A Inteligência Artificial não pode e nem deve ser subestimada

Por Cezar Taurion em 02/02/2019 no site CIO.

Foto: Shutterstock

É difícil imaginar algo mais revolucionário que a Inteligência Artificial usada de forma ubíqua. Mesmo uma pequena dose de inteligência incorporada a qualquer objeto eleva a eficácia do sistema a outro patamar. À medida que que incorporarmos a IA ao nosso dia a dia, ela será tão comum quanto um ERP nas empresas. Um estudo da McKinsey “Notes from the AI Frontier: modeling the impact of AI on the world economy” nos dá uma clara visão do impacto da IA na economia mundial e, claro, nas empresas. A IA não pode e nem deve ser subestimada.

Mas, hoje ainda estamos muito longe disso. A IA está hoje como a Internet estava há 20 anos atrás, quando o Google estava sendo lançado, a Amazon era uma pequena livraria online e o smartphone sequer tinha chegado ao mercado!

Mas, apesar de ainda estarmos engatinhando, algumas experiências, com seus acertos e erros,  têm mostrado seu potencial e vamos compartilhar aqui um pouco do que estamos aprendendo na DataH.

Antes de mais nada, para uma empresa pensar em fazer alguma coisa com a Inteligência Artificial ela deve primeiro ter compreensão do que é IA. O escritor britânico de ficção científica, Arthur C. Clarke, disse certa vez: “Any sufficiently advanced technology is indistinguishable from magic”. Para muitos executivos, a IA ainda é mágica. Já vi coisas do tipo “ah, a IA vai resolver isso para nós!”, como se IA fosse aquela varinha de condão na mão do mágico, que “puft, resolve o problema”.

Não, IA não é mágica. A organização (a começar pelos C-levels) tem que compreender o que é IA, e este entendimento de seu potencial e de suas limitações deve ser disseminado por toda a empresa.

Um exemplo que pode servir de benchmark é a iniciativa do Airbnb, descrita em “Airbnb is running its own internal university to teach data Science”. A IA é probabilística e não pode ser aplicada a problemas determinísticos. Uma folha de pagamentos é determinística. Seu salário é R$ 25 mil e você espera este exato valor sendo depositado na sua conta. Não aceitaria uma probabilidade de somente 95% deste valor ser depositado. Os 5% de erro poderiam afetar seu plano de vida no mês. A análise de radiologia, por outro lado, que indica com 97% de acerto um provável câncer de mama, é uma aplicação de IA, pois, a própria medicina é probabilística.

Mas além da compreensão, a empresa precisa ter competência ou talentos. É absolutamente necessário ter pessoal que saiba identificar que problemas poderão ser resolvidos com IA, que tipos de dados (e se existem, onde estão e como poderão ser usados) serão necessários e que conjunto de algoritmos serão adotados. Usaremos algoritmos preditivos supervisionados? Ou não supervisionados? Ou será o caso de uso de algoritmos de reinforcement learning?

Mas, esperem! Preciso pensar em algoritmos sofisticados? Nem sempre, embora um estudo da McKinsey (“Notes from the AI Frontier: insights from hundreds of use cases”) mostre que técnicas avançadas de Deep Learning, como “feed forward neural networks”, “recurrent neural networks”, e “convolutional neural networks”, representam pelo menos 40% do valor potencial considerando todas as técnicas analíticas.

Outras técnicas avançadas, como “generative adversarial networks” (GANs) e “reinforcement learning”, não foram avaliadas no estudo porque ainda estão bem incipientes, mas com certeza serão técnicas extremamente relevantes no futuro próximo. Portanto, ter pessoal que conheça estas técnicas, ou que tenha potencial de vir a conhecê-las, é essencial para as suas futuras aplicações de IA.

Com certeza será necessário escrever algum código e provavelmente o idioma Python será usado. Tem gente capaz de escrever código Python? Além disso, de  nada adianta ter um grupo de “Machine Learning Engineers” se não houver interlocutores nas áreas de negócio que entendam os desafios do negócio. Já ouvi um depoimento triste de um data scientist que me confessou que na primeira reunião em sua nova empresa, o executivo chegou para o seu recém contratado grupo e disse “vocês são o futuro desta empresa. Vão para aquela sala legal ali, desenvolvam soluções de IA que sejam inovadoras e surpreendentes”. Se despediu e foi embora. Os profissionais de IA podem até gerar coisas surpreendentes, mas  como serão aplicadas ao negócio? Se não houver uma forte interligação e engajamento mútuo dos executivos e responsáveis pelos negócios e o pessoal de IA, será apenas um exercício de frustração.

Mas uma questão ainda é pouco abordada nas iniciativas de IA: o treinamento adequado dos algoritmos e a eliminação de vieses que podem distorcer resultados e gerar não apenas frustração, mas um problema de imagem e descrédito para a empresa. A grande maioria dos projetos da IA ​​já se baseia nos algoritmos de Deep Learning. Esses algoritmos podem impactar a vida das pessoas e, se aprenderem errado, podem perpetuar injustiças na contratação, na análise de crédito ou aprovação de um seguro saúde. Isso pode acontecer se a base e o processo de treinamento forem enviesados, distorcendo o processo de aprendizado do algoritmo. Bem, não é suficiente saber que esse viés existe. Se quisermos evitá-lo, precisamos entender a mecânica de como ele aparece.

