K. Ananth Krishnan *
Publicada em 23 de agosto de 2017 no site CIO
Como muitas inovações, a inteligência artificial surgiu à vista do público primeiramente como ficção científica. "Frankenstein", de Mary Shelley, " Robôs Universais de Rossum", de Karel Capek (de onde surgiu a palavra "robô") e outras obras conceberam seres artificiais com a capacidade de pensar como humanos.
Hoje, o crescimento exponencial do poder da computação está dando vida a essas e outras imaginações: de carros que dirigem sozinhos a assistentes inteligentes, redes de auto aprendizagem e dezenas de outras aplicações menos glamourosas, mas não menos importantes. E ainda estamos nos primórdios.
A Inteligência Artificial é a próxima onda de transformação da tecnologia, e nenhum executivo de negócios pode se dar ao luxo de ignorá-la. De acordo com o Gartner, os agentes inteligentes facilitarão 40% das interações móveis até 2020. O mercado para soluções cognitivas e de AI apresentará uma taxa de crescimento anual composta de 55,1% entre 2016 e 2020, segundo o IDC, passando de quase 8 bilhões de dólares em receitas para 47 bilhões. No Estudo de Tendências Globais da Tata Consultancy Services (TCS) sobre Inteligência Artificial, mais de 150 das maiores corporações gastaram em média 150 milhões de dólares cada uma em iniciativas de AI em 2015.
No entanto, pode ser difícil ter uma sólida compreensão do que é a AI exatamente e como ela pode ajudar sua empresa da melhor forma. Além de ser tecnologicamente complexa, a AI, como muitos dos produtos que gera, está evoluindo e mudando rapidamente. É, ao mesmo tempo, muito mais e muito menos do que qualquer promessa utópica ou visão distópica que costumam cercá-la.
É vital que as empresas sejam lúcidas e estratégicas ao navegar neste novo cenário. Altos executivos estão sendo bombardeados — desde a sala de TI até a sala da diretoria — com perguntas e exigências sobre como eles estão acompanhando o tema e como pretendem avançar. É fácil entrar na onda da AI e se sentir compelido a agir simplesmente porque a concorrência está fazendo isso, mas não é possível preparar as empresas para o futuro de uma tacada só.
Aqui oferecemos uma estrutura prática e realista de como pensar sobre a AI:
1. AI é uma grande ideia. É preciso pensar pequeno.
É fácil se prender a grandes visões de uma empresa transformada pela AI. Para a maioria das empresas, estamos longe dessa realidade. Os executivos devem ter um foco bem minucioso ao identificar problemas ou necessidades específicas que se beneficiariam mais da capacidade da AI, e não pensar se seria possível substituir metade de sua força de trabalho por bots, por exemplo.
No mundo empresarial de hoje as aplicações mais bem-sucedidas de AI são muitas vezes aquelas voltadas para a resolução de problemas difíceis, mas bastante mundanos, com significativo retorno sobre o investimento. Considere, por exemplo, a classificação de um tíquete de suporte. Ao permitir o processamento maciço de dados de várias fontes, a AI pode transformar dados dos tíquetes de suporte em informações valiosíssimas para business intelligence.
Ela também ajuda a pensar através do objetivo básico: ela está melhorando a produtividade na empresa? O atendimento ao cliente melhorou? Ou está expandindo seu potencial de mercado e de vendas? Uma única solução de AI não vai atender a todas essas necessidades
IA
2. O algoritmo é o cérebro. Concentre-se nos dados, que são o sangue que irriga o cérebro.
Com a capacidade da AI de relacionar e analisar armazenamentos de dados não estruturados (pense no feedback direto dos clientes, mais os comentários de mídia social), a ênfase deve estar em identificar e capturar os melhores dados possíveis de todas as fontes relevantes.
As empresas sempre coletaram dados por meio de uma variedade de aplicações, como CRM, Business Intelligence e agora mídia social. Isso só vai crescer à medida que as fronteiras organizacionais se fundirem e o ecossistema se tornar mais inteligente com sensores, fábricas e cidades inteligentes, dispositivos conectados e outros.
A boa notícia é que existem métodos e técnicas disponíveis que podem convincentemente armazenar esses dados, analisá-los e construir modelos de previsão em torno deles que vão aprender e melhorar. Quanto Melhores forem os dados, melhores serão os resultados.
3. A AI consiste em máquinas. Pense nas pessoas.
Aplicações de AI bem-sucedidas não necessariamente substituem o trabalho humano por máquinas, mas aumentam e melhoram a colaboração entre ambos.
Sim, certas tarefas feitas por pessoas agora, como a interação com o cliente de baixo nível, podem ser automatizadas por meio de bots ou outras aplicações de AI. De acordo com a Forrester, 25% de todas as tarefas serão destinadas a robôs de software, robôs físicos ou automação de autoatendimento ao cliente até 2019. Entretanto, o mesmo estudo afirma que 13,6 milhões de postos de trabalho serão criados usando ferramentas de AI durante a próxima década.
A maximização das capacidades da AI gera uma necessidade de mais criação e organização de conhecimento pelas pessoas. Por sua vez, esse conhecimento alimenta as máquinas para ajudar a ensiná-las. A capacidade de uma máquina de ter cognição semelhante à humana requer enormes quantidades de dados e treinamento. Por exemplo, não basta fornecer um mapa do percurso a um carro autônomo. Um modelo computacional bem-sucedido incluiria o máximo de informações possível sobre a forma como um ser humano compreende um percurso, incluindo conhecimento sobre meios-fios, semáforos, obstáculos prováveis durante diferentes condições meteorológicas, detalhes da superfície da estrada e muito mais.
Para que o sistema do carro tenha a capacidade de "raciocinar" e tomar decisões adequadas à medida que as circunstâncias surgirem e os erros sejam corrigidos, ele depende do recebimento de fluxos contínuos de dados. Todo esse "aprendizado" exige uma relação diferente entre máquina e homem, que deixa de ser um mero operador ou administrador para se tornar um professor contínuo. Isso, por sua vez, tem profundas implicações para a força de trabalho e a forma como é distribuída.
4. A AI está crescendo a uma velocidade vertiginosa. Bote o pé no freio.
Apesar de inebriante, o elixir da análise de dados em massa pode levantar questões éticas e riscos para seus clientes e seus negócios. Não coloque essas questões de lado, nem as deixe para outras pessoas. A academia já está nos estágios iniciais do desenvolvimento de estruturas que podem ajudar. Pesquisadores da Carnegie Mellon University desenvolveram um Índice de Influência Quantitativa. Esse índice pode analisar o peso dado a um conjunto de fatores ao chegar a uma decisão da máquina. Por exemplo, o índice pode revelar o peso dado à faixa etária e à renda na tomada da decisão de concessão de um empréstimo. Tais estruturas podem tornar o funcionamento do sistema de AI muito mais transparente, responsável e ético. Esse desenvolvimento poderia facilitar o gerenciamento de mudanças e a aceitação dos sistemas de AI nas empresas.
5. É difícil quantificar o ROI da AI. Não se preocupe com isso.
Você pode não saber o valor numérico das suas iniciativas de IA por algum tempo. Ela requer atenção e calibração contínuas. Crie outros marcadores de progresso, sucesso e fracasso, incluindo a capacidade de fazer novas coisas com a inteligência e uma análise prevista que a AI pode fornecer.
(*) K. Ananth Krishnan é Executive Vice President and Chief Technology Officer da Tata Consultancy Services (TCS)
Nenhum comentário:
Postar um comentário