IA como parceira

A popularização da inteligência das máquinas

Os avanços da IA que aparecem em todo o setor são surpreendentes: basta olhar para os projetos do Google Deep Mind para prever estruturas de proteínas em 3D e controlar reatores de fusão, ou sistemas NVIDIA para criar instantaneamente fotos em 3D com base em objetos em 2D. Mas o que é realmente interessante é como a inovação em IA e ML está ao alcance de todos nós. Nunca antes esses campos exibiram tanto potencial ou aplicabilidade mainstream. As empresas estão usando soluções de IA para digitalizar recibos físicos, detectar fraudes, recomendar produtos para clientes e até mesmo transferir interações para porta-vozes sintéticos. 

Vemos IA e ML se tornando ainda mais acessíveis, com maior integração aos negócios – e mais produtivos. As fornecedoras de nuvem, como a AWS, agora oferecem ferramentas de gerenciamento de dados e modelos de ML pré-treinados que podem fornecer a qualquer empresa uma vantagem inicial na criação de valor por meio do aprendizado de máquina. Algumas fornecedoras até oferecem serviços de IA nos quais as empresas podem simplesmente inserir dados em um modelo pronto para uso para obter uma resposta ou resultado.

O crescente surgimento de soluções "prontas para uso" tem a capacidade de nivelar o campo de jogo e tornar cada vez mais soluções habilitadas para IA ou ML. No entanto, as empresas que fazem isso melhor e com dados da mais alta qualidade manterão uma vantagem. Isso torna importante continuar a se esforçar para desenvolver conhecimentos, capacidades e talentos de IA e ML. 

Os sinais incluem:

Um mercado de IA empresarial em rápida expansão. A Gartner prevê que o mercado de software de IA se aproximará de US$ 135 bilhões até 2025, com crescimento mais do que dobrando, para 31% — um ritmo consideravelmente mais rápido do que o mercado de software como um todo.

Produtos de consumo que incorporam IA como algo natural e sem muito alarde. Recursos alimentados por IA que poderiam ter gerado entusiasmo significativo apenas alguns anos atrás agora são um problema padrão em dispositivos como o iPhone da Apple, que usa IA para detectar, classificar e aprimorar imagens — muitas vezes sem que os usuários se deem conta da tecnologia subjacente inteligente.

Mais organizações nomeando chief data officers, e, em alguns casos, chief analytics officers (ou chief data analytics officers). De acordo com o especialista em recrutamento Korn Ferry, apenas uma década atrás apenas 10% das grandes empresas tinham tais papéis. A taxa agora entre as empresas “intensivas em dados” está mais próxima de três quartos. 

Empresas líderes em IA como a Meta dissolvendo grupos dedicados de IA em favor de incorporar especialistas em IA em equipes de produtos ou outras partes da empresa. Isso aponta para a IA se tornando uma parte integrada das operações comerciais diárias, em vez de uma prática especializada e autônoma.   

Profissionais do setor criativo estão levando as ferramentas de IA muito mais a sério e usando-as como recursos para poupar tempo ao criar ilustrações, arte, artigos, blogs e emails, e até mesmo código. 

As oportunidades 

IA aplicada para gerar valor comercial real. Com IA e ML agora ao alcance de muitas organizações e mais empresas capazes de incorporar recursos de IA/ML em operações ou produtos, há uma infinidade de caminhos a serem explorados. Existem diferentes maneiras de obter valor a partir de tecnologias de IA e ML. Por exemplo, as empresas estão aplicando IA para melhorar a eficiência, em última análise, reduzindo custos. Em alguns casos, a IA está sendo aproveitada para criar produtos totalmente novos e premiados, aumentando a criatividade humana e a tomada de decisões. Em outros casos, o ML está sendo usado de maneiras menos dramáticas para remover o atrito das experiências de usuário.

Desbloquear capacidade de inovação inexplorada, liberando as pessoas para se concentrarem no que importa. Há uma percepção incorreta, mas ainda comum, de que adotar IA/ML inevitavelmente significa eliminar empregos com automação. Mas, quando aplicadas da maneira certa, as tecnologias de IA/ML reduzem a quantidade de tempo que as pessoas precisam dedicar a tarefas repetitivas, dando-lhes espaço para se concentrar em funções de maior valor. Ao contribuir para o conhecimento do negócio e de clientes, a IA pode fornecer insights adicionais que abrem caminho para decisões produtivas e maior satisfação de clientes. O objetivo real de uma implementação de IA/ML deve ser apoiar e aumentar a inteligência humana, e não torná-la obsoleta.

Responder às perguntas mais complexas — em qualquer lugar. O poder computacional disponível e a compreensão algorítmica oferecida às organizações hoje significa resolver problemas que antes eram intransponíveis. Fundamentalmente, esses algoritmos podem ser executados em mais e mais lugares. Celulares com hardware IA embutida podem ser tão poderosos quanto um computador de mesa. Dispositivos de borda com processadores específicos podem usar técnicas de TinyML para executar IA em quase qualquer lugar, mesmo sem precisar de conectividade de rede. Tudo isso cria um potencial sem precedentes para extrair e analisar dados de diferentes fontes, gerando insights e informando a tomada de decisões, onde quer que seja necessário..

Responder às perguntas mais simples — em escala. Para algumas decisões, é possível remover seres humanos do ciclo de execução e fornecer respostas rápidas em escala. Por exemplo, usar preços dinâmicos para aumentar a ocupação dos quartos de hotel. Com esse estilo de IA, seres humanos ainda se envolvem com o monitoramento dos resultados para garantir que o sistema permaneça dentro dos parâmetros pretendidos.

