Quatro Passos para o Desenvolvimento de Estratégias de Inteligência Artificial bem-sucedidas

A IA pode parecer mágica, mas não é. Se é verdade que bons algoritmos podem reinventar serviços governamentais, educação, saúde e a forma como as empresas interagem com os clientes, potenciar novo negócio e novas oportunidades, criando benefícios para os indivíduos e a sociedade, também é igualmente verdade que maus algoritmos podem dar maus resultados em termos de negócio e na perceção do cliente final.

Por Cristina Lobo Matias, Data & AI Service Line Leader da IBM Consulting – Portugal

Durante 2020 com o surgimento da pandemia, a inteligência artificial (IA) assumiu um papel especialmente relevante, o que foi comprovado por um estudo recente que indica que 43% das empresas em todo o mundo estavam a acelerar as suas iniciativas de IA como resposta a essa situação. Em Portugal, o cenário não foi diferente.

Infelizmente, muitas destas empresas apressaram-se a integrar a IA no seu funcionamento sem parar para perguntar o quê, como e porquê. À medida que as empresas procuram tirar partido dos insights de negócio e de outros benefícios que a IA pode proporcionar, é importante que não tentem colocar quadrados em buracos redondos e que não tomem decisões precipitadas que levem à criação de algoritmos que não sejam escaláveis, que produzam nova informação que não seja integrada nos processos e não tenham uma estratégia clara de governo para que estes modelos possam ser mantidos, evoluídos, limpos de ruído e que enderecem questões como o preconceito (bias).

A IA pode parecer mágica, mas não é. Se é verdade que bons algoritmos podem reinventar serviços governamentais, educação, saúde e a forma como as empresas interagem com os clientes, potenciar novo negócio e novas oportunidades, criando benefícios para os indivíduos e a sociedade, também é igualmente verdade que maus algoritmos podem dar maus resultados em termos de negócio e na perceção do cliente final. Em alguns casos, pode até minar a confiança, exacerbar a desigualdade e causar danos às pessoas, ao meio ambiente e às organizações.

Apesar do investimento e experimentação serem extremamente importantes, o maior desafio das empresas está na definição de uma estratégia de exploração da IA, com definição de objetivos e planeamento da visão futura sobre o que se pretende obter com esta capacidade de aumentarmos a inteligência humana. Se pedirmos a um utilizador para definir casos de uso para a IA, iremos deparar-nos com casos que são passíveis de implementar, outros que sendo possíveis de implementar podem não fazer sentido, por motivos de maturidade de dados ou pela visão a longo prazo, e outros que não são de todo casos de IA. Há que saber distinguir o que são bons casos de uso daqueles que não fazem sentido ou para os quais não se justifica o investimento face ao retorno obtido.

Para resolver este problema, as organizações que recorrem aos princípios do design thinking são as que têm mais hipóteses de sucesso. Uma abordagem centrada nas pessoas, que começa por ponderar quem vai consumir a IA, como vão consumir, e por que motivo esta é mesmo necessária. Isto começa com pensar criticamente sobre os problemas que o negócio está a enfrentar, enquadrando esses desafios de formas potencialmente solucionáveis pela IA, e depois identificar e refinar casos de uso que são cruciais para os objetivos do negócio.

Com uma abordagem baseada em dados e apoiada pelo conhecimento humano, a IA pode ligar com sucesso todos os dados estratégicos a iniciativas que realmente façam sentido para os objetivos de negócio definidos pela empresa. Mas como começar? O que ter em conta na adoção de IA?

1. Definir objetivo/intenção.  Muitas empresas não têm uma ideia clara do que esperam obter da IA para além de uma vaga noção de eficiência. É por isso que é importante aperfeiçoar as intenções, passando algum tempo a desvendar as oportunidades de negócio da IA que existem dentro da sua estratégia de negócio atual. Está a tentar manter os trabalhadores seguros? Manter os clientes felizes? Comece com uma clara intenção que está alicerçada nos seus principais objetivos de negócio.

