Potência ao quadrado: Como as capacidades humanas irão potencializar o impacto da IA nos negócios

Introdução: Acreditar na propaganda?

Todo o hype em torno da Inteligência Artificial (IA) é justificado por oportunidades concretas de negócios? Os especialistas em IA da Thoughtworks dizem que a resposta é sim - com algumas ressalvas.

Um apetite por conhecimento de IA

Fonte: Deutsche Bank, Google Trends

"Muitas pessoas estão se concentrando no ChatGPT quando ele é apenas a ponta do iceberg", diz Barton Friedland, Consultor Consultivo Principal na Thoughtworks. "Os recursos já existem há algum tempo. O que mudou é que agora podemos usar a própria IA como interface, portanto, se houver um sistema para algo como detecção de fraudes, preços dinâmicos ou gerenciamento da cadeia de suprimentos, em vez de ter que apontar e clicar para chegar a uma solução, você pode simplesmente dizer ao sistema o que deseja, e ele pode entender e produzir o resultado que você espera. Nossa interação com os computadores será mais tranquila, pois agora temos mais opções de modalidades."

"A IA atingiu um nível de maturidade em que seu potencial se tornou mais visível e tangível para todos", diz Ossi Syd, consultor principal da Thoughtworks. "Veremos mais e mais oportunidades à medida que mais organizações começarem a entender o que isso pode significar para elas e como pode ser usado para resolver problemas." 

Os benefícios reais dessa mudança só serão obtidos pelas organizações que adotarem uma abordagem deliberada - e se libertarem de alguns dos conceitos errôneos - em relação à IA.

Considere o mito comum de que a IA requer grandes quantidades de dados históricos "limpos", quando, na verdade, esse não é necessariamente o caso. "Os dados ainda desempenham um papel crítico, mas há mudanças importantes", observa David Colls, Diretor de Práticas de IA e Dados na Thoughtworks.

"Aplicativos criativos e estratégicos não podem ser conduzidos apenas olhando pelo retrovisor, mas devem incorporar dados novos do mundo ou de sua imaginação coletiva", diz ele. "O uso de serviços de IA e modelos básicos, por outro lado, destila vastos, mas indiferenciados, armazenamentos externos de dados em sua organização. Esses dados só proporcionam vantagens sustentáveis quando aproveitados com sua experiência e, embora sejam externos, ainda exigem uma governança ponderada. Exatamente como a IA está conectada aos dados precisa ser reexaminada."

Da mesma forma, apesar de todo o foco na contratação de cientistas de dados, "a ideia de que as considerações sobre IA devem ser deixadas para uma equipe dedicada de especialistas em IA e ciência de dados é outro mito que precisa ser eliminado", continua Colls. "As soluções de IA são, em última análise, projetadas para as pessoas, e uma equipe multidisciplinar que inclua conhecimento técnico e de domínio, bem como um foco humano, permitirá que as organizações obtenham o máximo de valor delas."

Syd aconselha as empresas a não se intimidarem demais com o que uma implementação de IA pode envolver - ou a esperar um retorno imediato. "Há uma crença de que a integração e a adaptação da IA são um salto gigantesco que exige investimentos iniciais significativos antes de produzir resultados, quando, na verdade, tanto a transformação quanto a jornada da IA são de natureza mais gradual. A mesma crença foi associada à transformação digital no passado", explica ele.

As organizações - e seu pessoal - também podem descartar as preocupações de que os modelos avançados de IA generativa tornarão muitas funções obsoletas. "Houve um período em que a automação de ponta a ponta era vista como a solução, mas vários incidentes mostraram que essa não é uma abordagem muito resiliente", diz Colls. "As funções não serão necessariamente substituídas em sua totalidade, mas as coisas rotineiras ficarão mais fáceis de fazer. As pessoas terão a função de definir a direção e, em seguida, lidar com os desvios dos parâmetros normais, aplicando o pensamento criativo e a solução de problemas para lidar com essas situações."

Os melhores resultados podem ser alcançados "não necessariamente acreditando na propaganda, mas reconstruindo sua estratégia para levar em conta essa evolução da tecnologia", acrescenta Friedman. "A tecnologia só é realmente eficaz quando amplifica o que há de distinto em sua organização, reduz o atrito e apoia o crescimento."

i. Porque uma estratégia de IA agora é assunto de todos os setores

Com praticamente todos os setores sendo afetados pela IA, é fundamental incluí-la na visão mais ampla de qualquer empresa.

