade para adoção. A falta de talentos, um recurso escasso, ainda não chegou a incomodar aqui, simplesmente pela falta de demanda.
O desconhecimento ainda é grande. Quando conversamos com executivos, normalmente todos respondem que já ouviram falar em IA e reconhecem seu potencial disruptivo. Mas se aprofundarmos o assunto, por exemplo, perguntando se já ouviram falar em deep learning, feed forward neural networks, recurrent neural networks, reinforcement learning ou outras técnicas de redes neurais, aí a imensa maioria responde que são termos completamente desconhecidos.
Ok, um executivo não precisa conhecer os algoritmos de triangulação do GPS para usar um Waze, como não precisará saber criar e treinar uma rede neural, mas uma noção básica dos potenciais e limitações da IA e, consequentemente, de redes neurais, é importante para futuras tomadas de decisão em termos de investimentos. Um excelente estudo de aplicação de redes neurais em empresas é “Notes from the AI frontier: Applications and value of deep learning”, publicado pela McKinsey. Vale a pena lê-lo. Um bom investimento de tempo.
A IA pode ser usada em todos setores de indústria. Entretanto, o primeiro passo ainda é incerto. Por onde começar? Certamente que um projeto ambicioso, um “moon shot” não é o melhor caminho. Vários exemplos de fracassos mostram que começar grande não é a melhor decisão. Comece pelo básico, por exemplo melhorando com IA as ações que já utilizam algumas técnicas analíticas e BI, pois começam com uma parte dos dados que virão a ser necessários. Aliás, a base de qualquer iniciativa de IA é ter dados adequados e suficientes. O artigo “If Your Data Is Bad, Your Machine Learning Tools Are Useless” mostra que se a IA é o motor, sem combustível (dados) ele simplesmente não vai funcionar.
Para passos mais avançados em IA, é fundamental ter dados em volume e variedade adequados. As técnicas mais avançadas de IA, como deep learning, demandam treinamento dos algoritmos com uma massiva base de dados. À medida que avançamos no uso de IA começamos a tropeçar em alguns desafios.
Obter e acessar dados em volume, variedade e abrangência adequados não é simples. Os dados internos disponíveis mostram apenas uma pequena faceta do mundo que será analisado. Por exemplo, dados de cliente. Os dados que a empresa tem dos seus clientes, obtidos por sistemas como ERP mostram apenas as transações que foram efetuados por eles. Não mostram as interações que não foram efetuadas. O site e o app, se bem desenhados, podem capturar a movimentação do cliente, mesmo sem ação de aquisição. Mesmo sem a criação de uma transação capturada pelo ERP.
Esta movimentação deve então ser aglutinada aos dados do ERP, para uma visão mais completa de quem é e o que deseja seu cliente. Obtendo mais dados de outras fontes, pode-se formar um quadro ainda mais abrangente que permitirá que as redes neurais aprendam o comportamento do cliente e assim melhorem sua assertividade do processo de recomendação.
A fase de treinamento do algoritmo é crucial. É muito importante validar se os dados obtidos não geram um viés que pode provocar decisões erradas
A fase de treinamento do algoritmo é crucial. É muito importante validar se os dados obtidos não geram um viés que pode provocar decisões erradas. Também a escolha dos algoritmos é importante, não apenas para eficiência do projeto, mas também em relação a eventual restrição regulatória. Por exemplo, algoritmos que não permitam rastrear o porquê de sua decisão podem ser alvo de ações em determinados setores ou países. As regulações como LGPD no Brasil devem ser observadas para evitar que grandes problemas surjam à frente. Por exemplo, o nível de personalização deve ser analisado para não infringir restrições de privacidade e ética.
Vejamos o exemplo da precificação dinâmica, como usado pelo Uber ou empresas aéreas. Hoje a precificação varia por demanda de mercado, com os valores das corridas (ou passagens) mudando de acordo com o número de carros disponíveis (voos) e a procura por eles. Mas, naquela hora, para o mesmo trajeto, todos os usuários pagam o mesmo preço. Com IA podemos precificar por indivíduo. Isso pode gerar desconforto ao cliente, se ele souber que pagará um preço diferente de outro, na mesma hora, pelo mesmo trajeto.
A questão de ética deve ser levada a sério. Por exemplo, hoje nos acostumamos a ouvir em uma ligação com um call center que a conversa será gravada. No caso de um bot que interage conosco, não seria adequado que o bot se identificasse como tal? Por exemplo, “Oi, eu sou xxx, um bot, e estou aqui para te ajudar a resolver seu problema da melhor maneira possível”. Me soa muito mais transparente informar que o bot é um bot. Pelo menos até a sociedade se acostumar com eles.
Enfim, vemos que a jornada em direção a IA é muito mais que comprar uma solução pronta. Aliás, uma solução pronta, que responde a tudo com um simples plug and play é fantasia. Só existe no marketing.
A jornada começa com a definição de uma estratégia de IA. Devin Wenig, CEO do eBay afirma: “Se você não tiver uma estratégia de IA terá sérios problemas no mundo que está surgindo.” Concordo com ele.
A seguir busque entender as tecnologias, quais executam quais tipos de tarefas e os pontos fortes e fracos de cada uma. No artigo que citei acima, da McKinsey, são analisados diversos tipos de redes neurais e suas aplicabilidades à diferentes tarefas. Vale a pena estudar o assunto. Construa a capacitação em IA de sua empresa. Talentos são escassos e vão continuar assim por algum tempo ainda. Monte uma estratégia para atrair os melhores.
Crie um portfólio de projetos e valide as oportunidades existentes na organização. Comece obviamente por onde os resultados forem mais significativos a custos e investimentos menores. Dispare os projetos piloto e aprenda continuamente com eles. IA é um alvo em movimento. A evolução é muito acelerada e novas tecnologias e algoritmos surgem a todo instante.
Novas fontes de dados passam a ser factíveis. Acompanhe a evolução das regulações do seu setor, as inovações que surgem com startups e as mudanças nos hábitos da sociedade. Repense os seus processos frente à adoção de IA, eventuais mudanças na execução das tarefas, e em caso de eventual substituição ou recolocação de pessoas, seja o mais transparente possível.
A IA já é realidade. Todas as empresas irão adotar IA mais cedo ou mais tarde. Não há espaço para complacência, e portanto não pense que IA é apenas um modismo. Os modelos de negócio serão afetados. As funções e organização serão transformadas. A empresa poderá operar de forma bem diferente do que está acostumada.
Recomendo a leitura do instigante artigo “How Organizations Will Produce in an Autonomous Future”, publicada pelo MIT Sloan Management Review onde são mostrados casos de empresas que operam quase que totalmente sob supervisão de IA. Ainda são exceções, mas será que não sinalizam uma mudança para os próximos anos?
O mundo muda muito rápido. O iPhone surgiu em 2007 e nestes doze anos mudou nossa vida e nosso hábitos. Não necessariamente teremos uma empresa totalmente autônoma, mas será bem possível uma onde IA e humanos estarão trabalhando em colaboração, cada um fazendo o que melhor sabe fazer. Máquinas fazendo trabalhos robotizados e nós usando de forma enfática características humanas, como empatia, socialidade, criatividade e imaginação. RH se tornando Robôs e Humanos.
FONTE: NEOFEED