A inteligência artificial (IA, na sigla em inglês) está cada vez mais presente no mundo dos negócios. Mais do que isso: nos próximos cinco anos, deve ter um impacto significativo em todos os setores econômicos, de acordo com estudo realizado pelo Boston Consulting Group (BCG) e pela MIT Sloan Management Review, por várias razões:

• Mais de 70% dos executivos esperam que a inteligência artificial desempenhe um papel relevante em suas empresas.
• Atualmente, algoritmos de IA já são a base para máquinas com funções notavelmente precisas de visão, audição e fala. E podem acessar repositórios globais de informação.
• O desempenho da inteligência artificial continua melhorando, graças a mecanismos de aprendizado e outras tecnologias avançadas, a um desconcertante crescimento da base de dados e ao contínuo avanço da capacidade de processamento.

Assim, já se vê uma explosão de aplicações baseadas em IA voltadas para os negócios.

Como sempre, a nova era trará vencedores e perdedores. O que nosso estudo indica, contudo, é que a distância entre esses dois grupos pode se tornar dramática. Em um mesmo setor de atividade, observam-se níveis bem diferentes de compreensão do que é a IA e de adoção de ferramentas baseadas nela.

As empresas não podem simplesmente “comprar” inteligência artificial e usá-la para resolver seus problemas. Embora elementos da IA estejam disponíveis no mercado, o trabalho mais difícil de gestão das relações entre dados, processos e tecnologias deve ser realizado internamente.

O conceito básico que possibilita que um recurso de IA funcione é razoavelmente intuitivo: um algoritmo absorve dos dados, para então processá-los e gerar uma ação. No entanto, tais etapas dependem da integração adequada de vários níveis de tecnologia. E identificar um caminho específico dos dados até a ação pode frequentemente confundir as empresas. 

Felizmente as empresas não precisam desenvolver toda a maquinaria de IA de que necessitam internamente. Plataformas e serviços de suporte estão disponíveis no mercado. É possível alugar capacidade computacional bruta em um sistema na nuvem, por exemplo. 

Outro caminho é acessar arquiteturas baseadas em códigos abertos. Muitos dos algoritmos de IA mais avançados estão disponíveis em domínio público, e especialistas de ponta prometem manter a prática de divulgar seus trabalhos e manter seu código aberto.

É importante ressaltar, porém, que, para as empresas que desejam estar na vanguarda da IA, o mercado nem sempre oferece as melhores opções.  Temos o exemplo de uma empresa chinesa com planos que envolviam o reconhecimento facial, que não se satisfez com o que achou à venda e resolveu desenvolver sua própria solução. O sistema criado internamente é capaz de reconhecer as características faciais dos chineses com maior precisão dos que as alternativas de prateleira e ainda pode complementar  ferramentas de reconhecimento de voz.

A seguir, detalhamos a prática da IA.

ÁREAS DE USO. Olhando para as empresas que estão liderando a adoção de IA em seus setores, é possível extrair usos importantes de IA em diversas atividades e processos.

MARKETING E VENDAS. A inteligência artificial confere às empresas a possibilidade de oferecer aos consumidores serviços, anúncios e interações personalizadas. Marcas que integram tecnologia digital  avançada e um banco de dados próprio para criar experiências personalizadas podem aumentar o faturamento em algo entre 6% e 10% – entre duas e três vezes mais do que a média das marcas que não utilizam tais ferramentas.

Muitas práticas de sucesso podem ser observadas no varejo de produtos de consumo rápido. Um varejista de atuação mundial, por exemplo, utiliza os  dados obtidos por meio do aplicativo que oferece aos clientes para compreender mais profundamente a rotina semanal deles. Cruzando milhões de dados individuais com informações gerais sobre tendência de  consumo, por meio de IA, esse varejista desenvolveu um sistema de marketing em tempo real que gera 500 mil ofertas customizadas por semana.

Casos como esse evidenciam a efetividade da IA em contextos que se beneficiam de um rico volume de dados de consumo ao mesmo tempo contextualizados e específicos, como varejo e serviços financeiros.

Como você pode fazer esse uso? Um projeto piloto consegue validar uma prova de conceito em quatro a seis semanas e ajudar a determinar a infraestrutura de banco de dados e as capacidades necessárias a uma  iniciativa mais ampla.

PESQUISA E DESENVOLVIMENTO. Na comparação com as funções de marketing e vendas, a área de P&D está menos madura no que diz respeito à inteligência artificial. Esse segmento tem gerado bem menos informações do que as grandes redes de varejo e, frequentemente, não consegue capturar dados de modo digital.

