• Legal Bot

COMO A INTELIGÊNCIA ARTIFICIAL PODE AJUDAR NA TRANSFORMAÇÃO ORGANIZACIONAL SUSTENTÁVEL

Atualizado: 15 de jun.

A inteligência artificial é um campo em rápido desenvolvimento - e as organizações precisarão se adaptar com a mesma rapidez.




UM MAL ENTENDIDO DE IA


A economia da Inteligência Artificial (IA) ainda está em sua infância e provavelmente não é o que a maioria das pessoas pensa que é. A realidade é que a IA moderna é predominantemente um conjunto complexo de processos de Machine Learning (ML) algorítmicos orientados por matemática e estatística que exigem um processo de desenvolvimento de tecnologia disciplinado versus uma verdadeira “Inteligência Artificial”, como a mídia às vezes retrata. A IA não substituirá completamente os humanos tão cedo, mas já está começando a aumentar as capacidades humanas. No entanto, as habilidades de “IA/ML” são reais, avançam rapidamente e terão efeitos significativos nas organizações, nos negócios e na sociedade em geral.


A necessidade de as organizações começarem a desenvolver recursos essenciais e uma estratégia em torno dessa tecnologia emergente não pode ser enfatizada demais. A maioria das organizações provavelmente está em um processo de descoberta inicial. Eles podem estar experimentando a capacidade e ainda não entendendo completamente a abordagem necessária, muito menos desenvolvendo uma estratégia que permita que a IA/ML escale junto com sua intenção de negócios. A arquitetura organizacional exigirá uma recalibração para que o capital humano, ferramentas, processos operacionais e propriedade sejam alinhados e bem definidos.


Além disso, embora uma abordagem de cima para baixo não seja um requisito para o sucesso da IA, a liderança do topo da organização é um fator-chave para o processo de transformação.


Existem muitos equívocos, conhecimento inadequado e estratégias de IA incompletas em empresas em todo o mundo. Embora os esforços pontuais de IA tenham mérito, os executivos precisam ver o quadro mais amplo e avaliar o potencial de sustentabilidade das iniciativas de IA que consideram.


DESAFIOS DA IA NO LOCAL DE TRABALHO


Em muitas organizações, a aplicação de IA/ML levou a vários desafios:


  • Lacuna de conhecimento e estratégia – Existem lacunas entre o conhecimento executivo sobre o assunto e a estratégia referente ao financiamento, organização, operações e implementação em torno dos futuros roteiros de IA/ML.


  • Falha de comunicação - os esforços de IA/ML e a comunicação no nível executivo às vezes são inadequados, inconsistentes, descoordenados e atrasados.


  • Desejo de resultados imediatos - A transformação e o desenvolvimento da IA ​​não são fáceis e exigirão tempo e capital para transformações em larga escala. Executar um “experimento”, ou seja, construir seu primeiro modelo de produção para implantação, envolve muitas etapas, ferramentas e recursos que dificultam a garantia do ROI.


  • Qualidade dos dados - Os dados são fundamentais e as organizações precisam começar a abordar os problemas de ingestão, qualidade e governança de dados o mais cedo possível.


  • Ineficiências operacionais – Na maioria das organizações, as operações de desenvolvimento de IA/ML e de desenvolvimento de software não estão no mesmo nível de maturidade, causando atrasos no projeto e aumento no custo operacional.


  • Falta de escalabilidade – as iniciativas de IA às vezes são realizadas com base em projetos ou desenvolvidas para atender às necessidades de um único departamento.


  • Silos operacionais – As organizações não integraram suas iniciativas de IA, deixando as unidades de negócios para desenvolver abordagens sob medida.


As organizações estão tomando várias ações para enfrentar esses e outros desafios. Alguns estão achatando suas estruturas para melhor vincular a tecnologia às principais funções de negócios. As empresas estão equipando seus conselhos corporativos com membros experientes em tecnologia. Os Conselhos de IA foram estabelecidos para aumentar a clareza da comunicação entre as unidades organizacionais e descobrir áreas onde o valor operacional real pode ser identificado. Este conselho não é um conselho de governança, mas uma plataforma de compartilhamento de ideias e incentivo para impulsionar a comunicação.


