Master
Close up of lens
Close up of lens

Lente um: Humanidade aumentada


Novas e poderosas ferramentas baseadas em dados estão revolucionando a maneira como as empresas tomam decisões e empregam talentos, com resultados amplamente positivos. Mas essas tecnologias também trazem desafios éticos e organizacionais que empresas responsáveis precisam considerar.


< Página principal | Próxima lente >

Examinando os sinais 


À medida que a adoção do aprendizado de máquina e da inteligência artificial cresce, essas tecnologias aprimoram — mas não substituem — o talento humano ao automatizar tarefas de processamento de dados, liberando as pessoas para usar suas experiências, criatividade e intuição. Esses sistemas aumentam a produtividade de duas maneiras primordiais: fazendo previsões para auxiliar os seres humanos na tomada de decisões e automatizando totalmente a tomada de decisões.


A tendência em direção a decisões autônomas, feitas por máquinas, pode ter um impacto significativo em nossas vidas e precisa ser considerada de uma perspectiva ética. Essa discussão vem impulsionando pesquisas e o interesse da indústria em inteligência artificial explicável e em processos de governança de IA mais fortes.


Os sinais incluem:


  • Investimento crescente em pesquisas e aplicações de inteligência artificial. A Bloomberg estima que os gastos civis com IA nos Estados Unidos cresceram 22% no ano fiscal de 2019, enquanto os gastos do governo cresceram quase 70%.
  • Grande demanda por especialistas em aprendizado de máquina, inteligência artificial e dados no mercado de trabalho. De acordo com levantamento do LinkedIn, especialista em IA foi a categoria de emprego que mais cresceu em 2020.
  • Crescimento no número de startups de aprendizado de máquina e inteligência artificial, produtos especializados e aquisições. No momento em que este relatório foi escrito, a comunidade Angel.co lista 5.711 empresas e 2.790 investidores na categoria de startups de aprendizado de máquina
  • Cargos e funções mudando. As tarefas rotineiras estão sendo automatizadas, profissionais se juntando a máquina equivalentes e pessoas ganhando liberdade para usar sua experiência e intuição para gerar valor. A Amazon, por exemplo, anunciou que gastará US$ 700 milhões para ajudar cerca de 100.000 profissionais nos Estados Unidos a ter empregos mais qualificados até 2025


A oportunidade


O rápido avanço das ferramentas baseadas em inteligência artificial e aprendizado de máquina beneficiará as empresas em duas frentes principais. Para a força de trabalho, automatizar tarefas repetitivas e entediantes aumentará a produtividade, levando a ganhos em eficiência e produção. As pessoas também terão mais liberdade para se concentrar em atividades de maior valor que requerem mais criatividade e engenhosidade humana, como desenvolver inovações em produtos ou serviços. Essa possibilidade trará consequências positivas para a disposição das pessoas e o desempenho geral dos negócios.


A aplicação de inteligência artificial e aprendizado de máquina para redução de inconsistências, probabilidade de erro humano e tempo para entrega de produtos ou serviços pode aumentar significativamente a satisfação de clientes e, em última instância, contribuir para a retenção. As empresas também podem recorrer a soluções baseadas em dados para entender melhor e antecipar com precisão as necessidades de clientes, embora seja necessário cuidado para garantir que a privacidade e a segurança sejam preservadas.

O que temos visto

Temos visto um grande impacto com o uso de inteligência artificial e aprendizado de máquina em vários setores, de marketing e SAC a recrutamento e engajamento de profissionais. Uma das aplicações mais promissoras é no aperfeiçoamento da manutenção preditiva industrial. Ao coletar e analisar dados de dispositivos conectados, os sistemas de inteligência artificial e aprendizado de máquina podem ajudar as empresas a identificar possíveis problemas em uma linha de montagem ou em um produto antes que ocorram, evitando defeitos ou períodos de inatividade potencialmente onerosos (e prejudiciais a experiências de clientes). Em parceria com uma fabricante, desenvolvemos um aplicativo que utiliza IA para prever a necessidade de reparos ou manutenção nos equipamentos pesados que a empresa vende, alertando as equipes de atendimento a acompanhar. A possibilitar um pós-venda que antecipa e evita problemas, a solução contribuiu para a satisfação de clientes e para novas oportunidades de negócio.

Tendências a se observar: as três principais


Adote

Entrega contínua para aprendizado de máquina (CD4ML)

CD4ML é uma abordagem de engenharia de software em que equipes multifuncionais produzem aplicativos de aprendizado de máquina baseados em código, dados e modelos em pequenos incrementos que podem ser reproduzidos e liberados a qualquer momento, com curtos ciclos de adaptação. CD4ML permite que as empresas criem os recursos e processos necessários para administrar, lançar e atualizar modelos de aprendizado de máquina de maneira confiável e segura, ao mesmo tempo permanecendo capazes de responder às mudanças e evoluções no cenário de aprendizado de máquina.