Mesmo assim, o potencial é grande. Por exemplo: na indústria biofarmacêutica, em que P&D é a atividade primária de geração de lucros, a IA pode reverter a tendência de elevação de custos e prazos de  desenvolvimento cada vez maiores.

No segmentos de bens industrializados, alguns fabricantes líderes já combinam inteligência artificial, engenharia de software e dados operacionais – como a frequência de reparos – para otimizar os designs.

OPERAÇÕES. Práticas e processos operacionais parecem feitos sob medida para a inteligência artificial. Geralmente apresentam rotinas e etapas similares, geram grande quantidade de dados e produzem  resultados mensuráveis. Não à toa, muitos conceitos de IA que funcionam em um setor de atividade também podem ser aplicados a outros.

Usos correntes e bastante difundidos de IA incluem manutenção preventiva e otimização de produção não linear – com a análise em conjunto dos elementos do ambiente produtivo, em vez de olhar para eles  sequencialmente ou de forma isolada.

Em uma refinaria, engenheiros e especialistas em dados recorreram à inteligência artificial para determinar as causas das frequentes quebras em uma das áreas da unidade. Para isso, alimentaram um algoritmo de machine learning com seis anos de dados operacionais e informações sobre manutenção.

O modelo de IA conseguiu quantificar com sucesso o impacto de todos os fatores analisados no desempenho geral, da temperatura à qualidade do produto. Com base no resultado gerado pelo algoritmo, os engenheiros desenharam um sistema transparente e baseado em regras para ajustar configurações-chave, a fim de possibilitar que a área funcionasse bem entre períodos de manutenção programados.

O sistema reduziu o risco de interrupções não previstas, assim como o número de mudanças de curto prazo na programação de manutenção, com benefícios econômicos significativos. 

PROCUREMENT E GESTÃO DA SUPPLY CHAIN. O potencial da inteligência artificial na seleção de fornecedores é substancial, uma vez que se trata de uma área com dados estruturados e transações que se repetem. No entanto, esse potencial ainda não vem se concretizando – ao menos, não publicamente.

Os exemplos conhecidos de IA aplicada ao procurement envolvem utilização de chatbots, automação de processos e recomendações baseadas em análises de dados de notícias, clima, mídias sociais e indicadores de demanda.

No que diz respeito à gestão da cadeia de fornecimento e da logística, porém, a história é bem diferente. Dados históricos estão disponíveis e acessíveis, tornando a área um campo natural para a inteligência artificial.

Uma empresa global de metais conseguiu integrar mais de 40 bancos de dados, sistemas de ERP e outros sistemas de relatórios. Desse modo, passou a identificar e prever a forma pela qual padrões de demanda  complexos se difundem pela cadeia de fornecimento.

Por exemplo: uma mudança no ritmo de colheita de milho nos Estados Unidos tem repercussões globais na cadeia de fornecimento do alumínio, um material regularmente utilizado para armazenar o cereal.

A iniciativa da empresa ajudou a aumentar o nível do serviço ao cliente entre 30% e 50%. Além disso, ela deve obter aumento de 2% a 4% nas margens de lucro em três anos, em paralelo com a redução dos estoques.

FUNÇÕES DE SUPORTE. Hoje, as empresas geralmente terceirizam parcialmente suas funções de suporte, que tendem a ser bastante semelhantes em todas as organizações. Tudo indica que, em breve, será possível adquirir soluções baseadas em inteligência artificial para esses processos.

Algumas gigantes do segmento de serviços terceirizados estão mudando seu foco, da ênfase nos baixos custos de mão de obra e nos ganhos de escala para a construção de plataformas de inteligência e automação, a fim de poder continuar a oferecer esses serviços, só que com maior valor agregado. 

Muitas organizações de serviços começam a reconhecer os benefícios de combinar IA e RPA (automação robótica de processos, na sigla em inglês) e, assim, utilizar softwares baseados em regras para desempenhar funções antes realizadas por seres humanos.

PRODUTOS E SERVIÇOS. Diferentemente da maioria dos exemplos mencionados anteriormente, a aplicação da inteligência artificial envolvendo produtos e serviços avançados – como assistentes pessoais  digitais, carros autônomos e consultores de investimentos  automatizados, por exemplo – tende a receber muita atenção. Empresas que oferecem serviços baseados em IA estão ansiosas por demostrar para o público o desempenho e as características de suas inovações.

Esse movimento vem gerando disputas acirradas por talentos e motivando o surgimento de novos modelos de negócio. Seguradoras e fabricantes de bens de consumo, por exemplo, serão capazes de usar a inteligência  artificial para prever riscos com mais precisão, o que lhes permitirá estabelecer preços com base no uso ou na durabilidade, entre outros fatores.

