Home > Tendências

8 funções essenciais para o sucesso de projetos de Inteligência Artificial

E como eles estão sendo utilizados por pioneiros na aplicação da tecnologia

Maria Korolov, CIO/EUA

12/03/2019 às 15h44

Foto: Shutterstock

A Inteligência Artificial oferece amplas oportunidades para ROI. Quando feita corretamente, pode ajudar a melhorar as vendas, otimizar as operações e liberar a equipe para um trabalho de maior valor. Pode ajudar também a reduzir custos e capacitar as organizações para criar novos produtos e buscar novos mercados. Razões pelas quais as empresa têm mergulhado em projetos e provas de conceito.

Em pesquisa recente da Deloitte, 55% dos executivos de TI entrevistados dizem que suas empresas lançaram seis ou mais projetos piloto relacionados à IA em 2018, acima dos 35% em 2017. Mais de um terço investiu mais de US $ 5 milhões em tecnologias cognitivas e 56% esperam que a IA transforme suas empresas nos próximos três anos.

Mas chegar lá não é fácil, e certas habilidades essenciais são necessárias - ainda que difíceis de encontrar. Aqui vamos dar uma olhada em oito papéis-chave para o sucesso da IA, de acordo com aqueles que fizeram incursões precoces na aplicação da tecnologia para os negócios.

1 - Pesquisadores de IA
Pode parecer contraproducente para uma empresa mediana se envolver em pesquisa. Afinal de contas, os pesquisadores de IA são frequentemente PhDs que realizam pesquisas básicas que poderiam, algum dia, levar a um avanço nas habilidades das máquinas de pensar como os humanos. Além disso, ir atrás de pesquisadores de IA significa competir por esses talentos, que podem não trazer benefícios imediatos aos negócios, com universidades, startups e gigantes da tecnologia, como o Google e a Microsoft.

Mas sempre há esperança de que um avanço catapultará a empresa para a liderança. E esta promessa depende da contratação de pesquisadores de IA. De acordo com a pesquisa da Deloitte, 30% dos executivos de TI consideram o recrutamento de pesquisadores de IA como prioridade absoluta, mais do que qualquer outro papel.

"As pessoas querem esse objeto brilhante", diz Vivek Katyal, líder global em análise e risco de dados na Deloitte Risk and Financial Advisory.

Para as empresas em que a Inteligência Artificial é parte do core business, a pesquisa não é um luxo, mas uma necessidade. A AppTek, por exemplo, foi fundada há cerca de 30 anos como uma empresa de reconhecimento de fala. Todo o campo de reconhecimento de fala foi transformado pela IA, e a AppTek teve que investir em pesquisa para acompanhar. Por exemplo, sua última pesquisa publicada se concentra na identificação de diferentes interlocutores em uma conversa.

"Essa é uma necessidade comercial real", diz Mike Veronis, diretor de receita da empresa. "Fizemos isso para resolver o problema e para impulsionar nossas capacidades".

2 - Desenvolvedores de software de IA
Os desenvolvedores de software de IA ​​realizam pesquisas fundamentais em Machine e Deep Learning ou Generative Adversarial Networks, e as transformam em produtos utilizáveis. Algumas empresas deixam esse trabalho para os grandes fornecedores, confiando em plataformas comerciais em vez de desenvolver suas próprias abordagens para a Inteligência Artificial. Mas mesmo que as empresas usem técnicas conhecidas de IA, elas ainda podem querer construir suas próprias plataformas, diz Katyal, da Deloitte. Em parte, isso pode explicar a alta demanda por desenvolvedores de software de IA, uma prioridade máxima para 28% dos entrevistados na pesquisa da consultoria.

Um dos motivos para construir sua própria solução ou plataforma é o problema da "caixa preta" dos frameworks de IA atuais. Sem houver a capacidade de ver o código-fonte dos produtos prontos para uso, algumas empresas, especialmente em áreas regulamentadas como finanças ou saúde, podem preferir seguir seu próprio caminho.

"Talvez eu deva desenvolver algo por conta própria, onde eu saiba o que construí, possua o código, e controle tudo", diz Katyal. "Essa discussão é muito prevalente". Quando criam seu próprio software de Inteligência Artificial, eles também podem entender melhor os vieses embutidos nas ferramentas, acrescenta.

Esse também é o caso do AppTek. Em vez de ter um sistema comercial de caixa preta que não pode ser facilmente ajustado, a empresa optou por um produto que pode ser personalizado conforme necessário, além de ter recursos exclusivos baseados nas próprias pesquisas da empresa. "Podemos adaptar,  treinar e melhorar continuamente o mecanismo de reconhecimento de fala", diz Veronis.