"Qualquer organização que esteja analisando como manter sua participação no mercado e permanecer competitiva na próxima década precisa prestar atenção e agir", diz Friedland. "O risco de não fazer isso é que os atuais modos de trabalho percam a eficácia ou que os produtos e o próprio mercado mudem de uma forma que não permita que a empresa acompanhe o ritmo."

"A urgência decorre do fato de que, nos próximos anos, todos os softwares, inclusive os casos de uso mundanos, como gerenciamento de armazéns e planejamento de preços, terão IA incorporada para que sejam mais autônomos e, ao mesmo tempo, aumentem a atividade humana", explica Syd. 

Então, o que implica uma estratégia eficaz de IA? Em primeiro lugar, ela se baseia na compreensão da IA menos como uma ferramenta específica do que como uma abordagem que pode ser incorporada a qualquer número de aplicativos, processos ou soluções em potencial. "É uma coleção de vários paradigmas que são adequados para diferentes contextos e para resolver diferentes tipos de problemas", diz Syd. "Essencialmente, os recursos de IA devem ser considerados como um dos principais blocos de construção ou ativos necessários para produzir valor comercial."

Cada vez mais, é a capacidade de integrar a IA aos negócios que criará a vantagem de uma organização. "As técnicas de IA, especialmente aquelas disponíveis como serviço com o toque de um cartão de crédito, são aquelas às quais seus concorrentes também têm acesso", observa Colls. "As soluções personalizadas que serão criadas internamente também serão, em grande parte, baseadas em código aberto. A capacidade de criar ou consumir soluções não será necessariamente o seu diferencial, mas sim a capacidade de integrá-las aos seus processos e produtos da melhor maneira possível."

Em segundo lugar, a estratégia está profundamente alinhada com os negócios e não é totalmente orientada pela tecnologia.

"Houve muitos casos de organizações que começaram com provas de conceito que não puderam ser implementadas 'fora do laboratório' por causa da incapacidade de escalonamento", explica Syd. "As organizações devem considerar, desde o primeiro dia, como uma prova de conceito bem-sucedida pode ser ampliada e incorporada à empresa, para que não fique apenas como interesse ou experimento interno para sempre."

A união dessas forças exige um forte envolvimento das lideranças executivas, o que, por sua vez, pode envolver um certo grau de educação.

"Muitas vezes, os membros do conselho são pressionados de ambos os lados, sendo solicitados a mobilizar novas tecnologias e, ao mesmo tempo, garantir que a empresa não corra o risco de algo horrível acontecer como resultado, mesmo quando não sabem como a tecnologia funciona", observa Friedman. "Um briefing pode dar a eles um amplo entendimento dos tipos de preocupações que precisam abordar e o que precisam fazer para garantir que permaneçam em conformidade."

Mais organizações estão começando a introduzir funções de liderança específicas de IA para impulsionar a adesão e a visão da IA nos níveis mais altos possíveis. Embora isso possa dar um impulso para a mudança, "as organizações precisam estar atentas para não relegar a IA a uma estratégia separada pela qual alguém naquela função é responsável", diz Syd. "Todos os setores verticais da empresa devem estar atualizados e envolvidos nos desenvolvimentos de IA da organização."

Quando todas as partes da empresa estão envolvidas, fica mais fácil identificar e priorizar processos ou ofertas específicas em que a redistribuição do trabalho entre humanos e máquinas pode ser gradualmente alterada para atender a resultados comerciais significativos.

"As organizações podem se preparar para o sucesso identificando primeiro a oportunidade e, em seguida, criando um quadro geral dessa oportunidade, que mostre as áreas de foco e os pontos em comum entre diferentes partes da empresa, onde você poderá aproveitar a mesma solução ou abordagem várias vezes", explica Colls. "O ideal é que eles trabalhem com as partes interessadas da empresa e com uma equipe de tecnologia multidisciplinar para levar o aplicativo adiante.” 

