Especialista da IBM aponta quais os elementos-chave para tornar uma companhia orientada à Inteligência Artificial

Ao longo dos últimos meses a incorporação da inteligência artificial (IA) aos processos das empresas vem crescendo de forma sólida. A maioria dos casos reside em processos de robotização e no desenvolvimento de assistentes virtuais ou chatbots, como são popularmente chamados, com graus de sofisticação bem variados que vão desde simples perguntas e respostas para público interno e clientes até agentes virtuais bem sofisticados, com reconhecimento de objetos, integrações com sistemas legado e funcionalidades transacionais. Ainda assim, a experiência com IA, quando olhada de perto, está muito associada aos chatbots e soluções de conversação simples. Algumas perguntas surgem em vista a esse cenário: qual o próximo passo na jornada de inteligência artificial? Quais os elementos-chave para tornar minha empresa uma companhia orientada à inteligência artificial? Por que novos casos de uso são mais difíceis de serem incorporados? Como fazer para que a inteligência artificial se traduza em vantagem competitiva e assim seja percebida por toda a empresa?

Colocando a IA para trabalhar

A visão de futuro nunca foi tão otimista. Diversos estudos conduzidos por entidades de pesquisa e consultoria apontam que a maioria dos executivos considera IA crucial para a geração de valor ao negócio nos próximos anos. A IDC estima que os investimentos chegarão a US$ 52 bilhões até 2021. O Gartner prevê que até 2020 a IA será uma das cinco prioridades de investimento para mais de 30% dos CIOs. Já a Forrester Research aponta que tecnologias de computação cognitiva ou plataformas baseadas em IA irão valer cerca de US$ 1,23 trilhões em 2020. A lista de previsões e projeções é enorme e aponta sempre para a mesma direção.

Existem muitos textos que abordam uma variedade grande de prescrições para o sucesso, mas prefiro concentrar nos elementos que considero fundamentais para construção de aplicações efetivas que usam inteligência artificial para geração e captura de valor: casos de uso, dados, talentos, cultura e ecossistema que se traduzem em diversas competências que irão levar a empresa a desenvolver novos negócios.

a) Casos de uso: muitas empresas ainda investem grandes quantidades de recursos (tempo e dinheiro) nas tecnologias em si, ao invés de pensarem nos problemas de negócio. Como a maioria das empresas ainda se organiza em silos, é normal uma visão pouco compreensiva do alcance e amplitude de aplicação da tecnologia, gerando iniciativas limitadas a provas de conceito que acabam por não decolar. A identificação dos casos de uso deve estar alinhada com questões do negócio que estão sem solução há algum tempo, ou oportunidades não aproveitadas e/ou sendo capturadas por empresas visionárias/ecossistema de startups. O uso das novas tecnologias deve viabilizar a reinvenção digital necessária para o alinhamento com as expectativas dos clientes bem como criar e capturar valor através de novos negócios. Um bom exemplo foi o anúncio da Federação Brasileira de Bancos (FEBRABAN) e Câmara Interbancária de Pagamento (CIP), com participação do Banrisul, Bradesco, Banco do Brasil, Caixa, Itaú, JP Morgan, Original, Santander e Sicoob sobre o projeto de Blockchain que irá autenticar e verificar assinaturas digitais usando dispositivos móveis para criar uma camada de proteção contra crimes financeiros e uso não autorizado do sistema financeiro, utilizando o Hyperledger Fabric da IBM.

b) Dados: a IBM estima que cerca de 80% dos dados residem dentro dos ambientes corporativos, atrás dos firewalls das empresas, logo saber organizar e explorar estes dados representa uma oportunidade única para geração de insights e informações de valor. Classificar, organizar e democratizar o acesso a estas informações é fundamental para ajudar na construção dos casos de uso. Curiosamente, a maioria das empresas insiste em buscar respostas para questões já conhecidas, enquanto deveriam investir muito em elaborar perguntas a serem respondidas. Normalmente questões de mercado, precificação, concorrência e/ou ligadas a elementos externos ao setor de atuação da empresa são bem conhecidas e possivelmente uma resposta inovadora será encontrada. A grande virada de mesa está em conseguir explorar a infinidade de dados internos, em sua maioria isolados em silos, para desenvolver novas ofertas, produtos e modelos de negócio que possam escalar, gerando novas fontes de receita.

c) Talentos: apesar da maioria das empresas delegar à área de TI a responsabilidade pela estratégia e execução de IA, essa estratégia deve estar alinhada aos objetivos da companhia, percorrendo todas as unidades e áreas. Iniciativas de IA se encaixam melhor a modelos colaborativos entre a TI e áreas de negócio onde a experimentação direciona todo o processo. Não por acaso, as experiências mais bem-sucedidas são obtidas por meio de processos ágeis que envolvem times multidisciplinares na construção de uma solução. Como toda tecnologia de vanguarda, a formação de novos profissionais requer dedicação e investimento, pois raramente profissionais “prontos” serão facilmente contratados, daí a enorme relevância na identificação das habilidades e capacidades para o desenvolvimento dos talentos. Empresas grandes do setor de tecnologia estão investindo na formação de cientistas de dados e especialistas em IA para atender às novas necessidades do mercado.

