Resumo do livro Apostando tudo na inteligência artificial

Enquanto muitas empresas adiam sua estratégia de IA – Inteligência Artificial – há um grupo emergente de organizações internacionais obtendo grandes ganhos comerciais por meio da sua adoção precoce. Quem afirma isso é Thomas Davenport em seu livro lançado em 2023: All in on AI. Conheça mais detalhes sobre suas análises e pesquisas de mercado recentes sobre Inteligência Artificial publicadas em seu livro nesse artigo.

Quando se trata de reconhecer o que a inteligência artificial pode fazer por seus negócios, “a maioria das empresas está apenas arranhando a superfície”, diz Thomas H. Davenport, co-autor de ‘All in on AI’. “Elas têm alguns pilotos ou provas de conceito em andamento que realmente não têm um impacto substancial em seus negócios”, continua ele. “Mas, em nosso livro, descrevemos os adotantes extremos: aqueles que estão fazendo muitas coisas com a IA, algumas das quais têm o potencial de transformar suas estratégias, modelos de negócios ou processos de negócios-chave.”

Observar essas empresas “altamente agressivas” dará ideias para outros adotantes mais relutantes sobre como proceder com a IA, argumenta ele. Subintitulado ‘Como Empresas Inteligentes Ganham Grande com a Inteligência Artificial‘, a mensagem do livro não poderia ser mais clara. De qualquer forma que você interprete a palavra deliberadamente ambígua ‘inteligente’ – seja no sentido de intelectualmente ágil ou progressivamente habilitado digitalmente – se você não for um dos adotantes agressivos de Davenport, está perdendo. “Escrevemos o livro para educar outras empresas sobre o que é necessário para ter sucesso com uma abordagem ‘all in on AI'”, diz ele.

Mas há outra ambiguidade também: enquanto ‘all in’ pode ser interpretado como ‘comprometimento total’ como uma estratégia calculada, ele carrega uma conotação mais específica do poker, onde o termo se refere ao máximo ‘raise’ de apostar todo o seu conjunto de fichas.

Talvez haja uma aposta implícita em ser um adotante inicial de IA, mas o livro está cheio de exemplos de pessoas que ganharam muito. Em um mercado editorial atualmente inundado de títulos sobre autoajuda / inspiração em IA, é tentador se perguntar o que o livro ‘All in on AI’ apresenta algum conteúdo diferente dos outros livros. Davenport se defende (e a seu co-autor Nitin Mittal), afirmando: “Talvez os aspectos mais distintivos do livro sejam o conjunto de fatores que distinguem os adotantes altamente agressivos de IA, e depois os exemplos de como várias empresas estão empregando cada fator”.

Ele continua dizendo que “um dos mais interessantes para mim é a adoção de novos modelos de negócios baseados em ecossistemas. Descrevemos como a IA suporta cinco grandes ecossistemas na Ping An, a maior empresa do setor privado na China.

Também discutimos um ecossistema chamado SkyWise na Airbus, que compreende a própria Airbus, todas as companhias aéreas que voam aeronaves da Airbus e as próprias aeronaves. A IA é usada para integrar os dados, prever as necessidades de manutenção e otimizar rotas e consumo de combustível.”

Uma das grandes revelações do livro é que apenas 1% das grandes empresas têm estratégias integradas “all in” de IA. Parece que as organizações só conseguem se envolver totalmente com a IA se tiverem uma quantidade relativamente grande de áreas de baixo risco nas quais aplicá-la.

“Algumas, como o DBS Bank e a Anthem [que em 2023 teve a marca mudada para Elevance Health], tiveram alguns fracassos iniciais com a IA quando ainda não estava madura tecnicamente. Mas agora eles estão implementando uma variedade de aplicações de baixo risco que, juntas, têm exibido um impacto estratégico”.

Ele cita a Capital One como exemplo de uma organização que “pode ter milhares de aplicações de IA, mas cada uma é bastante simples de desenvolver”.

Claramente, ir “all in” (apostar tudo) requer um forte comprometimento financeiro com a integração, se quiser ser bem-sucedido, e Davenport diz que “só perfilamos empresas que já estão recebendo benefícios substanciais desses investimentos”.

Quando Davenport fala sobre “agressão” no contexto da adoção de tecnologia, existem dois fatores-chave:

O primeiro é a adoção precoce e o segundo é o financiamento.

Várias vezes, o livro ‘All in on AI’ deixa claro que não há muitos ganhos a serem feitos pelos indecisos. Essa defesa da decisão é algo sobre o qual o professor visitante da Universidade de Oxford já escreveu anteriormente.

Lá em 2007, o livro de Davenport ‘Competindo com Análises’ descrevia como as empresas que faziam uso “agressivo” de Big Data poderiam obter uma vantagem competitiva. O livro tornou-se um best-seller e foi popular “mesmo quando as empresas não queriam adotar análises tão agressivamente”, apenas porque achavam útil aprender o que a concorrência estava fazendo.

O mesmo acontece com a IA: “Embora você possa não querer adotar todas as práticas de ponta, é necessário considerá-las. Se as empresas que perfilamos estão em sua indústria, pode ser necessário pelo menos acompanhá-las para sobreviver”.

Mas antes que as organizações façam a transição de observador passivo para participante ativo, elas precisam ter uma estratégia em vigor, a fim de coordenar “todas as mudanças técnicas, comerciais e organizacionais necessárias para ter sucesso com a IA em larga escala”.

Davenport diz que enquanto algumas empresas têm uma estratégia de IA separada, ou combinaram a IA com uma estratégia digital mais ampla, “mais têm o que poderia ser chamado de ‘uma estratégia de negócios intensiva em IA’. Os componentes de IA estão totalmente alinhados e integrados com as mudanças desejadas na estratégia, modelos e processos de negócios. É por isso que o CEO e a equipe de alta administração precisam estar alinhados com ela”.

Dada a preocupação com o efeito da IA nos empregos humanos, Davenport observa que “não encontramos um único exemplo de perda de empregos em larga escala devido à IA ou automação em nenhuma das empresas que pesquisamos para o livro. Isso pode mudar quando tivermos uma IA geral altamente competente. Mas esse tempo ainda não chegou”.

Davenport diz que ficou surpreso com a ampla distribuição global da adoção de IA entre as grandes empresas. Um adotante de destaque é a Ping An da China, “e um dos principais bancos do mundo no uso de IA é o DBS Bank, sediado em Singapura. Além de várias empresas dos EUA, também encontramos outras no Reino Unido, Europa, Canadá e Japão. A adoção corporativa da Inteligência Artificial é um fenômeno global”.

Ele acredita que os primeiros adotantes serão os grandes vencedores. “Alguns já estão se distanciando de seus concorrentes. Vimos padrões semelhantes com tecnologias anteriores: a Walmart, por exemplo, tornou-se dominante no varejo por causa de suas tecnologias de cadeia de suprimentos, redes de satélite e conexões RetailLink com fornecedores.

Os vencedores de hoje serão as empresas que adotarem a IA precocemente e de maneira agressiva e a integrarem bem aos seus negócios. Os perdedores serão aqueles que ficarem à margem ou talvez apenas experimentarem a IA em pequena escala”.

Abaixo voce tem um resumo das primeiras 30 páginas do livro All in on Artificial Intelligence

Índice

• Introdução:
• 1. O Que Significa Ser Impulsionado por IA?
• 2. O Lado Humano
• 3. Estratégia
• 4. Tecnologia e Dados
• 5. Capacidades
• 6. Casos de Uso na Indústria
• 7. Tornando-se Impulsionado por IA

Introdução

Ninguém ficou surpreso quando Sundar Pichai, o CEO da Alphabet (empresa-mãe do Google), anunciou em um evento para clientes do Google em 2017 que a empresa estaria se tornando “AI first” (Inteligência Artificial em primeiro lugar).

