Recursos/White Papers

Tecnologia

Para 64% das empresas a Inteligência Artificial traz vantagem competitiva, diz a Deloitte

Para 11% dos participantes de uma pesquisa anual da consultoria, adotar IA é de "importância estratégica crítica" hoje, e 42% acreditam que será crítica daqui a dois anos

Da Redação

Publicada em 24 de outubro de 2018 às 10h08

Pelo segundo ano consecutivo, a Deloitte entrevistou executivos com conhecimento sobre tecnologias cognitivas e Inteligência Artificial. Os resultados mostram que os early adopters permanecem otimistas sobre o valor dos tecnologias cognitivas. E embora a maioria das empresas não enxergue a IA como de importância estratégica hoje, muitas acreditam que será crítica daqui a dois anos.

Muitos early adopters estão investindo em tecnologias cognitivas para melhorar sua competitividade; 63% dos executivos entrevistados disseram que suas iniciativas de IA são necessárias para alcançar seus rivais ou, na melhor das hipóteses, para abrir uma vantagem e permanecer à frente dos concorrentes.

estudoiadeloitte

Para 11% dos participantes, adotar IA é de "importância estratégica crítica" hoje, e 42% acreditam que será crítica daqui a dois anos.

A pesquisa ouviu 1,1 mil executivos de tecnologia e de negócios (54%) de empresas norte-americanas em dez setores, no terceiro trimestre de 2018. Todos os entrevistados precisavam ter conhecimento uso de tecnologias cognitivas e de Inteligência Artificial nas respectivas empresas. A maioria (90%) tem envolvimento direto com a estratégia de IA da empresa, gastos, implementação e/ou tomada de decisão; 64% são executivos de C-level, incluindo CEOs, presidentes e proprietários (30%), juntamente com CIOs e CTOs (27%).

IAcompetitividade1

ROI da IA
De acordo com os resultados da pesquisa, esses early adopters estão aumentando seus investimentos em IA, lançando mais iniciativas e obtendo retornos positivos. Oitenta e oito por cento das empresas pesquisadas planejam aumentar os gastos com tecnologias cognitivas no próximo ano; 54% dizem que vão aumentar os gastos em 10% ou mais. Trinta e sete por cento dos entrevistados disseram que suas empresas investiram US $ 5 milhões ou mais em tecnologias cognitivas.

A maioria (82%) das empresas obteve um retorno financeiro de seus investimentos em IA, com um retorno médio de 17%. Mas as metas de IA de muitas empresas vão muito além do ROI. O ROI positivo, no entanto, pode criar impulso para investimentos futuros e gerar apoio para os defensores executivos da IA, e as tecnologias parecem estar entregando.

IAcompetitiva2

 A Netflix, por exemplo, descobriu que, se os clientes pesquisam por um filme por mais de 90 segundos, desistem. Ao usar a inteligência artificial para melhorar os resultados da pesquisa, a Netflix evita a frustração e a rotatividade de clientes, economizando US $ 1 bilhão por ano em perda potencial de receita.

Mas retornos robustos não se limitam a empresas de tecnologia. Tanto os fabricantes estabelecidos quanto as startups inovadoras estão usando o IA para tornar a fabricação mais eficiente. Por exemplo, empresas industriais, como a GE e a Siemens, estão aproveitando os dados em “gêmeos digitais” de suas máquinas para identificar tendências e anomalias e para prever falhas. Como elas, outras empresas estão usando a Inteligência Artificial para melhorar os processos de negócios, dando maior ênfase às operações internas.

IAcompetitiva3

Essa mudança para operações internas foi acompanhada por uma ênfase um pouco menor na integração da IA ​​em produtos e serviços existentes, embora esse ainda seja o objetivo mais popular. E um dos motivos para isso é que a mudança operacional é frequentemente necessária antes que tal integração possa ocorrer.

Onde investir?
Por meio de serviços em nuvem e software corporativo, as empresas podem experimentar tecnologias cognitivas e até implantá-las amplamente, com baixo custo inicial e risco mínimo. 

