A inteligência artificial (IA) e o aprendizado de máquina (AM) têm o potencial de transformar quase todas as indústrias, mas muitas organizações enfrentam dificuldades para adotar e implementar IA/AM em larga escala. Pesquisas recentes da Gartner mostram que apenas 53% dos projetos de AM passam da fase de protótipo para a produção. Os diretores de informática e líderes de TI encontram dificuldades em escalar projetos de IA/AM porque carecem das ferramentas e do talento necessários para criar e gerenciar um pipeline de IA de nível de produção.
Cada vez mais empresas estão utilizando a inteligência artificial (IA) e o aprendizado de máquina (AM) para uma ampla variedade de finalidades, desde aumentar a produtividade até aprimorar as experiências e a satisfação do cliente, além de tomar decisões melhores e mais rápidas. Essas tecnologias também são usadas para gerar novas oportunidades de receita e melhorar a eficiência operacional.
Implementar com sucesso a IA/AM requer mais do que apenas uma tecnologia excelente e montanhas de dados. Também exige repensar os silos e sistemas legados fragmentados, adicionar capacidades e reformular a cultura da empresa.
Embora os detalhes da implementação de uma estratégia bem-sucedida de IA/AM variem de acordo com cada empresa e projeto específico, os passos para chegar lá são universais.
A inteligência artificial (IA) e o aprendizado de máquina (AM) estão desempenhando um papel cada vez mais significativo no fortalecimento e transformação de indústrias em todo o mundo. O valor do mercado global de IA deverá atingir US$ 267 bilhões até 2027 e estima-se que a tecnologia contribuirá com US$ 15,7 trilhões para a economia global até 2030. Embora a tecnologia ainda esteja em sua infância em algumas indústrias, outros setores estão testando as águas, e ainda outros já estão colhendo os benefícios de sua transformação por meio de IA/AM, traçando um caminho para suas respectivas indústrias.
Cada vez mais empresas estão utilizando IA/AM para uma ampla variedade de finalidades, desde aumentar a produtividade até aprimorar as experiências e a satisfação do cliente, além de tomar decisões melhores e mais rápidas. Essas tecnologias também são usadas para gerar novas oportunidades de receita e melhorar a eficiência operacional.
Conforme a economia mundial passa de uma época em que cada indústria operava com um conjunto diferente de competências centrais para uma moldada por dados e análises, desde executivos do C-suite até equipes de TI, todos devem entender como usar estrategicamente e eficientemente a IA/AM para alcançar os objetivos de transformação e estratégia de suas organizações.
No entanto, o caminho para a implementação bem-sucedida de IA/AM nem sempre é direto ou tranquilo. A jornada pode ter desvios e exigir constante iteração e reavaliação para se manter no caminho certo e produzir o resultado desejado. Definir os objetivos de negócios é o primeiro passo para descobrir que tipo de estratégia é necessária. “Em toda grande corporação, há alguém gritando: ‘Você precisa fazer mais IA!’ A pergunta das pessoas inteligentes é: ‘Por que motivo?’,” diz Mark Maenner, chefe de transformação de dados do BMW Group.
A implementação bem-sucedida de IA/AM requer mais do que apenas uma tecnologia excelente e uma grande quantidade de dados. Também exige repensar os silos e sistemas legados fragmentados, adicionar capacidades e reformular a cultura da empresa, como escreveram Marco Iansiti e Karim R. Lakhani, professores da Harvard Business School e coautores do artigo “Competing in the Age of AI”, publicado na Harvard Business Review em 2020.
Uma transformação de IA/AM começa com uma estratégia bem-concebida para abordar problemas de negócios específicos e, em seguida, passa pela obtenção do apoio das partes interessadas-chave e pela democratização dos dados, para que todos tenham acesso e possam se beneficiar de seu uso. A partir daí, as empresas podem implementar a IA para resolver o problema de negócios inicialmente identificado.
A Transformação de IA/AM, Impulsionada pela Covid-19
Como a Covid-19 mostrou, às vezes, o planejamento de longo prazo simplesmente não é possível. A pandemia forçou empresas de todos os setores a reformularem suas operações e a investirem em IA/AM, algo que pode ter sido impensável para muitos apenas um ano antes. Muitas empresas tiveram que criar sistemas rapidamente ou foram obrigadas a escalar projetos que haviam adiado por um motivo ou outro, com ótimos resultados em muitos casos.