Syd alerta as lideranças executivas para que não fiquem sobrecarregadas com todas as aplicações teóricas da IA ou esperem que ela crie novas oportunidades do zero para todos. Para muitos, trata-se de aprimorar as operações existentes, permitindo que a empresa faça melhor o que já faz.

"Meu conselho é não deixar que a IA o confunda", diz ele. "Você já administrou sua empresa antes e tomou muitas decisões de priorização que ainda são válidas. Seus serviços são, em muitos casos, os mesmos serviços de antes; eles são apenas mais autônomos, mais eficientes ou mais relevantes por causa da IA."

ii. Casos de uso que geram resultados

Algumas das oportunidades mais atraentes de aumento da IA surgirão em torno dos recursos de dados das empresas. Em meio à mudança para a nuvem, muitas empresas continuam lutando com dados que residem em sistemas díspares e códigos que não são mais adequados à finalidade, complicando as operações e a tomada de decisões. Com a IA capaz de assumir parte do ônus de reunir dados, identificar problemas de software e até mesmo atualizar programas, ela pode ajudar as empresas a estabelecer novas conexões e, ao mesmo tempo, contribuir para a resiliência dos sistemas.

Friedland aponta o exemplo da Marimekko, uma casa de design finlandesa que recorreu à Thoughtworks para elevar o mecanismo que recomenda seus produtos aos clientes. Esse mecanismo já era um sucesso, tendo aumentado a receita em uma média de 24% por usuário, mas com a IA foi possível ampliar ainda mais os recursos do mecanismo.

"Há acertos e erros no processo de recomendação; a IA pode ser usada para processar esses dados secundários a fim de destacar lacunas na linha de produtos, de modo que eles não sejam usados apenas para aumentar as vendas, mas também para desenvolver produtos", diz Friedland. "Essa é uma maneira muito importante de pensar sobre isso. Quando as organizações estão fazendo um investimento significativo (em IA), por que não pensar na cadeia de valor e ver como o ciclo de vida desses dados pode ser continuado, para criar mais valor a partir deles?"

Também se tornou mais viável usar abordagens baseadas em IA para escrever programas que reduzam a quantidade de mão de obra necessária e forneçam de forma rápida e consistente as informações necessárias para sustentar operações complexas.

"Tudo o que é necessário é treinar novamente o modelo ou incluir novos dados quando as situações mudarem", diz Friedland. "Os programadores ainda serão necessários para ajustar as interfaces gráficas de usuária em torno de abordagens mais avançadas para a criação de programas e para trazer os dados. Mas um dos principais problemas que a IA resolve é que os programas comprovados podem ser alterados a um custo muito baixo. Essas duas dinâmicas - sistemas mais bem conectados, com a capacidade de alterá-los mais rapidamente - devem colocar as organizações em uma posição em que possam acompanhar o ritmo das mudanças com muito mais eficiência."

"Em geral, tudo o que envolve software atualmente será afetado pela IA", concorda Syd. "Qualquer que fosse o problema de negócios que as organizações precisassem resolver no passado, elas tinham ferramentas de software para fazê-lo e as usavam para melhorar a eficiência humana. A IA permite que as empresas automatizem ainda mais e aumentem a eficiência humana, mais do que qualquer software anterior poderia ter feito."

Outro caso em questão é o de uma cliente do setor de aviação, no qual a Thoughtworks, em colaboração com especialistas em gerenciamento de instalações e estacionamento, desenvolveu um modelo para otimizar a alocação de espaços para os aviões que chegam, levando em conta dezenas de variáveis complexas para criar e ajustar planos em um ritmo que seria impossível manualmente. Desde sua introdução, o modelo reduziu os atrasos relacionados a voos no aeroporto em mais de 60%.

Com um histórico de anos colocando soluções de IA generativa em produção, a Thoughtworks testemunhou seu potencial para ir além de medidas preditivas ou de melhoria de eficiência.

"Obter ajuda para gerar ideias, refinar designs de produtos e serviços ou entender opções estratégicas é igualmente ou até mais valioso", observa Colls. "Há muitas oportunidades para ir além da mentalidade de produtividade pura e examinar como as ferramentas de IA também podem ajudar na descoberta criativa."