Em um discurso para desenvolvedores de tecnologia, Pichai disse:

“Em um mundo orientado pela IA, estamos repensando todos os nossos produtos e aplicando aprendizado de máquina e IA para resolver os problemas dos usuários”.

Mesmo antes disso, em 2015, o Google já havia contabilizado mais de 2.700 projetos de IA e aprendizado de máquina em toda a empresa. A IA está incorporada virtualmente em todos os seus produtos e serviços para clientes, incluindo busca, mapas, Gmail, Duo/Assistente, entre outros.

Ele oferece o TensorFlow, um conjunto de algoritmos e ferramentas de aprendizado de máquina, para clientes do Google Cloud. Várias outras empresas da Alphabet, incluindo sua empresa de veículos autônomos Waymo e sua empresa de biotecnologia Calico, também fazem amplo uso de IA.

Que a Alphabet/Google estava totalmente comprometida com a IA era bem conhecido na época pelos observadores da indústria, então o anúncio não atraiu muita atenção. Era um comportamento normal para o Vale do Silício e organizações digitais nativas e empreendedoras.

Já havia até mesmo um livro sobre empresas “AI-first” entre as startups de tecnologia, talvez também para surpresa de ninguém. As pessoas pareciam pensar: “Isso é apenas o que o Google faz – e, por falar nisso, o Facebook, Amazon, Tencent, Alibaba etc.”

Mas a Alphabet/Google e outras organizações de tecnologia não foram as únicas a pensar em impulsionar seus negócios com IA. Existem empresas tradicionais e até mesmo pequenas e médias empresas que também perseguiram esse objetivo.

Por exemplo, embora poucas pequenas empresas tivessem a IA em seus radares na época, a Radius Financial Group, um originador de hipotecas com 200 funcionários nos subúrbios ao sul de Boston, tinha. Keith Polaski, o cofundador da empresa e chefe de operações, iniciou uma busca intensiva por ferramentas de IA em 2016.

Polaski se refere ao seu negócio como “manufatura de empréstimos” e mede tudo o que acontece em sua fábrica de produção de hipotecas. Ele colocou ferramentas de IA e automação para trabalhar, e agora sua empresa é substancialmente mais produtiva e lucrativa do que a média do setor.

A suposta revolução da IA estava acontecendo principalmente no Vale do Silício, mas a gigante europeia da aviação, Airbus, não recebeu a mensagem. Percebendo que precisava se adaptar e melhorar a eficiência operacional diante de uma indústria de aviação fortemente perturbada pela digitalização, a Airbus embarcou, na metade da década de 2010, em uma ampla transformação digital.

IA e dados estavam no centro da mudança, com uma variedade de iniciativas em toda a empresa. Investiu em novas tecnologias e até começou a treinar os funcionários para usar a IA. Seu programa não é segredo: o site da Airbus relata:

“A inteligência artificial (IA) é muito mais do que um campo de pesquisa: é uma tecnologia futura ubíqua com o potencial de redefinir todas as áreas de nossa sociedade. Na Airbus, acreditamos que a IA é uma vantagem competitiva chave que nos permite capitalizar o valor de nossos dados”.

A Airbus aplica suas capacidades de IA em toda a sua organização global, tanto para o seu negócio de aviões comerciais quanto para suas divisões de Helicópteros, Defesa e Espaço. A tecnologia de IA foi fundamental para muitas ofertas da Airbus, incluindo seu serviço de imagens OneAtlas, o demonstrador ATTOL (navegação baseada em visão para táxi, decolagem e pouso autônomos), navegação baseada em visão para helicópteros e assistentes virtuais para pilotos em cockpits e astronautas na Estação Espacial Internacional.

Certamente, a IA está sendo perseguida com agressividade na China por organizações nativas digitais como Alibaba e Tencent. No entanto, também está sendo aplicada a negócios tradicionais como seguros, bancos, saúde e venda de carros.

Uma gigante, Ping An, tem negócios prósperos em todas essas áreas. Ela usou a IA em cada uma delas para pagar rapidamente sinistros de seguros com base em fotos, determinar a identidade usando reconhecimento facial para verificações de crédito, possibilitar a telemedicina inteligente e determinar o valor de carros usados. Seu modelo de negócios é oferecer produtos financeiros de consumo do estilo de vida aos clientes e usuários da internet em “ecossistemas” que abrangem serviços financeiros, serviços automotivos, cuidados com a saúde e serviços de cidades inteligentes, aprendendo o tempo todo com seus dados para refinar seus modelos de cenários de IA.

Algo está revolucionando a Ping An; a empresa foi fundada apenas em 1988, e suas receitas em 2020 foram quase US$ 200 bilhões. Novamente, ela não está tentando esconder seu foco em IA; o site da Ping An Technology – o braço tecnológico da Ping An – revela:

“A inteligência artificial é uma das tecnologias principais da Ping An Technology e formou uma série de soluções, incluindo IA preditiva, IA cognitiva e IA de tomada de decisão.”

Ele elabora ainda mais: “A Ping An Technology formou uma matriz de tecnologia de cognição inteligente, incluindo reconhecimento facial, reconhecimento de impressão vocal, leitura de IA de imagens médicas, reconhecimento animal e biometria multimodal, que gradualmente tem sido amplamente e profundamente usada na vida real.” Até mesmo muitas empresas de tecnologia não poderiam colocar essa declaração em seus sites.

Ping An, Airbus e Radius são empresas tradicionais. Eles não foram criadas como empresas de tecnologia ou de comércio eletrônico, embora tenham essas capacidades tecnológicas. Elas são típicas do nosso foco no papel da IA em empresas “legadas”.

Estas são empresas que aproveitam extensivamente o poder da IA, mesmo que não seja seu produto principal ou oferta de serviços. Um chefe de IA em uma varejista nos disse: “As pessoas me perguntam por que eu só aceito essas funções de dados, análise e IA em empresas legadas (tradicionais e com pouca tecnologia aplicada). É porque o trabalho é fácil demais nas High Tech / Dot Com e em negócios nascidos digitalmente!” Embora suspeitemos que não seja tão fácil quanto parece, tendemos a concordar.

É difícil pegar um negócio existente em uma indústria tradicional e investir totalmente em IA para transformar suas capacidades. Como fizemos com o Google no início desta seção, ocasionalmente nos referiremos a empresas e startups de tecnologia intensiva em IA quando houver uma lição a ser aprendida com elas ou quando estiverem se associando a empresas tradicionais.

Mas nossos principais exemplos estarão em indústrias e até mesmo empresas que existiam antes de nós nascermos. Descreveremos bancos, seguradoras, fabricantes, varejistas e empresas de produtos de consumo, provedores de informações, empresas de ciências da vida e até algumas organizações governamentais. Eles têm questões e necessidades diferentes dos negócios, mas todos encontraram seu caminho para investir totalmente em IA.

Nosso foco neste livro é como grandes empresas que existiam muito antes da IA estão se transformando com a ajuda dessa tecnologia. Em vez de descrever a abordagem média ou mais comum para implementar a IA, vamos perfilar as empresas que estão totalmente comprometidas com a IA – elas estão fazendo grandes e inteligentes apostas de que essa tecnologia levará a melhorias significativas nos negócios, e já têm evidências de que essas apostas estão valendo a pena.

Nos referimos às abordagens totalmente comprometidas dessas empresas de várias maneiras – “impulsionadas por IA”, “potencializadas por IA”, “habilitadas por IA”, etc. O fio comum é que elas estão no extremo do espectro em seus gastos, planejamento, estratégias, implementação e mudanças em relação à tecnologia de IA.

Nem todas as empresas escolherão essa abordagem ambiciosa, mas achamos que todos podem aprender com ela e talvez até se inspirar. Nosso objetivo nas próximas páginas é explorar o conceito de estar totalmente comprometido com a IA e o que é necessário para uma organização chegar lá. Nossa perspectiva é uma visão da IA em seu extremo – a adoção mais agressiva, a melhor integração com estratégia e operações, o maior valor comercial, a melhor implementação.