Costumamos resumir nossa explicação sobre o viés da IA culpando os dados pelo treinamento tendencioso. A realidade pode ser mais sutil: os preconceitos podem surgir muito antes de os dados serem coletados, bem como em muitas outras etapas do processo de treinamento.

Vamos começar pelo início: a definição e o enquadramento do problema a ser resolvido com IA. A primeira coisa que os engenheiros de Machine Learning fazem quando criam um modelo de Deep Learning é definir até onde ele pode avançar nas suas decisões. Uma empresa de cartão de crédito, por exemplo, pode querer prever a qualidade de crédito de um cliente, mas "credibilidade" é um conceito bastante nebuloso. Para transformá-lo em algo que possa ser calculado, a empresa deve decidir se quer, por exemplo, maximizar suas margens de lucro ou maximizar o número de empréstimos que serão honrados. A partir daí pode então definir a qualidade de crédito dentro do contexto desse objetivo. O problema é que essas decisões são tomadas por várias razões de negócios, e às vezes, não sabemos até onde ir.  Um algoritmo de Deep Learning é uma caixa preta, e suas decisões variam de condição para condição. Por exemplo, se o algoritmo descobrir que distribuir empréstimos subprime é uma maneira eficaz de maximizar o lucro, pode acabar se engajando em um comportamento predatório, mesmo não sendo essa a intenção da empresa.

Depois temos a etapa de identificação e coleta dos dados. Existem duas maneiras pelas quais uma distorção pode aparecer nos dados de treinamento: ou os dados que você coleta não são representativos da realidade ou refletem os preconceitos existentes. O primeiro caso pode ocorrer, por exemplo, se o algoritmo for alimentado com mais fotos de rostos de pele clara do que com rostos de pele escura. O sistema de reconhecimento facial resultante seria inevitavelmente pior no reconhecimento de rostos de pele mais escura. O segundo caso é precisamente o que aconteceu quando a Amazon descobriu que sua ferramenta interna de recrutamento dispensava candidatas do sexo feminino. Por ter sido treinado com base nas decisões históricas de contratação, o que favorecia os homens em detrimento das mulheres, o algoritmo aprendeu a fazer o mesmo. A Amazon desativou o sistema, mas gerou uma propaganda negativa:  “Amazon reportedly scraps internal AI recruiting tool that was biased against women”.

Uma terceira chance de inserir viés se dá ao preparar os dados, que envolve selecionar quais atributos você deseja que o algoritmo considere. Isso não deve ser confundido com a etapa anterior de enquadramento do problema. Você pode usar os mesmos atributos para treinar um modelo para diferentes objetivos ou usar atributos diferentes para treinar um modelo para o mesmo objetivo. Na modelagem, um "atributo "poderia ser a idade do cliente, outro a sua renda, ou ainda o número de empréstimos que ele obteve em determinado período de tempo. No caso da ferramenta de recrutamento da Amazon, um "atributo" poderia ser o gênero do candidato, seu nível de escolaridade ou seus anos de experiência. Isso é o que as pessoas costumam chamar de "arte" do treinamento do algoritmo: a escolha de quais atributos considerar ou ignorar pode afetar significativamente a precisão da previsão do modelo. Mas embora seu impacto na precisão seja até fácil de medir, seu impacto no viés do modelo não é.

O problema é que quando você descobre que o algoritmo está enviesado é difícil corrigi-lo. No caso da Amazon, quando os engenheiros descobriram que sua ferramenta penalizava as candidatas, eles a alteraram para ignorar explicitamente as palavras de gênero como "mulheres". Logo descobriram que o sistema revisado ainda estava aprendendo implicitamente palavras de gênero, através de verbos altamente correlacionados com homens e mulheres, usando isso para tomar suas decisões. Em outras palavras, os algoritmos de Deep Learning captam padrões que simplesmente deixamos de considerar. Lembram que mencionei ser uma caixa preta? Portanto, teste seu algoritmo não apenas para eficiência, mas para evitar que embuta qualquer viés. Não é simples e deve ser um dos principais pontos de atenção das iniciativas de IA.

OK, já falamos em compreensão e competência. Falta uma terceira variável: uma cultura que permita e incentive a inovação. Iniciativas de IA não têm garantia de resultado. O que significa cultura de inovação? Imaginemos uma aplicação de IA que permita criar um novo serviço que afete a “cash cow” atual do negócio. Sem um engajamento e suporte da C-suite, o resultado de curto prazo (manter a receita com o serviço ou produto atual) não dará vez ao novo serviço. Um problema muito comum nas empresas não é ignorar o novo, mas manter o modelo atual por tempo demais. Para que a IA otimize de forma significativa as atuais operações será necessário o redesenho organizacional, mudanças de perfis nos profissionais e até mesmo demissões. Quem “banca” esta mudança? O grupo de engenheiros de Machine Learning?

Uma empresa ágil do século 21 pode ser autônoma ou quase autônoma, quebrando todos os paradigmas de modelos organizacionais que adotamos hoje, legado da era industrial. Recomendo enfaticamente a leitura do livro “Smart Business: what Alibaba´s sucess reveals about the future of strategy”, de Ming Zeng, chairman do Alibaba Group. Em tempo, na DataH temos um projeto, o Ziggy Stardust, que objetiva gerenciar de forma autônoma, por algoritmos, até 70% dos processos de back-office até fins de 2020.