2. Identificar os casos de uso.  Uma vez determinado o objetivo geral de implementação de IA, pode então definir os casos de utilização e os tipos de soluções necessárias pelos utilizadores e que serão eventualmente integradas na sua infraestrutura. A IA está a avançar rapidamente em vários campos, desde a visão computacional que determina o que está numa imagem até à IA de processamento de linguagem natural que se encontra em chatbots e assistentes virtuais. De que formas estas aplicações podem avançar as intenções que delineou?

3. Avaliar: A fase de avaliação envolve descobrir que dados precisa para tornar eficazes os casos de utilização que identificou. Diferentes tipos de equipas focam-se em diferentes prioridades e diferentes conjuntos de números, o que significa que parte dos dados da indústria pode estar de alguma forma em silos ou em fontes externas cujos dados ainda não são recolhidos. Para implementar casos de uso bem-sucedidos, precisa garantir que a sua solução de IA está a ser alimentada com dados precisos e limpos.

4. Planear: O último passo da abordagem de design thinking centra-se na definição de ações concretas utilizando declarações de intenções como guia para a implementação técnica. O objetivo é ajudar os clientes a operacionalizar a IA através do negócio, conectando todas as soluções à estratégia definida da IA.

Uma estratégia de implementação deve ter em conta a confiança: Como é que os seus clientes e colaboradores reagirão à sua organização utilizando os dados desta forma? Como é que os consumidores e o público-alvo podem saber que a sua implementação de IA é explicável e de confiança? Sem dúvida que as novas tecnologias assentes na IA devem estar assentes em pilares basilares como a explicabilidade, justiça, robustez e transparência.

Desenhar uma estratégia bem-sucedida de IA também é definir a equipa para cada caso de uso. É importante que as empresas incluam diversas vozes e as partes interessadas certas em cada fase do processo, não esquecendo que a IA está relacionada com matérias tecnicamente complexas, por vezes abstratas, que requerem perfis específicos e especializados que consigam endereçar todos os requisitos necessários a uma implementação de sucesso e, em simultâneo, capazes de explicá-lo e demonstrá-lo aos utilizadores finais para que estes modelos não se tornem uma “caixa-negra”, mas sim modelos entendíveis de uma forma generalizada por aqueles que os utilizam.

Na IBM, as sessões de definição de estratégia são lideradas por executivos que definem a intenção, definem tipos de informação, criam hipóteses de negócio, identificam casos de uso e infundem a ética da empresa na estratégia. As sessões técnicas convidam engenheiros de dados, designers e cientistas de dados a reunirem-se para concretizar as intenções definidas numa estratégia detalhada, definindo os casos de uso, avaliando os dados e planeando a execução. Ao longo de cada exercício, a narrativa visual, as imagens e os gráficos são usados para ajudar a garantir que, apesar de virem de diferentes áreas, todos os envolvidos tenham a oportunidade de falar a mesma língua. É, sem dúvida, este o caminho.

Não há dúvida de que atualmente a IA já está a transformar os negócios. São disso exemplo empresas que usam o processamento de linguagem natural para ajudar na comunicação com os seus clientes e rapidamente fazerem chegar soluções personalizadas e adequadas a cada um, ou que usam a IA para enriquecerem a sua informação de procurement e ganharem maior capacidade de negociação, ou que processam a informação e extraem conhecimento de diversas fontes, estruturadas e não estruturadas, e colocam à disposição da organização, e que de outra forma não poderia ser produzida ou não seria percetível a uma análise humana.

Muitas são as potencialidades. Mas o que estas implementações bem-sucedidas têm em comum é uma clara intenção e planos que ligam as vantagens da IA com as principais prioridades da empresa.

FONTE: https://www.computerworld.com.pt/2022/04/06/quatro-passos-para-o-desenvolvimento-de-estrategias-de-inteligencia-artificial-bem-sucedidas/