3 - Cientistas de dados
Quando as empresas pensam em superar os desafios da IA, normalmente pensam em criar novos algoritmos de IA, diz Katyal. Mas elas provavelmente obteriam mais valor se pudessem melhorar continuamente seus dados . "Essa é a barreira usual para a IA funcional", diz ele.

Isso faz dos cientistas de dados o papel mais importante de todos, segundo Katyal. Procurados por 24% dos entrevistados, os cientistas de dados preparam os dados de uma empresa para uso em sistemas de IA. Eles também identificam os dados que uma empresa precisa para atingir suas metas -  gerados internamente ou coletados de terceiros.

Os cientistas de dados também podem detectar quando faltam dados, saber quando não há dados suficientes de um tipo específico e reconhecer quando um conjunto de dados é tendencioso ou desatualizado.

Eles também são os que identificam os algoritmos certos para usar em seus conjuntos de dados, treinam e ajustam esses algoritmos e trabalham com especialistas no assunto para validar os resultados.

Os cientistas de dados estão no centro dos recentes projetos de IA da Sumitomo Mitsui Banking Corp. A SMBC, uma empresa financeira global e o segundo maior banco do Japão em ativos, está usando a IA para melhorar o atendimento ao cliente, para facilitar a localização de informações pelos funcionários e identificar melhor clientes corporativos em potencial.

O banco já tinha um departamento de gerenciamento de dados e cientistas de dados na equipe, diz Akinobu Funayama, seu diretor executivo. Inicialmente, os cientistas de dados configurariam manualmente os casos de uso, identificariam os pontos de dados mais relevantes para esses casos de uso e criariam os algoritmos para analisar os dados.

Por exemplo, ao classificar potenciais novos clientes em busca de lucratividade, os cientistas de dados analisariam milhares de fatores para ver se algum deles seria útil.

Todo o processo levaria de dois a três meses por caso de uso, traduzindo em 10 a 15 casos de uso por ano. Usando a tecnologia do dotData para ajudar a identificar os pontos de dados mais úteis para criar novos algoritmos, o SMBC reduziu o tempo necessário para criar um novo modelo em apenas algumas horas. Isso aumentou o número de casos de uso que o banco pode atender a cerca de 100 por ano, permitindo que ele aplique IA em mais áreas do banco, incluindo finanças, tesouraria e conformidade.

"Estamos trabalhando para melhorar o desempenho de todo o grupo", diz Funayama.

Os cientistas de dados ainda são críticos para o processo, diz ele, mas em vez de fazer um trabalho repetitivo de engenharia de recursos, eles agora estão lidando com uma gama muito maior de casos de uso de negócios de IA.

4 - Designers de experiência do usuário
À medida que a IA é incorporada a mais produtos e serviços, o design da experiência do usuário está se tornando cada vez mais importante. Em vez de abrir menus ou clicar em botões, as pessoas agora esperam poder fazer perguntas simples em inglês ou fazer com que os aplicativos deduzam o que precisam a partir de um contexto.

"Sempre pensamos que a experiência do usuário é orientada pela web ou pelo celular", diz Brandon Ebken, CTO da Insight, empresa de consultoria em tecnologia com sede em Tempe, Arizona. "No mundo da IA, estamos interagindo com chatbots ou assistentes como a Siri ou Cortana, usando a voz." A IA criou um novo tipo de design de experiência do usuário, ele diz, e é uma peça fundamental na criação de novas ferramentas que incorporem IA.

"A conexão entre as coisas alimentadas por IA e a experiência humana está evoluindo", concorda Katyal, da Deloitte. "Eu acho que é a próxima revolução, que já estamos começando a ver."

À medida que novas ferramentas são criadas, as pessoas precisam ser capazes de usá-las, e isso pode exigir novos tipos de interfaces, bem como acompanhar as mudanças na maneira como um aplicativo ou processos de negócios são estruturados.

Para encontrar pessoas com essas habilidades, as empresas devem procurar especialistas em atendimento ao cliente, diz ele.

5 - Especialistas em gerenciamento de mudanças
O gerenciamento de mudanças é o aspecto mais negligenciado das implantações de IA, diz Katyal, da Deloitte. E não são apenas funcionários corporativos que se beneficiam do gerenciamento de mudanças , mas também usuários e clientes. "É a coisa mais difícil", acrescenta Katyal. "Esta é uma área mais ignorada e desvalorizada na empresa."

