Como implementar a AI - Inteligência Artificial - nas organizações

A IA ou Inteligência Artificial está transformando profundamente a forma como as organizações operam e se relacionam com seus clientes e stakeholders.

É um tema que está em alta nas últimas semanas após a explosão da Open IA e seu serviço de IA ter estremecido o mundo com o famoso ChatGPT, e a Microsoft ter investido cerca de USD 10 bilhões. Se você ainda não usou, ou teve acesso, sugiro que faça seu cadastro de forma online e gratuita, e comece a interagir com a ferramenta.

Bem, desde atender as chamadas de seus clientes até descobrir por que seu equipamento está consumindo muito mais energia do que costumava ou estar apresentando problemas ou instabilidades, a IA é capaz de muitas coisas. Já publiquei alguns artigos anteriores e também escrevi no meu livro sobre a Inteligência Artificial e seu potencial.

Nos próximos anos, e eu diria que principalmente nessa década, espera-se que a IA continue a ter um impacto significativo nas organizações em várias áreas, incluindo pelo menos 5 principais:

1. Automação de processos: A IA está sendo cada vez mais utilizada para automatizar processos rotineiros e repetitivos nas organizações, liberando os funcionários para se concentrarem em tarefas mais complexas e de maior valor agregado.
2. Melhoria da eficiência: A IA pode ajudar as organizações a melhorar a eficiência em áreas como logística, gestão de estoque, planejamento de produção, entre outras, permitindo uma melhor utilização dos recursos disponíveis.
3. Melhoria da experiência do cliente: A IA pode ser usada para personalizar a experiência do cliente, fornecendo recomendações personalizadas e suporte ao cliente 24 horas por dia, sete dias por semana.
4. Análise de dados: A IA pode ajudar as organizações a extrair insights valiosos de grandes conjuntos de dados, permitindo que tomem decisões melhores e mais informadas.
5. Inovação: A IA está permitindo a criação de novos produtos e serviços que antes eram considerados impossíveis, como assistentes virtuais, chatbots e sistemas de reconhecimento de voz.

No entanto, é importante ressaltar que a implementação da IA nas organizações também apresenta desafios, como a necessidade de desenvolver novas habilidades e competências entre os colaboradores, bem como a necessidade de lidar com questões éticas e de privacidade relacionadas ao uso de dados. Portanto, é importante que as organizações adotem uma abordagem estratégica para a implementação da IA e trabalhem para garantir que os benefícios sejam maximizados e os riscos minimizados.

Mas há muitas coisas em que os algoritmos falham, levando os trabalhadores humanos a intervir e ajustar seu desempenho.

Como implementar a IA e começar a se beneficiar dela — de forma consistente, em escala e rápida o suficiente para obter o apoio dos executivos para projetos futuros?

O problema é que a maioria das empresas ainda carece de experiência, pessoal e pilhas de tecnologia para liberar todo o potencial da inteligência artificial sem envolver consultores de IA experientes.

Começando com alguns dados e insigths.

De acordo com a pesquisa de 2020 da Deloitte, as empresas digitalmente maduras obtêm um ROI de 4,3% para seus projetos de inteligência artificial em apenas 1,2 anos após o lançamento. Enquanto isso, o ROI dos retardatários da IA raramente excede 0,2%, com o período de retorno médio de 1,6 anos.

A Deloitte também descobriu que as empresas que obtêm um retorno tangível e rápido dos investimentos em inteligência artificial estabelecem a base certa para as iniciativas de IA desde o primeiro dia.

A PwC concorda com o sentimento, afirmando que os líderes de IA adotam uma abordagem holística para o desenvolvimento e implementação de IA e lidam com três resultados de negócios – ou seja, transformação de negócios, modernização de sistemas e tomada de decisão aprimorada – tudo de uma vez.

Então, como usar IA em sua organização e se juntar ao grupo de líderes em inteligência artificial?

Para responder a essa pergunta, reuni uma extensa pesquisa, além de depoimentos de especialistas que examinaram projetos de IA no mundo todo. Aqui está o que podemos aprender.

Isenção de responsabilidade: A inovação por si só não fará bem à sua empresa. Esse é um Guia de 5 passos para empresas que buscam a transformação inteligente de seus negócios

Às vezes, tecnologias mais simples, como automação de processos robóticos (RPA), podem lidar com tarefas em pé de igualdade com algoritmos de IA, e não há necessidade de complicar demais as coisas.

Em outros casos (pense em soluções de imagens médicas baseadas em IA ), pode não haver dados suficientes para modelos de aprendizado de máquina identificarem tumores malignos em tomografias computadorizadas com grande precisão.

