Crie uma estratégia de inteligência artificial que gere valor para o seu negócio

De forma repentina, o interesse pela inteligência artificial generativa está no radar de todas as pessoas, mas algumas organizações já acumulam experiência e sucesso na implementação de técnicas de IA em vários processos e unidades de negócios. A pesquisa da Gartner mostra que essas organizações experientes representam apenas 10% de todas as empresas que atualmente usam IA, mas os futuros adotantes de IA generativa podem aprender muito com elas.

A inteligência artificial generativa tem o potencial de transformar radicalmente os modelos sociais e econômicos existentes, a exemplo do que fez a internet e as primeiras inovações, como a eletricidade. A pergunta para o seu negócio é: como a inteligência artificial dará suporte às ambições empresariais e impulsionará resultados mais sólidos? 

Se bem implementada, a IA generativa se tornará uma vantagem competitiva e um diferencial, aproveitando a capacidade da inteligência artificial em geral de automatizar tarefas repetitivas e tediosas além de gerar novos insights, ideias e inovações com análise preditiva, aprendizado de máquina (ML) e outros métodos de IA. 

A inteligência artificial generativa poderia impactar consideravelmente o valor do acionista ao criar oportunidades novas e disruptivas de impulsionar metas empresariais, entre elas:

• Aumentar a receita. A inteligência artificial ajudará empresas a criarem produtos mais rapidamente. A indústria farmacêutica, de saúde e de manufatura (bens de consumo, alimentos e bebidas, produtos químicos e ciência dos materiais) se tornará pioneira em inteligência artificial (IA) à medida que desenvolve novos medicamentos, produtos de limpeza doméstica menos tóxicos, sabores e fragrâncias inovadores, novas ligas e diagnósticos médicos mais rápidos e eficientes; 
• Criar maior envolvimento do cliente. Ao inovar as cadeias de valor e os modelos de negócios existentes, e permitir que as organizações criem e distribuam conteúdo diretamente para os consumidores, evitando assim intermediários tradicionais como editores e distribuidores, a inteligência artificial generativa pode melhorar o envolvimento do cliente;
• Reduzir custos e melhorar a produtividade. Os recursos de IA generativa podem simplificar processos e acelerar resultados, seja aumentando os esforços de trabalhadores (por exemplo, resumindo, simplificando e classificando conteúdo), gerando código de software ou otimizando o desempenho de chatbots. A IA generativa também pode fazer uso de dados não utilizados – ou seja, desperdiçados – anteriormente.

Novas ferramentas como o ChatGPT atraíram um interesse ainda maior para o potencial da IA, mas, para capturar seu valor, os executivos precisam olhar de forma mais ampla para as prioridades de investimento e talento, riscos e valor comercial e se preparar para a possível disrupção nas estratégias e modelos de negócios existentes. 

Até o momento, o valor comercial da inteligência artificial foi amplamente gerado a partir de soluções pontuais. Obter maior valor em escala, incluindo iniciativas de IA generativa, pode exigir profundas mudanças nos processos de negócios; novos conjuntos de habilidades, cargos e estruturas organizacionais, além de novas maneiras de trabalhar. Fracassos nas mudanças provavelmente ocasionarão menor capacidade de capturar as oportunidades identificadas.

Planeje como sua organização transformará processos e sistemas e aprimorará habilidades pessoais à medida que a IA generativa se tornar integrada ao trabalho diário. Implementar a inteligência artificial de forma atenta e focada no futuro será crucial para diferenciar o sucesso no longo prazo do desastre potencial.

Os modelos e as regulamentações do governo em torno da inteligência artificial estão começando a surgir, por isso, fique atento às regulamentações específicas em jurisdições relevantes.

Enquanto o uso da inteligência artificial continua a gerar questões sobre ética e responsabilidade, novas regulamentações podem surgir em resposta à mudança do sentimento público sobre o uso de IA. Em geral, contudo, prepare-se para os principais tipos de riscos, entre eles:

1. Regulatório: a inteligência artificial representa riscos jurídicos ao expor potencialmente as organizações a ações judiciais com relação a dados, informações e conteúdo protegidos ou com direitos autorais. As regulamentações estão mudando rapidamente, por isso, fique atento às regulamentações de IA locais e jurisdicionais para garantir a conformidade com a política vigente. Além disso, fique atento às regulamentações específicas do setor, por exemplo, em ciências da vida e serviços financeiros;

