Há uma tremenda apreensão sobre o potencial da inteligência artificial generativa – tecnologias que podem criar novo conteúdo, como áudio, texto, imagens e vídeo – para substituir pessoas em muitos empregos. Mas uma das maiores oportunidades que a inteligência artificial generativa oferece para empresas e governos é aumentar a criatividade humana e superar os desafios da democratização da inovação.
Um exemplo prático da aplicação da IA é o ChatGPT, ferramenta de criação e tradução de textos que foi utilizada para traduzir o conteúdo desse artigo, que foi originalmente publicado em inglês.
Resumo do artigo
O problema:
Nas últimas duas décadas, os esforços das empresas para envolver pessoas externas no processo de criação de novos produtos aumentaram. A multidão e as competições de ideias são dois exemplos principais. No entanto, as empresas ainda lutam para aproveitar a grande quantidade de ideias geradas.
As principais causas:
A falta de uma maneira eficiente de avaliar as ideias, as lutas dos especialistas do domínio em aceitar ideias novas, a incapacidade dos contribuintes em fornecer detalhes necessários para tornar suas ideias viáveis, e o desafio de sintetizar diferentes ideias são todos fatores.
A solução:
A inteligência artificial generativa pode ajudar a superar esses desafios. Ela pode aumentar a criatividade dos funcionários e clientes e ajudá-los a gerar e identificar novas ideias, bem como melhorar a qualidade das ideias brutas.
O termo “democratização da inovação” foi cunhado por Eric von Hippel, do MIT, que, desde meados da década de 1970, vem pesquisando e escrevendo sobre o potencial dos usuários de produtos e serviços desenvolverem o que precisam por si mesmos, em vez de simplesmente dependerem das empresas para isso. Nas últimas duas décadas, aproximadamente, a ideia de envolver profundamente os usuários no processo de inovação ganhou força, e hoje as empresas utilizam crowdsourcing e concursos de inovação para gerar uma infinidade de novas ideias. No entanto, muitas empresas lutam para capitalizar essas contribuições devido a quatro desafios.
Primeiro, os esforços para democratizar a inovação podem resultar em sobrecarga de avaliação. O crowdsourcing, por exemplo, pode produzir um fluxo de ideias, muitas das quais acabam sendo descartadas porque as empresas não têm uma maneira eficiente de avaliá-las ou fundir ideias incompletas ou menores que poderiam se provar potentes em combinação.
Segundo, as empresas podem cair na maldição da especialização. Especialistas em domínios que são melhores em gerar e identificar ideias viáveis muitas vezes têm dificuldade em gerar ou até mesmo aceitar ideias novas.
Terceiro, pessoas que não têm experiência no domínio podem identificar ideias novas, mas podem ser incapazes de fornecer os detalhes que tornariam as ideias viáveis. Elas não conseguem traduzir ideias confusas em designs coerentes.
E, finalmente, as empresas têm dificuldade em enxergar a floresta além das árvores. As organizações se concentram em sintetizar uma série de requisitos dos clientes, mas têm dificuldade em produzir uma solução abrangente que irá apelar para a comunidade em geral.
Nossa pesquisa e nossa experiência trabalhando com empresas, instituições acadêmicas, governos e militares em centenas de esforços de inovação – alguns com e alguns sem o uso de inteligência artificial generativa – demonstraram que essa tecnologia pode ajudar as organizações a superar esses desafios. Ela pode aumentar a criatividade dos funcionários e clientes e ajudá-los a gerar e identificar ideias novas – e melhorar a qualidade das ideias brutas. Observamos os seguintes cinco modos.
1 – Promovendo o pensamento divergente
A inteligência artificial generativa pode apoiar o pensamento divergente ao fazer associações entre conceitos remotos e produzir ideias baseadas neles. Aqui está um exemplo de como usamos o Midjourney, um algoritmo de texto para imagem que pode detectar semelhanças analógicas entre imagens, para gerar novos designs de produtos com base em sugestões textuais de um humano. (Utilizamos o Midjourney, ChatGPT e Stable Diffusion para os exemplos neste artigo, mas eles são apenas alguns de uma série de ferramentas de IA generativa disponíveis atualmente.)
Pedimos ao Midjourney que criasse uma imagem que combinasse um elefante e uma borboleta, e ele produziu a quimera que chamamos de “phantafly”. Usamos então a renderização detalhada do Midjourney para inspirar sugestões no Stable Diffusion, outro modelo popular de texto para imagem. O Stable Diffusion gerou uma variedade de ideias para diferentes categorias de produtos, incluindo cadeiras e doces de chocolate artesanais (veja imagens baixo).
