Nos nossos dois primeiros artigos desta série, Desvendando IA e IA Uma Nova Reengenharia, apresentamos os conceitos fundamentais para compreender a Inteligência Artificial e métodos para avaliar sua implementação em uma organização.
Neste terceiro e último artigo abordaremos como se preparar para que a implementação de uma iniciativa de IA tenha maiores chances de ser bem-sucedida.
Uma boa implementação começa com o buy-in no nível dos executivos seniores (C-level). Independente se objetivo é tratar apenas uma tarefa mais crítica ou problemática, dentre as inúmeras que compõem um dos muitos processos do negócio, ou se a ambição é promover uma transformação do negócio como um todo por meio da IA, o patrocínio do board é fundamental.
Nem todos os executivos precisam estar comprometidos (embora os que não estejam precisam ao menos estar envolvidos). Como algum tempo e energia serão dispendidos para trazer um ou mais executivos a bordo do projeto, é importante avaliar com quais deles será necessário maior empenho nessa missão e isso dependerá da natureza da iniciativa de IA:
– CEO: o patrocínio do principal executivo é sempre importante e por isso, via de regra, ele sempre deve fazer parte da lista. Mas sua atuação se torna absolutamente fundamental quando a iniciativa de IA pretende impactar o core business da empresa ou a estratégia do negócio.
– CTO: Chief Technology Officer não é uma denominação mais moderna e nem sinônimo de CIO. Este executivo, via de regra, está à frente da tecnologia diretamente relacionada ao negócio da empresa e seus clientes e, portanto, terá papel decisivo se o projeto de IA estiver relacionado com este domínio.
– CIO: embora muitas vezes este profissional incorpore as funções de CTO, a priori, seu foco de atuação são os processos e sistemas operacionais da organização. Portanto, se o projeto de IA visa otimização operacional, ele será uma peça-chave.
– CDO: ainda raro nas organizações e com suas funções frequentemente atreladas ao CTO (ou CIO), em nível gerencial, o Chief Data Officer será fundamental principalmente se o projeto de IA demandar grande esforço de organização de dados.
– CAO: mais raro ainda do que o CDO nas empresas é o Chief Analytics Officer, dedicado a transformar dados em ativos de negócio. Se ele (ou quem quer que tenha esta função) existir, será uma pessoa chave. Por mais contraditório que possa parecer, alguns profissionais de analytics são refratários a IA e precisarão ser "convertidos".
Outro ponto importante são os "motivadores organizacionais". A organização como um todo deve desenvolver uma percepção positiva da iniciativa de IA, principalmente em projetos multifuncionais, que envolvem vários departamentos:
– EBITA: o resultado econômico é provavelmente o motivador mais abrangente. O aumento da receita e/ou a redução das despesas impacta toda organização e beneficia a todos.
– Competitividade: a pressão exercida pelo próprio mercado e/ou através dos concorrentes gera o efeito FOMO – Fear Of Missing Out, ou medo de ficar para trás.
– Pequenas vitórias: começar com pequenos projetos bem específicos onde a IA tem chances quase certas de sucesso é uma excelente forma de desenvolver percepção favorável.
– Discrição: devido a aura de mágica frequentemente atribuída a IA, as expectativas iniciais podem ser irrealistas. Melhor optar por uma postura discreta na abordagem do projeto.
– Manutenção de empregos: talvez o principal detrator da IA nas organizações seja o medo. Medo das pessoas perderem seus empregos para máquinas. Evitar a problematização enfatizando que mesmo a eventual eliminação de uma pessoa de uma tarefa, não significa excluí-la de uma função.
A composição da equipe de projeto merece toda a atenção. Formada em sua maior parte por profissionais técnicos, é importante manter o foco no objetivo de negócio a ser alcançado.
Dentre as funções e responsabilidades que integram a equipe podemos encontrar, dependendo do projeto: gerente de projeto (incluindo a função de gerente de dados), engenheiro de Machine Learning (modelos, infraestrutura e operações), cientista de dados (coleta de dados e algoritmos preditivos), engenheiro de sistemas (infraestrutura tecnológica) e até mesmo pesquisador (no caso de aplicações envolvendo descobertas científicas).
Outra consideração importante é o perfil da equipe de software. Diferente do desenvolvimento de software tradicional, com especificações claras, cronogramas e estruturação, desenvolvedores de IA devem apresentar fortes habilidades exploratórias e experimentais.
A empresa também precisa avaliar qual a melhor forma de execução: criar ou comprar. De maneira geral, desenvolver internamente faz sentido se as seguintes condições são satisfeitas: a aplicação de IA fará parte do core business; há disponibilidade de talentos em IA; o tempo que a empresa precisa é adequado ao time-to-market; os dados necessários estão disponíveis; e o custo total de propriedade é favorável. Caso contrário, a alternativa de contratar a aplicação de um provedor externo deve ser considerada.
Finalmente, é prudente que a organização antecipe alguns riscos inerentes a natureza das iniciativas de IA, tais como: discriminação (ainda que involuntária), qualidade (a predição é confiável, porém leva a resultados inadequados), hacking (forçar dados de entrada para criar viés nos resultados), concentração (uma plataforma para múltiplas aplicações de IA), roubo de propriedade intelectual (por engenharia reversa de algoritmos) e desvios (pela manipulação de dados de feedback).
Encerramos aqui esta série de artigos na expectativa de ter revelado a Inteligência Artificial como uma tecnologia que, apesar de sua inerente complexidade, está acessível, em maior ou menor grau, a todas as organizações, independentemente de porte ou segmento de atuação. E que ela inspire um maior aprofundamento no tema para que mais aplicações surjam.
Igor Ramos Rocha, consultor de empresas em Tecnologia.