Uma abordagem ampla da IA ​​em toda a empresa pode fornecer resultados com mais rapidez e eficiência. Ajuda a começar com projetos individuais e fontes de dados direcionadas para vitórias e provas. Mas, quanto mais cedo for desenvolvida uma visão coesa e bem integrada, melhor. Para aprimorar as operações de IA, a padronização precisa se tornar predominante. As plataformas estratégicas de desenvolvimento de IA/ML podem ajudar a padronizar as operações de maneira mais ampla e impactante.


A mudança para um mundo quantitativo, isto é, baseado em dados, para as indústrias está se tornando mais aparente e estratégica. As estatísticas da pesquisa abaixo destacam a importância da tendência e dos problemas mencionados acima:


  • 23x mais provável que a organização orientada a dados adquira clientes do que seus pares i.

  • 19x mais provável que a organização orientada a dados seja lucrativa i.

  • 6x mais provável que a organização orientada a dados retenha clientes do que seus pares i.

  • 90% dos dados foram criados nos últimos 2 anos (e outras estatísticas) ii.

Pesquisas contemporâneas ressaltam a necessidade de as organizações pensarem cuidadosamente na implementação e estratégia de IA/ML.




ALÉM DE UMA ABORDAGEM BASEADA EM SOLUÇÕES


Os desafios de IA precisam ser abordados com soluções de negócios em mente e muito mais. A atenção aos resultados e recursos de negócios deve ser direcionada para três áreas principais de aplicação de IA:


Melhor experiência do usuário/cliente: Assistentes pessoais como Siri e Alexa são um novo paradigma que muda a Interface Humano-Computador (HCI) para uma forma mais natural. As grandes empresas de tecnologia estão criando rapidamente novos padrões e arquiteturas para que a HCI baseada em voz se torne a norma do futuro, não apenas para funções simples de consulta na Internet, mas também para interação total com aplicativos. Esses assistentes já estão desempenhando um papel fundamental para muitas organizações que os integraram em suas ofertas de produtos e serviços.


Os sistemas de recomendação inteligentes agora são opções para qualquer fornecedor de varejo na Internet. Pense nas recomendações de produtos na Amazon ou sugestões de filmes que você pode gostar na Netflix. Essa capacidade depende muito de conhecer seu usuário, seus dados demográficos, comportamento em seu canal digital e informações de feedback, como “curtidas” e dados de pesquisa. Esse cenário ressalta a importância dos dados, da qualidade dos dados e dos dados do usuário em particular. As organizações precisam ser muito intencionais sobre a criação de uma base de análise para a ingestão e governança desses dados.


Outra área em que a experiência do cliente está mudando como resultado da aplicação de IA/ML é na autenticação. As soluções biométricas estão amadurecendo e ganhando adoção, sendo a biometria de voz a mais prevalente. Os clientes não precisam mais fazer uma série de perguntas de segurança, mas o sistema pode reconhecer e validar automaticamente a impressão de voz do cliente para fins de autenticação.


As grandes empresas de tecnologia estabeleceram o ritmo e o padrão e continuarão a fazê-lo. Os serviços de negócios e os canais voltados para o cliente em todos os setores precisarão atender ao mesmo nível de funcionalidade e IA que seus usuários e clientes estão experimentando em suas vidas diárias fornecidos pelas grandes empresas de tecnologia.


Eficiência de automação de processos: A automação de processos é uma clara oportunidade de eficiência para muitas organizações com sistemas legados e processos manuais de back-office implementados. Robotic Process Automation (RPA) é um excelente ponto de partida e oferece uma base para uma automação de IA mais avançada no futuro. Embora o RPA seja baseado em regras e não treinado em dados como IA/ML, quando implementado com sucesso, ele pode funcionar como IA básica, pois substitui o processamento humano simples. Isso pode trazer uma mudança cultural para as organizações, criando o impulso para uma maior automação de tarefas de processo via IA/ML, onde o julgamento humano não pode ser substituído por regras RPA programadas por humanos.