Produzir rapidamente e de forma econômica uma infinidade de designs dessa maneira permite que uma empresa avalie rapidamente uma ampla gama de conceitos de produtos. Por exemplo, uma empresa de roupas que usa IA generativa para criar novos designs para camisetas pode acompanhar as tendências e oferecer uma seleção de produtos em constante mudança aos clientes.
Considere outro exemplo de como essa tecnologia pode conectar ideias para criar conceitos que um indivíduo ou uma equipe talvez nunca tenha pensado por si mesma. Usamos o ChatGPT, um tipo de IA generativa conhecida como um modelo de linguagem grande, para orientar a produção de ideias. Pedimos que ele gerasse ideias através de um processo de trissociação, conectando três entidades distintas (uma extensão da técnica de criatividade de bisociação).
Nossa equipe deu ao ChatGPT o seguinte estímulo: “Você desempenhará o papel de um idealizador. Você gerará aleatoriamente 10 substantivos comuns. Você então selecionará aleatoriamente dois dos 10 substantivos. Você então me pedirá um terceiro substantivo. Você gerará uma ideia de negócio combinando ou associando os dois substantivos que você identificou e o substantivo que eu identifiquei.”
O ChatGPT gerou os substantivos “comida” e “tecnologia”. Quando solicitado, fornecemos o substantivo adicional “carro”. O ChatGPT produziu a seguinte ideia de negócio rapidamente: “Um serviço de entrega de alimentos inteligente que utiliza carros autônomos para transportar refeições aos clientes. O aspecto tecnológico poderia envolver o uso de IA para otimizar rotas de entrega, rastrear a temperatura dos alimentos em tempo real e fornecer aos clientes atualizações em tempo real sobre o status de seus pedidos. O serviço poderia visar profissionais ocupados e famílias que desejam opções de refeições convenientes e saudáveis sem sacrificar o sabor e a qualidade.”
Em uma rodada separada, o ChatGPT produziu os substantivos “companhia aérea” e “cadeira”. Quando solicitado, fornecemos “universidade”, e o ChatGPT elaborou um conceito de negócio que fornece uma maneira conveniente e econômica para estudantes e acadêmicos viajarem para conferências e workshops ao redor do mundo, juntamente com acesso a uma biblioteca de livros educacionais durante o voo. Ele propôs que a empresa se chamasse Fly and Study ou Edu-Fly.
2 – Desafio do viés da experiência
Durante as fases iniciais do desenvolvimento de novos produtos, os designs atípicos criados pela inteligência artificial generativa podem inspirar os designers a pensar além de suas preconcepções sobre o que é possível ou desejável em um produto em termos de forma e função. Essa abordagem pode levar a soluções que os humanos talvez nunca tenham imaginado usando uma abordagem tradicional, onde as funções são determinadas primeiro e a forma é então projetada para acomodá-las.
Essas entradas podem ajudar a superar preconceitos como a fixação de design (uma dependência excessiva em formas de design padrão), a fixação funcional (uma falta de capacidade de imaginar um uso além do tradicional) e o efeito Einstellung, onde as experiências anteriores das pessoas as impedem de considerar novas maneiras de resolver problemas.
Aqui está um exemplo desse processo.
Pedimos ao Stable Diffusion que gerasse designs genéricos de brinquedos inspirados em caranguejos, mas não fornecemos especificações funcionais. Então imaginamos capacidades funcionais depois de ver os designs.
Por exemplo, na coleção de brinquedos inspirados em caranguejos mostrada acima, a imagem no canto superior esquerdo poderia ser desenvolvida em um brinquedo de escalada de parede; a imagem ao lado poderia ser um brinquedo que lança uma pequena bola pela sala. O caranguejo em um prato perto do centro poderia se tornar um prato de alimentação lenta para animais de estimação.
Esta não é uma maneira completamente nova de criar produtos incomuns: grande parte da arquitetura e funcionalidade de passeios em parques temáticos como o Disney World foram impulsionadas pelo desejo de recriar cenas e personagens de uma história. Mas as ferramentas de IA generativa podem ajudar a impulsionar os designs imaginativos de uma empresa.