Tendências para ficar de olho

Adote

Plataformas de ML. Uma plataforma sólida de ML fornece uma base sólida para todo o ciclo de vida do aprendizado de máquina, desde a ingestão de dados até sua preparação para uso em modelos e monitoramento dos resultados. Isso pode aumentar substancialmente a produtividade (e a satisfação) de analistas de dados, que não precisam mais se preocupar com os aspectos mais mecânicos de tornar os dados adequados à finalidade. As plataformas de ML também abrem caminho para um software de ML mais consistente e eficaz, permitindo que a organização extraia o melhor de si com a automação.

Avalie

Marketplaces de IA. Todas as principais provedoras de nuvem fornecem marketplaces para soluções de IA em suas plataformas. Marketplaces de fornecedoras menores ou para fins especializados, como modelos médicos, também vem surgindo. Empresas de todos os tamanhos, bem como indivíduos, podem aproveitar os modelos de aprendizado de máquina reutilizáveis, independentes e treinados gratuitamente, ou com preços baseados em assinatura

Antecipe

Segurança e regulamentação de IA. À medida que os desafios éticos criados pela IA se tornam mais aparentes, governos e órgãos reguladores estão tomando medidas para desenvolver livros de regras e códigos de conduta que as empresas que desejam aplicar IA/ML deverão considerar. Os primeiros exemplos incluem um roteiro para um ecossistema de garantias de IA que fará parte da Estratégia Nacional de IA do Reino Unido, a Declaração de Direitos de IA divulgada pelo Escritório de Política de Ciência e Tecnologia da Casa Branca e a Lei de IA da União Europeia.

Recomendações para quem quer adotar

Certifique-se de que IA e ML façam parte de seu conjunto de ferramentas corporativas. A DeepMind tem pessoas olhando para os problemas algorítmicos mais complexos do mundo – enovelamento de proteínas, controle de plasma de reator de fusão com campos magnéticos, etc. – e perguntando “poderíamos resolver isso com IA?” O mundo dos negócios precisa adotar uma abordagem semelhante ao enfrentar desafios mais mundanos. Tome medidas para aumentar a conscientização sobre a variedade de ferramentas e serviços de IA/ML que estão se tornando disponíveis, para que, quando seu pessoal enfrentar um problema, considere usar essas soluções. Em geral, os serviços de IA 'de prateleira' podem resolver problemas indiferenciados, como reconhecimento de imagem ou conversão de voz para texto, enquanto modelos personalizados são mais apropriados nos casos em que seus dados serão muito diferentes dos dados da concorrência, como rotatividade de clientes e previsão de vendas.

Apoie seus esforços de ML com uma plataforma de dados subjacente ou malha de dados. Mesmo se você tiver o mesmo modelo ou produto de IA que sua concorrência, bons dados e a capacidade de aproveitá-los de maneira eficaz podem ser um grande diferencial. Por exemplo, se você usar um serviço de IA para prever a demanda de clientes por seus produtos, fornecer dados históricos de alta qualidade em uma ampla gama de pontos de dados significará respostas mais precisas, mesmo que a concorrência esteja usando o mesmo serviço de IA em nuvem. Dados melhores podem ser a diferença entre o uso eficaz ou ineficaz, mesmo de modelos empacotados, e boas plataformas de dados aumentarão a produtividade de seu pessoal.

Evite estabelecer "centros de excelência" de IA ou simplesmente dizer à sua equipe para "fazer IA". Isso dá a impressão de que a IA é algo à parte, quando o que é realmente necessário é orientação para infundir a IA em toda a organização. Assim como segurança ou DevOps, a IA funciona melhor quando profissionais trabalham diretamente com as pessoas em toda a empresa, ajudando-as a aprender.

Reconheça que os sistemas de IA/ML enfrentarão uma curva de adoção e possível falta de confiança, além dos desafios de operacionalizar a IA a partir de um nível técnico. Dividir a implementação em pequenos experimentos em projetos impactantes pode minimizar as chances de disrupção maciça, ajudando a criar conforto e adesão. Avanços em IA explicável e tecnologias de aprimoramento da privacidade podem ajudar a aumentar a confiança ao longo do tempo.

Esforce-se para medir o impacto de produtos e serviços com infusão de IA/ML. Medir valor é sempre desafiador, mas é importante pelo menos tentar demonstrar que há um caso de negócio claro para a mudança. Estime o valor extra criado usando IA e ML em software mais simples com lógica if/then/else, ou o valor criado ao liberar as pessoas de tarefas manuais e permitir que pensem em problemas mais complexos.

Lembre-se de que a IA também tem manifestações e consequências negativas. Juntamente com as preocupações justificáveis sobre o aumento da vigilância com IA e o viés inerente aos algoritmos, há preocupações crescentes com as soluções de IA que facilitam o vício digital. O treinamento de modelos grandes também pode consumir grandes quantidades de energia, contrariando os esforços de sustentabilidade. É aconselhável permanecer sensível a essas preocupações e pensar nas possíveis consequências não intencionais de aplicar a IA a um processo ou objetivo de negócio, não apenas por motivos de reputação e regulatórios, mas porque é a coisa certa a se fazer.

Mantenha a mente aberta. Prepare-se para permitir que a IA ensine coisas que você não esperava aprender ou leve a uma abordagem que você não havia necessariamente considerado. Ao mesmo tempo, como as pessoas às vezes chamam de IA coisas que não são de fato IA e fazem afirmações sobre IA que são difíceis de verificar, mantenha um certo grau de ceticismo e reconheça que IA/ML não são a resposta para todos os problemas de negócios.