Entrevista com Kuang Xu (Stanford)

08 abr 2024
Kuang Xu, Universidade de Stanford

“Se a sua empresa está no setor de logística, deve considerar integrar a IA”

Assista ao vídeo da entrevista completa >

Fotografia: Elena Zhukova

Kuang Xu, professor adjunto de Operações e Tecnologia na Stanford Graduate School of Business

Kuang Xu é professor associado sênior de Stanford Graduate School of Business (GSB). Ele é especialista em pesquisa operacional, inovação em ciência de dados, cadeias de suprimentos, logística e tomada de decisão baseada em dados. Além de ser cofundador de Estratégia de IA e ciência de dados, o primeiro curso da Universidade de Stanford focado em estratégia, gerenciamento e empreendedorismo nestas áreas, também co-lidera a 'Iniciativa de inovação da cadeia de valor' de GSB de Stanford.

O professor Xu ministra um workshop sobre inteligência artificial e ciência de dados para gerentes, fundadores e líderes empresariais de todo o mundo. O seminário explora o potencial da IA e da ciência de dados para impulsionar os negócios e as operações, a integração dessas tecnologias nos fluxos operacionais existentes em escala e as melhores práticas no desenvolvimento de produtos e processos de trabalho baseados em aprendizado automático e IA. O Prof. Xu pode ser contatado pelo e-mail kuangxu@stanford.edu.

Como professor associado sênior de Operações e Tecnologia em Stanford Graduate School of Business, o professor Kuang Xu é um forte defensor do poder transformador da inteligência artificial (IA) nos negócios. Nesta entrevista, ele explica por que acredita que as empresas deveriam adotar a automação e a tomada de decisões baseadas em dados para alcançar todo o potencial da IA.

  • Sua pesquisa em Stanford concentra-se na tomada de decisões em tempos de incerteza. Onde recomendaria que as organizações investissem na próxima década?

    Todos pensam na IA generativa como chatbots de atendimento ao cliente e ferramentas semelhantes, mas ainda não demonstrou o seu potencial comercial. Ainda estamos na fase de avaliação do valor comercial deste tipo de agentes de inteligência artificial. Portanto, farei algumas observações sobre os tipos de tecnologia que sabemos que agregam valor hoje.

    O machine learning e a IA, atraem muita atenção e poderíamos pensar nelas como se fossem duas peças. A primeiro obtém informações e gera previsões fazendo perguntas como: o que é o mundo? A segunda é o que chamo de otimização e tomada de decisão, ou seja: já que o mundo é assim, como devo agir? O machine learning é mais intuitivo e fácil de entender, enquanto a IA, é mais complexa e menos interpretável. No entanto, é um elemento chave. Saber “o que é o mundo” é importante, mas o que agrega valor é agir de acordo.

  • Então, as empresas deveriam alocar fundos para ambas as tecnologias?

    Grande parte das empresas continuará a beneficiar do que não é mistério: investir na otimização dos processos logísticos e da cadeia de suprimentos através da utilização de dados. Para isso, aspectos centrais devem ser considerados, como o gerenciamento de rotas, onde as mercadorias são armazenadas e a localização das instalações. Também terá que coletar informações, fazer previsões e utilizá-las em um mecanismo de otimização para alterar atribuições, rotas ou rede logística. Em suma, desenvolver modelos de otimização baseados em inteligência artificial e dados de qualidade.

    Há outro aspecto menos falado, mas que representa a “cola” das cadeias de suprimentos em relação a IA e ao machine learning. Quando a logística e a cadeia de suprimentos são projetadas por humanos, são eles que as mantêm unidas. Por exemplo, quando uma remessa ou arquivo de dados é transferido e ocorre um erro, ou ambiguidade, entramos em contato para resolver o problema. Pode envolver algum custo e algum atrito, mas não pensamos que esta habilidade seja uma habilidade especial. No entanto, o que acontece agora é que muitas vezes uma tarefa fica isolada para que uma máquina possa melhorá-la de alguma forma. Na maioria das ocasiões, provavelmente será capaz de dizer para onde enviar os caminhões ou quais estantes devem ser reorganizadas. Mas quando esse sistema falhar, você precisará de um backup, que geralmente envolve intervenção humana. Essas tecnologias ganham manchetes como "95% das vezes as máquinas superam os humanos em X". Como isso acontece que a integração desses 95% com os 5% em que elas não conseguem superá-los é bastante complicada. Então, por que enfatizo tanto isso? Porque essa "cola", ou seja, os humanos, são essenciais.