Isso fica evidente na forma como a IA já está sendo usada para estabelecer novos padrões ou incorporar mais conhecimento de domínio ao desenvolvimento. Em um de nossos clientes, um dos principais produtores de salgadinhos do mundo, a IA está apoiando alguns elementos da criação de receitas, que historicamente era complicada por desafios com a coleta de dados, escassez de habilidades e gostos inconsistentes. Ao associar especialistas em produtos à IA, a organização consegue gerar receitas de maior qualidade de forma exponencialmente mais rápida. A IA não funciona isoladamente, mas aumenta as equipes qualificadas que fornecem orientação e feedback que melhoram ainda mais os resultados.

O sistema da organização reduziu o número de etapas necessárias no processo de desenvolvimento de 150, em média, para um novo produto, para apenas 15. "Isso é realmente significativo porque, se as organizações puderem criar produtos de alta qualidade com essa rapidez, isso poderá mudar a forma como os produtos são comercializados e vendidos - mais edições limitadas, mais clientes encantados com novas experiências que os mantêm interessados e conectados à marca", diz Friedland. "É uma mudança completa no modelo de negócios."

As últimas iterações da IA podem até mesmo ter implicações estratégicas de longo alcance, pois possibilitam a inclusão de uma gama muito maior de pontos de vista e considerações, inclusive aqueles que normalmente são marginalizados, na tomada de decisões.

"Se uma diretoria executiva está tomando uma decisão, provavelmente há várias pessoas que representam Perspectives ou interesses muito diferentes e vêem o mundo com suas próprias lentes", explica Friedland. "Mas para tomar decisões melhores, precisamos realmente entender as diferentes preocupações e como elas se interligam. Isso não é algo que as mentes humanas fazem muito bem, mas se você criar um Looking Glass com um computador, modelando as suposições que as pessoas estão fazendo sobre o que grupos como os trabalhadores querem, quais são as necessidades financeiras, quais são as metas e aspirações de marketing, juntamente com considerações como sustentabilidade, conexões e ideias totalmente novas podem surgir."

iii. Barreiras de proteção e boas práticas

Em meio à empolgação, também é preciso reconhecer que os avanços na IA apresentarão novos desafios às empresas.

Ao buscar ganhos de produtividade com a IA, "as organizações também precisam estar cientes da qualidade, que é algo que pode ser difícil de avaliar", adverte Colls. "Dependendo do nível de tolerância a falhas que as organizações têm, o caso para adoção pode mudar."

À medida que as soluções se tornam mais sofisticadas e são incorporadas com mais frequência e profundidade em softwares, produtos e operações cotidianas, "seu potencial de permitir que as pessoas cometam erros com mais facilidade ou atinjam metas com más intenções" também se expande, observa Syd.

As pesquisas já apontam para um aumento nos incidentes e controvérsias de IA, sejam vídeos "deepfake" de líderes políticos e empresariais, ou vieses que alimentam o monitoramento e a análise de dados. As consequências para a reputação e para a regulamentação tornam essencial que as empresas tomem medidas proativas para garantir que seus experimentos com IA permaneçam eticamente sólidos e em conformidade com a legislação.

Aumento constante de incidentes e controvérsias de IA relatados na última década

Fonte: Institute for Human-Centered AI, Stanford University, Abril 2023

Entretanto, o potencial de contratempos não deve provocar paralisia. Os princípios básicos da tecnologia responsável, garantindo que as soluções sejam baseadas em valores como equidade, acessibilidade e sustentabilidade - valores que muitas empresas já defendem - formam uma primeira linha de defesa significativa. A IA responsável, em outras palavras, torna-se uma extensão natural da abordagem de tecnologia responsável.

"Os problemas que a IA é usada para resolver na maioria das empresas são, naturalmente, completamente protegidos dos direitos humanos fundamentais ou das questões de privacidade", diz Syd. "De qualquer forma, uma cultura empresarial sólida e normas éticas são as grades de proteção mais importantes. Os princípios fundamentais de negócios éticos e responsáveis ainda são necessários e válidos na era da IA."

A diversidade nas organizações e nas equipes de entrega é outra consideração importante, observa Colls. A incorporação de uma pluralidade de pontos de vista no desenvolvimento e a avaliação das possíveis consequências das soluções por meio de uma variedade maior de lentes aumentam a probabilidade de os modelos evitarem preconceitos e outros problemas.