E aqui lembro que criar uma iniciativa isolada de IA é até relativamente fácil, desde que as variáveis vistas anteriormente sejam atendidas. A dificuldade está em permear IA pela organização. Um projeto, mesmo que bem-sucedido, terá pouco resultado na corporação como um todo. Como tornar IA ubíqua na empresa?

O Google adota a estratégia de “AI First”, que significa colocar IA em tudo que for possível. Por exemplo, em vez de usar IA para melhorar seus mecanismos de busca, ela usa as buscas para melhorar sua IA. Cada vez que você pesquisa no site e clica em um link está treinando a IA do Google. O blog do Google explica isso em “Introducing Google AI”. A expectativa do Google é a de que com mais dez anos de melhoria contínua em seus algoritmos, mil vezes mais dados e cem vezes mais capacidade computacional, ele terá uma IA inigualável. Nas palavras de seu CEO, Sundar Pichai, “em 2026, o principal produto da empresa não será mais a busca, mas a IA”.

A conclusão é simples, mas dramática. Os avanços na IA e na robótica estão impulsionando uma nova era de automatização inteligente, que será um importante motor de desempenho empresarial nos próximos anos. Afeta empresas, empregos, sociedade e a economia. Obriga a revisão da atual formação educacional, e demanda fortes ações por parte de governos e das empresas. É essencial que as corporações de todos os setores de negócio compreendam seu impacto potencial ou ficarão para trás. IA não é coisa de nerd ou de cientistas, mas deve estar nas reuniões do CEO e do board das organizações. Se isso ainda não está acontecendo na sua empresa, creio que já existe um bom motivo para se preocupar!

Blockchain é muito mais que uma tecnologia exponencial

Por Cezar Taurion em 15/01/2018 no site CIO

Comecei a prestar atenção em Blockchain ao ler artigo de abril de 2014, “Satoshi´s Revolution: How The Creator Of Bitcoin May Have Stumbled Onto Something Much, Much Bigger”. Até aquele momento havia ouvido falar, lido alguma coisa, mas não me havia caído a ficha. Com o insight, as coisas ficaram mais claras. Sim, uma nova tecnologia sinalizava um tsunami em alto mar e seu efeito poderia ser avassalador.

Em 2016, após várias leituras, inclusive a do livro de Don e Alex Tapscott, “ Blockchain Revolution: How the Technology Behind Bitcoin is Changing Money, Business, and the World”, vi que, no fundo,  havíamos captado apenas a ponta do iceberg. Assim como no início dos anos 90, ninguém imaginava a Web de hoje, e os negócios fabulosos e inovadores que dela saíram, como Google, Facebook, Amazon, Netflix, YouTube, Instagram, Uber, Airbnb e outros. O Blockchain está atualmente como estava a Internet no início dos anos 90.

Blockchain não vai provocar rupturas imediatas, mas manter o pensamento nas suas perspectivas futuras é fundamental. Se quisermos efetivamente criar novas fontes de valor, temos de entender para onde todas estas mudanças estão nos conduzindo. Já existem diversos casos de experimentações e iniciativas concretas, como o  recente projeto da Kodak, tentando renascer das cinzas, com a plataforma  KodakOne e a sua KodakCoin. O essencial é separar o hype da realidade.

Como todo software, ainda existem muitos pontos falhos a serem corrigidos. As aplicações de Blockchain no mundo real têm apenas alguns anos, e as suas duas plataformas mais disseminadas, Hyperledger e Ethereum, aliás, como todas as demais alternativas, não possuem maturidade, o que pode apresentar problemas imprevistos no próprio software, com potencial bugs ou mesmo erros de implementação. Mas, aos poucos, vemos aplicações Blockchain se espalhando. Se falarmos especificamente no tipo de aplicação mais comum de Blockchain, as criptomoedas, listamos mais de 1400. Curioso? Leia o artigo “There Are Over 1,000 Alternatives to Bitcoin You’ve Never Heard Of”.

Hoje, ainda temos pouca experiência coletiva e nenhuma best practicessobre Blockchain que possam nos ajudar a trilhar o caminho. Mas sabemos que mudanças exponenciais acontecem muito mais rápido do que pensamos.  Um exemplo de como uma mudança exponencial é subestimada é o Human Genome Project. Foi lançado em 1990, com estimativa de ser concluído em 15 anos a um custo de US$ 6 bilhões. Em 1997, portanto na metade do prazo, apenas 1% do genoma humano tinha sido sequenciado. Pelo planejamento linear que nós adotamos, considerando o ritmo de 1% em 7 anos, levaríamos 700 anos para concluir o sequenciamento. É um pensamento lógico não? A pressão para encerrar o projeto foi imensa, mas quando levaram o desafio ao futurista Ray Kurzweil, ele disse “1% significa metade do caminho. Ele pensou exponencialmente. 1% dobrando a cada ano significa chegar aos 100% em 7 anos. O projeto foi concluído em 2001, quatro anos antes do planejado e custando muito menos que o estimado. O pensamento linear, tradicional, errou o alvo por 696 anos! Assim devemos encarar o Blockchain. Reconhecer sua imaturidade, mas entender que por ser uma tecnologia exponencial, sua evolução poderá e deverá ser muito rápida.

