jan18_16_688576276
Carmen Martínez Torrón
/Hayon Thapaliya/Getty Images
Aviso: este texto foi traduzido com o uso de tradução automática e pode conter erros. Responda a esta pesquisa para nos enviar seus comentários e obtenha mais informações em nossas perguntas frequentes.
Read in English

A IA está chegando. Foi o que ouvimos ao longo de 2017 e provavelmente continuaremos a ouvir ao longo deste ano. Para empresas estabelecidas que não são Google ou Facebook, uma pergunta natural a fazer é: O que temos que nos permitirá sobreviver a essa transição?

Em nossa experiência, quando os líderes empresariais perguntam isso com relação à IA, a resposta que eles recebem é “dados”. Esta visão é confirmada pela imprensa empresarial. Existem centenas de artigos alegando que” data é o novo óleo” — pelo que eles querem dizer que é um combustível que impulsionará a economia da IA.

Se for esse o caso, sua empresa pode se considerar sortuda. Você coletou todos esses dados e, em seguida, descobriu-se que estava sentado em uma reserva de petróleo quando a IA apareceu. Mas quando você tem esse tipo de sorte, provavelmente é uma boa ideia perguntar “Temos muita sorte?”

A analogia “dados são petróleo” tem alguma verdade nisso. Como motores de combustão interna com óleo, a IA precisa de dados para funcionar. A IA recebe dados brutos e os converte em algo útil para a tomada de decisões. Quer saber o tempo amanhã? Vamos usar dados sobre o tempo passado. Quer saber as vendas de iogurte na próxima semana? Vamos usar dados sobre vendas anteriores de iogurte. As AIs são máquinas de previsão orientadas por dados.

Centro de insights

Mas a IA precisa seu dados? Hoje em dia, há uma tendência de ver todos os dados como potencialmente valiosos para a IA, mas isso não é realmente o caso. Sim, dados, como o óleo, são usados no dia-a-dia para operar sua máquina de previsão. Mas os dados em que você está sentado agora provavelmente não são esses dados. Em vez disso, os dados que você tem agora, que sua empresa acumulou ao longo do tempo, são o tipo de dados usados para construir a máquina de previsão — não operá-la.

Os dados que você tem agora são dados de treinamento. Você usa esses dados como entrada para treinar um algoritmo. E você usa esse algoritmo para gerar previsões para informar ações.

Então, sim, isso significa que seus dados são valiosos. Mas isso não significa que seu negócio possa sobreviver à tempestade. Depois que seus dados são usados para treinar uma máquina de previsão, eles são desvalorizados. Não é mais útil para esse tipo de previsão. E há apenas tantas previsões para as quais seus dados serão úteis. Para continuar a analogia do óleo, os dados podem ser queimados. Está um pouco perdido após o uso. Os cientistas sabem disso. Eles passam anos coletando dados, mas uma vez que produzem descobertas de pesquisa, ele não fica usado em uma gaveta de arquivos ou em disco de backup. Seu negócio pode estar sentado em um poço de petróleo, mas é finito. Não garante mais na economia de IA do que talvez um valor de liquidação mais favorável.

Mesmo na medida em que seus dados possam ser valiosos, sua capacidade de capturar esse valor pode ser limitada. Quantas outras fontes de dados comparáveis existem? Se você é um dos muitos fornecedores de iogurte, seu banco de dados contendo os últimos 10 anos de vendas de iogurte e dados relacionados (preço, temperatura, vendas de produtos relacionados como sorvete) terá menos valor de mercado do que se você for o único proprietário desse tipo de dados. Em outras palavras, assim como no petróleo, quanto maior o número de outros fornecedores do seu tipo de dados, menor será o valor que você pode capturar de seus dados de treinamento. O valor de seus dados de treinamento é ainda mais influenciado pelo valor gerado por meio da maior precisão da previsão. Seus dados de treinamento são mais valiosos se a precisão aprimorada da previsão puder aumentar as vendas de iogurte em US$100 milhões, em vez de apenas US$10 milhões.

Além disso, o valor contínuo dos dados geralmente vem das ações que você toma no seu dia-a-dia — os novos dados que você acumula todos os dias. Novos dados permitem que você operar sua máquina de previsão depois que ela é treinada. Ele também permite que você melhore sua máquina de previsão por meio aprendendo. Embora 10 anos de dados sobre vendas anteriores de iogurte sejam valiosos para treinar um modelo de IA para prever futuras vendas de iogurte, as previsões reais usadas para gerenciar a cadeia de suprimentos exigem dados operacionais continuamente. E esse é o ponto importante para as empresas atuais.

Uma startup de IA que adquire um conjunto de dados sobre vendas anteriores de iogurte pode treinar um modelo de IA para prever vendas futuras. Na verdade, ele não pode usar seu modelo para tomar decisões, a menos que a inicialização obtenha dados operacionais contínuos para aprender. Ao contrário das startups, grandes empresas geram dados operacionais todos os dias. Isso é um ativo. Quanto mais operações, mais dados. Além disso, o proprietário da operação pode realmente fazer uso da previsão. Ele pode usar a previsão para melhorar sua operação futura.

Na economia de IA, o valor de seus dados acumulados é limitado a um benefício único do treinamento de seu modelo de IA. E o valor dos dados de treinamento é, como petróleo ou qualquer outra entrada, influenciado pelo fornecimento geral — é menos valioso quando mais pessoas o têm. Em contraste, o valor de seus dados operacionais contínuos não se limita a um benefício único, mas fornece um benefício perpétuo para operar e melhorar ainda mais sua máquina de previsão. Então, apesar de toda a conversa sobre os dados serem o novo óleo, seus dados históricos acumulados não são o problema. No entanto, pode ser a coisa que leva você a a coisa. Seu valor para seus futuros clientes em potencial de negócios é baixo. Mas se você conseguir encontrar maneiras de gerar um fluxo de dados novo e contínuo que ofereça uma vantagem de desempenho em termos do poder preditivo da sua IA, isso lhe dará alavancagem sustentável quando a IA chegar.