    O potencial da IA para otimizar processos físicos, como a logística da cadeia de suprimentos, é cada vez mais evidente
  • Por que essa integração é tão relevante?

    Podemos pensar que o sistema pode funcionar sem essa "cola", mas a verdade é que não é assim. A ausência dela não significa que se obterá 80% dos 95%: significa que, em geral, não se obterá nada. Isso simplesmente impede que as pessoas façam as coisas funcionarem. De fato, na aula que estamos ministrando na GSB, estamos analisando casos reais de empresas de logística e saúde que usam machine learning e IA. E um tema recorrente é que o segredo do sucesso geralmente não é ter um algoritmo melhor de machine learning. Os vencedores geralmente são aqueles que se concentram na "cola". Por quê? Porque eles são bons em desenvolvimento de tecnologia e investem no design do produto para tornar a integração melhor do que a de seus concorrentes. Portanto, meu conselho é investir na integração de IA. Embora não seja um tópico muito comentado, ele é fundamental.

  • Aconselha empresas e fundos de investimento sobre como desenvolver recursos de IA e ciência de dados. Quais são suas principais recomendações?

    Os conselhos dependem de cada caso, mas se tivesse que destacar apenas um aspecto, diria que as empresas geralmente não conseguem definir o valor do produto que oferecem antes de dar o salto tecnológico. Não falham tanto na escolha da técnica adequada de machine learning quanto no fato de não se perguntarem: "Se tivesse essa tecnologia, quanto valor ela realmente traria?" E com isso não me refiro ao valor no sentido abstrato, à marca ou à cultura da empresa. Estou falando de algo mais específico: É possível especificar uma métrica que reflita a precisão e o desempenho estatístico de sua tecnologia? Em caso afirmativo, isso faz com que economize dinheiro?

    Acredite ou não, esse não é um exercício que muitas pessoas fazem. Na maioria das vezes, elas acreditam que a tecnologia lhes trará algum tipo de recurso especial e simplesmente a adotam sem ter certeza de que será um sucesso. Elas podem presumir que ela substituirá toda uma linha de produtos ou aumentará drasticamente a produtividade, mas nunca fica totalmente claro para elas se essas expectativas são viáveis. Portanto, é aí que surge o problema: fazer investimentos sem benefícios tangíveis. Acredito que definir o valor do produto com alguém, com sua equipe, que entenda o escopo da tecnologia e o potencial do machine learning em um estágio inicial é crucial para os negócios.

  • Segundo Xu, a logística está sob enorme pressão da qualidade e da concorrência.
    “As economias são relevantes, mas espera-se que a IA possibilite produtos e experiências totalmente novos que não existiam antes”

    As organizações estão implementando inteligência artificial por medo de ficarem para trás?

     

    Sim, é algo que está acontecendo. Gosto de ver desta forma: a tomada de decisões baseada em dados é uma ciência exata, mas também emoção e psicologia. Com isto não quero dizer que seja algo que deva ser evitado; pelo contrário, deveria ser adotado. Mas é preciso saber se isso está sendo feito por medo. Vejo muita pressão dos acionistas, das partes interessadas e dos conselhos de administração para mostrar que estão investindo proativamente em IA, portanto, esse medo não é totalmente injustificado.

    Penso que haverá mudanças substanciais no setor, não apenas por causa da IA potencialmente revolucionária, mas também por causa do crescimento constante da IA e do aprendizado automático na última década. Portanto, sim, penso que as empresas precisam ter medo, no sentido de que, se não se exporem a essa tendência, poderão ficar para trás. No entanto, penso que é preciso aceitar esse medo, informar-se sobre o que está acontecendo e perguntar a si mesmo, no curto prazo, que valor poderá extrair disso. Também vejo muitas empresas dando o salto e investindo grandes quantias em IA generativa, incorporando novos líderes... As pessoas brincam que o melhor emprego hoje é o de diretor de inteligência artificial em uma empresa convencional. Mas devemos ter muito cuidado com isso. Uma abordagem melhor seria aceitar esse medo, porque ele é real e está acontecendo. Mas saber exatamente onde a mudança precisa ocorrer em cada organização não é tão simples. Nem todo mundo vai se beneficiar de um chatbot automatizado. Portanto, a chave é pensar no valor. Isso pode orientá-lo melhor.

  • Quais empresas deveriam realmente implementar IA?