3 – Ajudar na avaliação de ideias
As ferramentas de IA generativa podem ajudar em outros aspectos da fase inicial da inovação, incluindo o aumento da especificidade das ideias e a avaliação das ideias, e às vezes combinando-as. Considere um desafio de inovação onde o objetivo é identificar maneiras de minimizar o desperdício de alimentos. O ChatGPT avaliou os prós e contras de três ideias brutas:
- embalagens com datas de validade dinâmicas (rótulos que mudam automaticamente as datas ou cores com base nas condições ambientais nos locais onde são armazenados);
- um aplicativo para ajudar os usuários a doar alimentos; e
- uma campanha para educar as pessoas sobre tipos de datas de validade e o que elas representam em termos de frescor e adequação para o uso.
O ChatGPT produziu uma análise equilibrada dos prós e contras que espelhou o que poderíamos esperar de uma troca entre duas pessoas interessadas discutindo os méritos de tais ideias.
Quando o ChatGPT avaliou o conceito de embalagem com data de validade dinâmica, por exemplo, determinou que ajudaria os consumidores a entender melhor a vida útil dos produtos e incentivaria os fabricantes de alimentos a produzir lotes menores que seriam repostos com mais frequência nas prateleiras de supermercados. Além disso, o ChatGPT apontou que datas de validade dinâmicas podem exigir mudanças significativas no processo de fabricação e embalagem e, como resultado, poderiam aumentar os custos tanto para os fabricantes quanto para os consumidores.
O ChatGPT determinou que o aplicativo de doação de alimentos poderia incentivar as pessoas a consumir seus alimentos antes que estraguem e reduzir o desperdício de alimentos, doando alimentos não abertos e comestíveis para quem precisa. Ele alertou que o aplicativo pode exigir uma grande base de usuários para ser eficaz e que o transporte e a distribuição de alimentos de uma ampla variedade de fontes não regulamentadas podem representar preocupações de segurança.
Ele afirmou que os prós de um programa educacional para consumidores eram aumentar a conscientização do consumidor sobre o significado de diferentes rótulos de validade e ajudá-los a tomar decisões mais informadas sobre compras de alimentos e desperdício. Mas o ChatGTP alertou que este programa educacional pode ser excessivamente complexo porque as datas de validade não são padronizadas em todos os produtos alimentícios. E ele alertou que educar os usuários sobre diferentes tipos de datas de validade pode ser caro se o programa for amplo em escopo, especialmente se envolver campanhas generalizadas ou materiais educacionais.
A IA generativa pode ir além de simples prós e contras e ajudar os humanos a avaliar dimensões da criatividade, como novidade, viabilidade, especificidade, impacto e praticidade. Pedimos ao ChatGPT que avaliasse os mesmos exemplos usando esses critérios.
Aqui está a avaliação do ChatGPT do conceito de embalagem com data de validade dinâmica:
Novidade: Um pouco novo. Já houve esforços para desenvolver embalagens inteligentes que possam estender a vida útil de produtos alimentícios, mas a ideia de datas de validade dinâmicas é um conceito emergente.
Viabilidade: Pode ser desafiador de implementar, pois requer o desenvolvimento de novos materiais e tecnologias de embalagem. Também exigiria colaboração com fabricantes de alimentos, reguladores e distribuidores.
Especificidade: É específico ao abordar o problema do desperdício de alimentos, fornecendo aos consumidores datas de validade mais precisas para seus alimentos.
Impacto: Poderia ter um impacto significativo na redução do desperdício de alimentos e na melhoria da segurança alimentar. Ao receber datas de validade mais precisas, os consumidores seriam mais propensos a usar seus alimentos antes que estraguem.
Viabilidade prática: Provavelmente exigiria recursos e expertise significativos para desenvolver e implementar, e pode levar vários anos para alcançar todo o seu potencial.
Aqui está a avaliação do ChatGPT do aplicativo para doação de alimentos próximos ao vencimento:
Novidade: Não particularmente novo. Já existem muitos programas e organizações dedicadas a reduzir o desperdício de alimentos e doar alimentos excedentes para quem precisa.
Viabilidade: Altamente viável. Existem muitos modelos estabelecidos e uma infraestrutura em vigor para apoiar os esforços de doação de alimentos.
Especificidade: Específico em seu objetivo de reduzir o desperdício de alimentos e abordar questões de insegurança alimentar.
Impacto: Tem o potencial de causar um impacto significativo, pois aborda tanto o desperdício de alimentos quanto a fome. Ao redirecionar alimentos excedentes para quem precisa, pode ajudar a reduzir o desperdício de alimentos e melhorar a segurança alimentar para populações vulneráveis.
Viabilidade prática: Altamente viável, pois pode ser implementado rapidamente e a um custo relativamente baixo. Exigiria parcerias com fabricantes de alimentos, distribuidores e bancos de alimentos, bem como voluntários para coletar e distribuir os alimentos doados.