Claro que existe muito ceticismo e alguns chegam a apontar o fato da inexistência de uma “killer application” para comprovar a viabilidade da tecnologia como um problema. Mas, pensemos juntos. O paper de Satohi é de 2008 e apenas em torno de 2012 é que se começou a notar o potencial do Blockchain e que não se trata apenas do Bitcoin. Na verdade, talvez não seja correto falar em uma tecnologia Blockchain, pois temos inúmeras tecnologias diferentes. Blockchains seria mais correto!

Com Blockchains pode-se reinventar os sistemas financeiros para serem mais seguros, melhores e mais eficientes. Mas, mudar uma indústria de centenas de trilhões de dólares não é algo que acontece de um dia para o outro. Muitas mudanças vão ocorrer no sistema financeiro, e, claro, o sistema atual não vai aceitar mudanças sem luta! Pense que Blockchains não são apenas um novo paradigma tecnológico, que, por si, leva alguns anos para ser adotado. Blockchain é uma mudança fundamental na forma como pensamos sociedades, confiança e redes. É muito mais amplo que discussões sobre tecnologias.

Quando os carros foram inventados, eles não substituíram imediatamente todos os cavalos e trens, e remodelaram de imediato as cidades como as conhecemos hoje. Demorou décadas para encontrarmos maneiras de fabricá-los em larga escala e a preços aceitáveis, enquanto estávamos implantando, em paralelo, as tecnologias para extrair petróleo em grandes quantidades, criar postos de gasolina e abrir estradas. Foi um conjunto de inovações convergentes. Os computadores tomaram o mesmo caminho quando o primeiro transistor foi inventado. Os primeiros computadores eram de uso muito restrito, e limitado a poucas dezenas de especialistas. Para usar computadores você tinha que estar no trabalho.  Não existiam terminais nas casas, só nos escritórios. Décadas depois todos nós temos um computador mais poderoso que um supercomputador dos anos 60 em nossos bolsos. No início dos anos 50 alguém imaginaria essa possibilidade?

Uma crítica comum é que hoje a mais importante implementação de Blockchain, a Bitcoin, é lenta, cara e consome muita energia e poder computacional. Mas lembremos dos primeiros dias da Internet, quando usávamos modem de acesso discado e tínhamos que esperar vários minutos para obter uma conexão de 24 Kbps. Hoje vemos tranquilamente vídeos e filmes em nossos smartphones.

Mas, indo além de criptomoedas e aplicações de Blockchain que substituam cartórios, registros de documentos, diamantes e obras de arte, que tal exploramos algo ainda embrionário, mas que pode provocar uma grande mudança nas organizações?

Falemos de DAO ou Decentralized Autonomous Organization. Uma DAO é uma combinação de código de computador, uma cadeia de blocos, contratos inteligentes e pessoas. Os fundadores de um DAO criam as regras básicas de governança de como funcionará a empresa e as pessoas se agregam a elas. Na verdade, não há hierarquia. É claro que, a qualquer momento que você reúne pessoas em um grupo, é inevitável o surgimento de políticas, mas não será a estrutura de "comando e controle" que a maioria de nós está acostumada a ver nas empresas.

As estruturas hierárquicas funcionaram muito bem em um período de mudanças mais lentas. Por outro lado, criaram fragilidades como ascendência profissional significar mais poder, controles rígidos e pouca flexibilidade para mudanças. Tendem naturalmente serem reativas à mudanças, pois qualquer mudança afeta a estrutura de poder tão arduamente conquistado. O modelo hierárquico foi criado para ser estático. As pessoas trabalham dentro de um contexto “que as coisas foram feitas assim e deverão continuar sendo assim”. É uma estrutura de comando e controle, onde o comando está nos níveis gerenciais e a execução nos níveis mais baixos, que apenas cumprem tarefas, sem maiores autonomias.  Os níveis intermediários, de gerência, funcionam como “buffers”, recebendo ordens e enviando-as para baixo, filtrando os problemas que surgem embaixo, repassando apenas alguns para a alta administração. As regras são claras e desvios punidos. Inovação não é algo incentivado, a não ser em teoria ou em posters nas paredes. As estruturas criam silos, muitas vezes com objetivos conflitantes entre si, criando um cenário de “nós contra eles”, como gerência versus staff, marketing versus finanças, TI contra todos!

A concentração de poder no topo da pirâmide organizacional cria um ambiente de separação, entre os que têm poder (os que estão no topo) e os sem poder, que estão nas camadas inferiores da pirâmide. Como poder é um recurso escasso, ele é disputado ferrenhamente, muitas vezes levando a climas de tensão negativas. A luta pelo poder exacerba algumas naturezas humanas como ambição, politicagem e desconfiança, que criam ressentimentos e frustrações. É um contexto que cria paradoxos entre valores escritos e praticados. Por exemplo, uma empresa fortemente hierárquica coloca como valor “confiança e responsabilidade”, mas a estrutura faz com que apenas as pessoas nas camadas superiores saibam o que está acontecendo e o que será feito em caso de crise. Por exemplo, uma onda de demissões é decida pela casta superior enquanto, em baixo, a imensa maioria dos funcionários aguarda em suspense o que virá...Onde está a confiança e responsabilidade? Porque estes problemas não podem ser discutidos abertamente e novas ideias serem propostas por todos que serão afetados por elas?