“Os processos impulsionados pela IA podem ser escalados muito mais rapidamente do que os processos tradicionais, permitem um escopo muito maior, pois podem ser facilmente conectados a outras empresas digitalizadas e criam oportunidades incrivelmente poderosas para aprendizado e melhoria”, escreveram Lakhani e Iansiti no artigo “Competing in the Age of AI”.
A IA/AM desempenhou um papel central na luta contra a Covid-19. Cientistas usaram essas tecnologias para auxiliar desde o diagnóstico e o desenvolvimento de medicamentos até a previsão da disseminação da doença, bem como o monitoramento e a vigilância da população. Os benefícios dessas tecnologias durante a Covid-19 vão além dos avanços na indústria de saúde.
Jack Berkowitz, diretor de dados da ADP Inc., afirma que a empresa de tecnologia de RH já havia migrado suas análises de pessoas e benchmarks de força de trabalho para a nuvem, mas a pandemia foi um multiplicador de forças para o uso de IA/AM. “Fomos capazes de construir novas capacidades que nunca pensamos serem possíveis”, diz Berkowitz. “Além das operações e análises do dia a dia para nossos clientes, estávamos profundamente envolvidos nos empréstimos do PPP [Programa de Proteção ao Pagamento] porque pagamos uma grande parte da força de trabalho, especialmente para pequenas e médias empresas.
Para processar e criar esses relatórios de que eles precisavam para apresentar os empréstimos, [e] tivemos que fazer tudo isso na nuvem.” Em 20 dias, todas as informações relevantes de que os clientes precisavam para suas inscrições no PPP estavam disponíveis e acessíveis na nuvem.
Berkowitz ficou agradavelmente surpreso com a disposição dos clientes para aceitar essas tecnologias e capacidades. “No espaço de RH, as pessoas costumam ser um pouco mais resistentes a adotar coisas novas, mas elas realmente abraçaram essas capacidades. Quando são pensadas e apresentadas de uma forma que é fácil de consumir, a aceitação é impressionante.”
O BMW Group também estava bem avançado em sua jornada de IA/AM antes da pandemia, mas a Covid-19 criou um senso de urgência para levar todas as suas capacidades de IA remotamente. “[A pandemia] foi um acelerador, não apenas para IA e AM, mas também para obter insights de todos os dados que tínhamos”, diz Josef Viehhauser, líder de plataforma e análise empresarial do BMW Group. “Já tínhamos casos de uso em nossas cadeias de suprimentos, a maioria dos quais são eventos bastante simples. A pandemia trouxe uma compreensão da influência das catástrofes na cadeia de suprimentos em regiões específicas. Conseguimos impulsionar nossas aprendizagens existentes para avançar e melhorar nessas áreas.”
Inovando com Sucesso com IA/AM
Muito antes da pandemia, empresas ao redor do mundo estavam percebendo o efeito transformador dessas tecnologias essenciais e estratégicas. Uma pesquisa da Harris descobriu que 55% das empresas relataram ter acelerado sua estratégia de IA em 2020 devido à Covid-19, e 67% esperavam acelerar ainda mais sua estratégia de IA em 2021.
Ainda assim, de acordo com uma pesquisa da NewVantage Partners em 2020, nove em cada 10 empresas líderes investem em tecnologias de IA, mas menos de 15% implantam capacidades de IA em seus trabalhos. Essa grande lacuna pode ser em grande parte porque muitas empresas não entendem completamente o potencial total da tecnologia, ou não têm uma estratégia clara para usar IA/AM para alcançar seus objetivos. Organizações que o fazem conseguem inovar, desenvolver produtos intuitivos e oferecer um melhor serviço.
O BMW Group é uma dessas empresas que alavancam efetivamente a tecnologia para aumentar a inovação. Ele utiliza IA/AM em tudo, desde o desenvolvimento de produtos até a previsão da demanda por seus produtos e serviços, explicam Viehhauser e Maenner do BMW Group.