Analise

Inteligência artificial explicável

A inteligência artificial explicável se refere a um conjunto de ferramentas e abordagens necessárias para entender a lógica usada por um modelo de aprendizado de máquina para chegar a uma conclusão. Essas ferramentas geralmente se aplicam a modelos com processos de raciocínio desconhecidos. A IA explicável está se tornando cada vez mais importante à medida que os modelos de aprendizado de máquina passam a ser aplicados em áreas que afetam diretamente a saúde, os direitos e o bem-estar econômico dos indivíduos, como assistência médica, justiça criminal e decisões de concessão de crédito. A IA explicável provavelmente desempenhará um papel ainda maior à medida que as implicações da inteligência artificial no campo de privacidade e regulamentações – como o Regulamento Geral de Proteção de Dados da UE (GDPR) – sejam melhor compreendidas.



Antecipe

Interface cérebro-computador

As interfaces cérebro-computador permitem que indivíduos interajam com computadores apenas por meio da atividade cerebral, geralmente medida por eletroencefalograma (EEG). Os avanços no uso do aprendizado de máquina para interpretar os sinais elétricos do cérebro criaram novos casos de uso com aplicações que podem ajudar as pessoas a tomar decisões em frações de segundo, reduzindo enormemente os custos de tecnologia nesta área.

Tendências a serem observadas: a matriz completa

Tecnologias que são realidade hoje e estão sendo aproveitadas pelo mercado

  • Assistentes, agentes e robôs inteligentes
  • Inteligência artificial como serviço
  • Entrega contínua para aprendizado de máquina (CD4ML)
  • Processamento de linguagem natural
  • Colaboração humano-máquina
  • Plataformas de dados e análises em tempo real
  • Dispositivos portáteis (wearables)
  • Plataformas de aprendizado de máquina
Tecnologias que estão começando a ganhar força em alguns setores e casos de uso


  • Visão computacional
  • Aprendizado de máquina / inteligência artificial + computação de borda
  • Linguística computacional
  • Interação baseada em IA
  • Voz como interface onipresente
  • Automação de testes de qualidade de dados
  • Aprendizado de máquina online
  • Privacidade diferencial
  • AI explicável
  • Aprendizado de máquina automatizado (AutoML)
  • Força de trabalho automatizada
  • Computação com respeito à privacidade
  • Plataformas de dados descentralizadas
Ainda carentes de maturidade, essas tecnologias podem ter impacto em alguns anos


  • Cidades inteligentes
  • Códigos de ética para software
  • Desenvolvimento de software assistido por IA
  • Mercados de IA
  • Aprendizagem federada
  • Interfaces cérebro-computador
  • Modelos éticos
  • Inferência causal para aprendizado de máquina
  • Medicina personalizada
  • Saúde e longevidade
  • Redes neurais progressivas

Conselhos para quem quer adotar


  • Cultive confiança em seus dados. Os modelos de IA que darão suporte aos seus times serão criados com base nos dados disponibilizados. Isso significa que os dados devem ser transparentes, precisos e confiáveis o suficiente para que você e seus times possam confiar que quaisquer decisões resultantes desses modelos serão sólidas e bem informadas. 
  • Entenda e comunique quando as decisões tomadas por máquinas estiverem sujeitas a vieses e questionamentos éticos. Crie um modelo para rastrear quais decisões sensíveis serão tomadas, descreva como você espera que elas afetem quaisquer partes interessadas e estabeleça como você detectará possíveis consequências não intencionais. Certifique-se de que essas decisões podem ser satisfatoriamente explicadas e rastreadas até a "fonte".
  • Crie parâmetros para medições quantitativas de seus processos atuais. Use técnicas como análise de fluxo de valor para identificar áreas com oportunidades significativas de automação, onde inteligência artificial e aprendizado de máquina podem produzir os maiores ganhos potenciais. Consulte e atualize os parâmetros regularmente para aferir a eficácia das implementações de inteligência artificial e aprendizado de máquina. Certifique-se de que a automação seja direcionada para fins específicos, e não utilizada como solução padrão para todos os problemas.
  • Tenha empatia com times receosos de que “os robôs irão roubar nossos empregos”. Apoie as pessoas que estão aprendendo a trabalhar com algoritmos, deixando explícito que o objetivo final é liberá-las para um trabalho mais gratificante. Desenvolva planos claros de transição e progressão na carreira para que as pessoas cresçam em funções habilitadas pela automação de tarefas repetitivas.
  • Avalie se a colaboração humano-máquina pode ajudar a aumentar o valor entregue para clientes. Considere que a automação pode ir além de apenas substituir pessoas na execução de tarefas e reduzir custos. A equipe que você tem hoje possui um vasto conhecimento sobre sua empresa e clientes, e esses insights devem ser aplicados para impulsionar a experiência de clientes de forma efetiva, já que essas pessoas irão gastar menos tempo em funções rotineiras. Qualquer solução de inteligência artificial ou aprendizado de máquina deve ser avaliada não pela eficiência criada internamente, mas por sua capacidade de habilitar times a entregar valor adicional para clientes.

Até 2022, as empresas... 

...irão expandir o uso de inteligência artificial e aprendizado de máquina para além de soluções autônomas, incorporando-as a mais funções centrais do negócio à medida que a confiança nessas tecnologias aumenta. Também temos visto empresas sendo mais conscienciosas e seletivas nas formas de aplicação de dados, considerando seus impactos em profissionais da empresa, em clientes e na sociedade em geral, e tomando medidas para garantir que esses sistemas sejam mais transparentes.
Danilo Sato

Principal consultant, ThoughtWorks

Baixe o relatório completo (em inglês)