"A ética é um daqueles espaços em que você nunca está acabado, da mesma forma que as empresas buscam continuamente melhor crescimento e lucratividade", observa Friedland. "Sempre é possível analisar uma cadeia de valor e melhorar os resultados éticos."

A IA responsável também reconhece que não há atalhos.

"Algumas soluções de IA não foram criadas com práticas de engenharia robustas que permitam que sejam implantadas com confiança na produção ou que evoluam facilmente", observa Colls. "Os desafios para que as equipes de negócios ou de domínio tenham acesso a um ambiente de experimentação seguro e bem governado também podem ser uma barreira, de modo que o custo de oportunidade de não poder seguir um conjunto de boas ideias se torna outra falha."

"As organizações precisam ser tão rigorosas com os testes de modelos de IA quanto seriam com qualquer outro aplicativo, o que nem sempre é o caso, pois as empresas correm para colocar as coisas no mercado", concorda Friedland. "Uma abordagem de desenvolvimento orientado por testes pode incluir casos de uso de borda em que as organizações desejam garantir que os limites sejam definidos desde o início para reduzir os riscos."

Os custos de uma IA generativa precipitada já se tornaram dolorosamente evidentes para empresas como o Google, que viu seu valor de mercado ser reduzido em mais de US$ 100 bilhões depois de lançar apressadamente um rival para o ChatGPT, apoiado pela Microsoft, que sugeriu respostas erradas para algumas consultas. A empresa se comprometeu a resolver o problema por meio de testes mais rigorosos. 

Para evitar esses tipos de problemas, as soluções de IA devem ser apoiadas pelos mesmos princípios de entrega contínua que sustentam o bom desenvolvimento de produtos, com o progresso feito por meio de mudanças incrementais que podem ser facilmente revertidas se não tiverem o impacto desejado.

Isso também garante que os modelos evoluam, em vez de surgirem extremamente complexos - e, portanto, mais propensos a problemas ou falhas - logo de cara. "Isso pode ajudar as organizações a aumentar a complexidade de um modelo de forma iterativa e gradual e a desenvolver uma boa ideia de como o comportamento varia em relação aos casos mais simples com os quais começaram", diz Colls.

Isso inclui continuar avaliando e aprimorando as soluções após o lançamento - outro processo no qual a IA pode ser aplicada - e até mesmo aposentá-las, se necessário.

"A segurança e a privacidade dos dados são preocupações fundamentais para as iniciativas de IA, portanto, tudo o que você puder fazer para minimizar sua dependência de grandes quantidades de dados, especialmente dados confidenciais de clientes, é muito vantajoso", explica Colls. "Embora as abordagens centradas em dados sejam eficazes, quando os dados são acompanhados de custos ou riscos, as organizações devem analisá-los de forma bastante crítica e dizer: 'Será que realmente precisamos desses dados específicos para oferecer essa experiência?

"Quanto mais você puder fazer para tornar [o aplicativo] uma boa experiência do ponto de vista da privacidade, melhor ele atenderá às clientes", acrescenta.

Um conceito importante que deve ser mantido em mente durante todo o ciclo de vida de uma solução de IA é a explicabilidade ou interpretabilidade - em termos gerais, a capacidade de identificar como o modelo chega ao seu resultado e os fatores que influenciaram o processo. "Os modelos simples tendem a ser mais explicáveis do que os modelos mais complexos, que tendem a ter um desempenho mais alto", diz Colls.

Ao tentar desenvolver um modelo que atinja o delicado equilíbrio entre desempenho, transparência e confiabilidade, uma tática é ponderar diferentes medidas de desempenho para atribuir um valor à explicabilidade, ou um fator de compensação entre a explicabilidade e a precisão do modelo. A calibração dessas métricas depende do caso de uso e do contexto.

"É importante entender o custo do fracasso", observa Syd. "Em alguns casos, as pessoas estão dispostas a aceitá-lo se souberem que estão trabalhando com IA. Em alguns contextos, o fracasso não é uma opção. As pessoas podem morrer por causa disso."