Descrever as implicações do uso agressivo de IA para estratégia, processos, tecnologia, cultura e talento. Saber o que os principais adotantes de IA estão fazendo pode ser útil para muitas outras organizações, enquanto tentam avaliar o potencial da tecnologia para transformar seus próprios negócios.

Nossa experiência

Trecho do livro All IN on AI, por Thomas Davenport

Ambos tivemos alguma experiência trabalhando com e perfis de empresas líderes desse tipo. Tom pesquisou e escreveu na área de análise por muitos anos antes de entrar na IA, e ele escreveu artigos e livros de sucesso sobre “competir com análises”.

O artigo da HBR com esse nome foi até designado como um dos dez artigos obrigatórios na história de 100 anos da revista. A resposta aos artigos e livros deixou claro que empresas e suas administrações poderiam se beneficiar dessa perspectiva totalmente comprometida, mesmo quando escolhiam uma abordagem mais incremental.

Desde então, Tom trabalhou com centenas de empresas ao redor do mundo que queriam construir suas capacidades analíticas e depois começar a empregar sua prima próxima, a IA. Algumas das empresas que ele perfilou em seus escritos sobre análises, como Capital One e Progressive Insurance, também aparecem neste livro. No entanto, elas empreenderam várias iniciativas específicas para aumentar suas capacidades de IA também.

Nitin vem pensando, falando e trabalhando com clientes sobre o que significa ser impulsionado por IA há vários anos. Ele também descobriu que muitos executivos que têm apenas um conhecimento moderado sobre IA acham útil saber como as empresas estão se transformando ao alavancar a amplitude das tecnologias de IA.

Antes de focar em IA, ele trabalhou com empresas de saúde e ciências da vida por cerca de quinze anos para ajudá-las a adotar dados e análises em seus negócios. E como chefe de análises e IA na Deloitte nos Estados Unidos por mais de cinco anos, ele teve a oportunidade de se envolver com clientes e executivos que têm objetivos transformacionais para a IA, além de parceiros fornecedores que produzem e comercializam algumas das tecnologias de IA mais sofisticadas do mundo.

Além disso, ele lidera uma iniciativa estratégica na Deloitte nos Estados Unidos com o objetivo de usar a IA para transformar a maior empresa de serviços profissionais do mundo. Ambos achamos a IA fascinante, mas ainda mais interessante é a complexa interação da IA com a estratégia de negócios e modelos de negócios, processos-chave, organização e gerenciamento de mudanças, e as arquiteturas de tecnologia existentes que todas as empresas estabelecidas têm.

Desenvolver um novo algoritmo é uma conquista impressionante, mas não mais do que realizar uma grande iniciativa de mudança nos negócios que inclui a IA. Gostamos de trabalhar e escrever sobre organizações que usam tecnologias, a IA em particular, para descobrir novas formas de competir e fazer negócios. Essa é a história que você encontrará neste livro.

O Que Você Aprenderá Neste Livro

Assim como nos exemplos anteriores, forneceremos muitas descrições do que as empresas impulsionadas por IA estão fazendo com a IA. No entanto, elas estão contidas em discussões mais amplas sobre o que é necessário para ter sucesso com a IA no nível “all-in”. Os tópicos dos capítulos e as empresas apresentadas em cada capítulo incluem:

Capítulo 1: O Que Significa Ser Impulsionado por IA?

Descrevemos o que é necessário para ser uma organização impulsionada por IA, incluindo as tecnologias específicas que as empresas usam, as maneiras como alcançam valor e os componentes que definem uma abordagem completa para a IA. Mencionamos diversas empresas no capítulo, mas Ping An e o chatbot do digibank do DBS na Índia são detalhados.

Capítulo 2: O Lado Humano

Argumentamos neste capítulo que o atributo mais importante para o sucesso da IA não é a máquina, mas a liderança, o comportamento e a mudança humanos. Iniciamos o capítulo com uma discussão sobre Piyush Gupta, CEO do DBS Bank, como um líder eficaz da iniciativa de IA de sua organização. Também discutimos questões de liderança no Morgan Stanley, Loblaw e CCC Intelligent Solutions. Na área de aprimorar a compreensão e a adoção da IA tanto pela administração quanto pelos funcionários, discutimos Shell, Deloitte, Airbus, Bank of Montreal, Eli Lilly e Unilever.

Capítulo 3: Estratégia

A IA é capaz de permitir ou transformar a estratégia de negócios, e como ela faz isso é o foco do capítulo 3. Descrevemos três arquétipos estratégicos principais que as organizações de IA podem adotar. Ao descrever esses arquétipos, mencionamos diversas empresas: Loblaw, Toyota, Morgan Stanley, Ping An, Airbus, Shell, SOMPO, Anthem, FICO, Manulife, Progressive e Well.

Capítulo 4: Tecnologia e Dados

Não é possível fazer IA avançada sem alguma tecnologia avançada e dados consideráveis, então, no capítulo 4, descrevemos os componentes de uma infraestrutura tecnológica moderna orientada para a IA e um ambiente de dados. Discutimos o uso de todas as ferramentas na caixa de ferramentas da IA, dados para a IA, aprendizado de máquina automatizado ou AutoML, operações de aprendizado de máquina ou MLOps, tecnologias legadas e dimensionamento de aplicativos de IA. Entre as empresas discutidas neste capítulo estão DBS, Kroger Co., Shell, Unilever, Anthem e Airbus.

Capítulo 5: Capacidades

A IA, como qualquer outra capacidade de negócios, pode ser avaliada e classificada em termos de quão avançada uma empresa está em várias dimensões. Como existem arquétipos estratégicos diferentes para o uso da IA, existem diferentes modelos de capacidade para cada um. Descrevemos as capacidades da Ping An detalhadamente neste capítulo, assim como Scotiabank, Manulife, Progressive e Anthem. Também descrevemos as capacidades éticas de IA neste capítulo e focamos na Unilever como nosso exemplo principal.

Capítulo 6: Estudos de casos em diferentes empresas e indústrias

Os casos de uso ou aplicativos de IA estão no cerne de como uma organização aplica a tecnologia a seus problemas de negócios. Neste capítulo, descrevemos casos de uso em várias indústrias de diferentes áreas de atuação. Separamos a lista em casos de uso comuns e menos comuns e fornecemos exemplos de adotantes iniciais e agressivos em cada indústria. Empresas em destaque incluem:

• Walmart
• Seagate
• Capital One
• Governo dos EUA
• Governo de Singapura
• Cleveland Clinic
• Pfizer
• Novartis
• AstraZeneca
• Eli Lilly
• Disney

Capítulo 7: Tornando-se Impulsionado por IA

No último capítulo, descrevemos um conjunto de quatro caminhos alternativos para se tornar impulsionado por IA. Cada caminho é ilustrado com um exemplo específico. A Deloitte é o exemplo para o primeiro caminho, que descreve uma transição de ser exclusivamente centrado nas pessoas para ser centrado nas pessoas e na IA em serviços profissionais.

A CCC Intelligent Solutions é o exemplo de um caminho que se move do foco em informações para o foco em IA. Capital One ilustra o caminho de uma empresa focada analiticamente para uma focada em IA. Por fim, a Well – uma startup de saúde – é a ilustração de começar do zero para construir um conjunto de capacidades de IA.

Apesar de todo esse conteúdo, o livro não é uma receita padrão para adotar completamente a IA. Cada organização variará em sua justificativa, estratégia e caminho específico para integrar agressivamente a IA em seus negócios. No entanto, temos confiança de que os exemplos e lições neste livro ajudarão cada organização em sua jornada individual. No mínimo, esperamos que ler sobre o que essas organizações líderes estão fazendo com a IA o provoque a dizer sobre sua própria empresa:

“É melhor começarmos a agir.”

