Uma pesquisa do Gartner no início de 2019 descobriu que o número de empresas que implementam inteligência artificial (IA) cresceu 270% nos últimos quatro anos. Não é de admirar que as empresas em todos os lugares pareçam estar se esforçando para adotar a IA e, assim, evitar serem colocadas em séria desvantagem competitiva.
Também explica por que muitas empresas novas estão surgindo em todos os lugares, oferecendo produtos e serviços de IA e atraindo interesse entre clientes e investidores. No entanto, o grande volume de provedores de inteligência artificial pode causar sérias confusões no mercado. É difícil saber o que realmente constitui IA – um estudo (da The Verge) descobriu que 40% das startups de IA na Europa não usam a IA, mas sim o que pode ser outra forma de software disfarçado.
A IA engloba muitas tecnologias específicas, como chatbots, aprendizado de máquina, deep learning e análise preditiva. Todos têm em comum o fato de usar algoritmos treinados em dados para apoiar decisões de negócios e complementar a lógica e a experiência dos seres humanos. Os pais da IA, Marvin Minsky e John McCarthy, descreveram a inteligência artificial como “qualquer tarefa realizada por um programa ou uma máquina e que um humano teria que aplicar inteligência para executá-la”. Esta é uma definição bastante ampla e pode levantar mais questões do que respostas.
Você também vai gostar: Inteligência Artificial: o avanço do back office nas empresas
Parte do problema é que a IA ainda é um território do Velho Oeste sem muitas regras, regulamentos ou definições. E, sem um mercado claramente definido, o termo está aberto à interpretação.
A confusão sobre o que constitui a verdadeira IA faz lembrar o movimento de big data de vários anos atrás. Uma pesquisa no Google sobre o termo “big data” resulta em uma lista de fundadores e definições contraditórias do que realmente é – ainda que nos últimos anos, muitas pessoas têm dito que precisamos disso. Talvez a IA seja um desdobramento direto da blitz de big data.
Com tantas mensagens, ofertas e players, como você sabe se o fornecedor ou provedor de serviços com quem está trabalhando ou a solução que está criando realmente está usando IA? É importante se perguntar o que exatamente constitui um verdadeiro projeto de IA se você precisar incorporá-lo ao seu trabalho. Abaixo estão sete perguntas que podem ajudá-lo a descobrir e aproveitar ao máximo a IA:
1- Os cientistas de dados treinados estão desenvolvendo seu algoritmo?
Quer você empregue cientistas de dados internos ou contrate empresas terceirizadas de serviços de inteligência artificial, você precisará de cientistas de dados que entendam como desenvolver soluções de inteligência artificial para resolver seu problema específico, a fim de criar uma solução de inteligência artificial efetiva. Esses profissionais normalmente sabem como agregar e treinar grandes conjuntos de dados e sabem como monitorar o aplicativo para ver se ele está atingindo sua meta.
2- Você está usando servidores de GPU?
A IA não requer apenas quantidades massivas de dados para ser o mais eficaz possível. Ela também precisa do poder de processamento para lidar com essa tarefa. Os servidores que contêm chips NVIDIA GPU são essenciais para projetos de inteligência de dados intensivos.
3- Você está agregando seus dados em toda a empresa?
A única maneira de permitir verdadeiros aplicativos de aprendizado de máquina é agregar dados de toda a empresa. Isso inclui dados de transações de clientes, sistemas de ponto de venda, inventário, sistemas de ERP, pesquisa e desenvolvimento (P&D), marketing, recursos humanos e finanças e contabilidade. Embora também possa ser importante complementar esses dados com fontes externas, é essencial que a maioria dos dados venha de sua empresa para resolver seu problema de negócio muito exclusivo.
4- O modelo de aprendizado de máquina é altamente iterativo e contínuo?
Um sólido projeto de aprendizado de máquina fica mais inteligente quanto mais dados ele analisa. O contrário acontece com projetos simples de análise de dados que usam análise para orquestrar aplicativos e fluxos de trabalho.
5- Aborda todo o ciclo de vida?
A IA deve fornecer recursos em todo o ciclo de vida. Isso significa desde a identificação de dados, limpeza, classificação e rotulagem até o desenvolvimento e teste de modelagem estatística e medição da eficácia da solução de aprendizado de máquina.
6- Como ele rotula os dados?
Algumas empresas usam crowdsources aleatórios para classificar grandes quantidades de dados a fim de coletar dados muito necessários, mas isso nem sempre é suficiente. Você pode usar especialistas em dados treinados para tornar os algoritmos realmente inteligentes. Os especialistas em dados treinados geralmente podem rotular com mais precisão e abordar desafios de negócios específicos para obter informações e insights mais personalizados.
7- Realmente aborda o seu problema de negócios?
O verdadeiro teste de uma solução de inteligência de mercado é sua capacidade de ajudá-lo a resolver um desafio de negócio único, auxiliado pelas capacidades cognitivas dos computadores. Se você está tentando resolver problemas específicos, como determinar a probabilidade de perda de clientes, responder mais rapidamente a perguntas dos clientes ou identificar anormalidades em um raio X, e sua solução está apenas agregando dados e construindo um algoritmo, mas não deixa você mais próximo de resolver a questão, ela realmente não está cumprindo a promessa da IA.
A IA está preparada para a transformação digital em quase todos os setores. Eventualmente, a maioria das empresas poderia ser alimentada por IA. Mas, por hoje, é preciso discernimento cuidadoso para saber se o que você está obtendo é realmente IA. Vale a pena fazer sua lição de casa e fazer as perguntas difíceis ao selecionar ou criar uma solução para ajudá-lo a entrar na onda.
Fonte: Forbes, por Carlos Melendez
