Inteligência Artificial e a “Lei de Amara”

“Primaveras” e “invernos” da Inteligência Artificial Roy Charles Amara (1925-2007) foi um pesquisador americano, cientista, futurista e presidente do Institute for the Future. Amara ficou conhecido pela lei que tem seu nome, sobre o impacto da tecnologia nos negócios: “Tendemos a superestimar o efeito de uma tecnologia no curto prazo e a subestimar seu efeito no longo prazo” (1). É exatamente isso o que tem acontecido com as Tecnologias Cognitivas, mais conhecidas como Inteligência Artificial ou IA.

Desde 1950, quando Alan Turing propôs uma “máquina de aprender que simularia os princípios da evolução” (2), a Inteligência Artificial (3) tem passado por períodos de euforia e ceticismo. Um dos casos recentes mais famosos foi o do Oncology Expert Advisor, projeto do M.D. Anderson Cancer Center utilizando o Watson (IBM). 

“Sending Watson to Med School” (4) Em 2011, chamou atenção do mercado a façanha realizada pelo Watson, sistema de Inteligência Artificial (IA) da IBM, que venceu todos os adversários do jogo jeopardy!, nos EUA. Em 2013, inspirado por esse sucesso e imbuído de um projeto extremamente ambicioso, o M.D. Anderson Cancer Center investiu no Oncology Expert Advisor, baseado nessa plataforma. Ao final de 2016 e após um orçamento final de U$ 62 milhões, o projeto foi interrompido. Segundo relatório da auditoria da instituição, o sistema não havia sido usado para tratar nenhum paciente até então, não havia sido integrado a nenhum sistema do hospital e sua implantação sofreu práticas dúbias de gestão financeira e de projeto. 

O atual nível de maturidade das Tecnologias Cognitivas Isso significa que as tecnologias cognitivas continuam apenas prometendo mas não cumprindo? Claro que não, mas esse e outros casos semelhantes apontam para a necessidade das empresas terem uma perspectiva menos ambiciosa e mais gradativa em relação à IA, no curto prazo: 

• As tecnologias cognitivas ainda não chegaram lá - considere o exemplo dos carros autônomos. Eles ainda necessitam de um motorista presente, já que a tecnologia ainda não conseguiu equacionar todas as questões relacionadas à direção do veículo. Além disso, falta “bom senso” a essas soluções, como no caso do Watson para o setor de saúde, que carece de uma “parcimônia de diagnóstico” (a ferramenta tende a diagnosticar causas raras para doenças comuns) (5). 
• Os processos de negócio ainda não chegaram lá - para que haja modelos de negócio inovadores baseados em IA, é necessário que processos, organizações e culturas sofram mudanças. Tomando como exemplo o setor de saúde, é necessário que haja mudanças nos processos com pacientes, hospitais, seguradoras, médicos, etc. Isso não será obtido a curto prazo.  
• A integração tecnológica ainda não chegou lá - muitas soluções em IA são stand alone, ou seja, sem integração com os sistemas da empresa, o que impede seu uso em escala corporativa. Uma das soluções para isso seria as empresas aproveitarem seus softwares corporativos que já possuam componentes baseados em IA, como SAP, Oracle e Salesforce. Assim, a empresa poderia rapidamente iniciar pilotos, com algum nível de integração e suporte. O lado negativo dessa estratégia é a dependência para com o fornecedor e consequente falta de flexibilidade e velocidade para implementar funcionalidades estratégicas.  

Sempre há exceções Claro que há exceções. Startups, grandes empresas de internet (Facebook, Amazon, Netflix, Google) e grandes multinacionais como a GE são exemplos disso. No caso das empresas de tecnologia, a IA já é inerente aos seus modelos de negócio. As grandes empresas globais já possuíam condições para viabilizar essa vanguarda: alto nível de sofisticação tecnológica, experiência prévia em modelagem de dados e orçamento disponível.  

Porque desenvolver uma estratégia de IA De qualquer forma, pequenas, médias ou grandes, as empresas precisam desenvolver estratégias para uso das tecnologias cognitivas. Seu poder de transformar o mercado não é imediato, mas nos próximos 10 anos será um verdadeiro divisor de águas, criando modelos de negócio até então inimagináveis. Além disso, as empresas precisarão identificar quais “problemas” desejarão resolver com IA e estabelecer um foco de atuação. Também precisarão se familiarizar e se estruturar para o uso intensivo dessas tecnologias no futuro, desde agora.  