A empresa desenvolveu uma solução de tradução proprietária para auxiliar sua força de trabalho multilíngue a se comunicar melhor. Além disso, ela processa dados relevantes para energia em todas as suas localizações para estabelecer padrões de consumo de energia e otimizar o aquecimento e resfriamento de seus edifícios de maneira mais eficiente. O “BMW Intelligent Personal Assistant“, um assistente virtual ativado por voz, fornece informações sobre o veículo, reproduz entretenimento e ajuda os clientes a estacionar e dirigir com mais segurança. Além disso, a empresa possui um novo sistema operacional que oferece uma experiência abrangente, inteligente e multi-sensorial, adaptada ao usuário em questão. A empresa consegue cumprir sua missão geral de criar produtos melhores e aprimorar a experiência do cliente por meio do uso eficaz da tecnologia.
Da mesma forma, a ADP utiliza IA/AM para agregar e anonimizar grandes quantidades de dados a fim de ajudar seus clientes a maximizar a retenção de funcionários, atrair novo talento, comparar métricas-chave de pessoal com as de seus concorrentes e gerenciar riscos, conformidade e custos trabalhistas, observa Berkowitz da ADP. Os benefícios se estendem além do RH. “Então, para quem estamos construindo esses sistemas? Primariamente, as pessoas pensam no profissional de RH – a pessoa que se certifica de que você seja pago ou de que seus benefícios estejam lá ou de que suas promoções sejam tratadas. Também os construímos para CXOs [diretores de experiência do cliente], o CHRO [diretor de recursos humanos], ou o CFO, alguém que tem responsabilidade operacional, ou pode ser um gerente de primeira linha.”
A tecnologia ajudou a ADP a reduzir 21 milhões de títulos de emprego para apenas alguns milhares, o que permitiu à empresa desenvolver benchmarks de remuneração em várias indústrias e cargos. “Processamos essas informações para descobrir, por exemplo, quanto ganha um desenvolvedor de software em Seattle em comparação com um desenvolvedor de software em Austin ou em Nova York ou em Sioux City, Iowa? Essa [avaliação] requer uma enorme quantidade de aprendizado de máquina e uma enorme capacidade de computação”, explica ele. “Também fornecemos ferramentas que as empresas podem usar para avançar em sua diversidade e inclusão por meio da medição, porque uma vez que você pode medir o que está acontecendo em sua empresa, você pode melhorá-lo.”
Na indústria de varejo, o uso eficaz de IA/AM pode ajudar a aprimorar a experiência do cliente por meio da análise de comportamento preditivo e técnicas de hiperpersonalização. Essas tecnologias podem ser programadas para chamar o cliente pelo nome e rastrear as preferências do cliente.
Os chatbots, por exemplo, agora são comuns para responder a perguntas frequentes e fornecer informações específicas do cliente, como saldos de contas e status de pedidos. Os centros de contato estão implantando serviços de IA/AM para lidar com uma variedade de solicitações e consultas dos clientes, por meio de chatbots inteligentes, voicebots inteligentes, roteamento inteligente, análise de voz em tempo real com análise de sentimento, assistência ao agente com a próxima melhor ação e análise pós-chamada.
A melhoria geral da experiência do cliente pode aumentar as chances de recompra e melhorar a fidelidade a longo prazo.
Chaves para uma Implementação Bem-Sucedida de IA
Essas inovações não aconteceram por acaso. O BMW Group, a ADP e outras empresas de sucesso trabalharam diligentemente e de forma deliberada para desenvolver uma estratégia que os ajudaria a alcançar o sucesso começando com seus objetivos de alto nível e trabalhando de forma reversa. Embora os detalhes da implementação de uma estratégia bem-sucedida de IA/AM variem dependendo de cada negócio e do projeto específico, os passos para chegar lá são universais.
1. Defina o seu porquê.
Adotar IA/AM nunca é o objetivo; a IA existe para apoiar o objetivo geral do negócio, desenvolvido ao considerar o objetivo de alto nível. Como o evangelista de IA Andrew Ng afirma em seu AI Transformation Playbook, a estratégia é fundamental para aproveitar o poder da IA.
Maenner diz que todo projeto no BMW Group começa com uma pergunta: qual é o impacto total do projeto em comparação com o investimento que você precisa fazer? “A BMW é uma empresa de produtos. Ninguém está entregando apenas IA a um cliente”, diz ele. “A IA e a AM desempenham um papel fundamental na transformação digital do BMW Group e nos ajudam a melhorar a experiência do produto para nossos clientes, a forma como desenvolvemos nossos produtos ou até mesmo a compreensão de processos.”