O Que Significa Ser Impulsionado por IA?

Algumas das organizações mais bem-sucedidas e tecnológicas do mundo declararam sua intenção de adotar totalmente a inteligência artificial, ou “IA em primeiro lugar” ou “impulsionadas por IA”. O Google descreveu isso como:

um mundo que é primeiro em IA, onde a computação se torna universalmente disponível — seja em casa, no trabalho, no carro ou em trânsito — e interagir com todas essas superfícies se torna muito mais natural e intuitivo, e, acima de tudo, mais inteligente. (Google)

Empresas que buscam ser impulsionadas por IA em outras indústrias (diferentes áreas de atuação) compartilham o objetivo de tecnologia intuitiva e inteligência abrangente, mas estão aplicando esses objetivos às suas próprias indústrias, como serviços financeiros, manufatura ou saúde.

1%

As organizações impulsionadas por IA em nossa análise compreendem menos de 1 por cento das grandes empresas.

Não foi fácil encontrar um número suficiente de casos para analisar e escrever este livro, mas conseguimos descobrir cerca de trinta casos para estudos e análises. No entanto, esperamos que muitas mais organizações sigam nessa direção.

E por que não seguiriam?

As empresas que descrevemos neste livro têm um bom desempenho. Elas têm modelos de negócios eficazes, tomam boas decisões, têm relacionamentos próximos com os clientes, oferecem produtos e serviços desejáveis e cobram preços lucrativos. Tornaram-se máquinas de aprendizado, e suas pessoas são impulsionadas pela IA. Geralmente, conseguem fazer essas coisas porque têm mais e melhores dados do que outras empresas, que são analisados e atuam por meio da IA, e usam esses recursos para construir seus negócios e criar valor econômico e social.

Para muitas organizações, aproveitar todo o potencial da inteligência artificial começa timidamente com explorações de oportunidades empresariais selecionadas e alguns casos de uso potenciais. Muitas nunca chegam à única etapa que pode agregar valor econômico — implantar um modelo em produção. Embora testar as águas tempestuosas dessa forma possa fornecer insights valiosos, provavelmente não será suficiente para tornar uma empresa uma criadora de mercado, ou mesmo um seguidor rápido.

Para obter um valor substancial da Inteligência Artificial, uma empresa deve repensar fundamentalmente a maneira como humanos e máquinas interagem dentro dos ambientes de trabalho. Ela precisa fazer investimentos muito grandes em IA. Deve trabalhar não apenas em pilotos de IA, mas em implementações completas que mudam a forma como os funcionários trabalham e como os clientes interagem com a empresa.

Os executivos devem considerar implantar ferramentas de IA sistematicamente em cada função-chave e operação empresarial para apoiar novos designs de processos de negócios e tomada de decisões baseada em dados. Da mesma forma, a IA deve impulsionar novos produtos e ofertas de serviços e modelos de negócios.

Por enquanto, usar a IA de forma agressiva confere liderança na indústria. Eventualmente, tornar-se uma organização impulsionada por IA provavelmente será mais do que uma estratégia para o sucesso nos negócios — poderá ser um requisito básico para a sobrevivência.

Quais São os Componentes da Impulsão por IA?

Como você sabe que uma organização é impulsionada por IA? Quais componentes ela precisa reunir para merecer essa classificação? Não há uma lista acordada, mas em nossas pesquisas e consultorias, vimos uma variedade de atributos que geralmente aparecem nas empresas com uma abordagem particularmente agressiva em relação à tecnologia.

Fizemos três pesquisas sobre as atividades de IA das empresas nos últimos quatro anos, então também podemos associar alguns números a muitos desses componentes, pelo menos até a nossa última pesquisa em outubro de 2021.

Adoção abrangente de IA nas empresas, usando várias tecnologias

Empresas impulsionadas por IA a utilizam em toda a organização, adotando diversos casos de uso ou aplicações. A IA é uma tecnologia de propósito geral e pode ser usada para apoiar uma ampla variedade de objetivos comerciais. De acordo com nossas pesquisas, as tecnologias de IA são mais comumente aplicadas para tornar os processos comerciais mais eficientes, aprimorar decisões e melhorar produtos e serviços existentes.

Esses são também os três objetivos mais prováveis já alcançados, de acordo com a pesquisa da Deloitte em 2020, quando a pergunta foi feita pela última vez. No entanto, esses objetivos abrangem uma ampla variedade de domínios de uso para a IA.

Melhorias nos processos comerciais, por exemplo, podem incluir melhor correspondência entre oferta e demanda para eficácia da cadeia de suprimentos, prever a necessidade de manutenção em equipamentos de fábrica ou até mesmo prever quais candidatos a emprego funcionarão melhor se contratados.

Empresas que adotam totalmente a IA eventualmente desenvolvem casos de uso em diversas funções e processos, decisões, produtos ou serviços. Cada aplicação individual pode não transformar a empresa, mas a ampla coleção delas pode.

Em nossa pesquisa mais recente sobre IA corporativa, as empresas com mais capacidades e realizações em IA — rotuladas como “transformers” — compreendiam 28 por cento da amostra da pesquisa. Como descreveremos abaixo, os “transformers” estão bem avançados em suas jornadas de IA, mas muito poucos dos respondentes (entrevistados) nessa categoria são empresas impulsionadas por IA (essas empresas são muito poucas para serem identificadas em uma pesquisa ampla).

Em média, o grupo tinha cerca de seis implementações em grande escala de casos de uso de IA e cerca de sete resultados comerciais alcançados — impressionante, mas abaixo do que uma empresa impulsionada por IA teria. O termo “transformers” sugere que seu objetivo pode ser a transformação dos negócios, mas muito poucos foram transformados pela IA até agora.

Empresas que dependem da IA para se transformarem normalmente vão muito além nesse sentido; algumas têm centenas de sistemas implementados e resultados comerciais numerosos demais para contar. Claro, a transformação dos negócios é um processo contínuo, e nenhuma empresa está totalmente transformada.

Empresas que estão totalmente comprometidas com a IA também não limitam seus portfólios de IA a uma única tecnologia. Em vez disso, elas aproveitam tudo o que a IA tem a oferecer. As muitas tecnologias que compõem o campo estão descritas na tabela abaixo.

E as aplicações de NLG também podem ter, assim como no sofisticado sistema ChatGPT desenvolvido pela OpenAI, que pode gerar todos os tipos de textos com base em previsões da próxima palavra, de poemas a programas de computador. Aplicações simples de NLG também podem ser orientadas por regras.

As complexidades de descrever os tipos de tecnologia de IA sugerem que os executivos que tomam decisões sobre a IA precisam estudar antes de fazer investimentos significativos em ferramentas e projetos.

Algumas empresas utilizam várias tecnologias para o mesmo caso de uso ou aplicação. A Cotiviti, uma empresa de detecção de fraude em seguros e análise de saúde, utiliza regras em combinação com aprendizado de máquina, o que é uma combinação útil.

O DBS Bank utiliza a mesma combinação para combater a lavagem de dinheiro. Muitas empresas estão utilizando automação de processos robóticos (RPA), que automatiza fluxos de trabalho estruturados de back-office e toma decisões com base em regras.

No entanto, um número crescente de fornecedores e seus clientes estão combinando RPA com aprendizado de máquina para tomada de decisões mais inteligente; isso é às vezes chamado de “automação de processos inteligente”.

Cada vez mais, veremos essas tecnologias combinadas e talvez recebam novos nomes. Realidade virtual e outras formas de simulações, gêmeos digitais e metaversos são todas tecnologias que empregam várias formas de IA e provavelmente serão amplamente adotadas no futuro.