"Se, por exemplo, estivermos tentando detectar câncer, queremos ter certeza de que não deixaremos passar nenhum caso real de câncer", diz Colls. "No domínio financeiro, a lavagem de dinheiro ou o não cumprimento de sanções pode acarretar penalidades muito mais pesadas do que a fraude, que normalmente é apenas uma despesa comercial. Portanto, você pode definir os limites de acordo com isso."

Em geral, as organizações têm mais flexibilidade em relação à explicabilidade nos casos de uso interno. Como destaca Colls: "Se o modelo de IA for usado para ajudar a priorizar tarefas, talvez você não precise necessariamente fornecer uma explicação às funcionárias sobre por que uma tarefa está classificada como número um e não como número dois. Uma explicação sobre os fatores que o algoritmo considera pode ser suficiente."

Em situações em que as técnicas podem desafiar os requisitos de explicabilidade, Colls recomenda "antecipar o entendimento das expectativas do público consumidor em relação à explicabilidade e o que é necessário do ponto de vista regulatório". As organizações também podem explorar ferramentas como modelos aproximados para explicar por que as decisões estão ocorrendo em uma determinada área de um sistema complexo, mesmo que seja difícil fornecer uma explicação universal.

"Alguns desses problemas podem ser resolvidos pelo que chamamos de 'deslocamento para a esquerda', em que as questões éticas e de segurança são abordadas no início do processo de desenvolvimento, e não como uma reflexão tardia", diz Friedland.

iv. Orientar os negócios com IA e um toque humano qualificado

Essencialmente, em vez de tentar preencher todas as possíveis lacunas éticas ou de segurança, as organizações devem buscar um equilíbrio entre incentivar as pessoas a adotar a IA, garantir que elas permaneçam sensíveis aos problemas que ela pode apresentar e dar espaço para inovar.

A tentativa de resolver esse desafio tornando-o 100% "à prova d'água" por meio de meios tecnológicos provavelmente levará a investimentos errôneos e caros", diz Syd. "Trata-se mais de fazer com que as pessoas se comportem de forma ética."

Algumas diretrizes podem ser necessárias para lidar com os dilemas de propriedade intelectual apresentados pelos modelos que utilizam fontes externas, como o ChatGPT. "É preciso haver parâmetros de governança cuidadosos em relação a isso, pois você não quer se tornar dependente ou ficar exposto a riscos", diz Colls. "Mas você quer definir esses parâmetros e, ao mesmo tempo, permitir que as equipes façam isso, o que é uma maneira mais sustentável de manter a velocidade."

Longe de sufocar a criatividade, as restrições podem até mesmo, às vezes, aprimorá-la - assim como as regulamentações sobre veículos impulsionaram a inovação em relação à eficiência de combustível, observa Colls.

Como a maioria dos desafios relacionados à IA tem tanto a ver com as pessoas quanto com a tecnologia, a conscientização e o suporte à usuária são os principais determinantes do progresso. Para reduzir os riscos (e a frustração), as soluções devem ser consideradas à luz das capacidades e do impacto sobre as pessoas que trabalharão com elas.

"As usuárias experientes podem corrigir as falhas, mas devemos ter cuidado ao expor as usuárias novatas a uma alta incidência de falhas, pois elas podem nem mesmo reconhecê-las como tal", ressalta Colls.

Parte disso pode envolver a eliminação de suposições sobre onde a IA deve ser aplicada e dar às equipes uma palavra a dizer sobre onde ela pode aumentar seu trabalho - que, afinal, elas conhecem melhor do que ninguém.

"Muitas empresas sofrem com a falta de engajamento em sua estratégia de IA", diz Friedland. "A estratégia aparece magicamente e ninguém sabe o que fazer. Funciona muito melhor se as organizações puderem de fato cultivar ou fazer crowdsourcing (coletando serviços, ideias ou conteúdos por meio das contribuições de um grupo de pessoas) e envolver as pessoas no processo de mudança. As pessoas podem ter ideias muito boas para melhorar a eficiência do fluxo de trabalho se as organizações solicitarem suas contribuições e realmente apoiarem seu envolvimento - e recompensá-las por isso."

