Se 2018 foi o ano em que o público em geral tomou conhecimento da IA e de seus possíveis impactos na sociedade, 2019 é o ano em que a atenção volta a se concentrar nas camadas abaixo da superfície.
Será o momento de entender o que realmente está acontecendo em uma “decisão” tomada por um sistema de IA, como ele se conecta ao ambiente mais amplo com pessoas e tecnologias em torno dele. Além disso, como vamos realmente construir sistemas de IA em um momento onde encontramos problemas de escassez de habilidades.
Como você chegou a essa decisão?
A tomada de decisão pela IA é uma questão delicada. Muitas vezes, a tecnologia é significativamente melhor do que nós, humanos. No entanto, outras vezes, o exame minucioso de um profissional representa um diferencial.
Por exemplo, os algoritmos de IA às vezes aprendem com dados baseados em decisões humanas que podem nem sempre ser justos - mas talvez sejam baseadas em emoções: algo incrivelmente difícil de ensinar para uma máquina.
Gráficos de Deep Learning e conhecimento ganham força e vemos algoritmos de Machine Learning, como a regressão linear, que têm sido usados até agora, sendo substituídos por redes neurais. Acredito que é uma boa notícia, pois os gráficos de conhecimento passam a mostrar como explicar como os sistemas de IA se comportam e tomam decisões, afastando-nos de uma “caixa preta” e dando às empresas as ferramentas e o entendimento para responder às novas pressões regulatórias.
Colocando IA na mistura
Em 2019, as aplicações de Inteligência Artificial terão algoritmos e inteligência incorporados no processo de negócios: Quando combinada com a Automação de Processos Robóticos, o Analytics e a IA passam a ter um papel importante na melhoria das operações diárias por meio de simplicidade, automação, velocidade, custo e serviço - uma longa lista de grandes e importantes benefícios em potencial.
Ao darmos esse passo atrás, veremos a disseminação de arquiteturas de IA orientadas a eventos, em que o fluxo de pipelines para inserir dados, processa-los, avaliar e pontuar previsões, tomar decisões e ativar processos será o novo normal.
Pulando a lacuna de habilidades do Analytics
Se estas previsões ocorrerem, isso pressupõe que as organizações terão as habilidades necessárias para implementações do que são, claramente, tecnologias avançadas.
As empresas aumentarão o investimento em ferramentas que ajudem analistas de negócios e cientistas de dados no uso de técnicas avançadas de análise, sem serem especialistas. Por exemplo, departamentos de Business Intelligence (BI) poderão utilizar chatbots para oferecer a possibilidade de análises para usuários não técnicos. Isso significa interagir e receber respostas de sistemas de BI por meio de conversas, em vez de formatos predeterminados de relatórios.
A co-criação também é um caminho para superar as lacunas de habilidades, já que ter experiência no domínio das aplicações é um diferencial importante no desempenho de um cientista de dados. Qualquer pessoa pode criar um mecanismo de recomendação. A questão é: quem pode construir o melhor para um caso de uso específico - para um varejista, por exemplo? Graças à economia compartilhada, será mais fácil encontrar as habilidades e experiência necessárias para solucionar um problema específico, usando a co-criação.
[author] [author_image timthumb='on']https://docmanagement.com.br/wp-content/uploads/2019/02/albert-mercadal-playa-thumbnail.jpg[/author_image] [author_info]Albert Mercadal Playa
Chefe de Analítica Avançada e Big Data Center de Excelência da Fujitsu EMEIA[/author_info] [/author]