Muitos sistemas de IA em implantação de produção

Um dos desafios da IA é colocar sistemas em implantação de produção. Muitas empresas embarcam em pilotos, provas de conceito ou protótipos, mas colocam poucos ou nenhum deles em produção. É ótimo aprender com tais experimentos, mas as empresas não obtêm nenhum valor econômico deles.

Organizações impulsionadas por IA conseguem colocar sistemas em produção; a pesquisa mais recente sobre IA corporativa descobriu que os “transformers“, as empresas mais bem-sucedidas e experientes que responderam à pesquisa, tinham em média seis implantações de produção de IA. Isso os colocou na categoria de pesquisa mais agressiva, mas algumas das empresas que entrevistamos para este livro tinham muitos mais modelos de IA em produção.

Apesar do relativo sucesso das empresas impulsionadas por IA, há muitos outros dados de pesquisa que corroboram nossa afirmação de que a implantação é difícil. Uma pesquisa da IBM em 2021 descobriu que, de mais de cinco mil tomadores de decisão em tecnologia em sete países, apenas 31 por cento disseram que sua empresa havia “implantado ativamente a IA como parte de suas operações comerciais”.

Quarenta e um por cento das empresas pesquisadas disseram que estavam “explorando, mas não implantaram a IA nas operações comerciais”. Em uma pesquisa de 2019 do MIT Sloan Management Review / Boston Consulting Group, “sete em cada 10 empresas pesquisadas relatam impacto mínimo ou nenhum da IA até agora.

Entre as 90% das empresas que fizeram algum investimento em IA, menos de 2 em cada 5 relatam ganhos comerciais com a IA nos últimos três anos… isso significa que 40% das organizações que fazem investimentos significativos em IA não relatam ganhos comerciais com a IA”.

Em nossa pesquisa, os três principais desafios com a IA foram questões de implementação, integração da IA nos papéis e funções da empresa e problemas de dados — todos fatores envolvidos na implantação em grande escala.

Essa situação está começando a mudar, e as empresas estão começando a relatar que estão implantando mais sistemas de IA e obtendo mais retornos econômicos com eles. No entanto, pesquisas com cientistas de dados ainda mostram que uma minoria dos modelos de IA é efetivamente implantada.

Não é surpresa que as empresas enfrentem desafios com a implantação. Pilotos envolvem a criação de um modelo e a codificação de um produto mínimo viável. Mas implantações de produção requerem uma escala muito maior e geralmente envolvem muitas outras atividades, como a mudança de processos de negócios, a capacitação de trabalhadores e a integração com sistemas existentes.

Além disso, alguns cientistas de dados acham que seu trabalho se encerra ao criar um bom modelo de aprendizado de máquina que se ajusta aos dados. A implantação muitas vezes é considerada como responsabilidade de outra pessoa — embora muitas vezes não seja claro de quem.

Como as empresas que usam Inteligência Artificial com muito sucesso abordam essas questões e conseguem implantar sistemas?

Primeiro, elas planejam a implantação desde o início, a menos que haja um problema nas fases iniciais de um projeto.

Segundo, muitas vezes colocam alguém responsável por todo o processo de desenvolvimento e implantação — às vezes referido como gerente de produto para sistemas e processos baseados em IA — que garante que o sistema seja implantado.

Terceiro, atribuem cientistas de dados e gerentes de produto que trabalham em estreita colaboração com as partes interessadas do lado comercial desde o início. Essas empresas esperam que a implantação e todas as atividades associadas ocorram.

Empregando IA para reimaginar processos de trabalho

No início dos anos 1990, muitos empresários ficaram empolgados com algo chamado reengenharia de processos de negócios, um movimento no qual as empresas se envolveram no redesenho radical de como realizavam seu trabalho (um de nós, Tom, ajudou a criar esse movimento).

Havia novas tecnologias na época — sistemas de planejamento de recursos empresariais (ERP) e, eventualmente, a internet — que poderiam possibilitar novos fluxos de processos. Infelizmente, a reengenharia se transformou em reduções de pessoal sem sentido em muitas organizações, mas a ideia de usar novas tecnologias — e a IA é agora o exemplo mais proeminente — para impulsionar novas formas de trabalhar ainda é válida.

A Deloitte se referiu à era atual como a “Era do COM” — significando que as pessoas estão trabalhando colaborativamente com máquinas inteligentes. E Tom gostou dessa ideia — que ele costuma chamar de “augmentação” — o suficiente para coescrever dois livros sobre o assunto.

Embora muitos prognosticadores tenham previsto que a IA substituiria os humanos, isso não aconteceu muito até agora, e a maioria das organizações está usando a tecnologia para liberar trabalhadores humanos para realizar tarefas mais complexas.

O principal desafio enfrentado pelas empresas impulsionadas por IA, então, não é como substituir os trabalhadores humanos por IA, mas como obter o melhor de ambos, redesenhando empregos, requalificando trabalhadores e tornando-se mais eficiente e eficaz no processo.

Em nossas pesquisas, altas porcentagens de executivos já afirmam que a IA levou a mudanças moderadas ou substanciais nos empregos (72% na pesquisa de 2019, com 82% esperando tanta mudança em três anos). Em muitos casos, no entanto, essa mudança não ocorre em um contexto formal de processo de negócios. Isso significa que pode faltar uma descrição dos fluxos de processos, medição e implementação consistente em toda a organização.

A conexão mais próxima entre melhoria de processo — se não inovação radical — e IA provavelmente está com a RPA. Alguns não consideram a RPA com inteligência suficiente para ser chamada de IA, mas ela tem capacidades de decisão baseadas em regras. Muitas empresas veem a RPA como um trampolim para uma IA mais inteligente baseada em aprendizado de máquina. Várias empresas integraram a RPA em seus programas de melhoria de processo.

RPA significa “Robotic Process Automation” (Automação de Processos Robóticos). RPA refere-se ao uso de software (robôs de software) ou “bots” para automatizar tarefas repetitivas e rotineiras dentro de processos de negócios. Esses bots podem ser programados para realizar ações específicas, como manipular dados, realizar cálculos, interagir com sistemas, preencher formulários online e realizar outras atividades que normalmente exigiriam intervenção humana.

A automação por meio de RPA pode aumentar a eficiência, reduzir erros e liberar os funcionários para se concentrarem em tarefas mais complexas e estratégicas. Ela é frequentemente utilizada em setores como finanças, contabilidade, recursos humanos e atendimento ao cliente, onde há processos repetitivos e baseados em regras.

É importante observar que a RPA não envolve inteligência artificial no sentido de aprendizado de máquina avançado ou tomada de decisões sofisticada. Os bots de RPA seguem regras pré-definidas e não têm a capacidade de aprender com a experiência. Entretanto, algumas organizações combinam RPA com tecnologias de inteligência artificial para obter automação mais avançada.

Antes de automatizar um processo, aplicam técnicas de medição e melhoria a ele. Na empresa de serviços financeiros e aposentadoria Voya, por exemplo, um centro de excelência de automação está incorporado ao Centro de Melhoria Contínua da empresa, que geralmente usa métodos Lean e Six Sigma.

A Voya possui um procedimento de três etapas para analisar e melhorar um processo, implementar a RPA e, em seguida, avaliar o desempenho do processo automatizado. No entanto, para ser verdadeiramente transformada pela IA, uma empresa teria que fazer isso em grande escala e, pelo menos ocasionalmente, buscar mais do que melhorias incrementais de desempenho em um processo.

Vimos algumas empresas que combinaram efetivamente a reengenharia de processos e formas de IA além da RPA. O DBS Bank no Sudeste Asiático, por exemplo, usou a IA para possibilitar grandes melhorias nos processos em seus esforços contra a lavagem de dinheiro, assim como em seus centros de atendimento na Índia e Singapura. Reduziu o tempo para avaliar um possível caso de lavagem de dinheiro em um terço. Nos centros de atendimento, aumentou o número de clientes seis vezes e transações financeiras doze vezes sem aumentar a equipe.

