jan18-15-888249778-Bogdan-Dreava--EyeEm
Bogdan Dreava/Eyeem/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

Não passa um dia sem o anúncio da nomeação de um novo VP de Inteligência Artificial (IA), um Cientista Chefe de Dados ou um Diretor de Pesquisa de IA. Embora o entusiasmo seja inegável, a realidade é que a IA continua sendo uma aplicação tecnológica em estágio inicial. O potencial é vasto, mas como os gerentes cortam a hipérbole de IA para usar seu poder para gerar crescimento?

Em nosso trabalho de consultoria, muitas vezes encontramos gerentes que lutam para converter experimentos de IA em programas estratégicos que podem ser implementados. Michael Stern (não seu nome verdadeiro), por exemplo, é o Chefe de Digital de uma empresa alemã de equipamentos de escritório Mittelstand. Michael está acostumado a iniciar novos projetos em áreas emergentes, mas se sente incapaz de entender completamente o que a IA pode fazer por seus negócios. Ele começou alguns experimentos usando o IBM Watson, e estes produziram alguns ganhos táticos claros e pequenos. Agora Michael está preso em como prosseguir. Como ele pode criar equipes multifuncionais onde especialistas em dados trabalham com equipes de produtos? E como eles escolherão ideias de projetos que produzem ROI real? Michael se pergunta se sua empresa sabe mesmo quais novos modelos de negócios podem ser explorados com seus conjuntos de dados existentes - muito menos quais novos podem ser possíveis pela IA.

Michael não está sozinho. À medida que mais e mais empresas investem em unidades orientadas por IA, muitos gerentes recém-nomeados enfrentam esses desafios - especialmente em empresas com pouca ou nenhuma experiência anterior com tecnologias cognitivas. Parte do problema: em muitas empresas, o papel dessas equipes é indefinido. Pouca pesquisa foi feita para projetar a missão e o escopo dessas novas unidades.

No Centro Europeu de Inovação Estratégica (ECSI), examinamos inúmeras iniciativas corporativas de IA entre grandes organizações e identificamos cinco funções fundamentais que podem ajudar as unidades de IA a desenvolver a missão e o escopo de trabalho corretos para ter sucesso.

1. Escuteando tecnologia, aplicativos e parceiros de IA. Esse papel é sobre a criação de uma equipe central de “sensores de IA” encarregada de monitorar novas tendências, identificar tecnologias disruptivo e fazer networking com players inovadores - principalmente startups. O fornecedor de peças de automóveis Bosch e a potência tecnológica e de engenharia Siemens são dois exemplos principais disso. Com um investimento planejado de US $300 milhões, a Bosch estabeleceu três centros corporativos de IA focados em IoT e outros campos relacionados à IA na Alemanha, Índia e Palo Alto. A Siemens, da mesma forma, incluiu a IA na lista de áreas de inovação da empresa a serem monitoradas por meio de sua rede de postos avançados de inovação com escritórios na Califórnia, China e Alemanha.

2. Experimentando com tecnologia e aplicativos de IA. Esse papel é entender, por meio de pequenos e rápidos pilotos de IA, como desenvolver ou adotar tecnologias cognitivas para os modelos operacionais e de negócios da empresa. Embora ferramentas de IA prontas e sistemas de código aberto estejam disponíveis, eles têm um potencial transformador limitado em comparação com os personalizados. Na Deutsche Telekom, o desenvolvimento de suas próprias soluções de IA é uma prioridade importante. Em vez de comprar chatbots de IA de fornecedores, a Deutsche Telekom tem suas próprias equipes de desenvolvedores. Com o apoio de parceiros, eles projetam, treinam e ajustam soluções de IA para a empresa.

Em vez de concentrarem esforços em uma única grande vitória, as unidades e equipes de IA devem adotar uma abordagem de portfólio para seus experimentos. O poder da IA deve ser testado em funções e áreas de negócios. Existem três tipos de experimentos que valem a pena prestar atenção especial a:

  • Experimentos no banco do motorista geralmente são conduzidos pela unidade de IA da empresa ou equipes internas de desenvolvedores. Nos últimos anos, a Deutsche Telekom testou internamente três chatbots e assistentes virtuais apoiados por IA para melhorar o atendimento ao cliente corporativo e privado da empresa.
  • Experimentos com outras pessoas no banco do motorista envolvem unir forças com atores inovadores, como start-ups, centros de pesquisa e universidades. Em geral, esses experimentos são focados em tecnologias de ponta ou aplicações que exigem conhecimentos e habilidades aprofundadas que as empresas não possuem. Esta é uma estratégia comum entre grandes organizações: a Mercedes-Benz entrou em parceria com o Computer Science and AI Lab do MIT; Associated Press colaborou com a Automated Insight, uma empresa especializada em IA; a Deutsche Telekom fez parceria com o Centro de Pesquisa Alemão para IA, chamado DFKI.
  • Experimentos aprendendo com os outros são comuns entre as empresas interessadas em tecnologia e aplicativos pioneiros em IA, mas muito prematuras para seu setor. Observar outros se traduz em empreendimentos de financiamento ou start-ups inovando na fronteira da IA. Este é o caso da seguradora alemã Allianz, que financiou o primeiro fundo global de ações de IA da Europa a se posicionar como um “pioneiro em investimentos em IA”.