Por fim, aqui está como o ChatGPT avaliou a ideia de educar os usuários sobre os diferentes tipos de datas de validade:
Novidade: Não particularmente novo. Já houve esforços para educar os consumidores sobre o significado das datas de validade e como armazenar corretamente os alimentos para prolongar sua vida útil.
Viabilidade: Altamente viável. Pode ser implementado por meio de várias formas, como campanhas de conscientização pública, materiais educacionais e divulgação na mídia.
Especificidade: Específico em seu objetivo de educar os consumidores sobre as diferentes datas de validade e como armazenar corretamente os alimentos para reduzir o desperdício.
Impacto: Potencialmente significativo. Educar os consumidores sobre as diferentes datas de validade e como armazenar corretamente os alimentos os tornará mais conscientes do desperdício de alimentos e os levará a tomar medidas para reduzi-lo.
Viabilidade prática: Altamente viável e pode ser implementado a um custo relativamente baixo. Exigiria colaboração com grupos da indústria alimentícia, agências governamentais e outras organizações para desenvolver e distribuir materiais educacionais.
Usando as avaliações do ChatGPT, seria relativamente fácil avaliar esses três conceitos, ou classificá-los rapidamente com base nos critérios que mais importam.
4 – Ajuda no refinamento das ideias
Ferramentas de IA generativa podem resolver um desafio importante enfrentado em concursos de ideias: combinar ou mesclar um grande número de ideias para produzir ideias muito mais fortes. Por exemplo, uma organização que está tentando ganhar um contrato ou uma concessão para desenvolver um programa de redução de desperdício de alimentos pode usar as ferramentas para combinar os três conceitos discutidos anteriormente. Fizemos isso em duas etapas. Primeiro, pedimos ao ChatGPT para detalhar cada um dos conceitos:
1. “Datas de validade dinâmicas são uma solução voltada para reduzir o desperdício de alimentos. Isso envolve incorporar tecnologia à embalagem que pode rastrear e ajustar a vida útil dos produtos em tempo real. Usando sensores, a data de validade pode ser atualizada com base em mudanças nos fatores ambientais, fornecendo aos consumidores uma estimativa mais precisa de quando um produto vai estragar.”
2. “Um aplicativo que permite aos consumidores doar alimentos próximos à sua data de validade tem como objetivo reduzir o desperdício de alimentos, dando alimentos não abertos e comestíveis para aqueles que precisam. O aplicativo conecta indivíduos que têm alimentos excedentes a organizações locais que podem utilizá-los. Ao usar a tecnologia para facilitar doações de alimentos, o aplicativo pode ajudar a reduzir o desperdício de alimentos e fornecer para aqueles que precisam.”
3. “Educar os usuários sobre os diferentes tipos de datas de validade pode ajudar os usuários a tomar decisões informadas sobre a compra e consumo de alimentos, reduzindo o desperdício e economizando dinheiro. Ao esclarecer o significado de ‘melhor antes’, ‘consumir até’ e outros rótulos de validade, uma campanha educacional pode ajudar os usuários a entender melhor como determinar se um alimento está seguro para comer e quando é hora de descartá-lo.”
Em seguida, pedimos ao ChatGPT para mesclar todas as três ideias em um programa de redução de desperdício de alimentos. Em pouco tempo, produziu a seguinte descrição:
“A solução abrangente de redução de desperdício de alimentos envolve a criação de embalagens inteligentes com datas de validade dinâmicas, estabelecendo um programa para doação de alimentos excedentes e educando o público sobre a importância de entender as datas de validade dos alimentos. A embalagem inteligente ajuda os consumidores a tomar decisões informadas sobre a frescura dos alimentos, o programa de doação garante que os alimentos excedentes sejam utilizados de forma adequada, e a educação aumenta a conscientização sobre o impacto do desperdício de alimentos. Esta solução tem o potencial de reduzir significativamente o desperdício de alimentos e criar um futuro mais sustentável, capacitando os consumidores, trabalhando com a indústria e o governo, e fazendo um melhor uso de alimentos excedentes.”
5 – Facilita a colaboração entre os usuários e criadores humanos
Quando se desenvolvem novas ideias ou designs de produtos, a IA generativa pode facilitar colaborações entre os designers de uma empresa e os usuários de um produto em potencial, assim como entre os próprios usuários. Em outras palavras, a tecnologia torna a co-criação de novas ofertas muito mais fácil e menos dispendiosa. Por exemplo, uma empresa pode dar aos usuários acesso a ferramentas para gerar designs e então criar uma versão personalizada do produto com base nas preferências do cliente. Alternativamente, os designs dos usuários podem ser postados em uma plataforma de crowdsourcing onde são avaliados pela comunidade. Os melhores designs podem então ser desenvolvidos ainda mais por colaboradores adicionais.
