Em nosso primeiro artigo desta série, Desvendando IA, apresentamos os conceitos fundamentais para compreender a Inteligência Artificial de forma prática.
Neste segundo artigo abordaremos como avaliar a implementação da IA em uma organização estabelecendo uma fundação adequada para uma iniciativa de sucesso.
O primeiro passo é fazer uma avaliação no nível de sofisticação analítica do negócio. Toda organização possui dados e a maneira como ela usa esses dados em prol do negócio revela o quão pronta ela está para se engajar em uma iniciativa de IA. Existem 5 níveis de sofisticação analítica:
– Nível 1 – Dados: o negócio que está neste nível é capaz de coletar os dados adequados para entender eventos passados, i.e., conseguem responder à pergunta "o que aconteceu?". Sistemas de BI e CRM, por exemplo, oferecem funcionalidades que permitem o cruzamento e a visualização de dados para serem avaliados por pessoas.
– Nível 2 – Conhecimento: neste nível a empresa possui a capacidade de entender e codificar a lógica que explica por que certos resultados ocorreram ou, em outras palavras, conseguem responder à pergunta "por que aconteceu?". Aqui encontramos aplicações de data mining e de analytics oferecendo a capacidade de identificar padrões e correlações entre dados.
– Nível 3 – Inteligência: a organização que está neste nível provavelmente já utiliza a IA, pois aqui já existe competência preditiva, o que também pressupõe domínio sobre os dois níveis anteriores. A empresa consegue responder à pergunta "o que acontecerá?". Neste nível também encontramos (ou existe potencial para) tarefas automatizadas pela IA, de forma que esta tecnologia já está integrada a processos da empresa ligados direta ou indiretamente ao negócio.
– Nível 4 – Insight: este é o nível onde a IA consegue revelar oportunidades ou mesmo fornecer novas ideias, de maneira geral respondendo à pergunta "o que poderia ser melhor?". Nas empresas que estão neste nível a IA encontra-se disseminada de forma que o negócio é "powered by AI" e onde ocorreu a Transformação Digital. Ao invés das pessoas desenvolverem sistemas para ajuda-las a criar produtos e atender aos clientes, elas desenvolvem as aplicações de IA e estas são quem criam os produtos e prestam serviços aos clientes.
– Nível 5 – Mudança: considerado o nível mais sofisticado, nele a IA é capaz de transformar a si mesma, automatizando o ciclo "dados – insights – ações – resultados". A pergunta a ser respondida é "como automatizar a transformação?". Este último nível é também o mais ambicioso. É como se o negócio, ou parte dele, tivesse "vida própria", reconfigurando a si próprio em função da resposta obtida do mercado.
O resultado da análise anterior indicará competências que precisam ser absorvidas e adequações que necessitam ser executadas para capacitar a organização a trabalhar com IA.
O próximo passo é entender a IA como uma Reengenharia de Processos. Em 1993, em meio a difusão dos computadores nas organizações, Michael Hammer e James Champy introduziram o conceito da reengenharia de processos. Para uma implementação bem-sucedida dos computadores foi necessário, primeiro, estudar o processo para identificar as tarefas necessárias para alcançar um determinado objetivo e, somente então, avaliar se a implementação do computador fazia sentido.
A IA é o tipo de tecnologia que também requer repensar os processos da mesma forma que na reengenharia. Resumidamente, um "processo" é composto por várias "tarefas". Cada tarefa possui um conjunto de "decisões" e estas decisões competem às diversas "funções", que são desempenhadas por pessoas.
Ao implementar a IA em um processo temos três impactos possíveis:
– Automatizar tarefas: significa substituir tarefas antes executadas por pessoas pela IA. Importante destacar aqui que eliminar uma pessoa de uma tarefa não significa excluí-la de uma função.
– Eliminar tarefas: a introdução da IA no processo pode tornar certas tarefas obsoletas de modo que não são mais necessárias. Em alguns casos pode haver até mesmo uma reconfiguração ou redesenho do processo como um todo.
– Adicionar tarefas: embora à primeira vista pareça contraproducente, a implementação da IA pode revelar oportunidades de incrementar o processo para oferecer novas funcionalidades que eram inviáveis antes da IA.
Para apoiar essa "reengenharia baseada em IA" um método eficiente é o "AI Canvas". A exemplo do Business Model Canvas, que se popularizou nos anos 2010, o AI Canvas oferece a disciplina para enxergar uma tarefa sob o ponto de vista da IA.
O AI Canvas orienta o mapeamento dos elementos fundamentais de uma aplicação de IA que devem ser identificados em uma tarefa:
– Ação: o que você quer fazer?
– Predição: o que você precisa saber para a tomada de decisão?
– Julgamento: como você pondera as recompensas e as penalidades decorrentes de uma ação?
– Resultado: quais os parâmetros para a decisão ser considerada bem-sucedida?
– Entrada: quais dados você precisa para executar o algoritmo preditivo?
– Treinamento: quais dados você precisa para treinar o algoritmo preditivo?
– Feedback: como você pode usar o resultado para aprimorar o algoritmo?
Com a maturidade analítica adequada da organização e o mapeamento das tarefas onde se deseja implementar aplicações de IA em um negócio, estamos aptos a avaliar eventuais gaps que precisam ser cobertos antes de iniciar um projeto e, uma vez satisfeitas as condições fundamentais, partirmos para o planejamento da implementação.
No nosso próximo e último artigo da série, abordaremos como se preparar para que uma iniciativa de IA tenha maiores chances de ser bem-sucedida.
Igor Ramos Rocha, consultor de Empresas em Tecnologia.