Principais questões estratégicas com IA Quando falamos em estratégia de IA, estamos nos referindo basicamente à definição das fronteiras de atuação que a empresa deseja adotar, ao seu grau de ambição quanto à tecnologia e como ela obterá os dados para gerar seus produtos e serviços. Essa é uma discussão que deverá ser realizada pela alta liderança da empresa, já que envolve novos produtos/serviços, novos modelos de negócio e uma nova forma de organização. A seguir algumas das principais decisões estratégicas:

• Ambição - o processo de definição de uma estratégia de IA deve partir de uma Ambição, ou seja, da identificação do tipo e grandeza de problema que a corporação quer resolver. No caso do centro de oncologia aqui mencionado, por exemplo, pode-se definir como Ambição “encontrar a cura do câncer” ou simplesmente “aprimorar os processos de atendimento ao cliente”. 
• Foco - a segunda decisão a ser tomada é quanto ao escopo de uso das tecnologias cognitivas. Os campos de atuação são vários e a organização pode se diluir em esforços que não estejam alinhados à sua Ambição. A estratégia de Foco na Excelência Operacional priorizará os desafios relacionados à produtividade, custos, processos internos ou melhorias na cadeia de valor. A estratégia de Foco no Cliente priorizará o atendimento e/ou o relacionamento com os clientes, visando à maior satisfação, interação e captação de informações. A estratégia de Foco em Novos Produtos ou Serviços priorizará a pesquisa e o desenvolvimento de produtos e serviços inovadores, podendo inclusive gerar novos modelos de negócio.
• Conteúdo - é necessário que se identifique quais serão as fontes e tipos de dados para desenvolvimento da estratégia de IA. Algumas empresas já possuem alto volume de informações sobre clientes e transações (varejo, p. ex.), podendo optar por uma estratégia de Conteúdo Interno. Outras necessitarão de uma estratégia de Conteúdo Externo para constituir massa crítica suficiente para treinar seus algoritmos. A Monsanto, por exemplo, gastou bilhões de dólares para adquirir informações da empresa Climate Corporation, sobre clima, de modo a treinar seu modelo de IA e lançar o serviço de Plantio Prescritivo (6)
• Talento - a implementação de tecnologias cognitivas requer um conhecimento ainda raro no mercado. Nesse sentido, as empresas podem optar pela Contratação, Treinamento ou pela Aquisição de Serviços. Empresas cujo mercado é altamente competitivo, já dando sinais de uso intensivo de IA, poderão optar pela estratégia de Aquisição. Empresas de consultoria ou prestação de serviços em IA poderão ser contratadas ou até mesmo adquiridas, garantindo assim maior velocidade na implementação da estratégia. Aquelas que já possuem alto grau de sofisticação tecnológica, e, portanto, recursos com habilidades de modelagem de dados, poderão investir no Treinamento e desenvolvimento dos seus profissionais. A Contratação será necessária caso a empresa não possua recursos internos sobre os quais investir, nem deseje terceirizar esse mão de obra. Essas estratégias podem ser combinadas, de modo a atender as necessidades empresariais de curto, médio e longo prazos. Porém, é importante ressaltar que se a empresa considerar a utilização de IA como estratégica para seu futuro, é essencial que ela conte com recursos internos capacitados e suficientes para não depender de terceiros.
• Parceria ou Aquisição - é comum às empresas de tecnologia adquirir startups ou empresas especializadas em IA. O Google, por exemplo, já fez mais de 12 aquisições de empresas desse tipo desde 2012. É possível também ver essas mesmas empresas estabelecendo parcerias com clientes, como entre a Waymo (Google) e Fiat/Chrisler, a Avis, a Lyft e a Autonation. Mais uma vez, o critério de decisão aqui é a importância que as tecnologias cognitivas têm para sua empresa, seu poder para realizar aquisições e o potencial gerado com eventuais parcerias.

Conclusão As tecnologias cognitivas têm um potencial inovador significativo, a ser concretizado nos próximos 10 anos. Por enquanto, as soluções ainda oferecem escopo limitado, pouco integradas e com escassa mão de obra especializada. No entanto, é necessário que as empresas iniciem, o quanto antes, o processo de absorção dessas tecnologias, de modo a se preparar para obter os benefícios de longo prazo. As corporações que mais têm tido sucesso com IA são as que estão investindo em projetos menos ambiciosos, de forma constante e gradativa. Faça como elas e não deixe sua empresa sucumbir à Lei de Amara!  

30 de Dezembro de 2018 | Sergio Hartenberg |  Cena Digital | digital.cena@gmail.com |  www.cenadigital.co

Referências:

Artigo baseado no livro de Thomas H. Davenport, The AI Advantage: How to Put the Artificial Intelligence Revolution to Work (Management on the Cutting Edge), The MIT Press.  

(1) Susan Ratcliffe, ed. (2016). "Roy Amara 1925–2007, American futurologist". Oxford Essential Quotations (4th ed.). Oxford University Press.

(2) Turing, Alan M. "Computing machinery and intelligence". Mind. LIX (238): 433–460. doi:10.1093/mind/LIX.236.433.

(3) Considerando nesse artigo como tecnologias cognitivas de machine learning, natural language processing, deep learning, robótica, RPA e suas combinações.

(4) Spencer E. Ante, “IBM Struggles to Turn Watson Computer into Big Business”, Wall Street Journal, January 7, 2014.

(5) Robert Watcher, “Will Computers Be as Good as Physicians at Diagnosing Patients?”, KQED The Future of You website, November 7, 2016.

(6) Precision Farming Increases Crop Yields - Combining sensors and imaging of every plant with real-time data analytics improves farm outputs and reduces waste, By Geoffrey Ling, Blake Bextine on June 26, 2017, Scientific American