Como tornar um projeto de IA mais propenso a ter sucesso

UMA pesquisa recente da Deloitte de “adotantes agressivos” das tecnologias cognitivas descobriram que 76% acreditam que vão “transformar substancialmente” suas empresas nos próximos três anos. Provavelmente não houve tanta emoção com uma nova tecnologia desde os anos de boom dotcom no final da década de 1990.

As possibilidades parecem justificar o hype. A IA não é apenas uma tecnologia, mas uma grande variedade de ferramentas, incluindo várias abordagens algorítmicas diferentes, uma abundância de novas fontes de dados e avanço no hardware. No futuro, veremos novas arquiteturas de computação, como computação quântica e chips neuromórficos, impulsionar ainda mais recursos.

Ainda assim, permanece uma grande lacuna entre aspiração e realidade. A Gartner estima que 85% dos projetos de big data falham. Também houve uma confusa embaraçosa, como quando a Dow Jones informou que o Google estava comprando a Apple por US $9 bilhões e os bots caíram por isso, ou quando o chatbot Tay da Microsoft ficou berserk no Twitter.

Então, como você garante que sua organização obterá resultados mais bem-sucedidos de seus empreendimentos de IA?

Primeiro, você precisa deixar seu propósito claro. A IA não existe no vácuo, mas no contexto do seu modelo de negócios, processos e cultura. Assim como você não contrataria um funcionário humano sem entender como ele ou ela se encaixaria em sua organização, você precisa pensar claramente sobre como um aplicativo de inteligência artificial gerará resultados reais de negócios.

“A primeira pergunta que você precisa fazer é qual resultado comercial você está tentando conduzir”, Roman Stanek, CEO da GoodData, me disse. “Muitas vezes, os projetos de IA começam tentando implementar uma abordagem técnica específica e, não surpreendentemente, gerentes e funcionários da linha de frente não acham útil, portanto, não há adoção real nem ROI.”

Embora a mudança geralmente seja impulsionada do topo da organização, a implementação é sempre impulsionada de baixo para baixo. Portanto, é importante comunicar claramente um senso de propósito. Se gerentes e funcionários da linha de frente acreditarem que a inteligência artificial os ajudará a fazer melhor seu trabalho, eles ficarão muito mais entusiasmados com isso e mais eficazes em tornar o projeto bem-sucedido.

“Aqueles que conseguem se concentrar nos resultados dos negócios estão descobrindo que a IA está gerando resultados de fundo a uma taxa que poucos haviam previsto”, Josh Sutton, CEO da Arquivo Agorai.ai, me disse. Ele aponta para um estudo recente da McKinsey que estaca o valor econômico potencial das ferramentas cognitivas entre US$3,5 trilhões e US$5,8 trilhões como apenas uma indicação do possível impacto.

Em segundo lugar, escolha as tarefas que você automatiza com sabedoria. Enquanto muitos se preocupam que as tecnologias cognitivas tomem empregos humanos, David Autor, economista do MIT, vê a mudança primária como sendo entre trabalho rotineiro e não rotineiro. Em outras palavras, a inteligência artificial está automatizando rapidamente os processos cognitivos de rotina, como máquinas da era industrial automatizou o trabalho físico.

Para entender como isso pode funcionar, basta ir a uma Apple Store. Claramente, a Apple é uma empresa que entende completamente como automatizar processos, mas a primeira coisa que você vê quando entra em uma loja da Apple é um número de funcionários esperando para ajudá-lo. Isso porque ele optou por automatizar tarefas em segundo plano, não as interações com o cliente.

No entanto, a IA pode expandir consideravelmente a eficácia dos funcionários humanos. Por exemplo, um estudo citado por um Relatório da Casa Branca durante a Administração Obama descobriu que, embora as máquinas tivessem uma taxa de erro de 7,5% na leitura de imagens de radiologia, e os humanos tinham uma taxa de erro de 3,5%, quando os seres humanos combinaram seu trabalho com máquinas, a taxa de erro caiu para 0,5%.

Talvez o mais importante, essa abordagem pode realmente melhorar a moral. Por exemplo, alguns trabalhadores da fábrica têm colaboraram ativamente com robôs que eles próprios programaram para realizar tarefas de baixo nível. Em alguns casos, os soldados constroem laços tão fortes com robôs que fazem trabalhos perigosos que eles mantenha funerais para eles quando eles “morrem”.

Em terceiro lugar, escolha seus dados com sabedoria. Durante muito tempo, mais dados foram considerados melhores. As empresas pegaram o máximo que pudessem e depois o alimentariam em algoritmos sofisticados para criar modelos preditivos com um alto grau de precisão. No entanto, ficou claro que não é uma ótima abordagem. Como explica Cathy O'Neil em Armas de Destruição Matemática, muitas vezes não entendemos os dados que alimentamos em nossos sistemas e o viés de dados está se tornando um problema enorme. Um problema relacionado é o de “overfitting”. Pode parecer impressionante ter um modelo que seja 99% preciso, mas se não for robusto para mudanças de condições, você pode estar melhor com um que seja 70% preciso e simples.

Finalmente, com a implementação do GDPR na Europa e a probabilidade de que legislação semelhante seja adotada em outros lugares, os dados estão a tornar-se um passivo, bem como um ativo. Portanto, você deve pensar em quais fontes de dados você está usando e criar modelos que os seres humanos podem entender e verificar.

Finalmente, mude os humanos para tarefas sociais de maior valor. Um fato muitas vezes negligenciado sobre a automação é que, uma vez que você automatiza uma tarefa, ela se torna amplamente comoditizada e o valor muda em outro lugar. Então, se você está apenas procurando usar tecnologias cognitivas para substituir o trabalho humano e cortar custos, provavelmente você está no caminho errado.

Um exemplo surpreendente desse princípio vem do campo altamente técnico da ciência dos materiais. Há um ano, eu estava falando com Jim Warren do Iniciativa Genoma de Materiais sobre a excitante possibilidade de aplicar algoritmos de aprendizado de máquina à pesquisa de materiais. Mais recentemente, ele me disse que essa abordagem tem se tornado cada vez mais o foco da pesquisa de materiais.

Essa é uma mudança extraordinária em um ano. Então, deveríamos esperar ver muitos cientistas de materiais no escritório de desemprego? Dificilmente. De fato, como grande parte do trabalho grunhido da pesquisa está sendo terceirizada para algoritmos, os próprios cientistas são capazes de colaborar de forma mais eficaz. Como George Crabtree, diretor do Centro Conjunto de Pesquisa em Armazenamento de Energia, que tem sido pioneira na automação da pesquisa de materiais me disse: “Costumávamos avançar na velocidade da publicação. Agora avançamos na velocidade do próximo coffee break.”

E essa é a chave para entender como implementar tecnologias cognitivas de forma eficaz. Os robôs não estão assumindo nossos empregos, mas sim assumindo tarefas. Isso significa que vamos ver cada vez mais uma mudança de valor de habilidades cognitivas para habilidades sociais. O futuro da inteligência artificial, ao que parece, é todos demasiado humanos.