3. Suporte a unidades de negócios na aplicação da tecnologia de IA. Essa função é criar recursos internos por meio de uma rede especializada de especialistas em IA que podem suportar unidades de negócios na integração e aplicação de ferramentas e soluções de IA (desde visualização básica de dados e chatbots até a automação de processos inteiros, como gerenciamento de sinistros). O sucesso dos aplicativos de IA não está na tecnologia por se, mas na capacidade de uma empresa alinhá-la com seus modelos de negócios e operacionais.

O Data and AI Lab é um dos esforços de IA mais visíveis do BNP Paribas. O Lab é responsável pelo desenvolvimento de ferramentas de IA que podem melhorar os processos internos. No BNP Paribas, a equipe de IA é responsável por acompanhar e apoiar unidades de negócios ao longo do caminho, desde a identificação de possíveis aplicativos até a experimentação e ajuste fino. É essencial que esses laboratórios sejam totalmente integrados à organização, não em um laboratório distante. Constance Chalchat, chefe de gerenciamento de mudanças do BNP Paribas fala, “As equipes de cientistas de dados precisam trabalhar em estreita parceria com a empresa e com a TI.”

4. Fazer com que toda a organização entenda a IA. Esse papel é sobre a capacidade da equipe de IA de educar a organização sobre a oportunidade de aproveitar o poder da IA. Por quê? Porque a IA é, em última análise, uma ferramenta. As organizações precisam criar bases sólidas que permitam que as pessoas realmente usem e protejam o valor da tecnologia de IA. Como a paixão pela IA está subindo para o topo das grandes organizações, isso também se aplica ao C-suite e à diretoria. Os executivos precisam de suporte para superar a complexidade das discussões orientadas por IA e encontrar maneiras de extrair valor.

A incorporação da IA na cultura e no conjunto de habilidades principais da empresa pode ser feita em dois níveis. Primeiro, as iniciativas de comunicação interna podem ajudar a aumentar a conscientização e a aceitação das tecnologias de IA, em particular aquelas com um alto potencial transformador, ao mesmo tempo em que criam uma linguagem e cultura de IA comuns. Em segundo lugar, os esforços educacionais direcionados permitem a construção de recursos básicos e padrão de pessoas, que não são especialistas em IA na organização. O AirBnB é um excelente exemplo disso. Ao criar uma Data University interna, o AirBnB está ensinando ciência de dados aos funcionários com o objetivo de tornar a transição para uma organização mais consciente de IA mais fácil e rápida.

5. Atrair e reter talentos. Essa função é lidar com a lacuna de habilidades de IA. Uma unidade de IA dedicada deve trabalhar em estreita cooperação com o departamento de RH para identificar as habilidades e os recursos certos necessários e definir estratégias para retenção de talentos. Atualmente, as empresas estão adotando diferentes estratégias de aquisição de talentos de IA. Edouard d'Archimbaud, Chefe do BNP Paribas Data and AI Lab está expandindo gradualmente sua equipe de 25 membros. “Estamos recrutando cerca de dez pessoas por ano [...] somos muito cuidadosos e só gostamos de contratar as pessoas certas”, ele explicado. Outras empresas investiram de forma mais significativa. É o caso do Airbnb que recentemente “contratou” uma equipe de sete engenheiros de dados da Changecoin, uma start-up com profundo conhecimento da tecnologia blockchain.

A estrutura em ação

Às vezes, essas equipes de IA recém-criadas investirão tempo e esforço em todas as cinco funções. Os desafios em outras empresas podem ser bem diferentes. Plotar as cinco funções em gráficos de aranha, como o mostrado aqui, pode ajudar as empresas a descobrir onde estão focadas atualmente e onde podem precisar aumentar ou reduzir seus esforços. Eles podem, por exemplo, comparar o que estão fazendo atualmente com o que deveriam estar fazendo, dada a intenção estratégica de sua empresa e sua capacidade e problemas organizacionais.

W171218_DIFIORE_CHARTYOUR

 

Cada equipe de IA deve projetar seu próprio gráfico de aranha com base em seu contexto, metas e restrições existentes. As empresas que investem — ou planejam investir — em unidades de IA precisam pensar estrategicamente sobre onde concentrar seus esforços.

Ganhar a revolução da IA não se trata apenas da tecnologia e das ferramentas, é sobre educar e preparar sua organização para o futuro. Da mesma forma que a Amazon não inventou a tecnologia que os tornou um titã corporativo, as empresas na era da IA precisam preparar sua organização para ser a primeira data, a fim de se manterem competitivas a longo prazo.

Plotar as cinco funções pode ajudar a alinhar a intenção estratégica da empresa com o contexto organizacional e as restrições.