Por que não olhar uma organização como um ser vivo, em constante evolução e adaptação, aprendendo e agindo de forma diferente a cada novo aprendizado? Um ser vivo tem suas células funcionando de forma independente, sem controle central. O fígado reage por sua conta, sem esperar ordens. Pensar em uma empresa auto gerenciável é uma quebra de paradigmas, mas não creio que exista outra alternativa para sobreviver em um mundo que muda a cada instante. Isto significa criar equipes auto gerenciáveis, que tomam suas próprias decisões. Não existe a figura do chefe, mas todos tem mesma importância no processo de decisão.

Essa é a proposta das DAO. Uma DAO tem partes interessadas, as pessoas que se agregam à elas, que possuem tokens que representam uma participação no desempenho da DAO. Essencialmente, o que essas partes interessadas querem é um aumento no valor de seus tokens, ou seja, gerar mais valor para a empresa. Sem entrar nos aspectos legais, uma DAO tem "acionistas" e não funcionários.

Em vez de um conselho de diretores e executivos seniores, os titulares de tokens (acionistas) de uma DAO têm o direito de votar "sim" ou "não" em qualquer proposta que demande decisão da organização.

Em uma DAO, em vez de ser contratado como empregado, a pessoa recebe um contrato em uma base de projeto. Após discussão entre os membros da comunidade, a proposta é votada e, quando aprovada, o trabalho começa. Cada membro de uma DAO pode enviar propostas de projetos. Depois de enviar a proposta ao DAO e os membros da comunidade votarem na pessoa que propôs para executá-la, ela passa a ser o responsável pela entrega, na data e no orçamento.

OK, digamos que você perca seus prazos, de forma sistemática. Ou, ainda, que você se comporte como um completo idiota para os outros membros da comunidade.

Em um ambiente normal de "comando e controle", a política da empresa assume o controle e seu gerente pode te despedir. Você pode eventualmente falar com a área de recursos humanos para reverter a situação. Mas, depois de muitos ressentimentos e mágoas, você acaba indo embora, deixando um clima azedo no ar.

Em um DAO, se você não honrar seus prazos ou tratar as pessoas de forma inadequada, você sabe o que acontece? Os detentores de token DAO que votaram seu contrato simplesmente retiram seus votos. Seu contrato acaba e você está excluído da DAO.

Existe outro benefício potencialmente enorme com esse modelo. Como uma DAO é organizada em torno de contratos inteligentes, e não em torno de pessoas e papéis, a flexibilidade e agilidade para inovar é enormemente aumentada.

As empresas muitas vezes falam sobre a inovação. Mas, em uma organização hierárquica, a inovação enfrenta muitas barreiras e é realmente difícil de fazer. Ideias inovadoras são difíceis de gerenciar e difíceis de executar. Em uma organização plana, a comunidade pode se reunir e "financiar" as melhores ideias, vindas de qualquer lugar.

Em um mundo DAO, você não tem chefe. Mas o que é melhor é que os desempenhos ruins e aquelas pessoas que são um arrasto na organização, são removidos de forma muito mais rápida e eficiente. Alguém não está fazendo o trabalho ou não está tratando os outros com respeito? Remova o suporte do contrato.

O que o DAO oferece é o potencial não apenas de uma melhor produtividade, mas também uma melhor experiência de trabalho para todos.

Assim como os primeiros sites não nos dersm uma visão do que se tornaria da Internet atual, as primeiras DAOs são primitivas. Existem muitas dúvidas e questionamentos. Mas isso não significa que elas não sejam as sementes de mudanças significativas no mundo das organizações. Algumas iniciativas pioneiras estão em andamento. Devemos acompanhar sua evolução. Sugiro ler “The Book of Fermat” e o texto “Fermat Distributed Governance Model”, para uma ideias das concepções básicas de uma DAO. Aqui e ali já pipocam diversos artigos e alguns deles discutem as questões de regulação, como “The​ ​Decentralized​ ​Autonomous​ ​Organization and​ ​Governance​ ​Issues”.

Sim, tudo é muito novo, mas também muito instigante. Se você está pensando em criar uma startup voltada para o desenvolvimento de software ou marketing, com base na “gig economy”, que tal pensar no modelo DAO?

O Blockchain, muito além dos bancos

Cezar Taurion *

Publicada em 13 de novembro de 2017 no site CIO

Blockchain é uma tecnologia que vem chamando mais e mais atenção. Sim, é uma tecnologia que ainda está no estágio de experimentações e muitos executivos ainda não perceberam seu potencial disruptivo. Mas, ignorar seu potencial pode ser muito arriscado.

Vejamos: antes de mais nada, não olhemos a tecnologia isoladamente, mas observemos que as disrupções surgem na convergência de diversas tecnologias. A convergência de suas forças disruptivas é o que criará valor real e impulsionará inovações. E, muitas vezes, podem ser tecnologias e modelos de negócio que, à primeira vista, não têm nada em comum.

Por exemplo, vamos juntar a tecnologia do Blockchain e a economia do compartilhamento. Reunindo essas duas forças podemos potencialmente criar uma ruptura nos negócios de empresas inovadoras e bilionárias como Uber e Airbnb. O sucesso dessas empresas, que são plataformas de intermediação, é devido à sua capacidade de agregar o uso dos ativos das pessoas, como locais de hospedagem e automóveis, com potenciais usuários. Na prática, essas empresas criaram plataformas digitais que aproveitam o "excesso de capacidade" e utilizam os ativos e horas disponíveis de outras pessoas para fornecer os serviços. Esse mesmo conceito se aplica as outras empresas que “uberizam” diversos setores de indústria. Saiba mais:Mas afinal, o que é e como pode ser utilizado o blockchain? A SONDA te conta tudo o que você precisa saber Patrocinado 

Mas, e se incluirmos Blockchain no processo? Com Blockchain podemos, em princípio, contornar a plataforma intermediária e permitir a colaboração direta peer-to-peer dentro de uma estrutura de governança distribuída.