As pessoas e as empresas para as quais trabalham também precisam ter a certeza de que tudo o que estão fazendo com a IA gera valor. Com o tempo, o sucesso e a relevância de uma solução de IA se resumirão à medição do desempenho em relação às metas corretas.

"Seja o que for que você faça, certifique-se de que a IA leve sua empresa adiante de alguma forma - pode ser algo que não seja dinheiro - e esteja pronto para provar isso com números", diz Syd. "As metas de negócios são a base que forma o teste de sanidade definitivo para tudo o que você faz em uma empresa."

"Quando as grandes equipes de entrega não recebem métricas claras para determinar como seu trabalho se alinha com a estratégia de negócios, não importa o que elas criem; isso não necessariamente as levará na direção certa", concorda Friedland. "À medida que as organizações criam algo, elas precisam ser capazes de medir se isso está repercutindo nas clientes e atingindo as metas de negócios, além de obter feedback em tempo real sobre o que está faltando."

Ao mesmo tempo, um conjunto separado de métricas de IA pode, na verdade, introduzir um viés, dependendo de como elas são projetadas. "Quaisquer que sejam as métricas que as organizações usem para avaliar o sucesso de seus negócios, elas também farão a mesma mágica com a IA", diz Syd.

"É o mesmo que acontece com a digitalização", acrescenta. "Pode prejudicar seus negócios se você for enganado por métricas semi-artificiais para demonstrar o quão 'digital' ou 'IA' você é agora. As principais perguntas devem ser: Você está fazendo negócios melhores? E você tem uma visão realista de como expandir os negócios quando tiver sucesso?"

Dependendo do contexto da organização, a produtividade e a experiência de cliente / de clientes costumam ser considerações importantes desde o início. Mas "as medidas de capacidade interna - como a conscientização do potencial da IA para as equipes, o conforto em explorar, adotar ou implantar soluções de IA - também são indicadores importantes, para dar às organizações a confiança de que estão no caminho certo em direção aos indicadores mais atrasados de experiência da cliente, produtividade e melhoria de receita", diz Colls.

Para as organizações que estão se perguntando se devem dar o salto ou como justificar os orçamentos necessários, especialistas da Thoughtworks recomendam que elas vejam a IA como um investimento incremental na mudança contínua dos negócios, em vez de um exercício autônomo e orientado por tecnologia - e como algo que evoluirá com a empresa.

"Trate a IA como você tratou os computadores e o software até agora", diz Syd. "A questão não é se você usa computadores ou software em sua empresa, mas como. Embora a IA tenha o poder de efetuar mudanças maiores, as perguntas a serem feitas ainda são semelhantes - não se deve usá-la ou não, mas como."

"Lembre-se de que, neste momento, estamos olhando para uma fatia no tempo", diz Colls. "Não deixe que as soluções atuais ditem seu pensamento; elas não surgiram da noite para o dia. A IA já está difundida. Este período é um passo mais íngreme, catapultando a IA para a frente na experiência de usuária, mas ainda é um passo em uma longa escalada para a IA onipresente.

Portanto, qualquer resposta deve considerar seguir a trajetória futura de forma sustentável, bem como capitalizar os recursos atuais."

Os esforços para praticar uma IA responsável e regulamentações mais rígidas impulsionarão "melhores maneiras de lidar com falhas para que possamos colher as vezes em que ela acerta", explica ele. "Os desenvolvimentos na confiabilidade de modelos complexos, para que as pessoas possam ter confiança de que eles funcionarão conforme o esperado, possibilitarão um novo campo de oportunidades que as organizações não buscarão no momento, porque não têm essa garantia de segurança ou previsibilidade."

O impacto total da IA nos negócios "não dependerá tanto explicitamente da IA em si, mas sim de como as iniciativas serão alavancadas e ampliadas pelo que a IA pode fazer", observa Friedland. E é o potencial de ampliar ainda mais as conexões entre dados, sistemas, o humano e o técnico que ele vê pronto para revolucionar os negócios nos próximos anos.

"Se você interconectar efetivamente a estratégia com a IA, os dados e a engenharia que a suportam, você permitirá que as pessoas obtenham valor dos dados e de suas experiências diárias para que possam ter ideias muito melhores do que qualquer indivíduo por conta própria - e acabar com sistemas de desempenho muito superior", diz ele.