Os serviços cognitivos baseados em nuvem estão aumentando a adoção, reduzindo o investimento e o conhecimento necessários para começar. O apelo do modelo IA-como-serviço é refletido em sua taxa de crescimento global anual, estimada em 48,2%; 39% das empresas preferem adquirir tecnologias avançadas, como Deep Learning, por meio de serviços baseados em nuvem, contra 15% que preferem uma solução on-premise. 

Os serviços de aprendizagem profunda baseados em nuvem podem oferecer às empresas acesso a imensa - e anteriormente onerosa - capacidade de computação necessária para extrair insights de dados não estruturados. Eles também podem gerenciar grandes conjuntos de dados e acelerar o desenvolvimento de aplicativos com modelos pré-tratados. 

O número crescente de opções baseadas em nuvem pode explicar o aumento de pilotos e implementações entre 2017 e 2018. Cinquenta e cinco por cento dos executivos dizem que suas empresas lançaram seis ou mais pilotos (acima dos 35% em 2017) e quase a mesma porcentagem. (58%) afirmam que realizaram seis ou mais implementações completas (acima de 32%).

Além disso, quase 60% estão tomando um caminho considerado mais fácil para aprender a lidar com a IA: usando software empresarial capacitado pela tecnologia. A maioria dos entrevistados (59%) obtém capacidades cognitivas através de software empresarial, como sistemas CRM ou ERP. Esses sistemas têm a vantagem de acessar imensos conjuntos de dados (geralmente os dados de seus próprios clientes) e podem ser usados ​​“fora da caixa” por funcionários sem conhecimento especializado.

As ferramentas cognitivas disponíveis através do software corporativo são frequentemente focadas em tarefas específicas relacionadas ao trabalho. Embora isso possa torná-los menos flexíveis, eles podem ser impactantes, no entanto. Por exemplo, o Salesforce Einstein pode ajudar os representantes de vendas a determinar quais leads são mais propensos a converter em vendas e a melhor hora do dia para entrar em contato com esses clientes em potencial. Além disso, os fornecedores desenvolvem continuamente ferramentas avançadas, que são gradualmente integradas ao software. A Salesforce desenvolveu recentemente um modelo de PNL avançado para lidar com vários casos de uso que normalmente exigem modelos diferentes. 

IAcompetitiva4

Segundo os analistas da Deloitte, o “caminho fácil” provavelmente se tornará ainda mais atraente à medida que fornecedores de software e provedores de nuvem desenvolverem ofertas de IA adaptadas a funções de negócios. O Google anunciou recentemente um conjunto de serviços de IA pré-montados destinados a contact centers e departamentos de RH.  As capacidades de IA da SAP, que coletivamente chamam de “Leonardo Machine Learning”, também incluem soluções específicas, como gerenciamento de caixa, em finanças, análise de vídeo no gerenciamento de marca e análise de problemas no atendimento ao cliente. A necessidade de as empresas desenvolverem iniciativas cognitivas sob medida provavelmente diminuirá à medida que serviços semelhantes entrarem no mercado.

Ainda assim, com o passar do tempo muitas empresas provavelmente precisarão desenvolver soluções personalizadas para atender às suas elevadas expectativas em relação às tecnologias cognitivas. A maioria dos entrevistados (53%) desenvolve tecnologias cognitivas com parceiros e quase 40% usam comunidades de crowdsourcing como o GitHub.

Opções
A maioria das tecnologias cognitivas baseia-se no Machine Learning e sua progênie mais complexa, o Deep Learning. Isso inclui visão computacional e processamento de linguagem natural (NLP). A adoção do aprendizado de máquina já era alta, de 58% em 2017, e cresceu 5% em 2018. A adoção do aprendizado profundo também vem aumentando: metade dos entrevistados disse já usar Deep Lerning, um aumento de 16% em relação a 2017 - o maior salto entre todas as tecnologias cognitivas. 

Em relação do Processamento de Linguagem Natural (PNL), 62% dos participantes adotaram a tecnologia, acima dos 53% do ano passado. E a visão computacional também se tornou popular entre os entrevistados da pesquisa, dos quais 57% dizem que a empresa a usa hoje.

