Home > Notícias

6 dicas para trabalhar com fornecedores de inteligência artificial

Para a maioria das empresas, a AI 'faça você mesmo' está fora de alcance. Saiba como criar valor de negócios com AI comerciais


Maria Korolov, da CIO (EUA)

07/05/2019 às 10h30

Foto: Shutterstock

A inteligência artificial e tecnologias relacionadas prometem ser um fator de mudança para as empresas. A questão central que organizações se deparam, entretanto, é: construir ou comprar? Algumas empresas construirão suas próprias soluções do zero, mas o uso de ferramentas comerciais pode ser mais rápido, mais barato e fornecer melhores resultados que o que uma empresa pode construir sozinha.

Como a tecnologia é tão nova e não testada, os primeiros adeptos têm algum poder quando se trata de relacionamentos com fornecedores. Os fornecedores podem estar dispostos a realizar configurações e integrações personalizadas, fornecer consultoria ou treinamento gratuitos ou dar descontos exorbitantes - especialmente se você estiver disposto a ser uma das histórias de sucesso deles, caso o projeto funcione.

Além disso, estar entre os primeiros clientes de uma startup, ou para uma nova oferta de um fornecedor estabelecido, pode permitir que você influencie como um produto se desenvolve.

Mas trabalhar com fornecedores de inteligência artificial não é tudo vinho e rosas. Além dos problemas comuns que podem surgir ao trabalhar com qualquer fornecedor de tecnologia, há nuances específicas quando se trata de AI, aprendizado de máquina e tecnologias semelhantes.

Cuidado com a empolgação

A Alight Solutions, uma empresa de serviços de RH com sede em Lincolnshire, Illinois, começou a procurar um chatbot com tecnologia AI em 2014.

A empresa lida com uma ampla gama de benefícios de RH para 3.000 clientes corporativos, que juntos empregam mais de 23 milhões de pessoas. Isso é um monte de chamadas e conversas na web com representantes de suporte. Muitas das perguntas são repetitivas, mas as respostas podem ser diferentes para cada funcionário.

Um sistema de inteligência artificial não só teria que ser capaz de entender a pergunta, mas encontrar a resposta específica para essa pessoa em particular – e ser inteligente o suficiente para escalar para um representante humano, caso falhasse.

Mas quando a Alight começou a conversar com os fornecedores, a empresa viu muito entusiasmo no mercado. Os fornecedores estavam prometendo sistemas de processamento de linguagem natural que estavam prontos para sair da caixa.

“Quando você vai e testa o sistema deles, você verá que, mesmo com pequenas mudanças na redação, o sistema tropeça”, diz Ibrahim Khoury, diretor de desenvolvimento de produtos e inovações da empresa.

Esse problema de entusiasmo não melhorou, diz ele. “Eu acho que hoje há mais vaidade, para ser honesto, com o marketing de AI e aprendizado de máquina”.

Esteja preparado para uma curva de aprendizado séria

Sistemas de AI requerem treinamento, diz Khoury. Eles não funcionam imediatamente. Mas alguns fornecedores prometem sistemas que funcionam sem intervenção humana, diz ele. A Alight acabou indo com uma empresa que não fez esse tipo de promessas.

“Eles foram francos conosco”, diz ele. “Eles disseram: ‘não vamos nos enganar. Você precisará colocar pessoas e processos para garantir que o sistema funcione. Você terá que treiná-lo, monitorá-lo, investir dinheiro para garantir que ele funcione’. Honestamente, isso nos acordou, porque nenhum outro fornecedor nos dizia isso”.

Na verdade, após a Alight ter decidido ir com seu fornecedor, a Verint, no outono de 2016, levou cerca de seis meses para que o sistema estivesse pronto para ser lançado.

“Há muitas variações entre um cliente e outro”, diz ele. “E mesmo dentro de um cliente, você tem diferentes níveis de empregados. Você pode ter um grupo de gerenciamento, um grupo sindical e um grupo a cada hora. Tivemos que construir um sistema que pode variar a resposta com base no indivíduo”.

Isso exigia uma equipe de especialistas no assunto nos serviços oferecidos pela Alight.

“Não somos uma indústria que responde mal às coisas”, diz Khoury. “Queremos ter certeza de que, não importa qual seja a resposta, ela tem que ser precisa. E se não conseguirmos respondê-la, temos que criar um modelo de escalação, por isso não deixamos você pendente. Se o centro de serviços estiver aberto, deixe-me entregá-lo a um agente de bate-papo web. Se não, deixe-me agendar um horário para que um agente possa ligar de volta”.