E, ocasionalmente, são necessárias redes neurais multicamadas e meses de treinamento autônomo de algoritmos para reduzir os custos de resfriamento do data center em 20%.

A inteligência artificial não é um tipo de solução milagrosa que aumentará magicamente a produtividade de funcionários e melhorará seus resultados. No entanto, tem um sólido potencial para transformar negócios de todos os portes e tipos.

Passo 1: Familiarizar-se com as capacidades e limitações da IA

As empresas podem integrar a IA em várias tarefas, desde a mineração de dados sociais para melhor atendimento ao cliente até a detecção de ineficiências em suas cadeias de suprimentos.

Em uma escala mais ampla, o uso de inteligência artificial nos negócios cai para:

• Agendamento
• Previsão (bem como análise “se-senão”)
• Melhoria e automação de processos
• Gerenciamento e alocação de recursos
• Comunicação
• Gerenciamento de segurança cibernética

Esta lista não é exaustiva, pois a inteligência artificial continua a evoluir, alimentada por avanços consideráveis em design de hardware e computação em nuvem.

Algoritmos que facilitam ou assumem tarefas autônomas e processos inteiros diferem em sua fonte de dados, processamento e poder de interpretação - e é isso que precisamos ter em mente ao trabalhar em nossas estratégias de adoção de IA.

Vamos pegar o aprendizado de máquina (ML) supervisionado, por exemplo. Os engenheiros de IA poderiam treinar algoritmos para detectar gatos em postagens do Instagram, alimentando-os com imagens anotadas de nossos amigos felinos. Quando confrontados com objetos desconhecidos, esses algoritmos ficam muito aquém.

Mas se retirarmos os dados rotulados do processo de treinamento do modelo de ML, obteremos algoritmos de aprendizado de máquina não supervisionados que processam grandes quantidades de informações - novamente, vamos usar escolhas de gato como exemplo - até insights significativos. No entanto, os modelos de ML não supervisionados ainda exigem algum treinamento inicial. Por exemplo, poderíamos dizer aos algoritmos que um determinado banco de dados contém apenas imagens de cães e gatos e deixar que a IA faça as contas.

Há também o aprendizado por reforço – uma técnica que envolve deixar os algoritmos soltos para que possam propor soluções para problemas de negócios e aprender com seus próprios erros. Esse tipo de IA pode ajudar a resumir textos longos ou prever tendências do mercado de ações.

Finalmente, existem redes neurais profundas que fazem previsões inteligentes analisando dados rotulados e não rotulados em relação a vários parâmetros. O aprendizado profundo (deep mind) encontrou seu caminho em soluções modernas de processamento de linguagem natural (NLP) e visão computacional (CV), como assistentes de voz (Siri, Alexa, Google Home) e software com recursos de reconhecimento facial.

O famoso ChatGPT é classificado como um modelo de linguagem de inteligência artificial baseado em rede neural. Mais especificamente, ele é um tipo de modelo de linguagem de grande escala pré-treinado, que pode gerar texto em resposta a uma entrada de texto. O ChatGPT é treinado usando uma abordagem de aprendizado de máquina chamada aprendizado não supervisionado, onde ele aprende a prever as palavras seguintes em uma grande quantidade de dados textuais. Com essa capacidade, o ChatGPT pode ser usado em tarefas como geração de texto, tradução automática, resumo de texto, entre outros.

Não importa quão precisas sejam as previsões das soluções de inteligência artificial, em certos casos, deve haver especialistas humanos supervisionando o processo de implementação da IA e movendo os algoritmos na direção certa.

Por exemplo, a IA pode economizar muito tempo dos pneumologistas ao identificar pacientes com pneumonia relacionada ao COVID, mas são os médicos humanos que acabam revisando os exames para confirmar ou descartar o diagnóstico.

Existem várias áreas em que a implementação da IA faz pouco sentido sem um monitoramento eficiente:

• Geração de conteúdo criativo, como artigos de opinião e textos otimizados para conversão.
• Codificação de sistemas de software complexos (em uma nota lateral, ferramentas como GitHub Copilot e Tabnine podem de fato prever e sugerir linhas de código dentro do seu editor, mas não recomendamos usá-las, a menos que sejam engenheiros de software sênior que as usem).
• Fazer julgamentos e decisões éticas de forma independente.
• Apresentar soluções inovadoras e prontas para uso para problemas do mundo real.

Passo 2: Definir objetivos para implementação de IA

Para começar a usar IA nos negócios, é preciso identificar os problemas que você deseja resolver com inteligência artificial, vinculando suas iniciativas a resultados tangíveis.

