INTELIGÊNCIA ARTIFICIAL: ABORDAGEM CORRETA

A Inteligência artificial (IA)— em particular, aprendizado de máquina (Machine Learning) e aprendizagem profunda (Deep Learning) — está tornando-se vantagem competitiva em vários setores, aumentando a resiliência e possibilitando o crescimento por meio da aplicação da inovação.

Encarar a inteligência artificial a partir de uma perspectiva empresarial pode ser uma tarefa árdua afinal nem todos os problemas de inteligência artificial, tecnologia e soluções são semelhantes, e a escolha correta de sua estratégia pode trazer sucesso ou fracasso à sua introdução ao tema.

Existem soluções de inteligência artificial para todos os gostos, de robôs de conversação (chatbots) a sistemas de reconhecimento facial, de previsão algorítmica em mercados de ações a soluções de geração de imagens, de campeões mundiais de xadrez a robôs automáticos para escolha de frutas. Você não precisa dos mesmos recursos, do mesmo nível de compreensão de tecnologia, e nem das mesmas ferramentas para criar cada uma dessas soluções e, ainda assim, na maioria das vezes, as empresas tentam usar a mesma estratégia para esses problemas. A primeira coisa a ser feita é escolher o papel que sua empresa irá representar nesse admirável mundo da inteligência artificial.

Da mesma maneira que você não precisa de especialistas em eletrônica capazes de entender o você usa no computador onde é executado seu ERP, você não precisa de especialistas em algoritmos nos quais a IA é baseada. No entanto, muitas vezes essa é uma das primeiras decisões tomadas por uma empresa ao lidar com IA: vamos contratar um especialista em IA ou vamos contratar um dos melhores cientistas de dados que existem! É a mesma coisa que contratar um PhD em microeletrônica para configurar seu módulo ERP de Vendas e Distribuição: ele pode parecer excelente, mas provavelmente não será a melhor solução.

Uma solução de IA é uma solução de negócios

Nossa recomendação é diferente das estratégias vistas por aí! Comece a partir de sua experiência, encontre seus pontos críticos e sua posição no mercado e tente descobrir uma forma de integrar a IA à sua experiência. Toda jornada de IA deve partir de um mesmo ponto: um problema na empresa. Isso significa que você deve achar o colaborador certo para liderar a iniciativa de IA: não o diretor de Informática (CIO), nem o diretor-executivo (CEO), e muito menos os especialistas de tecnologia, e sim os especialistas de negócios.

Em seguida, você deve encontrar os especialistas de IA para que iniciem uma conversa com os especialistas de negócios. O tema principal dessa conversa deve ser sempre o problema identificado na empresa, e como a IA pode ajudar a definir as questões que a própria IA irá responder, a fim de solucionar o problema proposto de sua empresa. Depois disso, você pode começar a pensar sobre quais tecnologias e estratégias implementar.

Quando falamos em Estratégia de Inteligência Artificial - o truque é ser ágil, rápido.

A abordagem para a implementação deve ser tão rápida e modular quanto possível, levando em conta a velocidade com que as mudanças ocorrem nas tecnologias de inteligência artificial. Uma diferença de seis meses entre a ideia e a sua implementação pode ser fatal, por conta da velocidade em que as mudanças ocorrem na tecnologia. Você deve considerar uma abordagem em etapas, buscando testar e decidir qual tecnologias utilizar - tudo isso o mais rápido possível:

1. Prova de Conceito - Modelo Mínimo Viável: Este modelo de Inteligência Artificial pode atender as suas expectativas com sucesso. Deve ser o seu primeiro passo na implementação e responder as seguintes questões:

• Os seus dados são bons o bastante para usar IA para a resolução do problema?
• Existe algum modelo de IA e arquitetura para resolver este problema?
• Existe algum algoritmo para treinar este modelo em um tempo razoável?

2. Prova de Conceito - Produto Mínimo Viável: Quando você encontrar o MVM, você pode tentar integrar com o MVP, mostrando que este modelo pode ser inserido em seu sistema sem causar nenhuma disrupção ou ao menos salientar as mudanças que devem ser feitas para caber em seu sistema.

3. Protótipo: Esse deve ser um sistema que integre seus processos com o novo modelo e aponte os principais problemas que irão surgir durante a fase de produção.

4. Produção: Finalmente, o modelo deve ser totalmente integrado no pipeline de produção. Além de todas as questões clássicas ligadas a um novo passo no processo: escalabilidade, mensurabilidade, garantia de qualidade, .... e existem algumas que são específicas de IA e devem ser abordadas:

• Pipeline de Dados (Data Pipeline): Os dados utilizados no modelo devem chegar nas mesmas condições em que o treinamento do modelo ocorreu: a limpeza de dados, a sua preparação e a extração de recursos devem ser realizadas. 
• Re-treinamento: As condições para o processo que o modelo aborda podem mudar ao longo do tempo e o modelo deve ser adaptado às novas condições. Você pode monitorar o desempenho do modelo e o re-treinar tão logo ele sofra alterações, especialmente se a  introdução do modelo muda o processo: Imagine um sistema  previsível que permita variações nas condições de mercado. Sua mera introdução está mudando o processo que gerou os dados usados para treinar o modelo. Ou seja, o modelo pode não refletir mais a realidade.

Estratégia de Inteligência Artificial: Por onde começar?

Apesar do entusiasmo com relação ao tema Inteligência Artificial, nós ainda estamos assimilando recursos limitados de IA: solucionando problemas  específicos e bem definidos com a utilização de arquiteturas especializadas e limitadas capacidades de generalização. A principal corrente de aplicação de Inteligência Artificial na empresa não é capaz de realizar processos de negócios completos mas, sim, integrados ao processo: o aprendizado de máquinas automatiza tarefas repetitivas nas quais acontecem intervenções humanas e não podem ser feitas com um conjunto rígido de regras. A  Inteligência Artificial também permite acrescentar etapas ao processo que normalmente não são consideradas, devido à complexidade ou custo excessivo.

Tendo isso em mente, você deve procurar etapas que sejam adequadas para a rápida introdução da IA:

● Reconhecimento de imagem
● Análise de Sentimentos
● Processo Natural de Linguagem: Compreensão de semântica em textos não
estruturados
● Aumento da experiência do usuário usando robôs de conversação
● Conciliação de notas fiscais
● Tradução de texto automatizada
● Detecção de fraude
● Detecção de tendências
● Avaliação de risco
● Segmentação de clientes
● Detecção de anomalias
● Otimização do consumo de energia
● Otimização de logística

Todos esses itens podem ser um bom ponto de partida para iniciar a sua trajetória rumo à inteligência artificial, permitindo que você encontre a estratégia adequada para sua empresa.