Por:
» THOMAS H. DAVENPORT, professor ilustre de Tecnologia e Gestão da Informação em Babson College
» NITIN MITTAL, sócio sênior de Deloitte Consulting LLP
Empresas ao redor do mundo testemunharam o advento e a implementação da inteligência artificial, mas nem todas abraçaram a mudança em suas organizações na mesma medida. Em seu livro All-in on AI: How smart companies win big with artificial intelligence, os especialistas, Thomas H. Davenport e Nitin Mittal, professor de Babson College e sócio sênior da consultoria Deloitte, argumentam que a IA dá uma vantagem competitiva significativa às empresas que a incorporam em seus processos de produção. Essa tecnologia traz cada vez mais valor no gerenciamento de cadeias de suprimentos cada vez mais complexas.
Como as empresas impulsionadas pela IA criam valor
Os motores de mudança que as empresas orientadas por inteligência artificial utilizam para se diferenciar das outras e criar mais valor são:
- Agilizando a execução. A IA, poderá acelerar a obtenção de resultados operacionais e de negócios, minimizando os tempos de espera entre a tomada de decisões e as ações subsequentes.
- Redução de custos. Automatizar processos, tarefas e interações diminui custos, aumenta a eficiência, melhora a sustentabilidade ambiental e garante alguma previsibilidade.
- Entendendo a complexidade. A aplicação de IA, facilita a análise de tópicos complexos e melhora a tomada de decisões graças à sua capacidade de decifrar padrões, conectar os pontos e fazer previsões com base em fontes de dados em constante expansão.
- Alterando a interação. Essa tecnologia pode alterar a forma como clientes e funcionários interagem com sistemas inteligentes, expandindo os meios de engajamento através de voz, visão, texto e toque.
- Impulsionando a inovação. Fazer perguntas de IA como "onde dedicar esforços" ou "como se diferenciar" pode abrir as portas para a criação de novos produtos, oportunidades de mercado e modelos de negócios.
- Reforçar a confiança. A IA, poderá ser utilizada para proteger as marcas de riscos como fraude, desperdício, abuso ou ataques cibernéticos, o que pode tranquilizar os parceiros e aumentar a confiança entre os clientes.
Desnecessário dizer que as organizações que apostam em IA geralmente empregam vários recursos, às vezes no mesmo caso de uso, para melhorar seus resultados.
As empresas que desejam ter sucesso com IA, precisam aproveitar o maior número possível de motores de mudança diferentes
Claro, quanto mais valor você obtiver, melhor. As empresas que desejam ter sucesso com a IA devem aproveitar o maior número possível de motores diferentes de mudança e se esforçar para várias ações. Certas mudanças, como reduções de custos, são relativamente fáceis de medir. No entanto, as empresas não devem se limitar a usar casos em que o impacto da inteligência artificial é fácil de quantificar. As empresas podem obter maiores benefícios da IA que transforma modelos de negócios, toma decisões com base em grandes quantidades de dados e vários níveis de complexidade, e pode construir confiança.
Em que ponto as empresas estão em sua jornada rumo à integração da IA?
Tendo listado os motores de mudança que impulsionam a IA nas empresas, provavelmente sente que sua organização já incorporou alguns deles, mas não todos. Ou talvez esteja se familiarizando com esses padrões de uso, mesmo que ainda não os tenha desenvolvido completamente. Os exemplos a seguir podem ajudá-lo a avaliar a posição da sua empresa:
- AI Fueled. Todos ou a maioria dos componentes descritos acima estão totalmente implementados e operacionais. A empresa depende de recursos de IA e está se tornando uma máquina de aprendizagem.
- Transformers. A empresa ainda não implementou totalmente a IA, mas já avançou no processo e implementou alguns de suas características. A implantação da IA, está criando valor substancial para a organização.
- Pathseekers. A organização já embarcou na jornada e está avançando, mas está em estágio inicial. Tem alguns sistemas em vigor e já alcançou alguns resultados positivos mensuráveis.
- Starters. A empresa está experimentando IA e tem um plano, mas precisa trabalhar mais para progredir. Todavia ainda não implantou nenhum, ou muito poucos, em um ambiente de produção.
- Underachievers. Começou a experimentar a IA, mas não a integrou no seu dia-a-dia e obteve pouco ou nenhum retorno econômico.
Tornando-se uma máquina de aprendizagem organizacional
Uma maneira de resumir todos esses atributos, é pensar nas empresas que impulsionam a IA como máquinas de aprendizagem organizacional. Nessas organizações, muitos aspectos da aprendizagem relacionada à IA estão institucionalizados e bem enraizados. Eles são máquinas de aprendizagem organizacional de pelo menos duas maneiras: aprendem continuamente com sua pesquisa e implantação de IA e adotam processos rápidos de tentativa e erro para tirar lições do que funciona e do que não funciona. Eles conseguiram, como dizem nossos colegas John Hagel e John Seely Brown, "aprendizado escalável". Combinar experimentação com treinamento é essencial para se tornar uma referência global em IA.
Por exemplo, Ping An, com sede na China, começou no setor de seguros e agora se aventurou em várias áreas de negócios associadas a serviços financeiros. A empresa possui um grande grupo de pesquisa formado por doutores especializados em ciência da computação e áreas afins. Seu fundador, Peter Ma Mingzhe, um colecionador de arte, sugeriu ao cientista-chefe, Jing Xiao, como uma IA capaz de criar arte e música poderia beneficiar a vasta rede de clientes e parceiros da empresa. Xiao encarregou uma pequena equipe para tentar criar pinturas, composições musicais e poesias, treinando um sistema de aprendizado automático a partir de obras existentes e de qualidade.