Programa de curto prazo

Diante das incertezas que cercam o desenvolvimento da inteligência artificial, o movimento mais inteligente para a maioria das empresas é desenvolver um portfólio de iniciativas de curto prazo, baseadas nas tendências atuais, e se preparar para futuras oportunidades desenvolvendo capacidades e infraestrutura de dados. Os executivos devem dividir sua jornada de curto prazo no universo da inteligência artificial em três etapas: ideação e testes, priorização e projeto piloto, e, finalmente, escalada.

1. IDEAÇÃO E TESTES. Nesse estágio, as empresas devem se basear em quatro perspectivas: as necessidades dos consumidores, os avanços tecnológicos, as fontes de dados e a divisão sistemática dos processos. Desse modo, é possível identificar as situações mais promissoras.

A análise das necessidades dos clientes oferece uma orientação importante para se descobrir usos valiosos para IA. Os clientes podem ser externos ou, no caso das funções de suporte, internos. A compreensão profunda sobre o desenvolvimento da ferramenta em blocos será decisivo para a incorporação sistemática de avanços tecnológicos. As fontes de dados, por sua vez, especialmente dados mais novos, oferecem outra perspectiva relevante, uma vez que a inteligência artificial depende dessas informações. Por fim, ao dividir os processos em elementos relativamente rotineiros e  independentes, as empresas podem descobrir áreas que podem ser automatizadas com a IA. 

No caso de organizações com experiência limitada em IA, a recomendação expressa é incluir, em paralelo, uma segunda etapa de testes, com base em uma situação que provavelmente vai gerar valor, que esteja razoavelmente bem definida e que seja apenas moderadamente complexa.

Esses testes ajudarão a organização a ganhar familiaridade com a IA e a enxergar as necessidades de dados e de integração de dados, além dos obstáculos organizacionais e de capacitação – aspectos que serão críticos para o estágio seguinte.

2. PRIORIZAÇÃO E PROJETO PILOTO. Os executivos devem priorizar projetos piloto pelo valor potencial e pela velocidade de entrega de cada um. Os testes realizados no primeiro estágio fornecerão informações sobre os requisitos de tempo e a complexidade de potenciais projetos piloto. 

Uma vez que tenha selecionado um conjunto de projetos piloto, a organização deve executá-los em sprints de teste e aprendizado, como costuma ser feito no desenvolvimento de software. É natural que os projetos piloto tenham de lidar com um processamento e uma integração de dados ainda não lapidados e, por isso mesmo, eles serão imperfeitos. Ainda assim, ajudarão a priorizar corretamente e a definir o escopo das iniciativas de integração de dados, identificando as capacidades e a escala necessárias a um processo de IA plenamente operacional.

3. ESCALADA. O último estágio consiste em fazer com que os projetos piloto se transformem em ofertas e processos consistentes. Ele também inclui a construção das capacidades, dos procedimentos, da organização e da infraestrutura de dados e de TI. Embora essa fase possa levar de 12 a 18 meses, deve haver um ritmo permanente de sprints ágeis para maximizar  valor e limitar ao mínimo as correções de grande porte e inesperadas.

Ainda no curto prazo, ao mesmo tempo que buscam um programa operacional, os executivos devem implementar um conjunto de atividades para preparar a si mesmos, e à organização, para a tarefa de colocar a inteligência artificial para funcionar.

COMPREENDER A IA. É importante conhecer o básico sobre o tema e ter uma compreensão intuitiva do que é possível. Um caminho são os cursos online. Na essência, os algoritmos são simples e, para além dos jargões, trata-se de um campo acessível.

CHECK-UP DE IA. As empresas devem ter uma visão clara sobre sua posição de partida no que diz respeito à infraestrutura tecnológica, às habilidades organizacionais e aos aspectos culturais – como a flexibilidade. Além disso, é preciso que entenda bem o nível de acesso aos dados internos e externos.

PERSPECTIVA DOS COLABORADORES. IA pode se tornar algo disruptivo para os colaboradores. Embora a preocupação imediata com a perda de empregos geralmente seja exagerada, a introdução da inteligência artificial gera estresse emocional e também a necessidade de treinamentos em larga escala. A comunicação com os funcionários e os treinamentos devem fazer parte do planejamento da empresa desde o estágio de projetos piloto.