d) Cultura: projetos de IA envolvem mudanças na forma de operação das empresas que impactam (ou irão impactar) de forma significativa a maneira de trabalho e dinâmica corporativa. Como tal, é necessário um processo estruturado de liderança da mudança, com patrocínio executivo forte. De outra forma, existe grande chance de boas iniciativas não serem levadas adiante pelas tradicionais razões que afetam os processos de mudança sem uma liderança efetiva: resistência de grupos, ausência de resultados de curto prazo, baixo impacto inicial no negócio, dificuldade na demonstração de retornos, entre outras.

e) Ecossistema: é praticamente impossível (e cada vez mais raro) que as organizações inovem e se lancem em novas jornadas sozinhas. Vivemos o momento da co-criação onde o ecossistema se torna parte indissociável da cadeia de valor, agregando capacidades que levariam muito tempo para serem desenvolvidas de forma individual. Novas parcerias e alianças vem sendo formadas para enriquecer conteúdo, realizar a curadoria de informações específicas ou ainda desenvolverem capacidades que individualmente não existem. Um bom exemplo é parceria entre IBM e Volkswagen para o desenvolvimento de serviços digitais de mobilidade com habilidade cognitiva.

Como isso funciona na prática

O grande desafio atual gira em torno de como construir abordagens inovadoras e desenvolvimento de novos modelos de negócio sem descuidar da manutenção, modernização e operação de seus sistemas e modelos atuais. A questão é como ser ambidestro para executar as duas perspectivas de forma integrada, eficiente e efetiva. A seguir um resumo prático em 10 passos para implementar uma organização orientada a IA:

1) Elabore uma visão de como a IA irá mudar a forma de atuação da organização nos próximos 2 a 5 anos, traçando de um a três objetivos a serem perseguidos. É importante que esta visão esteja alinhada e seja comunicada pelo time executivo a toda a empresa. É este apoio e patrocínio executivo que permitirá vencer obstáculos e desafios que surgirão, garantindo a resiliência necessária para seguir adiante;

2) Identifique um problema de negócio ainda sem solução ou alguma oportunidade de negócio que foi deixada para trás e o explore por meio do processo de “garagem”, envolvendo Design Thinking e experimentação;

3) Monte um time multidisciplinar, incluindo o ecossistema, para abordar o problema escolhido e não a tecnologia em si, evitando gastar tempo em provas de conceito sem fim. A tecnologia é super relevante, porém os membros com esta atribuição serão capazes de aportar o conhecimento necessário. O velho modo de “vou fazer dentro de casa primeiro e depois chamo um parceiro para ajudar” tem se demonstrado pouco eficaz em inúmeros casos. Partir para a co-criação é, sem dúvidas, o melhor caminho;

4) Certifique-se de que uma governança adequada de dados está presente para garantir uma arquitetura de informação democrática e confiável a toda a organização. Os dados devem estar catalogados e acessíveis a quem precisa de forma fácil e rápida;

5) Desenhe e valide, com foco na experiência do usuário/cliente final a solução proposta para endereçar o caso de uso escolhido. É importante a análise do problema em casos de uso específicos que possam gerar percepções relacionadas a estratégia principal;

6) Implemente o “produto minimamente viável”, ou MVP, com foco exclusivo de validar a solução na perspectiva do negócio e preparando o time para a próxima interação. Bons MVPs envolvem objetivos de negócio bem definidos, uma arquitetura de referência da solução adotada, requerimentos de dados, elementos de segurança e privacidade, topologia de dados, modelo operacional, requerimentos não-funcionais (controle de acesso, ambientes a serem utilizados, objetivos de desempenho, etc.) e decisões de arquitetura;

7) Revise questões relacionadas a aspectos de segurança, privacidade e direito dos dados que serão utilizados. A crescente regulação e criticidade da gestão da informação possui papel relevante antes de avançar ao próximo passo; Materiais gratuitos O que está acontecendo realmente no data center e onde estão as organizações em sua jornada para a nuvem?NUTANIXEntenda porque empresas estão recorrendo ao armazenamento All-Flash para o ótimo desempenho de aplicativosNUTANIXComo aterrissar a estratégia de transformação digital para a maior parte das companhias?ARUBAVeja porque empresas estão recorrendo ao AIOps para resolver problemas de TISERVICENOW

8) Avalie e monitore os resultados da implementação e prepare a expansão e evolução do caso de uso inicial, realizando as correções de curso necessárias, mantendo o foco e a disciplina na comunicação e transparência. É importante eliminar vieses, corrigir distorções, assegurando a ética das decisões tomadas pela IA;

9) Estabeleça um centro de competência em IA que servirá como “consultoria” para escalar as boas práticas a mais casos de uso da organização. É fundamental a formação de pessoas com novas capacidades para propagar a IA no ambiente empresarial. A multiplicação de habilidades e formação de talentos é fator-chave para o sucesso da estratégia;

10) Promova encontros para revisitar os erros e acertos encontrados nas diferentes jornadas. É importante reforçar que o erro faz parte do processo de aprendizado, seja humano ou seja máquina, logo aceitar o erro/falha deve ser premissa inicial de qualquer iniciativa do tipo.

O tema é repleto de variáveis e cada passo pode derivar uma dezena ou centenas de programas e processos, entretanto o principal desafio é manter a abordagem simplificada e objetiva. Ao mesmo tempo em que desenvolve a capacidade de trabalhar o paradoxo de produzir os resultados para os novos modelos, devemos manter o negócio atual rodando.

*Fabrício Lira é Executivo de Data & AI da IBM Brasil

Fonte: Computerworld