Para ilustrar o potencial, mostramos como um carro voador — algo que as pessoas tentam desenvolver há mais de 100 anos sem muito sucesso — pode ser projetado. Damos a este prompt ao Stable Diffusion: “Projete um produto que possa voar mas também dirigir na estrada, um automóvel voador”.
O Stable Diffusion gerou vários designs, e selecionamos o que consideramos o mais promissor: o veículo no canto inferior direito da colagem superior. Em seguida, pedimos ao Stable Diffusion para pegar esse design e reimaginar o conceito para que o carro “se assemelhasse a uma águia robô”. A segunda colagem mostra as variações que o programa de IA generativa produziu rapidamente — desde o design no canto superior esquerdo que se parece mais com uma águia robô até o conceito mais viável de um automóvel voador no canto inferior direito.
Um segundo exemplo ilustra como os designers podem usar essas ferramentas para colaborar em variações temáticas de um design estrutural. Eles começaram com um design de automóvel voador gerado pela IA e pediram à ferramenta para produzir versões que se assemelhassem a uma libélula, um tigre, uma tartaruga e uma águia (exibido acima).
Uma abordagem alternativa é para colaboradores humanos usarem uma ferramenta como o ChatGPT para desenvolver detalhes do produto e depois usarem uma como o Stable Diffusion para obter designs visuais com base em uma série de prompts que se baseiam uns nos outros.
Demos ao ChatGPT um prompt semelhante ao que tínhamos dado ao Stable Diffusion: “Descreva um produto que possa voar mas também dirigir na estrada, um automóvel voador.” O ChatGPT forneceu esta descrição: “O automóvel voador é um veículo elegante e futurista construído para a aventura máxima. Tem a aparência de um carro esportivo elegante, com curvas suaves e exterior polido, mas com rotores ocultos que permitem que ele levante voo.” Quando fornecemos essa descrição ao Stable Diffusion, ele forneceu a imagem abaixo:
Em seguida, pedimos ao ChatGPT para reimaginar a descrição para incluir a informação de que o produto deve se assemelhar a uma libélula e ter marcadores de iluminação para voar à noite. Ele voltou com o seguinte: “Com seu corpo esguio, asas estendidas e rotores ocultos, o veículo lembra uma libélula ganhando vida. Os marcadores iluminados localizados ao longo das asas e do corpo criam um efeito visual impressionante, ajudando a tornar o veículo visível na escuridão.” O Stable Diffusion traduziu essa descrição em várias versões que mantiveram o design viável e adicionaram elementos de iluminação com base no padrão das asas de uma libélula. As imagens abaixo mostram o design original.
Os seres humanos têm uma criatividade inesgotável. No entanto, o desafio de comunicar seus conceitos em forma escrita ou visual restringe vastos números de pessoas de contribuir com novas ideias. A inteligência artificial generativa pode remover esse obstáculo. Como em qualquer capacidade verdadeiramente inovadora, certamente haverá resistência a ela. Os processos de inovação de longa data terão que mudar.
Pessoas com interesses pessoais no antigo modo de fazer as coisas — especialmente aqueles preocupados em serem tornados obsoletos — irão resistir. Mas as vantagens — as oportunidades de aumentar dramaticamente o número e a novidade de ideias tanto de dentro quanto de fora da organização — tornarão a jornada válida. O maior potencial da inteligência artificial generativa não é substituir os humanos; é ajudar os humanos em seus esforços individuais e coletivos para criar soluções até então inimagináveis. Ela pode verdadeiramente democratizar a inovação.
Fonte:
Periódico HBR, julho – agosto de 2023
Sobre os autores:
TOJIN T. EAPEN é professor no College of Business da Universidade do Missouri e consultor principal na Innomantra.
DANIEL J. FINKENSTADT é professor de gestão de defesa na Naval Postgraduate School, em Monterey, Califórnia, e sócio da empresa de consultoria Wolf Stake Consulting.
JOSH FOLK é cofundador e presidente de soluções corporativas na IdeaScale, uma plataforma de software de inovação baseada na nuvem.
LOKESH VENKATASWAMY é CEO e diretor administrativo da Innomantra, uma empresa de consultoria em inovação e propriedade intelectual em Bengaluru, Índia.