2. De reputação: a inteligência artificial pode amplificar a parcialidade e criar uma “caixa preta”, um sistema de IA sem visibilidade de entradas e operações para o usuário. Os fornecedores que não oferecem transparência nos conjuntos de dados de treinamento correm o risco de obter resultados prejudiciais. Serviços de inteligência artificial não testados também podem representar riscos por meio da tomada de decisões e/ou execução de tarefas precárias. As organizações precisam construir proteções robustas para impedir a perda de propriedade intelectual ou dados do cliente ao desenvolverem ou comprarem serviços de inteligência artificial generativa; 

3. De competência: a inteligência artificial requer um conjunto exclusivo de habilidades que precisam ser obtidas intencionalmente com o aprimoramento do talento existente, com a ajuda do meio acadêmico ou de startups. As habilidades em áreas como engenharia de prompt e IA responsável terão crescente demanda no curto prazo. 

As ameaças e os comprometimentos (maliciosos ou benignos) da inteligência artificial são contínuos e evoluem constantemente, por isso é importante definir princípios e políticas para governança, confiabilidade, imparcialidade, solidez, eficácia e privacidade de IA.

As organizações que não o fizerem estarão muito mais propensas a obter resultados negativos e cometer violações de IA. Os modelos de IA não funcionarão como planejado, desencadeando falhas de segurança e privacidade, perdas financeiras e danos à reputação e aos indivíduos.

O modelo da Gartner AI TRiSM (gestão da confiança, risco e segurança) inclui soluções, técnicas e processos destinados a clientes e empresas de interpretação e explicabilidade, privacidade, operações e resistência a ataques adversários. Defendemos a formação de uma equipe ou força-tarefa multifuncional e dedicada, incluindo representantes comerciais e equipes jurídicas, de conformidade, de segurança, de TI e de análise de dados para obter os melhores resultados com todas as iniciativas de IA.

Ao selecionar casos de uso para inteligência artificial, incluindo aqueles que empregam IA generativa, as partes interessadas na linha de negócios devem ser capazes de articular claramente os benefícios comerciais tangíveis que esperam ao perguntar:

• Qual é o problema que o negócio tenta resolver?

• Quem é o principal consumidor da tecnologia?

• Qual é o processo de negócios que hospedará essa técnica de IA?

• Qual dos especialistas no assunto dessa linha de negócios pode orientar o desenvolvimento da solução?

• Como será mensurado o impacto de implementar a tecnologia?

• Como o valor da tecnologia será monitorado e mantido? E por quem?

Adotar uma estratégia de IA abrangente sem, primeiro, experimentar suas técnicas componentes, é uma antecipação desnecessária. Siga estas cinco etapas para introduzir técnicas de IA:

1. Casos de uso: crie um portfólio de casos de uso impactantes, mensuráveis e rapidamente resolvíveis;

2. Habilidades: reúna um conjunto de talentos pertinentes aos casos de uso;

3. Dados: colete os dados apropriados, relevantes para os casos de uso selecionados;

4. Tecnologia: selecione as técnicas de IA vinculadas aos casos de uso, habilidades e dados;

5. Organização: estruture a experiência e o know-how de IA acumulado.

Essa fórmula de cinco etapas é uma abordagem tática à introdução de técnicas de IA que favorece uma perspectiva de retorno rápido. Não é uma perspectiva estratégica de longo prazo.

Etapa 1: identificar os casos de uso mais importantes visando projetos de melhorias concretas, em conjunto com resultados de negócios tangíveis. A viabilidade é essencial. 

Geralmente, os retornos são maiores quando o risco é alto e a viabilidade é baixa, mas não vale a pena se aprofundar em projetos impossíveis de se realizar com as tecnologias e os dados disponíveis, independentemente do valor comercial aparente.

A inteligência artificial exige muitos dados e, ainda que você possa empregar IA generativa sem integrar aplicativos à sua pilha de dados, você não aproveitará a IA ao máximo sem uma estratégia de dados viável. 

Articular de forma clara requisitos de gestão de dados e de governança, por exemplo, alinhando as expectativas para qualidade de dados e confiança, ajuda a reduzir o custo de aquisição de dados e a encontrar e capturar os dados necessários para turbinar a IA. 

Veja também: Fatores de sucesso em estratégias de dados e análise.