Mesmo assim, os especialistas em gerenciamento de mudanças continuam em alta demanda. A habilidade é necessária para 22% dos entrevistados pela Deloitte. Os projetos de IA podem ter um grande impacto nos trabalhadores do conhecimento, que podem se recusar a aceitar recomendações de IA se não estiverem envolvidos no desenvolvimento da solução, de acordo com a Deloitte.

"Os fundamentos da promoção da mudança organizacional podem se perder em meio à empolgação em torno de pilotos, experimentos de base e campanhas publicitárias", diz o relatório da Deloitte.

Além disso, 63% dos gerentes de TI entrevistados disseram que, para cortar custos, sua empresa quer usar a IA para automatizar o maior número possível de trabalhos - ressaltando ainda mais a necessidade de especialização em gerenciamento de mudanças.

6 - Gerentes de projeto
Muitos projetos de IA são atormentados por problemas porque muitas vezes não são gerenciados com o mesmo rigor que as empresas usam com tecnologias mais maduras. Gerentes de projeto capazes de liderar implementações de IA podem ajudar a integrar a tecnologia aos papéis e processos de uma empresa e ajudar a medir e comprovar o valor comercial, um desafio que representa 39% e 30% dos entrevistados da Deloitte, respectivamente. Eles também podem lidar com a escassez de habilidades em outras áreas relacionadas à IA.

É bastante difícil encontrar cientistas de dados, e ainda mais os cientistas de dados que também sejam engenheiros de software, designers de interface de usuário, profissionais de segurança e especialistas no assunto. Por causa disso, os projetos de IA incluem equipes complexas de pessoas, com saberes interdisciplinares, diz Marty Young, diretor-gerente da Slalom.

Os gerentes de projeto são necessários para obter todas essas funções. Além disso, os gerentes de projeto ajudarão as equipes multidisciplinares a transferir projetos experimentais para se tornar apenas mais um aspecto da engenharia de software e do ciclo de vida do software, diz Steve Herrod, diretor da General Catalyst Partners. Anteriormente, Herrod foi  CTO da VMware.

"Não devemos perder de vista os gerentes de projetos e programas que precisam entender os aspectos únicos dos modelos e encaixá-los nos lançamentos de software mais amplos dos quais devem fazer parte", acrescenta.

7 - Líderes empresariais que interpretem os resultados da IA
Mesmo quando uma empresa usa fornecedores externos para grande parte de sua funcionalidade de Inteligência Artificial, é essencial ter experiência interna em negócios.

É o caso da Spoton Logistics, uma companhia de navegação com sede na Índia, que procura usar a IA para ajudar no atendimento ao cliente, análise de sentimentos e automação no departamento de finanças. Por exemplo, um caso de uso específico é para resolver o problema de "primeira milha" e "última milha" da empresa.

"Os endereços na Índia não são padrão", diz Satya Pal, chefe de engenharia de negócios da empresa. Só piora quando a empresa trabalha com endereços que não foram totalmente preenchidos. "Isso elimina a possibilidade de planejamento central e utilização de veículos".

A empresa decidiu usar fornecedores externos para grande parte do trabalho, em vez de construir a tecnologia internamente. No entanto, os líderes de negócios que precisavam interpretar os resultados da IA ​​estão na equipe interna da empresa. Eles tem o conhecimento de negócios para o problema específico que a empresa tenta resolver e uma compreensão de vários modelos e estruturas de IA, diz ele.

Por exemplo, eles foram capazes de entender as aplicações de modelos de classificação versus aprendizado por reforço e aprendizado supervisionado versus não supervisionado.

Isso permitiu que eles determinassem qual abordagem de IA era mais adequada para resolver produtos específicos e validar o progresso.

8 - Especialistas no assunto
Como as ferramentas de IA não funcionam sempre para todos os casos de uso, os especialistas no assunto são fundamentais. Tomemos, por exemplo, os mecanismos de recomendação de produtos, que são normalmente projetados em torno das necessidades dos varejistas online, diz Michael Rigney, vice-presidente sênior de soluções para clientes da EnergySavvy, uma empresa de software voltada para o setor de serviços públicos.

Os varejistas online coletam dados sobre os hábitos de compra de seus clientes e podem compará-los com os hábitos de compra de outros clientes. Mas as compras anteriores não são métricas úteis para quem recebe eletricidade da concessionária local. Aqui, a expertise de empresas como a EnergySavvy ajudou.

"Sabemos como identificar quais clientes estão se beneficiando de projetos de eficiência energética, quanto eles estão se beneficiando e quem mais teria um padrão de consumo semelhante a esses clientes e se beneficiaria também", diz Rigney. Isso ajudou a EnergySavvy a atender novos clientes, diz ele.

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