A ADP iniciou sua transformação de IA com o objetivo de reunir os dados de mais de 90 milhões de registros de funcionários em modelos robustos que poderiam ser usados para atender seus clientes em uma variedade de cenários diferentes. O primeiro passo foi garantir que os dados fossem precisos e coerentes. “Tratamos os dados como um produto para permitir que nossos cientistas e engenheiros de IA obtenham as informações de que precisam de forma rápida e eficiente”, diz Berkowitz. “Na nossa primeira discussão, determinamos os componentes e o orçamento necessários para fazer isso. Quando algumas coisas que eles pensavam que dariam certo não funcionaram, nós pivotamos. Estávamos constantemente iterando.”
No final, esse processo iterativo de tentativa e erro levou eventualmente a uma diminuição de 30% no tempo de inatividade e a um aumento de 60% nas implantações de aplicativos móveis, explica Berkowitz. Quando a pandemia chegou, a empresa estava pronta.
2. Não tente abordar tudo de uma vez.
Sempre há a tentação de abordar tudo na lista de desejos de IA/AM de uma empresa de uma vez, mas os líderes de negócios devem começar pequenos, dividindo o objetivo final em partes componentes. Identifique casos de uso específicos nos quais a IA/AM possa resolver problemas de negócios ou adicionar valor aos produtos e serviços existentes.
Projetos simples podem render grandes dividendos e gerar ainda mais sucessos, diz Kirk Borne, diretor de ciência da DataPrime, uma empresa de produtos e soluções de ciência de dados, análise e IA/AM sediada em Leesburg, Va. “Um mecanismo de recomendação que diz que pessoas que compraram este produto também compraram aquele outro produto é algo bastante simples que gera receita significativa. Acredito que 70% da receita da Netflix vem de um mecanismo de recomendação.”
3. Mude do controle para o consenso.
A almirante Grace Hopper, fundadora da computação moderna, foi citada em um artigo de 1976 da Computerworld dizendo que a frase mais perigosa na linguagem é “Sempre fizemos assim“. Uma implementação bem-sucedida precisa do apoio executivo para preparar todos para a mudança e para adotar um novo plano.
A implementação de IA/AM não precisa vir apenas de cima; é um esporte em equipe, e toda a empresa é a equipe. “Quando você espera que uma equipe de dados produza coisas que beneficiem todos sem trazer as diferentes partes do negócio, esse projeto vai falhar”, diz Borne.
Criar equipes envolvidas e de alto desempenho que compartilham dados, se comunicam abertamente e aprendem com o feedback mantém todos investidos na missão e informados sobre o que a empresa deseja alcançar. “Há valor em trazer todas essas outras vozes para a discussão, seja a diversidade de raça ou idade. [É] não uma abordagem de cima para baixo ou de baixo para cima; é uma abordagem de ‘todos devem ter um lugar à mesa'”, diz Borne.
Criar coesão da equipe por meio de comunicação eficaz e objetivos compartilhados a serviço de uma causa maior é importante para o sucesso. Quando os funcionários e equipes realmente entendem o porquê, eles rapidamente aderem ao como e ao quê. Seja por meio de tecnologia de videoconferência, sistemas de mensagens, e-mail ou encontros, a comunicação é essencial para acompanhar o que está funcionando e o que não está e para permanecer alerta e pronto para correções de curso.
4. Quebre os silos.
Grandes empresas tradicionalmente separaram divisões, como marketing, operações e RH, em entidades diferentes que operam como igreja e estado. Mas as organizações mais eficientes de hoje eliminam os silos (ou feudos corporativos) e integram a análise de dados em todas as divisões para alimentar o máximo de processos possível. Essa evolução representa uma mudança grande, mas necessária.
“Descobrimos que é realmente difícil compartilhar melhores práticas entre muitas equipes”, diz Viehhauser. “Então, construímos nossos casos de uso e, após a execução de muitos casos de uso, damos um passo atrás, refletimos e perguntamos a nós mesmos: ‘O que podemos harmonizar em todos esses casos de uso? O que posso compartilhar em termos de know-how?'”