    Excelente pergunta. Se a sua empresa atua no setor de logística e as operações já estão automatizadas ou podem ser robotizadas com telemetria, feedback e medições, então definitivamente deve considerar a integração da IA. Muitas organizações já utilizam robôs industriais e soluções de logística e armazenagem como as fabricadas pela Mecalux. O motivo é que a automação atua como uma porta de entrada. Sem esse feedback, essas técnicas inovadoras não teriam um cenário de teste.

    No entanto, uma vez que as portas já estejam abertas, a concorrência aumentará porque, mais cedo ou mais tarde, outros se automatizarão melhor, por isso é um fator muito relevante a ser considerado. Sempre que o mundo físico se conectar à Internet e aos bancos de dados a IA, entrará em ação. Embora as origens da IA venham da manipulação de informações digitais, seu potencial para otimizar processos físicos, como cadeias de suprimentos e transporte, está se tornando cada vez mais evidente. DoorDash, Uber e Lyft foram a primeira onda. Centralizaram seus motoristas em um aplicativo, obtendo algum controle sobre a otimização do mundo físico. Levando essa analogia um pouco mais longe, pode-se perguntar: O que mais já foi integrado ou pode ser integrado no futuro? A automação e a integração de redes são áreas importantes em que a IA está pronta para dar passos gigantescos.

  • Que outros campos são promissores para a IA?

    A segunda coisa que gostaria de salientar é: até que ponto a sua atividade depende da informação? Suponhamos que isso indicasse um padrão de demanda diferente, outra estrutura de custos ou um fluxo de oferta diferente da cadeia de suprimentos. Esses dados mudariam drasticamente as decisões em seu negócio? Vejamos o exemplo do setor imobiliário, onde as mudanças ocorrem no longo prazo. Compras um prédio e o aluga. Se o número de habitantes da cidade flutuar repentinamente, não venderia o imóvel imediatamente. Mesmo que a possibilidade de usar IA exista e possa ajudar, suas decisões não são tão sensíveis às notícias, então pode dedicar algum tempo para analisar um cenário. Pelo contrário, se falamos de um projeto em que as operações diárias dependem crucialmente dos dados disponíveis em cada momento, a IA pode ter um grande impacto. Gerenciar as entregas de pedidos em tempo real é um ótimo exemplo de por que é necessário reagir rapidamente às mudanças no mercado e nas condições ambientais. Neste tipo de negócio, ter acesso à informação pode ajudá-lo a mudar radicalmente a forma como a sua empresa funciona.

    Para que a IA tenha potencial, é necessário um ambiente computacional adequado.

    Por outras palavras, para que a IA tenha potencial é necessário um ambiente onde haja incerteza, o contexto esteja a mudar e surjam novos desafios. A falta de certezas deve afetar suas decisões empresariais. Essa área da IA ​​já está muito madura e pode te ajudar. Porém, se nenhum desses requisitos for atendido e o seu ambiente não mudar ou, se mudar, não tiver qualquer influência na sua empresa, o escopo para implementação de IA poderá ser menor.

  • Além da redução de custos, que oportunidades a IA pode trazer para os negócios?

    As economias são relevantes, mas espera-se que a IA, possibilite a oferta de produtos e experiências totalmente novos que não existiam antes. Há sempre aqueles que imaginam aplicações em que a IA, substitui os trabalhadores, e isso pode ser motivo de preocupação. No entanto, também é possível pensar em exemplos em que a IA, abre novos caminhos para aplicativos emergentes que só são possíveis graças a IA e que podem proporcionar uma grande oportunidade de expansão.

    O que é muito interessante na logística, e ficaria feliz em estar errado, é que tudo está sob enorme pressão. Não importa onde compre suas chaves de fenda, desde que a qualidade seja boa e o custo competitivo. Agora, será que a forma como você consegue uma chave de fenda ou a confiabilidade do armazém ofereceram uma experiência completamente diferente ao cliente? Isso seria interessante. Poderíamos nos perguntar: uma vez integrados os robôs, e se não apenas reduzirem o custo de remoção de uma chave de fenda, mas também tornarem o processo muito mais confiável? E se isso me permitir obter dados que me ajudem a criar um produto? Quando a IA te capacite para fazer algo que não conseguia antes, ela se torna um campo cheio de oportunidades.

  • Certa vez, disse sobre a IA que o objetivo é que ela seja uma ferramenta, não uma entidade superior.