Mais empresas deveriam abordar como a IA pode possibilitar melhorias dramáticas nos processos de negócios. Em certa medida, isso será facilitado por uma nova tecnologia que utiliza a IA: mineração de processos. Ela analisa dados dos sistemas transacionais da empresa para entender como o processo está sendo executado e, em seguida, usa a IA para fazer recomendações de melhoria. A mineração de processos retira muito do trabalho detalhado da melhoria de processos e está se tornando rapidamente popular em muitas empresas orientadas para processos.

A alta porcentagem da organização fluente em IA e como ela pode ser aplicada

Como argumentaremos mais de uma vez neste livro, estar totalmente comprometido com a IA é tão importante quanto as pessoas quanto a tecnologia. Empresas que desejam usar muita IA em seus negócios precisam de muitos executivos e funcionários que compreendam como ela funciona.

Empresas inteligentes estão requalificando e atualizando as habilidades de seus funcionários para desenvolver, interpretar e aprimorar sistemas de IA. Isso está se tornando ainda mais importante à medida que o desenvolvimento de sistemas de IA, principalmente aprendizado de máquina, se torna cada vez mais automatizado, e cidadãos cientistas de dados sem treinamento profissional profundo podem assumir parte da carga.

Os executivos precisam de sua própria versão de aprimoramento em IA. A maioria dos chefes de IA e análise nos diz que ainda gastam muito tempo evangelizando outros gerentes sobre o valor e o propósito da tecnologia. Os executivos não apenas devem fornecer financiamento e tempo para projetos de IA, mas também implementar a IA em seu próprio trabalho.

A IA frequentemente pode automatizar decisões, e às vezes essas são decisões anteriormente tomadas por gerentes seniores humanos. Portanto, é importante educar esse grupo sobre como a IA funciona, quando é apropriada e o que um compromisso significativo com ela envolve para eles e para a organização como um todo.

Ainda estamos nos primeiros dias desse trabalho de aprimoramento e reciclagem para a grande maioria das empresas, e nem todo funcionário precisa ser treinado em IA. Mas está claro que alguns precisam, e provavelmente quanto mais, melhor.

Algumas empresas, como Airbus e DBS Bank, lançaram programas de aprimoramento voltados especificamente para inculcar habilidades em IA. A Airbus requalificou mais de mil funcionários em habilidades avançadas de IA e análise.

O DBS Bank treinou mais de dezoito mil funcionários em habilidades de dados, criando uma empresa de cientistas de dados cidadãos. Cerca de dois mil desses funcionários são proficientes em áreas avançadas de ciência de dados e inteligência de negócios, e outros sete mil foram identificados para serem aprimorados em disciplinas como o uso de dados, análises e IA.

No entanto, em uma de nossas pesquisas sobre IA, apenas 10% dos respondentes dos EUA manifestaram uma clara preferência por reciclar e manter os funcionários atuais. Oitenta por cento inclinaram-se para “manter ou substituir funcionários em igual medida” ou “substituir principalmente os funcionários atuais por novos talentos”.

Acreditamos que isso é uma visão de curto prazo e que as empresas não conseguirão encontrar ou pagar por tantos novos talentos em IA. O aprimoramento e a reciclagem são uma abordagem alternativa óbvia.

Compromissos de longo prazo e investimentos em IA

A decisão dos executivos seniores de uma empresa de se transformar por meio da IA não é uma decisão casual. Eles estão tomando uma decisão que terá uma influência significativa na empresa por décadas e, em última análise, envolverá centenas de milhões ou bilhões de dólares.

Todas as empresas entrevistadas para este livro nos disseram que esse é o custo de se comprometer totalmente com a IA. Inicialmente, tais compromissos de recursos podem ser assustadores para as organizações, mas depois de verem os tipos de benefícios obtidos nos primeiros projetos, essas empresas impulsionadas por IA acharam muito mais fácil investir em dados orientados por IA, tecnologias e profissionais.

Tornar-se centrado em IA é um compromisso de usar dados e análises para a maioria das decisões, lidar de maneira diferente com os clientes, incorporar a IA em produtos e serviços e realizar muitas tarefas e até mesmo processos de negócios inteiros de maneira mais automatizada e inteligente.

Muitas empresas estão no meio da transformação digital, mas uma transformação baseada em IA vai muito além. Em resumo, é uma aposta significativa, e a maioria das organizações ainda não tem a coragem necessária para fazê-la.

Ajuda, é claro, se o líder for um grande defensor da ideia. O comprometimento do CEO impulsiona muitos outros tipos de compromissos nas empresas. Mas, em última análise, isso não é suficiente. Se os gerentes superiores, intermediários e até mesmo os gerentes de linha estiverem apenas dando um apoio superficial à ideia de impulsionar seus negócios com a IA, as coisas se movimentarão lentamente, e a organização provavelmente voltará aos seus velhos hábitos.

Já vimos alguns CEOs altamente comprometidos construírem empresas focadas em análise e IA com várias iniciativas. Mas depois eles saíram, e o próximo CEO não era um crente, então o foco em dados, análises e IA caiu na mediocridade.

Teremos mais a dizer sobre a importância da liderança e do compromisso no próximo capítulo. E descreveremos alguns exemplos de líderes que demonstram compromisso com a IA como uma força estratégica de maneira abrangente e dramática.

Fontes únicas e volumosas de dados, analisadas e atuadas em tempo real

Se a Inteligência Artificial pode impulsionar uma empresa, os dados impulsionam a IA. Empresas que levam a Inteligência Artificial a sério também precisam levar os dados a sério – coletando, integrando, armazenando e tornando-os amplamente acessíveis. Nenhuma dessas tarefas é um desafio novo, mas é ainda mais importante do que o normal se uma organização se preocupa com a IA.

Em nossa pesquisa sobre IA em 2020, quando perguntadas sobre a principal iniciativa para aumentar sua vantagem competitiva com a IA, as empresas que adotaram a IA escolheram “modernizar nossa infraestrutura de dados para a IA” como sua principal opção. Praticamente todas as empresas com as quais conversamos tinham importantes projetos de gerenciamento de dados em andamento antes ou simultaneamente a suas iniciativas de IA.

Além de ter bons dados, empresas que aspiram transformar seus negócios com a IA devem ter cada vez mais alguns dados exclusivos ou patenteados. Se todos os concorrentes em uma indústria possuírem os mesmos dados, todos terão modelos de aprendizado de máquina semelhantes e resultados semelhantes a partir deles. Parte da diferenciação de sua empresa com a IA está em encontrar uma fonte existente de dados que não tenha sido totalmente explorada ou obter acesso a novos tipos de dados.

Bancos e estabelecimentos comerciais estão em setores onde os dados já são volumosos. No entanto, bancos como Scotiabank no Canadá, Capital One nos Estados Unidos e DBS em Singapura usam seus dados para aprender mais sobre clientes e transações e devolvem esses dados aos clientes para ajudá-los a gerenciar suas finanças.

Empresas de varejo como a Kroger Co. nos Estados Unidos e a Loblaw no Canadá simplesmente fazem mais uso de dados de ponto de venda, dados de inventário, dados de fidelidade do comprador, etc., talvez mais do que qualquer um de seus concorrentes.

Em alguns casos, empresas que adotam agressivamente a IA desenvolveram novos modelos de negócios que permitiram um maior acesso a dados. A Ping An na China possui um modelo de “ecossistema” muito consciente que lhe dá acesso não apenas a clientes e fornecedores, mas também a modelos analíticos de dados.

O Skywise, a plataforma de dados abertos da Airbus para aviação, permite o compartilhamento de dados entre muitas das companhias aéreas globais que operam aeronaves da Airbus e outros fabricantes de equipamentos originais. Essas empresas aprenderam com startups de comércio eletrônico com modelos de negócios de plataforma que ter dados de vários participantes é um impulsionador importante de crescimento e valor empresarial.