Pontos críticos
A pesquisa comprova que os  líderes de negócios e tecnologia enfrentam uma série de desafios à medida que buscam criar valor comercial com inteligência artificial. Na opinião dos analistas da Deloitte, as empresas devem melhorar o risco e mudar o gerenciamento. Isso inclui a redução de vulnerabilidades de segurança cibernética - o que pode retardar ou até impedir iniciativas de Inteligência Artificial - e o gerenciamento de riscos éticos. A seleção de projetos e o gerenciamento do retorno sobre o investimento também são críticos.

Tem mais: qualquer pessoa que acompanhe notícias de negócios sobre a IA sabe sobre o papel crítico desempenhado pelos dados. Os entrevistados da pesquisa consideram os "problemas de dados" como um dos principais desafios para as iniciativas de IA de suas empresas. Existem inúmeras razões para isso. Alguns sistemas de Inteligência Artificial, como assistentes virtuais para habilitar o autoatendimento do cliente, exigem dados de vários sistemas que talvez nunca tenham sido integrados antes. As informações do cliente podem residir em um sistema, os dados financeiros em outro e os dados de treinamento e configuração do assistente virtual em um terceiro. A IA cria uma necessidade de integração de dados que uma empresa pode ter evitado até agora. Isso pode ser especialmente desafiador em uma empresa que cresceu por meio da aquisição e mantém sistemas múltiplos e não integrados de diversas áreas.

Outro desafio para as empresas é que o tipo de dados necessários para alguns projetos de IA é diferente dos dados com os quais estão acostumadas a trabalhar. Por exemplo, algumas soluções dependem do acesso a quantidades significativas de dados não estruturados que podem ter sido retidos para manutenção de registros, mas nunca destinados à análise. Em um projeto de assistente virtual analisado pela equipe da Deloitte, a equipe precisou revisar milhares de chamadas telefônicas gravadas para identificar temas comuns com os quais derivar regras para o sistema. (É possível automatizar essa análise, mas isso seria um projeto de IA próprio).

IAcompetitiva5

Obter os dados necessários para um projeto de IA, prepará-lo para análise, proteger a privacidade e garantir a segurança pode ser demorado e custoso para as empresas. Além do desafio, os dados - pelo menos alguns deles - são geralmente necessários antes que seja possível realizar uma prova de conceito. A Deloitte encontrou empresas que, por não considerarem totalmente a dificuldade de obter os dados de que precisam, decidiram arquivar projetos e desmembrar equipes até que pudessem estabelecer a base de dados apropriada.

Riscos
Os principais riscos da IA ​​que preocupam os executivos são os riscos cibernéticos, que foram classificados como uma das três principais preocupações para metade dos entrevistados da pesquisa. De fato, 23% dos entrevistados classificaram as “vulnerabilidades de segurança cibernética” como sua principal preocupação AI/cognitiva. Essa apreensão provavelmente está bem colocada: embora qualquer nova tecnologia tenha certas vulnerabilidades, os passivos relacionados ao cyber que surgem para certas tecnologias de IA parecem particularmente complicados.

IAcompetitiva6

Os pesquisadores descobriram que alguns modelos de Machine Learning têm dificuldade em detectar dados construídos especificamente para enganar o modelo. Foi assim que uma equipe de pesquisa enganou um algoritmo de visão para classificar como um computador o que parecia ser uma foto de um gato. O processo de treinamento de modelos de aprendizagem de máquina pode ser manipulado com dados contraditórios. Ao alimentar intencionalmente dados incorretos em um algoritmo de reconhecimento facial de autoaprendizagem, por exemplo, os atacantes podem se fazer passar por sistemas de autenticação biométrica. 

IAcompetitiva7

Em alguns casos, a tecnologia de Machine Learning pode expor uma empresa ao risco de roubo de propriedade intelectual. Gerando automaticamente um grande número de interações com um sistema baseado em aprendizado de máquina e analisando os padrões de respostas que ele gera, os hackers poderiam fazer engenharia reversa do modelo ou dos próprios dados de treinamento.

Outro elemento do risco cibernético que as empresas devem considerar é a quantidade de dados - e que tipo de dados - elas estão dispostas a colocar em ambientes de nuvem pública, permitindo que usem tecnologias cognitivas para analisar conjuntos de dados muito maiores do que nuvens privadas. A análise de dados confidenciais de clientes e de dados financeiros pode gerar informações valiosas, mas as empresas devem avaliar os riscos percebidos com os benefícios. 

