 |
| 4 recomendações do Gartner para iniciantes em Inteligência Artificial |
A implementação significativa de Inteligência Artificial está apenas começando, de acordo com o Gartner. Pesquisa realizada pelo instituto de pesquisas mostra que 4% dos CIOs implementaram IA recentemente, enquanto 46% têm planos de fazê-lo nos próximos 12 meses.
Segundo Whit Andrews, vice-presidente de pesquisa e analista da consultoria, há grande potencial de crescimento desse percentual, com líderes de TI iniciando programas piloto de IA.
Tal como acontece com a maioria das tecnologias emergentes ou desconhecidas, ‘early adopters’, enfrentam muitos obstáculos no progresso da IA em suas organizações. Os analistas do Gartner fazem quatro recomendações para esse cenário:
1. Comece com pequenos ganhos
“Não caia na armadilha de buscar resultados difíceis, como ganhos financeiros diretos com projetos de IA”, alerta Andrews. “Em geral, é melhor iniciar projetos de IA com um escopo pequeno e buscar resultados suaves, como melhorias de processos, satisfação do cliente ou benchmarking financeiro.”
Projetos de IA, na melhor das hipóteses, produzirão lições que irão ajudar com experiências, pilotos e implementações subsequentes e maiores. Em algumas organizações (ou até na maioria delas), o objetivo financeiro será um requisito para iniciar o projeto. “Nessa situação, defina algo possível”, disse Andrews.
2. Concentre-se em ampliar a capacidade das pessoas, não em substituí-las
Os grandes avanços tecnológicos são frequentemente associados com a redução de pessoal. Embora a redução dos custos do trabalho seja atraente para as empresas, é provável que crie resistência daqueles cujos empregos parecem estar em risco.
“Os benefícios mais transformadores da IA no curto prazo resultarão da sua utilização para permitir que funcionários possam se dedicar a atividades de maior valor”, acrescentou Andrews. O Gartner prevê que, até 2020, 20% das organizações dedicarão esforços ao monitoramento e à orientação das redes neurais.
3. Planeje a transferência de conhecimento
A maioria das organizações não está bem preparada para implementar IA. Isso porque elas não possuem habilidades internas em Ciência de Dados e planejam confiar plenamente em provedores externos para preencher a lacuna. Cinquenta e três por cento das organizações classificaram suas capacidades de explorar dados como “limitadas” – o nível mais baixo.
O Gartner prevê que, até 2022, 85% dos projetos de IA fornecerão resultados errados devido à baixa qualidade dos dados, algoritmos ou equipes responsáveis por gerencia-los. “Os dados são o combustível para a IA. Então, organizações precisam se preparar agora para armazenar e administrar quantidades ainda maiores de dados”, alertou Jim Hare, vice-presidente de pesquisa do Gartner.
Segundo ele, basear-se principalmente em fornecedores externos para essas habilidades não é a solução ideal, no longo prazo. “Portanto, assegure-se de que os primeiros projetos de IA ajudem a transferir o conhecimento de especialistas externos para seus funcionários e a construir capacidades internas antes de avançar para projetos de larga escala.”
4. Escolha soluções de IA transparentes
Projetos de IA geralmente envolvem software ou sistemas de provedores de serviços externos. É importante que algumas informações sobre como as decisões são alcançadas estejam integradas em qualquer contrato de serviço. “Um sistema de IA que produza a resposta certa não deves ser a única preocupação”, diz Andrews. “Os executivos precisam entender por que é efetivo oferecer uma visão de seu raciocínio.”
Embora nem sempre seja possível explicar todos os detalhes de um modelo analítico avançado, como uma rede neural profunda, é importante, pelo menos, oferecer algum tipo de visualização das escolhas potenciais. Na verdade, em situações nas quais decisões estejam sujeitas à regulação e auditoria, pode ser um requisito legal fornecer esse tipo de transparência.