Com Blockchain, os fornecedores e consumidores de serviços compartilham um ledger digital descentralizado, sem a necessidade de uma plataforma agregadora centralizada. Ou seja, sem necessidade de um Uber ou Airbnb! Um exemplo prático de aplicação que pode substituir (ou complementar) o modelo Uber é o Arcade, que está chegando ao Brasil.

Como o valor real do Blockchain é estabelecer interações baseadas na confiança, o impacto pode ser profundo: uma plataforma centralizada, que tem como modelo de negócio ser o intermediário em uma transação de valor, está agora em risco potencial de sofrer disrupção porque o mesmo serviço pode ser fornecido por interações peer-to-peer.

O Blockchain oferece aos provedores de serviços um meio de colaboração direta, permitindo obter uma maior participação do valor dos serviços que eles prestam, sem as taxas que as plataformas agregadoras exigem de seus associados. Agentes inteligentes em um Blockchain poderiam fazer praticamente quase todos os serviços que são atualmente fornecidos pelas plataformas.

O protocolo de confiança do Blockchain permite que associações autônomas e independentes sejam formadas e controladas pelas mesmas pessoas que estão criando o valor. Todas as receitas dos serviços prestados, menos despesas gerais como campanhas de marketing e serviços jurídicos e administrativos, iriam para os próprios membros, que também controlariam a plataforma e tomariam suas próprias decisões. A confiança não será então gerada pela plataforma agregadora, mas sim através de consenso criptografado, essência do Blockchain.

Blockchain também pode mudar a forma como transacionamos commodities físicas. Por exemplo, olhemos o setor elétrico. Ele tem sido o mesmo sistema por muitas décadas, com entidades centralizadoras que controlam toda a cadeia, da geração à transmissão e distribuição. São empresas de capital intensivo, o que praticamente impede a entrada de novas empresas. Mas a chegada de novas e mais baratas tecnologias de geração de energia renováveis, como solar, permitem a criação de novos produtores, como prédios, fábricas, casas e até mesmo automóveis. Estes “prosumidores (produtores e consumidores de energia) podem competir com as distribuidoras existente pelo mercado de energia.  A tecnologia Blockchain pode ser uma alavancadora para permitir que as transações ocorram diretamente entre os interessados, sem interferência da entidade distribuidora tradicional.

Uma startup em Perth, na Austrália, a Powerledger, está testando uma solução peer-to-peer que permitirá às pessoas oferecer seu excesso de energia, gerada através de seus painéis solares, via Blockchain. A proposta é conectar diretamente os fornecedores com os consumidores sem a necessidade de intermediação pela empresa de energia. Outras experimentações já estão acontecendo, como a alemã Share&Charge, para veículos elétricos, onde você paga diretamente ao provedor do ponto de recarga, bem como vemos empresas de energia também testando o potencial de Blockchain e procurando entender como fazer parte deste novo modelo.

Uma experiência em New York, “How Blockchain Helps Brooklyn Dwellers Use Neighbors' Solar Energy”, testa essa possibilidade de parceria. Aliás, o estado de New York está promovendo competições para inovações em novos modelos de comercialização de energia, como o programa “Powering a New Generation of Community Energy”. Uma leitura no artigo “Banking Is Only The Beginning: 30 Big Industries Blockchain Could Transform” mostra o potencial de uso da tecnologia em diversos setores de indústria, muitos deles, à primeira vista, inimagináveis, como cibersegurança, registros acadêmicos, leasing de automóveis, registro de imóveis, programas de fidelização, e cadeia logística, no rastreio de produtos.

Sim, são todas experimentações, mas a tecnologia de Blockchain e o ecossistema em torno dela estão evoluindo rapidamente.

Hoje ainda temos mais perguntas do que respostas. Como estabelecer um sistema de governança transparente para garantir a longevidade dos blocos de um Blockchain? E quanto à segurança, desempenho, custos e, mais importante, regulações necessárias?

Com este potencial de aplicabilidade, é recomendado que os executivos das organizações, de todos os setores, comecem realmente a pensar mais seriamente em Blockchain. E questionem:

1) Que aspectos da minha organização será vulnerável a desintermediação e qual a probabilidade de isso acontecer? Lembre-se que a tecnologia é potencialmente disruptiva para todos os intermediários. A probabilidade de disrupção é proporcional ao custo, à complexidade e ao grau de duplicação das transações no atual sistema de intermediação.

2) Como reimaginar meu negócio à luz do potencial de mudanças provocadas pela desintermediação e como e quando iniciar a mudança, antes que alguém a faça antes?

3) Onde poderei aplicar Blockchain como vantagem competitiva e com ele oferecer novos serviços e até novos modelos de negócio?

4) Faz sentido desenvolver iniciativas de Blockchain sozinho ou será necessário o desenvolvimento colaborativo, em larga escala? Com quem deverei colaborar e como criar esses mecanismos de colaboração?