No mais, produtos e sistemas de todos os tipos, incluindo sistemas de TI, apresentam uma série de riscos legais e regulatórios. Como resultado, não é surpreendente que quatro em cada 10 entrevistados da pesquisa indiquem um alto grau de preocupação com os riscos legais e regulatórios associados aos sistemas de IA. Como nem todos os métodos para validar a precisão e o desempenho dos sistemas de Inteligência Artificial são confiáveis, o relatório da Deloitte alerta que as empresas precisarão gerenciar os riscos legais, regulatórios e operacionais associados a esses sistemas. Questões complicadas são questões em torno de quem pode ser responsabilizado no caso de um crime ou acidente relacionado com a IA.

Além disso, dois temas são particularmente relevantes quando se trata de IA e risco regulatório: privacidade e transparência. O Regulamento Geral de Proteção de Dados (GDPR), que entrou recentemente em vigor na Europa, estabelece regras de privacidade que exigem uma implementação cuidadosa. O GDPR também determina que as empresas que usam dados pessoais para tomar decisões automatizadas que afetam as pessoas devem ser capazes de explicar a lógica por trás do processo de tomada de decisão. 

Falta de talentos
Além disso, os early adopters precisam da combinação certa de talento - não apenas de habilidades técnicas - para acelerar seu progresso. Eles têm falta de pesquisadores e programadores de IA, mas também precisam de líderes de negócios que possam selecionar os melhores casos de uso. Para reunir esse talento, estão treinando sua força de trabalho atual, mas muitos sentem a necessidade de substituir os trabalhadores existentes por novas pessoas. Também podem precisar de uma abordagem estratégica para o talento que automatize o que as máquinas fazem de melhor, enquanto ainda capitaliza no julgamento e na criatividade humanos.

“Falta de inteligência artificial/habilidades cognitivas” foi uma das três principais preocupações para 31% dos entrevistados - abaixo de questões como implementação, integração e dados. 

As empresas geralmente sentem que possuem capacidades substanciais de Inteligência Artificial. Cerca de quatro em cada dez executivos relatam que suas empresas têm um alto nível de sofisticação no gerenciamento e manutenção de soluções de IA, selecionando fornecedores de tecnologia e tecnologia de IA, integrando tecnologia de IA ao ambiente de TI existente, identificando aplicações valiosas de IA, construindo soluções de IA e contratando e gerenciamento de equipe técnica com habilidades de IA. Outros 41% a 46% dizem que suas empresas têm familiaridade com essas atividades. Isso sugere que eles não têm uma escassez grave de talentos.

Além dos recursos internos, muitas empresas buscam abordagens abrangentes para o “ecossistema de talentos”. Dez por cento dos respondentes da pesquisa disseram que obtêm talentos de empresas que adquiriram, investiram ou fizeram parcerias. E, como vimos, as empresas efetivamente terceirizam algumas de suas necessidades de talentos usando recursos de IA como serviço ou comunidades de desenvolvimento com crowdsourcing, como o GitHub e o Bitbucket.

Apesar da sofisticação de suas equipes internas e do acesso ao talento externo, os executivos sentem que precisam de pessoas mais qualificadas. Trinta por cento disseram que enfrentam uma grande lacuna de habilidades (23%) ou extrema (7%). Outros 39% disseram que sua diferença é “moderada”. Curiosamente, as empresas mais avançadas sentem a lacuna de habilidades de forma aguda. 

Algumas habilidades são necessárias mais do que outras. Os entrevistados relatam o mais alto nível de necessidade de pesquisadores de IA para inventar novos tipos de algoritmos e sistemas de IA. Isso sugere um nível agressivo de ambição pela tecnologia. Além disso, 28% disseram que precisam de desenvolvedores de software de IA, 24% precisam de cientistas de dados e porcentagens semelhantes precisam de designers, especialistas em gerenciamento de mudanças, gerentes de projeto, líderes de negócios e especialistas no assunto. 

IAcompetitiva8



Reportagens mais lidas

Acesse a comunidade da CIO

LinkedIn
A partir da comunidade no LinkedIn, a CIO promove a troca de informações entre os líderes de TI. Acesse aqui