    Essa ideia está relacionada ao medo, e o medo é uma reação natural que todos temos. O objetivo não é evitar sentir isso, mas estar ciente disso e usar essa energia a seu favor. Penso que o medo é um indicador de que algo está acontecendo e deve prestar atenção nisso. É um mecanismo de alerta. No entanto, se não abordar isso conscientemente e se tornar muito profundo, o medo começará a ditar o que deve fazer. Pare de pensar. E isso é algo que vemos com frequência; acreditar que pode perder alguma coisa faz com que fique paralisado.

    A diferença entre uma ferramenta e uma entidade superior é que a última define os seus objetivos. Diz: "Sou uma tecnologia e é isso que faço, portanto, faça o mesmo". Esse é um exemplo de copiar e colar uma solução sem pensar profundamente sobre o valor que isso lhe traz. No entanto, uma ferramenta executa uma ação sem definir seu valor final, e cabe a nós definirmos esse valor. Portanto, se pensar na IA como uma ferramenta, deverá se perguntar: entendeu o valor do que está tentando alcançar? Fez a lição de casa para alcançá-lo?

  • Xu o convida a se perguntar, antes de implementar a IA, o que espera alcançar
    “Na logística, a chave é como os algoritmos são projetados para se adaptarem rapidamente e obterem as informações corretas com IA”

    Quais são suas últimas descobertas em análises baseadas em IA para ajudar as empresas a tomar decisões?

    Uma área de pesquisa que estamos explorando é a aprendizagem sequencial, também conhecida como aprendizagem por reforço, na qual um agente de IA tenta agir de forma otimizada no mundo, mas primeiro, precisa interagir consigo mesmo para aprender como fazê-lo. Quando você interage com o mundo, suas ações têm consequências, e isso afeta a quantidade de informações que coleta, onde as coletam e suas experiências. É claro que não queremos mandar um robô para a rua e ser atropelado por um caminhão: estamos estudando como projetar um robô capaz de aprender enquanto atua e coleta dados.

    Há outra área que ainda não entendemos bem e tem a ver com como realizar essas tarefas em um ambiente que não permanece estático, se pensar bem, quase nenhum dos ambientes com os quais interagimos o faz. Sempre que chegamos a um novo local há primeiro um processo de aprendizagem, mas, à medida que aprendemos, o ambiente também pode mudar. Então, como projetar agentes robustos que possam coletar as informações corretas nesses lugares em constante mudança?

    Na Graduate School of Business da Universidade de Stanford, trabalhamos ativamente nesta área. É interessante porque nos permite abordar inúmeras aplicações que estudamos anteriormente mediante, abordagens nas quais simulamos que o ambiente não mudou. Se pensarmos nas recomendações de comércios online, essas mudanças deveriam ser a norma, mas os agentes de IA usados ​​para criá-las e aprender os preços ainda foram projetados para um ambiente imutável. Ao aplicar as nossas descobertas nestas áreas já vemos melhorias significativas. Quando trabalhei em projetos para clientes do setor logístico, verifiquei que este é um ambiente frenético, muito pouco estático e onde entram em jogo, regulamentações, disrupções, sazonalidade... Aqui o segredo está na forma como os algoritmos são projetados para adaptar-se rapidamente e obter as informações certas com IA.

  • Que papel pensa que a IA, desempenhará no futuro da logística?

    É difícil dizer. Pode-se perguntar: por que a IA está produzindo tanto ruído em chatbots e geração de imagens e não tanto em logística? Penso que o principal motivo é simples: mover objetos físicos é difícil por vários motivos e também dificulta a obtenção de margem. A questão é como reduzir o atrito em todos os pontos do caminho. Se pensarmos num navio porta-contentores e numa IA, devemos analisar quantas etapas intermédias existem e investigar como reduzir o atrito ao longo da cadeia de suprimentos. Por exemplo, a IA pode fornecer uma maneira melhor de comunicar decisões como em qual cais um caminhão que chega ao armazém deve parar.

    Recomendo que as empresas, antes de pensarem em IA, pensem em como podem reduzir o gargalo. Uma vez reduzidos, a IA pode ter um impacto positivo de várias maneiras. Algumas das empresas mais bem-sucedidas são boas em resolver esses gargalos. As organizações não se destacam por terem a melhor e mais original equipe de IA do mundo: podem ter uma boa equipe de IA, mas essa não é a parte mais decisiva. O fator determinante é a plataforma, as operações, e levar estas últimas ao ponto em que os computadores possam mover átomos. Esse é o maior obstáculo no momento, mas estou animado. A robótica que estão construindo na Mecalux pode ser um grande passo nessa direção. Estou muito otimista quanto ao futuro da inteligência artificial em armazenamento e logística. É uma tendência que sem dúvida continuará a crescer.