Levou tempo para obter esse nível de conhecimento e integração com as operações de call center no local.

Piloto, piloto, piloto

Mas antes de Alight seguir adiante com o projeto, primeiro conduziu um extenso piloto com a Verint. “Testamos os sistemas de outros fornecedores, mas o esforço para fazer o piloto em si foi significativo”, diz Khoury. “Isso exigiu muita segurança, atualizações de arquitetura e mudanças. Isso necessitou muita implementação do nosso lado. Então, depois de testarmos vários sistemas, nos concentramos em um piloto. Isso nos deu os resultados que nos convenceram de que esse era o caminho a seguir”.

Colocar o fornecedor à prova também foi fundamental para a Priam Capital, que compra e administra prédios comerciais de vários inquilinos no Centro-Oeste e no Sudeste.

O desafio da empresa era que seus funcionários passassem muito tempo lidando com a papelada e não tivessem tempo suficiente para comprar edifícios. As locações comerciais são extremamente complicadas, às vezes com mais de cem páginas, com centenas de detalhes negociados individualmente. Além disso, todas as concessões antigas estão no papel.

Muitos fornecedores oferecem reconhecimento ótico de caracteres e processamento de linguagem natural com tecnologia AI, diz Abhishek Mathur, fundador e CEO da empresa. Geralmente, a tecnologia não funciona ou não funciona para esse caso de uso específico. “Há muita enganação lá fora”, diz ele.

Então, há dois anos, quando a Priam estava selecionando um fornecedor, ela reuniu seus contratos mais difíceis para ver se os fornecedores poderiam lidar com eles. O fornecedor que a empresa escolheu, a Leverton, tinha o conhecimento específico do setor imobiliário necessário para identificar os principais elementos de locações, diz ele. “Não havia ninguém realmente mais focado em locações de imóveis”.

Isso ficou claro durante o teste.

“Quando saímos e tentamos vários sistemas diferentes, eles não conseguiram captar algumas das nuances que eram muito significativas do ponto de vista da receita”, diz ele. “Eu recomendo que as pessoas experimentem antes de comprá-lo”.

Considere a transparência

Nenhum sistema de AI é perfeito. Mas, com esses sistemas pode ser difícil dizer se a saída é enganosa porque os algoritmos internos podem ser completamente enigmáticos.

Como um erro com um contrato de locação comercial poderia resultar em perdas financeiras significativas, esse problema de “caixa preta” era uma preocupação para a Priam, assim como para muitas empresas. Para resolver isso, as ferramentas de Leverton incluem todos os detalhes das concessões, mas também incluem um link para o texto no documento original.

“Não há como ter uma AI fazendo tudo certo’, diz Abhinav Somani, CEO da Leverton. “Existem certas nuances ou termos estranhos que são desafiadores para qualquer um”.

Há uma parceria entre o sistema e os gerentes de ativos que o usam, diz ele. Além de permitir que os gerentes de ativos analisem rapidamente os detalhes nos contratos, o sistema também destacará áreas que precisam de atenção manual.

Há muita pesquisa acontecendo agora na exploração, transparência e também na compreensão dos vieses embutidos nos sistemas de AI, diz Lauren Neal, diretora da Booz Allen Hamilton. Quanto mais informações as empresas têm sobre como os modelos de seus fornecedores foram construídos e treinados, ela diz, mais eles podem entender quais são as limitações desses modelos.

Jennifer Fernick, chefe de pesquisa da NCC Group, uma firma de consultoria de segurança cibernética, alerta contra o trabalho com fornecedores que são muito reservados sobre seus modelos de inteligência artificial.

“Em geral, qualquer fornecedor que não esteja disposto a falar sobre seus algoritmos e implementações provavelmente não está fazendo nada de interessante”, diz ela. Isso não significa que os clientes possam exigir ver o código-fonte, diz ela, mas os fornecedores devem estar dispostos a falar sobre os tipos de ferramentas algorítmicas que estão usando, sejam elas baseadas em bibliotecas de código aberto, e como elas serão aplicadas aos dados.

“Há uma correlação inversa entre a alegação de que eles não podem mostrar o ingrediente secreto e a chance de haver algo particularmente inovador em seu produto”, diz ela.