Programa de longo prazo

O futuro da inteligência artificial, incluindo seu potencial para mudar de modo radical o modo de criar valor, permanece altamente incerto. A melhor forma de combater essa realidade é testar diversos cenários a fim de gerar uma espécie de mapa que ligue as iniciativas individuais. Isso é que possibilitará às empresas mudar seu plano original e enfrentar implicações relativas a dados, habilidades, organização e futuro do trabalho.

• Dados. Avanços significativos em IA dependem em grande parte do acesso a dados novos, únicos e valiosos. Felizmente, em alguns campos, modelos de machine learning podem começar com um conjunto inicial de dados e ser aperfeiçoados ao longo do tempo com dados adicionais. No entanto, uma vez que o volume de dados dobra a cada dois anos, a vantagem competitiva baseada em ativos do passado é altamente perecível. Ou seja, acesso privilegiado a dados adicionais é essencial. Por isso, a propriedade dos dados é algo relevante.
• Habilidades. Apenas uma pequena parcela das empresas compreende o conhecimento e as habilidades que o futuro da IA vai requerer. E as organizações que já contam com capacidade avançada nesse campo frequentemente lutam com dificuldade para conseguir atrair e reter talentos – mas essa dificuldade deve diminuir nos próximos anos com a maior oferta de profissionais pelas universidades.
• Organização. Empresas com modelos organizacionais centralizados, descentralizados e híbridos apresentam abordagens diferentes em relação à inteligência artificial. A questão mais decisiva, segundo nosso estudo, é a necessidade de flexibilidade  e de trabalho em equipe para além das fronteiras entre as áreas. Também está ficando cada vez mais claro que, do ponto de vista tecnológico, a IA funciona melhor em  estruturas que enfatizam ações descentralizadas, mas aprendizado centralizado. Isso é verdade tanto no caso de carros autônomos como no marketing em tempo real, ou mesmo na manutenção preventiva ou em funções de suporte de empresas de atuação global. Uma área central coleta e processa dados de todos os agentes descentralizados para maximizar o aprendizado e, então, implementa novos modelos e ajustes para esses agentes.
• Futuro do trabalho. A inteligência artificial, sem dúvida, vai influenciar a estrutura do trabalho no futuro. No entanto, apesar dos temores de que isso levará à perda de empregos em larga escala, os estudos indicam que os efeitos devem ser limitados. É mais provável que dispense muitos profissionais de tarefas desagradáveis que fazem atualmente. O fato, porém, é que o advento da IA vai obrigar todos a aprender novas habilidades, e rapidamente, o que também vai demandar flexibilidade e capacidade de mudar. Cada vez mais. 

Adoção baixa

No mundo, apenas uma em cada 20 empresas já incorporou a ferramenta IA de forma extensiva e nenhuma ainda alcançou a excelência. Mas muitas já estão usando inteligência artificial para gerar valor de modo substancial. É bom começar logo.

AINDA EM DÚVIDA? VEJA AS ONDAS

Está na dúvida se precisa agir? Em seu mais recente livro, AI Superpowers,  o ex-presidente do Google chinês, Kai-Fu Lee, descreve as quatro ondas da inteligência artificial. Como explicou Peter Diamandis, fundador da Singularity University, no SingularityHub, algumas empresas estão na primeira e outras na segunda, mas a maioria ainda não molhou os pés neste mar.

PRIMEIRA ONDA: IA NA INTERNET

Este primeiro estágio de desenvolvimento envolve sistemas de recomendação baseados em algoritmos, que aprendem com grandes volumes de dados dos usuários e conseguem personalizar conteúdos. Os vídeos indicados pelo YouTube na página inicial são um bom exemplo.

SEGUNDA ONDA: IA NOS NEGÓCIOS

A inteligência artificial pode utilizar todo tipo de registro que as empresar fazem: taxas de juros cobradas dos clientes, no caso dos bancos, exames de imagem de pacientes, no caso dos hospitais, para ficar em dois exemplos. A partir dessas informações, os algoritmos conseguem processar milhares de variáveis, incluindo aquelas com correlação mais  tênue.

TERCEIRA ONDA: IA PERCEPTIVA

Neste estágio, a IA evolui com ouvidos e olhos. Isso é possível graças ao crescente número de sensores e equipamentos “inteligentes” que fazem parte do cotidiano das casas e das cidades. A tendência é a fusão do mundo online, com toda a sua conveniência, com diversas atividades no mundo físico, como fazer compras no supermercado.