Para isso, é preciso realizar reuniões com as unidades da organização que podem se beneficiar com a implementação da IA. O C-Level da empresa deve fazer parte e ser a força motriz dessas discussões. 

Além disso, importante auditar processos e dados, bem como os fatores externos e internos que afetam sua organização. Existem muitas técnicas e estruturas para apoiar as tomadas de decisão. Isso inclui a análise de micro e macroambiente, estrutura para avaliar ativos críticos e SWOT para resumir os pontos fortes e fracos da empresa. Outra ótima ferramenta para avaliar os impulsionadores e as barreiras à adoção da IA é a Análise de Campo de Força de Kurt Lewin. Essa lista não é exaustiva; ainda assim, pode ser um ponto de partida para a jornada de implementação de IA.

Os especialistas acreditam que você deve priorizar os casos de uso de IA com base na visibilidade de curto prazo e no valor financeiro que eles podem trazer para a organização. Por isso é importante ter objetivos específicos e formas de medi-los (gerar métricas).

Voltando à questão do retorno sobre os investimentos em inteligência artificial, é fundamental distinguir entre ROI hard e soft.

Aqui está o ROI difícil que a empresa poderia alcançar com a implementação de inteligência artificial:

• Economia de tempo impulsionada pela automação de tarefas trabalhosas.
• Ganhos de produtividade decorrentes da tomada de decisão assistida por IA.
• Redução de custos operacionais e de mão de obra devido ao aumento da automação e produtividade dos funcionários.
• Aumento da receita graças ao crescimento da base de clientes e maior valor dos serviços prestados.

A adoção de inteligência artificial de ROI suave pode fornecer períodos:

• Experiência personalizada do cliente, que afeta positivamente a satisfação e a lealdade do cliente.
• Retenção de habilidades, que gira em torno da pesquisa e validação constantes de novos conceitos de implementação de IA e contribui para o desenvolvimento de habilidades internas de inteligência artificial.
• Agilidade organizacional e digital, que capacita seus funcionários a renovar sistemas de tecnologia e fluxos de trabalho inteiros em resposta a novos desafios e oportunidades.

Todos os objetivos para implementar seu piloto de IA devem ser específicos, mensuráveis, alcançáveis, relevantes e com prazo definido, a famosa e conhecida SMART. Por exemplo, se a empresa pode querer reduzir o tempo de processamento de sinistros de 20 segundos para três segundos, ao mesmo tempo em que obtém uma redução de 30% nos custos de administração de sinistros até o primeiro semestre de 2023.

Para definir metas realistas, é preciso aproveitar várias técnicas, incluindo pesquisa de mercado, comparação com concorrentes e consultas com especialistas externos em ciência de dados e aprendizado de máquina.

Etapa 3: avaliar a prontidão para IA

O termo prontidão de inteligência artificial refere-se à capacidade de uma organização de implementar IA e alavancar a tecnologia para resultados de negócios (vide etapa 2).

Depois de identificar os aspectos do negócio que podem se beneficiar da IA, é hora de avaliar as ferramentas necessárias para executar seu plano de implementação de IA.

De acordo com Vitali Likhadzed, CEO e cofundador da ITRex, sua estratégia de implementação de IA dependerá de cinco blocos de construção principais:

• Talento de desenvolvimento de IA. Você tem especialistas internos de TI e especialistas no assunto sabendo como implementar a IA — tanto no lado técnico quanto comercial — dentro de um prazo especificado na etapa anterior? Caso contrário, você tem orçamento para terceirizar o desenvolvimento de IA para terceiros ou comprar e implantar uma solução SaaS? Com a última opção, porém, você ainda terá que contratar desenvolvedores de IA para configurar e personalizar o software.
• Custos de desenvolvimento, aquisição e manutenção de software. Dependendo de seus objetivos de negócios, você pode optar por uma ferramenta de inteligência artificial baseada em SaaS ou seguir uma rota de engenharia de software personalizada. Ambas as abordagens têm suas vantagens e desvantagens, como a compensação entre ciclos de implementação de IA mais longos e opções de personalização limitadas. O custo total de propriedade (TCO) para sistemas de IA, personalizados ou baseados em SaaS, também incluirá custos de CAPEX do fornecedor e manutenção OPEX, bem como o preço de configuração e operação de uma infraestrutura de nuvem (mais sobre isso posteriormente). O custo das plataformas de análise de dados baseadas em SaaS, por exemplo, pode variar entre $ 10.000 e $ 25.000 por ano, com custos de licenciamento compreendendo uma pequena fração da estimativa final.
• Dados. Os algoritmos de IA são tão bons quanto os dados que você fornece a eles. Imagens, vídeos, arquivos de áudio, documentos PDF, leituras de sensores e outros dados difíceis de interpretar e modificar (ou seja, dados não estruturados) compreendem até 90% de todas as informações armazenadas na infraestrutura de TI de sua empresa. Localizá-lo, agregá-lo e prepará-lo para treinamento de algoritmo é uma etapa essencial para criar soluções de IA precisas e de alto desempenho.
• Recursos de computação e armazenamento. Microsoft Azure, Amazon Web Services, Google Cloud e outros fornecedores proeminentes de computação em nuvem fornecem os recursos para treinar, implantar e executar modelos de aprendizado de máquina na nuvem. Seus dados também estarão na nuvem — em um data warehouse perfeitamente organizado, em data lakes ou em soluções híbridas de armazenamento de dados conhecidas como data lakehouses. Aproveitar os serviços de computação em nuvem é, portanto, fundamental para a implementação da IA. E você deve configurar sua infraestrutura de nuvem adequadamente — caso contrário, o custo de implementação da IA pode exceder sua receita potencial.
• Treinamento de colaboradores. Mesmo se você fizer parceria com desenvolvedores de IA experientes, ainda terá que educar os funcionários sobre a nova tecnologia para que eles possam realizar seus trabalhos com eficiência - agora e no futuro, quando você estiver próximo da adoção da IA em toda a empresa.