Algumas premissas devem definir as estratégias de aplicação de Blockchain pelas organizações. Primeiro, Blockchain é muito mais sobre colaboração do que sobre competição. Implementar Blockchain sozinho dificilmente será compensador. Setores fragmentados, com desconfianças mútuas e custos altos de transação entre si são, alvos preferenciais de aplicação de Blockchain. Um exemplo: o setor de Saúde. Por outro lado, quanto maior a extensão de um Blockchain e quanto mais heterogêneos forem os seus participantes, mais complexo será o desafio de definir uma estratégia comum. Em Blockchains “consorciados”, o gerenciamento do consórcio entre membros, que atualmente competem entre si, será um fator crítico.

Segundo, e uma questão ainda em aberto, é se o futuro será dos Blockchains abertos ou dos consorciados. Mais ou menos como a discussão sobre clouds públicas e privadas. Blockchain abertos têm a vantagem da escala (mais nós, mais validação), mas os “permissioned” dispensam determinadas funcionalidades como “proof-of-work” e, portanto, têm escalabilidade melhor.

Uma terceira premissa é o papel do governo, como agente regulador. Não temos ainda posições claramente definidas em nenhum governo do mundo. Alguns são mais abertos e ágeis, enquanto outros são mais lentos e conservadores. Entretanto, como Blockchain facilita auditoria e reduz fraudes e corrupção, é provável que haja uma tendência da maioria dos governos em entender e inserir a tecnologia em seu aparato regulatório.

E, por último, a incerteza ainda predomina. Tal como acontece com outras tecnologias disruptivas, haverá vencedores e perdedores. A rede social MySpace morreu, mas o Facebook se consolidou. Se a tecnologia evoluir com sucesso e conseguir um crescimento escalável, ela tem potencial de romper normas estabelecidas e transformar a sociedade e as empresas. Grandes quantidades de dados gerados pela sociedade hoje, mas controlados por plataformas centralizadoras, podem se tornar públicas e distribuídas. Em um mundo impulsionado por Blockchain, cada um poderá, em tese, monetizar seus próprios dados, gerando maior valor.

É muito provável que a tecnologia Blockchain se torne uma tecnologia mainstream. O nível de interesse na tecnologia demonstra o seu potencial para permitir o desenvolvimento de aplicações que trarão novas abordagens para os atuais problemas de negócios. Na verdade, serão os desafios sociais, jurídicos e financeiros que essas mudanças irão provocar e não a tecnologia em si, que serão as principais barreiras a serem vencidas.

Existem muitas experimentações, muitos indicadores da aplicabilidade de Blockchain, mas ainda não temos casos de uso concretos, em larga escala. Existem diversas implementações de Blockchain, todas cercadas de dúvidas em relação ao seu futuro. Portanto, na sua estratégia não se esqueça de perguntar "Quem paga pelo Blockchain?". Sua implementação é suportada por um ecossistema estável e apto para aplicações de missão crítica? Compreender claramente os incentivos e os fatores econômicos por trás de cada opção de Blockchain pode poupar muitos problemas futuros, em relação a escolhas erradas.

Cada empresa deve definir sua estratégia. Não existe uma resposta única. Mas, ignorar o assunto Blockchain é a única estratégia que não dará certo! O tema, pela sua importância e potencial de disrupção, deve estar, obrigatóriamente, na agenda executiva dos C-level das empresas. Saiba mais: Blockchain: o que é e como essa tecnologia pode ser utilizada? A SONDA explica. Patrocinado 

(*) Cezar Taurion é head de Digital Transformation da Kick Ventures e autor de nove livros sobre Transformação Digital, Inovação, Open Source, Cloud Computing e Big Data

O uso de Inteligência Artificial não é uma opção futurista

Cezar Taurion *

Publicada em 10 de outubro de 2017 no site CIO

Estamos entrando em uma nova civilização, onde a tecnologia digital será a tecnologia dominante. E a Inteligência Artificial terá um impacto similar ao que a eletricidade nos legou. Da mesma forma que a eletricidade mudou a nossa sociedade, a nova sociedade será tão ou mais impactada pela Inteligência Artificial. 

Aqui e ali alguns exemplos já mostram claramente que a IA tem potencial de provocar rupturas em diversos mercados. No setor de propaganda, por exemplo, a Cosabella, empresa americana, substituiu sua agência por um algoritmo. Vejam em “AI And The Agency: Lingerie Brand Cosabella Replaced Its Agency With Artificial Intelligence”. Machine learning e marketing: Veja com a WorldSense como a Inteligência Artificial está mudando a publicidade online Patrocinado  

Uma disputa para conquistar uma nova campanha da Mondelez no Japão foi ganha pelo primeiro diretor de criação baseado em IA, da McCann. A equipe que trabalhou sob as orientações do algoritmo bateu os concorrentes, formados exclusivamente por pessoas. O artigo “An Ad Agency Now Has the World’s First AI Creative Director” mostra como o projeto foi conduzido e abre uma frente de disrupção em um setor que sempre foi considerado imune aos avanços da IA. 

Outro setor, também visto como pouco provável de sofrer rupturas é o jornalismo. Mas a IA tem mostrado que pode provocar disrupções também nessa atividade. No último evento anual da ONA - Online News Association, nos EUA, a apresentação “Future of news: bracing for next wave of technology” mostrou que a IA já é, sim, uma ameaça para o futuro do jornalismo como o conhecemos hoje.