QUARTA ONDA: IA AUTÔNOMA

A mais monumental e imprevisível das quatro ondas, escreve Diamandis, a última, que vai levar a uma inteligência artificial autônoma. Integrando todas as ondas anteriores, as máquinas devem passar a ter capacidade de perceber e responder ao mundo ao redor delas e, assim, agir de forma produtiva. Imagine, por exemplo, veículos autônomos que possam percorrer sistemas de tráfego também inteligentes por conta própria. Fica fácil entender como Kai-Fu Lee prevê que a IA vai reestruturar inteiramente diversos setores econômicos.

AINDA EM DÚVIDA? VEJA O IMPACTO NA ESTRATÉGIA

Como a IA afetará a estratégia de negócios? Os especialistas Ajay Agrawal, Joshua Gans e Avi Goldfarb, professores da Rotman School of  Management, respondem no livro Máquinas de previsão: a simples economia da inteligência artificial, que será lançado pela Alta Books em 2019. Para começar a responder, usam o exemplo de como a Amazon  comercializa seus produtos e, principalmente, como sugere outros itens ao cliente durante o processo de compra. A empresa de Jeff Bezos só faz isso graças à capacidade da IA de prever o que os visitantes do site podem  querer comprar. As pessoas adquirem, em média, um de cada 20 itens recomendados.

Em seguida, os autores passam a trabalhar com a possibilidade de a IA da Amazon coletar uma quantidade crescente de informações e utilizar os dados obtidos para melhorar, e muito, seus prognósticos. Chegará o momento em que esse aprimoramento será suficiente para mudar o próprio modelo de negócio da empresa.  

Passaria a ser mais lucrativo, por exemplo, enviar para os clientes os produtos que a Amazon previr que eles gostariam de ter, em vez de apenas esperar por sua decisão compra. Mas, para tanto, seria preciso que o nível de acerto dos prognósticos aumentasse substancialmente, reduzindo o percentual de possíveis devoluções (que hoje, estima-se, seria de cerca de 95%) e, consequentemente, evitando que o custo de coletar os itens indesejados superasse o ganho com o provável crescimento das vendas.

Com uma predição precisa do que o cliente quer, dá para  entregar antes de vender.

Será que a Amazon está se preparando para dar essa guinada em seu modelo de negócio? Não importa. O exemplo hipotético evidencia que o  maior acesso à capacidade de prognóstico da IA pode ter, sim, impacto expressivo sobre as estratégias de negócios.

Na hipótese levantada para a Amazon, a inteligência artificial mudaria a forma de comercializar os produtos (de “compra e entrega” para algo como “entrega e compra”), motivaria a integração de um novo serviço para lidar com as devoluções e aceleraria os investimentos. 

AINDA EM DÚVIDA? VEJA O LADO POSITIVO

À medida em que a inteligência artificial avança, é natural que as pessoas se perguntem como garantir que os valores humanos mais positivos estejam, de alguma forma, incorporados aos ganhos com a tecnologia.

Em artigo publicado no SingularityHub, o especialista da Artificial General Intelligence Society, Ben Goertzel, diz estar entre os mais otimistas, que enxergam na atual revolução um grande potencial para resultados altamente favoráveis. “Temos de fazer o máximo para guiar as ‘mentes’ de IA que estamos criando com os valores que mais prezamos: amor, compaixão,  criatividade e respeito”, afirma ele.

Como transmitir valores humanos a máquinas? A interface cérebro-computador é um aspecto crítico no esforço de criar uma inteligência artificial cada vez mais positiva. Não há melhor forma de transmitir valores humanos do que conectar dispositivos e sistemas de IA diretamente a  cérebros humanos, e deixá-los aprender diretamente da fonte, ao mesmo tempo em que as pessoas podem se beneficiar de aprimoramentos valiosos da máquina.

“Alimentar os sistemas de IA com nossos melhores valores deve ser uma condição prévia para qualquer desenvolvimento”, afirma o autor. Por isso, explica, é tão importante que iniciativas poderosas e abrangentes sejam construídas em redes descentralizadas, e não em organizações corporativas ou militares. 

Alimentar os robôs com os melhores valores humanos deve ser uma condição.

“Ecossistemas descentralizados, até por sua peculiaridades e falhas, têm um potencial maior de nos conduzir a mentes coletivas cibernéticas, com a conexão entre seres humanos e computadores, que sejam razoáveis e benevolentes”, garante Goertzel.

O especialista possui um projeto chamado “Loving AI”, voltado a utilizar robôs humanoides altamente expressivos, como a Sophia (procure no YouTube), para que liderem as pessoas em práticas de meditação e outros exercícios que liberam o potencial humano de amor e compaixão. “Temos o desafio de fazer com que essa grande aventura da civilização seja  positiva”, diz Goertzel.