Tendências a se observar: as três principais

Adote

Entrega contínua para aprendizado de máquina (CD4ML)

CD4ML é uma abordagem de engenharia de software em que equipes multifuncionais produzem aplicativos de aprendizado de máquina baseados em código, dados e modelos em pequenos incrementos que podem ser reproduzidos e liberados a qualquer momento, com curtos ciclos de adaptação. CD4ML permite que as empresas criem os recursos e processos necessários para administrar, lançar e atualizar modelos de aprendizado de máquina de maneira confiável e segura, ao mesmo tempo permanecendo capazes de responder às mudanças e evoluções no cenário de aprendizado de máquina.

Avalie

Inteligência artificial explicável

A inteligência artificial explicável se refere a um conjunto de ferramentas e abordagens necessárias para entender a lógica usada por um modelo de aprendizado de máquina para chegar a uma conclusão. Essas ferramentas geralmente se aplicam a modelos com processos de raciocínio desconhecidos. A IA explicável está se tornando cada vez mais importante à medida que os modelos de aprendizado de máquina passam a ser aplicados em áreas que afetam diretamente a saúde, os direitos e o bem-estar econômico dos indivíduos, como assistência médica, justiça criminal e decisões de concessão de crédito. A IA explicável provavelmente desempenhará um papel ainda maior à medida que as implicações da inteligência artificial no campo de privacidade e regulamentações – como o Regulamento Geral de Proteção de Dados da UE (GDPR) – sejam melhor compreendidas.



Antecipe

Interface cérebro-computador

As interfaces cérebro-computador permitem que indivíduos interajam com computadores apenas por meio da atividade cerebral, geralmente medida por eletroencefalograma (EEG). Os avanços no uso do aprendizado de máquina para interpretar os sinais elétricos do cérebro criaram novos casos de uso com aplicações que podem ajudar as pessoas a tomar decisões em frações de segundo, reduzindo enormemente os custos de tecnologia nesta área.

Conselhos para quem quer adotar

• Desenvolva confiança em seus dados. Os modelos de IA que darão suporte aos seus times serão criados com base nos dados disponibilizados. Isso significa que os dados devem ser transparentes, precisos e confiáveis o suficiente para que você e seus times possam confiar que quaisquer decisões resultantes desses modelos serão sólidas e bem informadas. 

• Entenda e comunique quando as decisões tomadas por máquinas estiverem sujeitas a vieses e questionamentos éticos. Crie um modelo para rastrear quais decisões sensíveis serão tomadas, descreva como você espera que elas afetem quaisquer partes interessadas e estabeleça como você detectará possíveis consequências não intencionais. Certifique-se de que essas decisões podem ser satisfatoriamente explicadas e rastreadas até a "fonte".

• Crie parâmetros para medições quantitativas de seus processos atuais. Use técnicas como análise de fluxo de valor para identificar áreas com oportunidades significativas de automação, onde inteligência artificial e aprendizado de máquina podem produzir os maiores ganhos potenciais. Consulte e atualize os parâmetros regularmente para aferir a eficácia das implementações de inteligência artificial e aprendizado de máquina. Certifique-se de que a automação seja direcionada para fins específicos, e não utilizada como solução padrão para todos os problemas.

• Tenha empatia com times receosos de que “os robôs irão roubar nossos empregos”. Apoie as pessoas que estão aprendendo a trabalhar com algoritmos, deixando explícito que o objetivo final é liberá-las para um trabalho mais gratificante. Desenvolva planos claros de transição e progressão na carreira para que as pessoas cresçam em funções habilitadas pela automação de tarefas repetitivas.

• Avalie se a colaboração humano-máquina pode ajudar a aumentar o valor entregue para clientes. Considere que a automação pode ir além de apenas substituir pessoas na execução de tarefas e reduzir custos. A equipe que você tem hoje possui um vasto conhecimento sobre sua empresa e clientes, e esses insights devem ser aplicados para impulsionar a experiência de clientes de forma efetiva, já que essas pessoas irão gastar menos tempo em funções rotineiras. Qualquer solução de inteligência artificial ou aprendizado de máquina deve ser avaliada não pela eficiência criada internamente, mas por sua capacidade de habilitar times a entregar valor adicional para clientes.