O relatório do FTI (Future Today Institute), “2017 Tech Trends Anual Report”, que recomendo enfaticamente que seja lido com atenção, diz explicitamente: “For the first time, artificial intelligence research has advanced enough that it is now a core component of most of our trends. It is vitally important that all decision-makers within an organization familiarize themselves with what AI is, what it is not, and why it matters”. 

Pense em IA como uma camada de tecnologia que será integrada em tudo o que fazemos. A evolução tem sido exponencial e os avanços mostram que a cada o seu potencial evolutivo dobra a cada ano. Nos últimos anos vimos alguns avanços significativos como o Watson, da IBM e o AlphaGo, do Google. Esse, especificamente, ao vencer o campeão mundial de Go, mostrou o imenso potencial da IA, como podemos ver em “Why Alpha Go is a bigger game changer for Artificial Intelligence than many realize”.

O artigo nos lembra o fato que, há 20 anos, o Deep Blue venceu Kasparov, o então campeão mundial de xadrez. Fato marcante. Mas o Deep Blue não aprendeu a jogar xadrez. Apenas usava poder computacional para buscar as jogadas entre milhares de jogos já efetuados e identificar a melhor jogada para o momento. Já o AlphaGo, embora também pesquisasse milhares de jogos, usava uma rede neural, de modo que, através do auto-aprendizado, pudesse gerar milhões de pequenos ajustes, permitindo que ele chegasse a algo tão próximo da intuição quanto possível hoje. É exatamente esse fator de intuição, de reconhecer padrões e aprender sobre eles, que farão com que a IA tenha um impacto muito mais profundo na nossa sociedade.

Uma análise muito bem detalhada do status da IA nas empresas foi publicada pela McKinsey em seu relatório “Artificial Intelligence: the next digital frontier?”. O estudo mostrou que existe um imenso gap entre a percepção do potencial da IA e sua adoção.  Poucas empresas, fora do setor de tecnologia, estão adotando IA de forma intensiva.  Na pesquisa com 3.000 executivos C-level, somente 20% disseram que estão usando IA em larga escala ou que ela já faz parte do seu core business. O estudo também mostrou que as empresas que já usam intensamente IA se destacam nitidamente em comparação com as que ainda não avançaram.

^{(Abra as imagens em uma nova tele para ampliar)}

Por outro lado, o uso intensivo de IA demanda uma preocupação com segurança e garantia de que os algoritmos estejam adequadamente treinados e cumpram apenas o que lhes é solicitado. O uso indevido de algoritmos, aos quais estamos cada vez mais dependentes, pode trazer sérios prejuízos. Um estudo muito instigante da Deloitte, “Managing algorithmic risks: Safeguarding the use of complex algorithms and machine learning”, mostra alguns exemplos onde o uso indevido de IA provocou sérios danos. O relatório explicita que algoritmos cada vez mais complexos, muitas vezes sem a devida transparência quanto ao seu design, ou mesmo treinamento inadequado ou base de dados com viés preconceituoso, são as principais causas de erros e atos ilícitos.

A IA está se tornando rapidamente a tecnologia fundamental em áreas tão diversas como veículos autônomos e negociações financeiras. Algoritmos de IA já estão rotineiramente incorporados nas ofertas de serviços móveis e online. As implicações são profundas:

a) Como sabem falar, ler textos, e absorver e reter conhecimento enciclopédico, as máquinas podem interagir de forma intuitiva e natural, em uma variedade de tópicos, com uma profundidade considerável.

b) Como podem identificar objetos e reconhecer padrões ópticos, como rostos em fotografias, as máquinas podem deixar o mundo virtual e se juntar ao mundo real.

Sistemas de IA já conseguem diagnosticar cânceres específicos com mais precisão do que os radiologistas. Os advogados do futuro farão um trabalho muito diferente do que fazem hoje, e, portanto, terão que passar por uma educação totalmente diferente da atual.

Para as empresas, o uso de IA não é uma opção futurista, mas uma realidade que pode ser decisiva em termos de competitividade. Automatização de processos produtivos: Veja com a SONDA como usar essa estratégia como vantagem competitiva Patrocinado 

As empresas que buscam alcançar vantagem competitiva através da IA precisam entender as implicações de máquinas que podem aprender, conduzir interações humanas e se engajar em funções de alto nível, em escala e velocidade incomparáveis com os processos atuais. 

Elas precisam identificar o que as máquinas podem fazer melhor do que os seres humanos e vice-versa, desenvolver papéis e responsabilidades complementares para cada um e redesenhar os processos de acordo com a intensidade de aplicação da IA na organização. 

A IA vai requerer uma nova estrutura organizacional, novos processos e novos modelos mentais serão desafiadores de implementar. As empresas precisam adotar maneiras adaptativas e ágeis de trabalhar e definir estratégias comuns em sinergia com startups e aos pioneiros na área. Em resumo, os executivos, começando pelos CEOs, precisam identificar onde a IA pode criar vantagem mais significativa e sustentável.

O que isso significa? Que se você não tiver uma estratégia de IA, suas chances de sobreviver na nova sociedade estarão próximas de zero.

(*) Cezar Taurion é head de Digital Transformation da Kick Ventures e autor de nove livros sobre Transformação Digital, Inovação, Open Source, Cloud Computing e Big Data