É muito interessante ver como todo mundo espera e tem uma expectativa enorme sobre inteligência artificial (IA). Em muitos momentos, nos deparamos com pessoas que realmente acreditam que IA é uma tecnologia mística, que é algo mágico e que vai aprender tudo, ter todo e qualquer domínio de conhecimento sobre todas as coisas e por causa disso, também pode nos trazer algum tipo de ameaça. E o que chama atenção é que ao olharmos para o exato momento em que estamos nas nossas vidas, percebemos que desde a hora em que acordamos até agora, todos nós usamos algum tipo de IA.
Então, o primeiro ponto a destacar é que IA não é mágica, porém ela proporciona diversas facilidades para o nosso dia-a-dia. A IA é baseada em dados, processos de aprendizagem e pessoas que sabem fazer acontecer e utilizar essa tecnologia nos seus negócios ou em prol da sociedade. E é isso que torna a IA algo tão exponencial. O segundo ponto, é que a IA será a nova eletricidade. Mesmo não sendo possível tangibilizar a energia, ela está em qualquer lugar e dependemos dela para praticamente tudo. Da mesmo forma que é impossível imaginar um mundo sem eletricidade hoje, é impossível imaginar um futuro sem IA embutida direta ou indiretamente em tudo que fizermos, quer seja numa transação bancária, num mapeamento de percurso, identificando risco, fraude, ouvindo uma música, comprando uma oferta compatível ao nosso perfil, enfim... fazendo efetivamente parte das nossas vidas.
Recentemente a “PWC” divulgou um relatório que aponta que nos próximos anos, o PIB Mundial será acrescido a aproximadamente 16 trilhões de dólares derivados de produtos e serviços diretamente relacionados a IA - talvez seja a era com o maior impacto financeiro da história recente e absolutamente transformacional em quase todos os setores da nossa economia. Ainda este relatório indica que 70% desse número virão de novos produtos e serviços que gerarão receita adicional – inovação de fato.
Com esse volume de dinheiro tão grande aportando no mercado, nós e nossas empresas devemos nos preparar e tirar proveito para obter um “fair share” maior. E mesmo com um mercado tão grande, precisamos entender por que as emprestas têm tanta dificuldade de se preparar para aproveitar o momento. Um outro estudo do “MIT” ao “Boston Consulting Group” mostra que somente 1 em cada 20 empresas pesquisadas realmente usam IA de fato em seus problemas e processos. E aqui vem uma série de reflexões: se dá tanto dinheiro, se possibilita tanta eficiência, se gera tanto impacto na imagem das empresas, qual é a dificuldade que se tem por detrás disso.
Primeiro, tem a questão da cultura. O nosso dia-a-dia executivo é tão preocupado com as atividades corriqueiras - como é que se vende mais, se fatura mais, se produz mais, se busca novos mercados; que a abertura para discutir um impacto tão profundo é muito pequena. Só aí, pode-se entender a diferença crítica que isso pode causar. A IA não necessariamente torna a empresa líder de mercado agora, mas quem começa antes, aprende antes e a curva de escalada é exponencial. Quem já faz isso há 2 ou 3 anos, está num grau de maturidade absolutamente desproporcional. E quem ficar atrás nos próximos 2 ou 3 anos provavelmente vai ter grande dificuldade de concorrer com quem já tem um processo maduro estabelecido. A IA não é mais um “hype”, não é algo que a equipe de inovação está estudando.
Em resumo, o que podemos trazer da IA para o dia-a-dia das empresas se concentra em predição, automação e otimização. Todos querem saber pra onde vão os negócios, qual a real demanda e como se produz mais com menos: menos defeitos e gastos, dentro da cadeia produtiva, e como se automatiza cada vez mais. E com essa discussão, a ciência da computação vem caminhando desde que foi criada, automatizando cálculos, sistemas, plantas industriais, comércios, bancos, escritórios... A demanda agora é por uma automação robótica com inteligência, com processos de “workflow”, com IA que acompanhe mudanças para determinar variáveis e erros e assim, tomar decisões no tempo real, fazendo tudo fluir mais fácil.
O principal problema das organizações ainda é burocracia e lentidão na resposta ao mercado.
Por isso, IA não é mágica. Ela precisa de dados corretos, e de muitos dados para aprender da forma correta e fazer acontecer toda essa promessa. Ter dados hoje não é mais o problema, mas a diferença do que se faz hoje com IA analítica avançada para o que se fazia no começo dos anos 2000 é que antes, gastava-se muito tempo modelando relatórios e quando os usuários iam usá-los eles já estavam desatualizados, e agora, faz-se tudo num fluxo contínuo de informação, quase em tempo real. A identificação de fraude tem que ser imediata para impedir determinada ação, assim como a identificação do padrão de comportamento de um consumidor num “chatbot” para que a empresa faça a oferta mais adequada aos seus clientes.
Para que isso aconteça, é indispensável que os dados sejam confiáveis. A informação que se usa para aplicar na IA inteligência artificial ou na analítica avançada tem que ter valor, porque dado também é perecível. Qualquer informação desatualizada pode levar a uma tomada de decisão errada. A gestão do ciclo de vida e de governança de dados é algo absolutamente crítica e fundamental para um projeto de IA de sucesso.
Então, se a IA consegue identificar relações não obvias, como é que a gente garante que ela vai ser justa e livre de preconceitos?
No passado, a maioria das decisões sobre riscos e aprovações eram feitas baseadas em fichas de cadastro. Decisões sobre financiamento, contas bancárias, etc, são agora influenciadas por mudança de comportamento do mercado: será que o seguro de um jovem que está com o seu primeiro carro tem realmente que ser mais caro do que o de um adulto? Talvez sim, se ele frequentar baladas, beber e dirigir. Mas hoje, a maioria dos jovens preferem usar aplicativos de locomoção para não ter dor de cabeça. A mudança cultural da sociedade impõe uma série de transformações que impactam na forma como as empresas analisam os dados.
Tudo dito até agora, para falar dos 4 principais itens determinantes para a utilização correta da IA: coleta de dados, organização de dados, análise de dados e escala. Então, coletar os dados, tê-los organizados, ter uma metodologia adequada de análises dos modelos neurais, “deep learning”, “machine learning”, e todas essas tecnologias associadas a IA é fundamental para que se consiga escalar o ambiente como um todo. Essa é a próxima onda que vem com um modelo de engajamento muito mais sofisticado, por meio da tecnologia disruptiva, usando IA em todos os lugares, em todas as indústrias e setores, e de todas as formas
Resumo da palestra de Marcelo Braga, realizada na plenária da manhã, durante o “think summit IBM”, agosto, 2019.
Comentários
Postar um comentário