Apresentação
É necessário que as empresas iniciem o quanto antes o processo de absorção das tecnologias cognitivas, para obter os benefícios de longo prazo. Tendemos a superestimar o efeito de uma tecnologia no curto prazo e a subestimar seu efeito no longo prazo. É exatamente isso o que tem acontecido com as Tecnologias Cognitivas, mais conhecidas como Inteligência Artificial ou IA.
Boa Leitura!
Lenildo Morais.
- 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.
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).
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 e médicos. E 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. 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.
Claro que há exceções. Startups, grandes empresas de internet e grandes multinacionais 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 Dísponível.
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 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:
2.1Ambição
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”.
2.2 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.
2.3 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, 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.
- 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.
2.5 Parceria ou Aquisição
É comum às empresas de tecnologia adquirir startups ou empresas especializadas em IA. É possível também ver essas mesmas empresas estabelecendo parcerias com clientes. Mais uma vez, o critério de decisão aqui é a importância que as tecnologias cognitivas têm para a empresa, seu poder para realizar aquisições e o potencial gerado com eventuais parcerias.
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.
3. Como a Inteligência Artificial Funciona?
A IA funciona ao combinar grandes quantidades de dados com processamento rápido e interativo e algoritmos inteligentes, permitindo ao software aprender automaticamente com padrões ou informações nos dados. Inteligência artificial é um campo de estudo amplo, que engloba muitas teorias, métodos e tecnologias, assim como os seguintes subcampos:
- Machine Learning: Automatiza a construção de modelos analíticos. Ele usa métodos de redes neurais, estatística, pesquisas de operações e física para encontrar insights escondidos em dados, sem ser especificamente programado para olhar um determinado lugar ou chegar a uma determinada conclusão.
- Uma Rede Neural: É um tipo de machine learning composta de unidades interconectadas (como neurônios), que processam informações ao responder a entradas externas, retransmitindo-as entre as unidades. O processo requer passagens múltiplas nos dados para encontrar conexões e extrair significados de dados não-definidos.
- Deep Learning: Utiliza grandes redes neurais com muitas camadas de unidades de processamento, aproveitando-se de avanços no poder computacional e em técnicas de treinamento aprimoradas para aprender padrões complexos em grandes quantidades de dados. Aplicações comuns incluem reconhecimento de imagem e fala.
- Computação Cognitiva: É um subcampo de IA que almeja uma interação natural e humana com máquinas. Utilizando IA e computação cognitiva, o objetivo final é que a máquina simule processos humanos através da capacidade de interpretar imagens e fala – e, então, falar coerentemente em resposta.
- Visão Computacional: Depende do reconhecimento de padrões e de deep learning para entender o que há em uma imagem ou vídeo. Quando máquinas podem processar, analisar e entender imagens, eles podem capturar imagens ou vídeos em tempo real e interpretar o que há ao redor delas.
- Processamento de Linguagem Natural (PLN): É a capacidade que os computadores tem de analisar, entender e gerar linguagem humana, incluindo fala. O próximo estágio do PLN é a interação de linguagem natural, que permite que seres humanos se comuniquem com computadores utilizando linguagem normal, de uso diário, para realizar tarefas.
4. Quais são os Desafios de usar Inteligência Artificial?
A inteligência artificial irá transformar todas as indústrias, mas nós precisamos entender os seus limites.
A principal limitação da IA é que ela aprende com os dados. Não há outra maneira de incorporar conhecimento a ela. Isso significa que qualquer imprecisão nos dados se refletirá nos resultados. E qualquer camada adicional de previsão ou análise precisa ser adicionada separadamente.
Os sistemas de inteligência artificial de hoje são treinados para realizar tarefas bem definidas. O sistema que joga poker não pode jogar paciência ou xadrez. O sistema que detecta fraudes não pode dirigir um carro ou dar conselhos jurídicos. Na verdade, um sistema de IA que detecta fraudes no setor de saúde não pode precisamente detectar fraudes fiscais ou sobre sinistros de garantia.
Em outras palavras, esses sistemas são muito específicos. Eles focam em uma única tarefa e estão longe de se comportarem como seres humanos.
[author] [author_image timthumb='on']https://docmanagement.com.br/wp-content/uploads/2019/02/lenildo-morais-thumbnail.jpg[/author_image] [author_info]Lenildo Morais
Mestre em Ciência da Computação pelo Centro de Informática da Universidade Federal de Pernambuco. Pesquisador ASSERT - Advanced System and Software Engineering RESEARCH Technologies Lab. Experiência em Engenharia de Software, atuando nos seguintes tópicos de pesquisa: Qualidade de Software, Metodologias e Processos de Desenvolvimento de Software, Engenharia de Requisitos, Testes de Software e Gerência de Projetos. Gerente de Projetos da Ustore, empresa do Porto Digital de Pernambuco. Membro do Conselho Consultivo do Instituto Information Management. [/author_info] [/author]