O experimento deu certo: os pesquisadores conseguiram criar arte, música e poemas sofisticados. Ele foi apresentado ao mundo na Conferência Mundial de Inteligência Artificial de 2019, recebendo uma boa recepção da imprensa. O programa de composição musical desenvolvido ganhou até um prêmio internacional. Xiao nos explicou em uma entrevista que a Ping An está trabalhando em modelos de negócios que conectam IA artística com diferentes ecossistemas na empresa, como prescrever música criada por IA para fins terapêuticos ou para outros fins relacionados à saúde. Como resultado desse experimento, a equipe de pesquisa aprendeu a desenvolver IA para novos projetos que envolvem emoções ou sentimentos subjetivos dos participantes, como negociação no mercado de ações.
A outra maneira pela qual as empresas impulsionadas por IA se tornam máquinas de aprendizagem organizacional está diretamente relacionada ao machine learning (pelo menos em sua forma supervisionada, que é de longe a mais comum). Essa tecnologia pode fazer previsões com base em modelos treinados com dados prévios a partir dos quais os resultados são conhecidos. À primeira vista pode parecer complexo, mas as empresas que conseguem se tornar machine learning são constantemente alimentadas pelo machine learning. A capacidade atual da IA, tornou possível e economicamente viável produzir conhecimento em escala e em maior velocidade.
As organizações que impulsionam a IA monitoram seus modelos para ver o quão precisas são suas previsões (geralmente usando uma tecnologia chamada, operações de aprendizado automático). Quando detectam que não estão mais fazendo previsões precisas, estas empresas utilizam novos dados para retreinar o sistema e melhorar suas previsões. Dessa forma, o treinamento contínuo promove o aprendizado constante para aperfeiçoar as habilidades preditivas e ajustá-las a novos dados. Em outras palavras, se o mundo muda, os modelos de previsão também mudam com ele.
Uma empresa que fosse uma verdadeira máquina de aprendizagem aplicaria esse critério a uma ampla variedade de modelos, ou pelo menos aos mais relevantes. Isso implica que a empresa considera a IA como um ativo empresarial importante que vale a pena monitorar e melhorar. Ele também reconhece que a precisão pode variar ao longo do tempo e está ciente que a tecnologia facilita os processos operacionais. Esses recursos são exatamente o que uma organização impulsionada por IA se dedica a capacitar.
É claro que as máquinas de aprendizagem organizacional também podem aprender continuamente com outros tipos de IA. DBS Bank, por exemplo, implementou chatbots, inicialmente em seu banco digital na Índia, para fornecer atendimento de alta qualidade ao cliente, sem espera e disponibilidade 24/7. Durante uma revisão de uma falha de serviço em 2016, a gerência desafiou a equipe a monitorar mais de perto o comportamento online dos usuários e antecipar problemas antes que eles ocorressem.
As organizações que impulsionam a IA monitoram seus modelos para ver o quão precisas são suas previsões
O desafio inspirou a equipe a criar um programa para monitorar a jornada bancária digital de cada um de seus clientes em tempo real. Depois de analisar proativamente indícios de problemas com o uso do aplicativo móvel, a empresa desenvolveu a capacidade de intervir quando necessário e oferecer opções aos usuários sobre como continuar suas operações. O projeto foi um sucesso e o conhecimento adquirido com o chatbot foi aplicado tanto na Índia quanto em Cingapura.
O termo "máquina de aprendizagem organizacional" reflete empresas com objetivos firmes, confiáveis e incansáveis. Seu compromisso com a IA para transformar o negócio é tão implacável quanto o de uma máquina de alto desempenho. Investem em infraestrutura de IA, como feature stores (repositórios centralizados de recursos bem definidos para uso em modelos de aprendizado automático) e bibliotecas de algoritmos que podem ser reutilizadas repetidamente em toda a organização. Esses recursos garantem que muitos funcionários obtenham aprendizado contínuo em IA. Não tratam a inteligência artificial como modismo, mas como uma ferramenta muito poderosa para tornar a empresa muito mais eficiente e eficaz no mercado.
Obviamente, não é apenas a tecnologia que cria máquinas de aprendizagem organizacional. É a combinação de um compêndio de atributos: o DNA da organização, uma cultura corporativa que apoia a IA e decisões baseadas em dados, uma atitude de experimentação e inovação contínuas, bem como o comprometimento de funcionários, clientes e parceiros de negócios em alcançar esses objetivos. E a chave para permitir essa transformação são as pessoas, não os dados, os algoritmos ou os servidores de alto desempenho.
Thomas H. Davenport é professor ilustre de Tecnologia e Gestão da Informação em Babson College, professor convidado de Saïd Business School, Oxford, pesquisador da MIT Initiative on the Digital Economy e consultor sênior de análise da Deloitte. Seus livros mais vendidos incluem Competing on analytics e Big data at work.
Nitin Mittal é sócio sênior de Deloitte Consulting LLP. Atualmente, ele é responsável pela consultoria de crescimento estratégico de inteligência artificial (IA) nos EUA e pela estratégia global, análise, fusões e aquisições.
Reimpresso com a permissão de Harvard Business Review Press. Extraído de All in on AI: How smart companies win big with artificial intelligence, Thomas H. Davenport y Nitin Mittal. Copyright 2023 Deloitte Development LLC. Todos os direitos reservados.