De acordo com Viehhauser e Maenner, o BMW Group centralizou seus recursos e criou equipes analíticas multifuncionais para avaliar melhor suas necessidades e descobrir novos casos de uso que poderiam ser abordados usando princípios de IA/AM. Também tornou as informações mais acessíveis e disponíveis em toda a empresa. Até mesmo o compartilhamento de repositórios de código e catálogos de dados provou ser um grande sucesso com seus funcionários, todos os quais têm a oportunidade de aprender ciência de dados por meio de um programa de treinamento específico e personalizado.
“Para fazer a transformação funcionar, você deve levar as pessoas aonde estão e treiná-las nas competências”, diz Maenner. “Elas não precisam ser cientistas de dados, mas precisam entender o que é dado ou o que é IA. É importante dar às equipes de tecnologia a visão e o propósito para ajudá-las a entender como e quando estão fazendo a diferença. Ter muitas pessoas treinadas na tecnologia e em suas possibilidades é o poder que temos hoje.”
A adaptação da ADP começou com uma pequena equipe trabalhando diretamente com Berkowitz. Hoje, a empresa opera com um modelo de hub e spoke, com 11 equipes diferentes lideradas por especialistas em áreas específicas, como impostos, vendas ou marketing, que têm a tarefa de disseminar as capacidades por toda a empresa.
5 – Reconheça um projeto que está falhando.
Há um denominador comum entre as empresas que fracassam em seus esforços para adotar a IA: eles carecem de visão, disciplina, talento, alinhamento, informações corretas e caso de uso correto. “A IA frequentemente começa no sandbox. Não é surpresa que a transição do sandbox para a produção seja muito difícil de fazer”, diz Viehhauser. “Você tem que criar modelos que as pessoas possam reutilizar para tornar o tempo de transição do sandbox para a produção realmente curto. Então você é capaz de criar valor e aproveitar os benefícios.”
Então, o que separa projetos bem-sucedidos de projetos mal-sucedidos? Muitos projetos falham porque têm um problema de dados. Eles podem ter o tipo errado de dados, não ter dados suficientes ou ter dados enviesados. Não é surpreendente que modelos de IA precisem de uma enorme quantidade de dados de alta qualidade.
Embora nenhuma empresa comece com a intenção de criar um modelo de IA enviesado, isso pode acontecer se perspectivas diversas forem omitidas no processo de design. “Nos primeiros dias da revolução dos big data, as empresas se gabavam de ter muitos dados. E eu estava pensando, ‘Todo mundo tem muitos dados. Isso não é um diferencial competitivo. Me fale sobre o valor produtivo!'”, diz Borne.
Viehhauser diz que o BMW Group estabeleceu um data lake centralizado local em 2015, que coleta e combina dados anonimizados de sensores em veículos, sistemas operacionais e data warehouses para derivar insights históricos, em tempo real e preditivos. No entanto, a empresa precisava escalar sua plataforma com mais facilidade para atender às crescentes demandas de partes interessadas internas e externas.
Portanto, desenvolveu uma solução nativa na nuvem para atender às necessidades de dados de todas as várias unidades de negócios internas e permitir que a empresa se mova rapidamente para abordar a variedade de casos de uso emergentes.
6 – Encontre o parceiro certo.
As chances de uma estratégia bem-sucedida impulsionada por IA/AM melhoram muito, diz Borne, se os líderes de negócios lembrarem que os dados são uma ciência e sua implementação requer um processo interativo de teste, validação e refinamento da hipótese, seguido de teste e refinamento da próxima iteração.
Um fornecedor de IA experiente pode ajudar as organizações a ter sucesso nesta fase, diz Maenner. “Nós dizemos: ‘Se você ficar nadando em seu próprio caldo a noite toda e o dia todo, provavelmente só conhece seu caldo’. Trabalhar com um bom parceiro de implementação pode ampliar sua compreensão do possível e criar um retorno mais rápido sobre o investimento.”
7 – Use os dados de forma responsável e ética.
À medida que a IA se torna mais prevalente na vida cotidiana, aumentam as preocupações sobre se esses dados estão sendo usados de forma responsável, o que significa tudo, desde aprimorar a privacidade dos dados até reduzir o viés na modelagem.
Para garantir aos clientes que seus dados seriam tratados de forma ética, a ADP lançou uma diretoria de ética de IA e dados, anunciou seus princípios para o uso e aplicação da tecnologia e construiu seu próprio sistema de monitoramento. “Isso inclui coisas relacionadas à transparência, ‘explicabilidade’ e viés. Implementamos algumas coisas que são puramente automatizadas sobre como medir essas coisas. Continuamos a empurrar os limites”, diz Berkowitz.