De acordo com a classificação da Intel, as empresas com todos os cinco blocos de construção de IA implantados alcançaram a prontidão operacional e fundamental da inteligência artificial. Essas empresas podem continuar com o plano de implementação de IA – e têm mais chances de sucesso se tiverem fortes estratégias de governança de dados e segurança cibernética e seguirem as práticas recomendadas de entrega DevOps e Agile.

Se sua organização não atender a esses critérios, você pode fazer parceria com uma empresa de serviços de transformação digital para atualizar sua infraestrutura de TI e considerar opções de implementação de IA.

Etapa 4: começar a integrar a IA em processos selecionados e enquanto planeja a escala

Uma frase clássica adaptada do Lean Startup, com a regra de “comece pequeno, implante rápido e aprenda com seus erros”. Essa é uma boa sugestão a seguir – especialmente ao implementar inteligência artificial nos negócios.

O Gartner relata que apenas 53% dos projetos de IA passam dos protótipos à produção. Uma razão para isso pode ser a falha das empresas em replicar os resultados alcançados com seus POCs em ambientes de teste estéreis na vida real, com algoritmos de IA consumindo dados de várias fontes e aprimorando diferentes processos.

Uma abordagem pragmática para adotar a IA é ter uma imagem maior no fundo da sua mente, em vez de se concentrar em provas isoladas de conceitos (POC) para os casos de uso selecionados, mesmo que o último possa parecer um fruto fácil em comparação com ambiciosos iniciativas lunares.

Ao criar um plano para a estratégia de adoção de IA em toda a empresa desde o início, você também evitará o destino de 75% dos pioneiros da IA que podem fechar as portas até 2025, sem saber como implementar a IA em grande escala.

Além disso, um cronograma razoável para um POC de inteligência artificial não deve exceder três meses. Se você não alcançar os resultados esperados dentro deste quadro, pode fazer sentido parar e passar para outros cenários de uso.

Passo 5: Alcance a excelência em IA

Depois de lançar o projeto piloto (POC - prof of concept), monitorar o desempenho do algoritmo e coletar o feedback inicial, você pode aproveitar seu conhecimento para integrar a IA, camada por camada, nos processos e na infraestrutura de TI da empresa.

Para isso, será preciso configurar:

• Uma estrutura de governança de dados robusta que garante o gerenciamento de dados seguro e eficiente em toda a empresa.
• Criar um ecossistema de dados integrado para coletar, armazenar e organizar informações para treinamento de algoritmos.
• Um centro de excelência em IA onde sua equipe interna trabalhará lado a lado com especialistas terceirizados, adquirirá novas habilidades, melhorará continuamente o desempenho da IA e testará novos conceitos.
• Uma base que facilita a tomada de decisões ágeis e o redesenho contínuo de processos de negócios: como a IA aprimorará ou automatizará mais processos em sua organização, você precisará validar que humanos e máquinas aumentam e complementam o trabalho um do outro.

A abordagem incremental para a implementação da IA pode ajudá-lo a obter ROI mais rapidamente, obter a adesão do C-Level e incentivar outros departamentos a experimentar a nova tecnologia.

Entender a inteligência artificial é o primeiro passo para alavancar essa tecnologia para o crescimento e prosperidade da organização.