Empresas que dependem fortemente da IA não apenas coletam dados e os analisam quando têm tempo. Elas têm uma abordagem em tempo real sempre que possível, permitindo que decisões baseadas em dados sejam tomadas na velocidade dos negócios contemporâneos.

Elas oferecem ofertas aos clientes e evitam transações fraudulentas em tempo real no ponto de venda. Elas reagem mais rapidamente às interrupções nos negócios. Elas monitoram o desempenho de seus modelos e os retreinam se necessário.

Isso ocorre em parte por causa de sua pilha tecnológica moderna, mas também porque têm processos para gerenciar a cadeia de suprimentos de dados e uma sensação de urgência sobre o aproveitamento dos dados. Claro, os dados de nenhuma empresa são perfeitos, mas as empresas intensivas em IA têm ambientes de dados que são muito melhores do que a média.

Um framework para uma IA ética e confiável implementado

Se uma empresa está dependendo fortemente da IA em seus negócios, é necessário garantir que os sistemas de IA que ela utiliza sejam éticos e confiáveis, ou é provável que perca mais com a IA do que ganhe.

Até agora, a maioria dos mecanismos e estruturas formais de governança para ética em IA está em organizações de tecnologia, que têm muitos produtos e serviços de IA e desejam demonstrar aos clientes que são responsáveis. Talvez porque foram adotadoras relativamente precoces da IA, as empresas de tecnologia também foram as mais propensas a serem acusadas de viés em IA ou outras infrações éticas no passado.

No entanto, não é necessário um esforço massivo para criar uma abordagem ética e confiável para a IA. Muitos frameworks disponíveis podem ajudar a criar um conjunto de princípios; discutimos sobre eles no capítulo. Claro, o desafio está em colocar esses princípios em prática, o que também discutimos nesse capítulo.

Seria possível criar um pequeno grupo de executivos com forte expertise técnica e de negócios para avaliar cada um desses critérios para cada sistema de IA a ser implementado. De fato, ouvimos falar de várias empresas que implementaram grupos como comitês de revisão de algoritmos, embora sugeriríamos que mais do que o algoritmo precisa ser revisado.

Um consultor ético chegou a propor um conselho de revisão institucional de IA, semelhante aos usados para pesquisa acadêmica ou médica em seres humanos, para garantir que nenhum aspecto de um sistema de IA viole princípios éticos. Afinal, o trabalho com IA geralmente envolve também seres humanos como objetos de estudo.

Como as Empresas Impulsionadas por IA Alcançam Valor?

As alavancas específicas de valor que as empresas impulsionadas por IA usam para criar mais valor do que muitas outras empresas estão listadas no quadro abaixo.

Velocidade na Execução: Aplicar IA para acelerar o tempo de obtenção de resultados operacionais e comerciais, minimizando a latência na tomada de decisões e ação.

Redução de Custos: Aplicar IA para automatizar inteligentemente processos de negócios, tarefas e interações, reduzindo custos, aumentando a eficiência, melhorando a sustentabilidade ambiental e garantindo previsibilidade.

Compreensão da Complexidade: Aplicar IA para aprimorar a compreensão e tomada de decisões, decifrando padrões, conectando informações e prevendo resultados a partir de fontes de dados cada vez mais complexas.

Engajamento Transformado: Aplicar IA para modificar a forma como clientes e funcionários interagem com sistemas inteligentes, expandindo os meios de engajamento por meio de voz, visão, texto e toque.

Inovação Impulsionada: Aplicar IA para gerar insights profundos sobre “onde atuar?” e “como vencer?”, possibilitando a criação de novos produtos, oportunidades de mercado e modelos de negócios.

Fortalecimento da Confiança: Aplicar IA para proteger a marca contra riscos como fraude, desperdício, abuso e ciberataques.

As empresas impulsionadas por IA frequentemente usam várias alavancas — às vezes no mesmo caso de uso — para melhorar seus negócios.

No nível do caso de uso individual, a aplicação DBS AML que mencionamos anteriormente neste capítulo trouxe valor ao banco de várias maneiras. Permite à DBS identificar fraudes mais cedo, beneficiando a velocidade de execução. Os analistas de vigilância de transações podem analisar um possível caso de AML mais rapidamente, e essa maior produtividade leva a uma redução de custos.

Utiliza mais dados do banco — ou seja, compreende a complexidade — para tomar uma decisão sobre a probabilidade real de um caso ser fraudulento. E, é claro, o propósito geral da aplicação AML é fortalecer a confiança no banco por parte de seus clientes e reguladores.

O termo AML (Anti-Money Laundering) é um conjunto de leis e regulamentos designados para evitar que criminosos disfarcem a geração de renda por vias ilegais. No Brasil, também é conhecido como Prevenção à Lavagem de Dinheiro (PLD).

É claro que quanto mais valor for alcançado, melhor. Empresas que desejam ter sucesso com a IA devem empregar o máximo possível de alavancas de valor diferentes e se esforçar para alcançar várias alavancas com casos de uso individuais. Algumas das alavancas, como redução de custos, são relativamente fáceis de mensurar.

No entanto, as empresas não devem se restringir apenas a casos de uso de IA que são facilmente mensuráveis. Alguns dos maiores benefícios podem surgir da IA que muda o modelo de negócios, toma decisões com base em quantidades maiores e tipos mais complexos de dados e constrói confiança.

Em que etapa as empresas estão agora em suas apostas rumo ao “All-In” na Inteligência Artificial?

Depois de ler sobre todos os componentes de uma empresa impulsionada por IA, você provavelmente sente que sua organização tem alguns, mas não todos eles, ou que está progredindo em direção a esses atributos, mas ainda não os alcançou totalmente. As caracterizações abaixo podem ajudar a avaliar onde você se encontra. Descreveremos esses estágios com mais detalhes no capítulo 5, quando discutirmos as capacidades de IA.

– AI Impulsionada:

Todos ou a maioria dos componentes que descrevemos acima, totalmente implementados e funcionando – o negócio é construído com base em capacidades de IA e está se tornando uma máquina de aprendizado;

– Transformadores:

Ainda não totalmente impulsionados por IA, mas relativamente avançados na jornada, com alguns dos atributos em vigor; múltiplos implementações de IA que estão criando valor substancial para a organização;

– Buscadores de Caminho:

Já começaram a jornada e estão progredindo, mas em um estágio inicial – alguns sistemas implantados e alguns resultados positivos mensuráveis alcançados;

– Iniciantes:

Experimentando com IA – eles têm um plano, mas precisam fazer muito mais para progredir; muito poucas ou nenhuma implantação em produção;

– Sub-Realizadores:

Começaram a experimentar com IA, mas não têm implantações em produção e alcançaram pouco ou nenhum valor econômico.

Não mencionamos empresas totalmente impulsionadas por IA em todos os casos no livro; em alguns casos, descrevemos organizações que são transformadoras ou até buscadoras de caminho, mas que adotaram práticas úteis ou notáveis.

Tornando-se uma Máquina de Aprendizado Organizacional

Uma maneira de resumir todos esses atributos é pensar nas empresas totalmente dedicadas à IA como máquinas de aprendizado organizacionais. Nessas empresas, muitos aspectos do aprendizado relacionado à IA são institucionalizados e bem ajustados.

Elas são máquinas de aprendizado organizacional em pelo menos dois sentidos: primeiro, estão continuamente aprendendo com sua pesquisa e implementação de IA. Experimentam e adotam processos rápidos de tentativa e erro para extrair lições do que funciona e do que não funciona.

Eles alcançaram, como nossos colegas John Hagel e John Seely Brown colocaram, “aprendizado escalável”. Ambas as experimentações e o aprendizado são importantes para serem de classe mundial em IA.