Da mesma forma, o BMW Group projetou sua plataforma com base nos princípios estabelecidos em seu Guia de Ética para IA, ao mesmo tempo em que delineava o compromisso da empresa com a agência e supervisão humanas, não discriminação, bem-estar ambiental e social e transparência e responsabilidade de dados.
Incluir o componente ético ajuda muito a construir a confiança dos funcionários, clientes e da população em geral, o que é essencial para o crescimento de longo prazo da IA/AM.
Conclusão
Maenner acredita que o aspecto transformador dessas tecnologias se resume a encontrar o equilíbrio certo entre a revolução e a evolução. “Você realmente precisa pressionar as pessoas de um lado e pedir a elas que assumam a responsabilidade do outro”, diz ele. “Eles precisam entender que, se estiverem investindo em IA/AM, também colherão sucesso em termos de orçamento ou processos aprimorados.”
Embora haja muitos desafios na adoção de IA/AM ou na busca da estratégia certa para empregar essas tecnologias, histórias de sucesso empresarial como as da ADP e do BMW Group mostram que qualquer obstáculo é claramente superado pelos benefícios. Além disso, adotar a IA não é mais opcional para empresas que desejam permanecer competitivas, e é ainda mais crítico para aquelas que desejam se destacar como líderes do setor.
Essencialmente, é uma queda de guerra para ver qual prevalece – IA ou o status quo. Observadores atentos, como Borne da DataPrime, estão apostando na IA. “Toda empresa precisa ter uma vantagem competitiva e continuará enfrentando ventos contrários para ter sucesso”, diz ele.
Fonte
Estudo publicado pela Harvard Business Review Advisory Council. A Harvard Business Review Analytic Services é uma unidade independente de pesquisa comercial dentro do Harvard Business Review Group, que realiza pesquisas e análises comparativas sobre desafios de gestão importantes e oportunidades de negócios emergentes. Buscando fornecer inteligência de negócios e insights de grupos de pares, cada relatório é publicado com base nas descobertas de pesquisas originais quantitativas e/ou qualitativas e análises. Pesquisas quantitativas são conduzidas com o HBR Advisory Council, o painel de pesquisa global da HBR, e pesquisas qualitativas são realizadas com executivos seniores de negócios e especialistas em assuntos de dentro e fora da comunidade de autores do Harvard Business Review.
Quem patrocinou esse estudo analítico:
Amazon Machine Learning Solutions Lab, que pertence a AWS (Amazon Web Services), que é uma subsidiária da Amazon.com que oferece uma ampla gama de serviços de computação em nuvem, incluindo armazenamento, processamento de dados, análise, aprendizado de máquina, Internet das Coisas (IoT), segurança, e muito mais. A AWS é uma das principais provedoras de serviços de nuvem do mundo e é amplamente utilizada por empresas, organizações governamentais e indivíduos para hospedar aplicativos, armazenar dados e executar cargas de trabalho de computação em escala global.
Quem traduziu esse artigo para o português – BR?
ChatGPT
Referências bibliográficas e links externos:
1 – Fortune Business Insights, “Artificial Intelligence Market to Reach USD 266.92 Billion by 2027; Increasing AI Technology Users to Spur Market Growth,” May 7, 2021. https://www.globenewswire.com/en/news-release/2021/05/07/2225220/0/en/Artificial-Intelligence-Market-to-Reach-USD-266-92-Billion-by2027-Increasing-AI-Technology-Users-to-Spur-Market-Growth-Fortune-Business-Insights.html.
2 – PwC, “Global Artificial Intelligence Study: Exploiting the AI Revolution,” https://www.pwc.com/gx/en/issues/data-and-analytics/publications/artificialintelligence-study.html.
3 – AAAS Report, “Artificial Intelligence: A Vital Tool in the Pandemic,” May 4, 2021. https://www.aaas.org/news/artificial-intelligence-vital-tool-pandemic.
4 – Appen, “The 2021 State of AI and Machine Learning Report,” July 15, 2021. https://appen.com/whitepapers/the-state-of-ai-and-machine-learning-report/.