Outro aspecto da transparência, que deve ser uma das principais preocupações de qualquer empresa atualmente, é a privacidade e a segurança. Os sistemas de AI, em particular, são extremamente ávidos por dados e, se esses dados são sensíveis, podem colocar uma empresa em risco.

“Você é tão seguro quanto seu fornecedor mais fraco”, diz Fernick.

Por exemplo, o fornecedor exige que você mova dados para a nuvem deles, mas não possui uma boa equipe de segurança? Os dados são visíveis em texto simples para os funcionários do fornecedor?

“Há muitas considerações além das capacidades analíticas das próprias ferramentas”, diz ela.

Para dados altamente confidenciais, as empresas podem considerar um fornecedor que ofereça uma solução local.

Concentre-se no valor comercial

Waqqas Mahmood, diretor de tecnologia avançada e inovação da Baker Tilly Virchow Krause, veio à empresa de contabilidade e consultoria há um ano e meio para liderar sua estratégia de transformação digital.

A Baker Tilly, que emprega cerca de 4.000 pessoas em sua força de trabalho global, passou por várias fusões, resultando em muitos processos que precisavam ser padronizados e tornados mais eficientes. Além disso, a Baker Tilly queria implementar um sistema de chatbot para tíquetes de suporte técnico.

A empresa não poderia fazer isso sozinha, diz Mahmood. “Havia falta de habilidades”, diz ele. “E o tempo que teria levado para construí-lo internamente – teria demorado muito”.

Para Mahmood, a chave para fazer o trabalho de um fornecedor de AI era escolher projetos com objetivos concretos. “Se você não tem o case de negócios certo e a necessidade certa antes de implementar a AI, não será bem-sucedido", diz ele.

Para a automação do fluxo de trabalho, a Baker Tilly decidiu pela NICE Robotic Automation, um relacionamento que já está valendo a pena, diz ele, com tarefas automatizadas levando um terço de tempo para serem concluídas como eles faziam antes.

“Nós diminuímos bastante nossas horas faturáveis”, diz ele. “Percentualmente, nos dois dígitos. Estamos tentando fazer o mesmo trabalho com maior qualidade em menos tempo. Não estamos buscando o ganho de cobrança a curto prazo por mais horas. Queremos oferecer um serviço de alto valor para nossos clientes”.

O objetivo de longo prazo de sua estratégia de automação de fluxo de trabalho é adicionar análise preditiva – não apenas automatizando processos e sinalizando itens, mas ajudando na tomada de decisões, o que eliminaria algum trabalho humano.

Quanto ao suporte técnico, a implantação de um chatbot da Bold360 pela Baker Tilly demorou cerca de doze semanas e reduziu as horas de suporte técnico em 35%, diz Mahmood. “Gastamos cerca de 80.000 horas por ano em resolução de tíquetes, pessoas ligando para recuperar suas senhas, comprar uma nova impressora ou algo que não está funcionando e precisam fazer o download de um novo software”, diz ele. O chatbot entende o pedido e o encaminha apropriadamente, diz Mahmood. “Não é atraente, mas cuida da nossa dor no back office”.

Ambos os projetos fazem parte de um plano de longo prazo, acrescenta. “Estamos criando uma estratégia de dados holística para a empresa, como gerenciamos os dados, como os usamos, como a arquitetura deve ser”, diz ele. “Estamos criando uma plataforma que terá um mecanismo de análise no meio com recursos de inteligência artificial”.

Seja paciente

Mahmood mapeou a jornada de AI da Baker Tilly e atualmente ainda está nas fases iniciais. “É preciso muita paciência”, diz ele.
Todo mundo sempre subestima quanto esforço será necessário, diz o principal analista e fundador da Constellation Research, e quanto dinheiro.

“O maior problema que os clientes normalmente enfrentam é que querem fazer esses projetos, mas eles só são financiados para fazer uma prova de conceito”, diz ele. “Mas esses são projetos de longo prazo”.

Além disso, diz ele, se uma empresa escolher um projeto inicial que não tenha um bom case de negócio, as pessoas perderão o interesse.

“Acontece com muitas empresas e você desperdiça muito dinheiro”, diz ele.

 

 

Junte-se a nós e receba nossas melhores histórias de tecnologia. Newsletter Newsletter por e-mail