Por exemplo, a Ping An, a empresa com sede na China que começou no setor de seguros e agora expandiu para várias áreas de negócios associadas a serviços financeiros, possui um grande grupo de pesquisa e contrata muitos talentosos doutores em ciência da computação e áreas relacionadas.

O fundador da empresa, Peter Ma Mingzhe, é um colecionador de arte e sugeriu ao cientista-chefe, Jing Xiao, que um sistema de IA capaz de criar arte e música poderia atrair a extensa rede de clientes e parceiros da empresa. Xiao encomendou uma pequena equipe para tentar criar pinturas, composições musicais e poesias treinando um sistema de aprendizado de máquina em exemplos existentes de alta qualidade.

O experimento deu certo: os pesquisadores conseguiram criar arte, música e poemas de alta qualidade. O sistema foi apresentado ao mundo na Conferência Mundial de Inteligência Artificial de 2019 e recebeu menções positivas na imprensa. O sistema de composição musical até ganhou um prêmio internacional. Xiao nos disse em uma entrevista que a Ping An está trabalhando em modelos de negócios que conectam o sistema de IA de artes a diferentes ecossistemas do grupo, como usar música criada por IA para serviços online de medicamentos ou outros serviços relacionados à saúde.

Enquanto isso, sua equipe aprendeu sobre como desenvolver sistemas de IA para negócios que envolvem as emoções ou sentimentos subjetivos dos participantes, como a negociação no mercado de valores mobiliários.

A outra maneira pela qual as empresas impulsionadas por IA se tornam máquinas de aprendizado organizacional está relacionada diretamente ao aprendizado de máquina (pelo menos a forma supervisionada, que é de longe o tipo mais comum nos negócios). Essa tecnologia faz previsões de resultados desconhecidos com base em modelos treinados em dados passados ​​para os quais os resultados são conhecidos.

Pode parecer um pouco confuso, mas as empresas que são máquinas de aprendizado organizacional estão constantemente aprendendo com seu aprendizado de máquina. O que a capacidade de IA contemporânea essencialmente fez foi tornar possível e econômico institucionalizar o aprendizado em escala e velocidade.

Empresas impulsionadas por IA monitoram seus modelos para entender o quão bem-sucedidas são suas previsões (frequentemente usando uma tecnologia chamada operações de aprendizado de máquina). Se o modelo deixar de fazer previsões precisas, a empresa utiliza novos dados para reentrenar o modelo e aprimorar suas previsões. Dessa forma, o treinamento contínuo cria aprendizado contínuo e um modelo mais valioso que se ajusta aos novos dados. Em outras palavras, se o mundo muda, os modelos preditivos da empresa mudam junto.

Uma empresa verdadeiramente focada em aprendizado faria isso para uma variedade completa de modelos, ou pelo menos os mais importantes. Fazer isso sugere que a empresa considera seus modelos como ativos comerciais importantes dignos de monitoramento e aprimoramento, reconhece que a precisão do modelo pode se deteriorar ao longo do tempo e sabe que tecnologias estão disponíveis para facilitar o processo de operações do modelo. Essas capacidades são exatamente o tipo que uma empresa impulsionada por IA gostaria de cultivar.

Naturalmente, máquinas de aprendizado organizacionais podem aprender continuamente com outros tipos de IA também. O DBS Bank, por exemplo, implementou chatbots – inicialmente em seu banco digital na Índia – como meio de fornecer serviço ao cliente de alta qualidade sem espera e disponibilidade 24 horas por dia, 7 dias por semana, aos clientes bancários. Durante uma revisão de uma falha de serviço em 2016, a administração desafiou a equipe a monitorar a jornada do cliente mais de perto e detectar problemas antes que ocorressem.

O desafio inspirou a equipe a criar um novo programa de ciência do cliente para o digibank na Índia, onde monitorariam as jornadas de todos os clientes do digibank em tempo real. Eles procurariam proativamente por indicações de quando o cliente estava com dificuldades para usar o aplicativo móvel, desenvolveriam a capacidade de intervir quando isso acontecesse e dariam ao cliente opções de como prosseguir em sua jornada. O aprendizado foi bem-sucedido, e as lições dos chatbots foram aplicadas tanto na Índia quanto no mercado de origem, Singapura.

O significado final do termo “máquina de aprendizado organizacional” concentra-se no fato de que essas empresas são consistentes, confiáveis e incansáveis. Seu foco em IA na transformação de seus negócios é tão implacável quanto o de qualquer máquina de alto desempenho.

Eles investem em infraestrutura de IA, como repositórios de recursos (variáveis bem definidas para uso em modelos de aprendizado de máquina) e bibliotecas de algoritmos que podem ser reutilizadas várias vezes em toda a organização. Eles garantem que muitos funcionários também sejam aprendizes contínuos sobre IA. Eles tratam a IA não como uma moda, mas como uma ferramenta muito poderosa que pode torná-los dramaticamente mais eficientes e eficazes no mercado.

É claro que não é apenas a tecnologia que cria máquinas de aprendizado organizacional. É a combinação do DNA organizacional, uma cultura corporativa que apoia decisões baseadas em IA e dados, uma atitude de experimentação e inovação contínuas, e o envolvimento de funcionários, clientes e parceiros de negócios nessas iniciativas.

São os seres humanos que fazem essas coisas acontecerem, não dados, algoritmos ou servidores de alta potência. Ao longo deste livro, vamos nos concentrar tanto na dimensão humana de estar focado em IA quanto nas capacidades tecnológicas. Essa é a ênfase do próximo capítulo.

Como uma reflexão final, é ótimo saber que algumas organizações possuem todas essas capacidades. Consideramos um privilégio falar com elas e escrever sobre elas. No entanto, desejamos que houvesse mais. Talvez, ao descrever as empresas que se destacam nesse sentido, possamos motivar os leitores deste livro a moverem suas próprias organizações nessa direção – mesmo que não alcancem o status de “all-in”.

Fontes:

Trecho inicial de 32 páginas do livro All In on AI disponível para compra no site da Amazon no Brasil nesse link. O livro também está disponível para compra em formato de AudioLivro e leitor eletrônico Kindle – ambos os formatos em inglês, pois o livro ainda não teve sua versão em português publicada no Brasil em 2023. O livro impresso com capa dura completo possui 224 páginas.

Resumo inicial publicado pelo periódico HBR – Harvard Business Review

Todo o material foi obtido originalmente em inglês e foi traduzido pelo ChatGPT

Sobre os autores:

Os autores do livro são Thomas H. Davenport e Nitin Mittal.

Thomas H. Davenport é o Professor Distinguido de TI e Gestão na Babson College. Ele também é Professor Visitante na Saïd Business School da Universidade de Oxford, Fellow da Iniciativa de Economia Digital do MIT e Consultor Sênior na prática de IA da Deloitte. Davenport é autor de mais de vinte livros e mais de 300 artigos para publicações como Harvard Business Review, MIT Sloan Management Review, Forbes e Wall Street Journal. Ele recebeu reconhecimento como um dos 25 melhores consultores do mundo, uma das 100 pessoas mais influentes na indústria de TI e um dos 50 melhores professores de escolas de negócios do mundo

Nitin Mittal é um sócio da Deloitte Consulting LLP e atualmente atua como Líder Estratégico de Crescimento em Inteligência Artificial (IA) nos Estados Unidos. Em 2019, recebeu o prêmio de Inovador do Ano em IA na AI Summit, em Nova York. Mittal se especializa em aconselhar clientes sobre como obter vantagem competitiva por meio de transformações impulsionadas por dados e IA. Ele concentra seus esforços em promover inteligência amplificada, capacitando os clientes a fazer escolhas estratégicas e a se transformar à frente das disrupções. Nitin trabalhou extensivamente nos setores de ciências da vida e saúde, implementando programas de dados em larga escala para promover inteligência organizacional e utilizando análises avançadas e IA para insights e estratégias de negócios.