Existem muitas tarefas organizacionais que podem ser direcionadas para automação de IA, como consulta de voz e reconhecimento de imagem. Uma das maiores áreas de aplicação de IA está no processamento de documentos. Existem muitos processos em que a inteligência de nível humano é necessária para ler um documento semiestruturado ou não estruturado para extrair os principais dados para processamento posterior. A capacidade de processamento de linguagem natural (NLP) avançou ao ponto em que entidades chave (ou seja, nomes, datas, valores) e conceitos como cláusulas e disposições legais podem ser extraídos com alta certeza de maneira automatizada.


Há muitos ganhos de eficiência a serem obtidos na maioria das grandes organizações que podem liberar recursos de valor realizando tarefas “robóticas” para esforços de maior valor. A automação de processos digitais via RPA combinada com IA/ML tornou-se uma realidade e as organizações precisam começar a pensar em termos digitais primeiro, ou seja, se a tecnologia não puder realizar o processo, insira um humano no circuito.


Insights impactantes conduzidos por IA/ML: Antes dos avanços recentes em IA, apenas humanos podiam extrair insights importantes de documentos, imagens, entender voz ou interpretar uma entrada de arquivo de log de computador. Para fazer isso em escala, eram necessárias grandes equipes operacionais, que precisavam de um ROI significativo para o problema de negócios em questão. A IA agora fornece às organizações a capacidade de extrair insights dessas fontes de dados alternativas, fornecendo uma infinidade de oportunidades de negócios em potencial. Produtos e serviços novos e aprimorados são uma meta importante para muitas organizações em todos os setores e agora podem ser aprimorados para incluir insights dessas novas fontes de dados.


Os dados capturados no sistema de recomendação discutido na seção Experiência do cliente/usuário acima também podem ser aproveitados para uma compreensão mais holística dos clientes, às vezes chamado de cliente 360. Esses mesmos dados geralmente são usados ​​para segmentar usuários e combinados com outros formulários de dados uma base não apenas para mecanismos de recomendação, mas também permite recursos importantes de marketing, aquisição de clientes, vendas e retenção.


O risco é outra área ampla para adoção de IA/ML dentro da organização, desde segurança cibernética e risco de crédito até finanças e estratégia corporativa. As ferramentas modernas de segurança cibernética estão cada vez mais dependentes das técnicas de IA/ML para detecção de intrusão e são usadas para aumentar as equipes de segurança cibernética existentes. Dado o grande nível de tráfego da Web em sites modernos, estaria além da capacidade humana para uma equipe tentar manualmente vasculhar esses logs de eventos. No entanto, um sistema de IA/ML pode ser usado para procurar anomalias e alertar a equipe humana para a próxima melhor ação.


Quando as empresas usam a IA para soluções operacionais, isso afeta outras unidades de negócios, processos e sistemas. Os executivos precisam ver a IA não apenas em um ponto de vista baseado em soluções, mas em uma perspectiva mais ampla.


Mude da orientação da solução para a transformação sustentável: O uso direcionado de IA/ML para soluções de negócios ajuda no curto prazo, mas não o suficiente no longo prazo. As organizações precisam pensar maior e aspirar a uma transformação digital sustentável. A transformação precisa ser implementada estrategicamente em cinco temas principais:


Planeje o gerenciamento de dados: Qualquer organização que pretenda participar da economia digital deve começar a pensar em elementos fundamentais para ingestão e gerenciamento de dados.

Melhorar a coordenação multifuncional. Executivos e proprietários de produtos precisam entender claramente as lacunas entre as operações de desenvolvimento tradicionais (DevOps) e as operações de desenvolvimento de aprendizado de máquina (MLOps). Produtos e serviços baseados em aprendizado de máquina não devem ser tratados como projetos, mas produtos continuamente mantidos e monitorados com uma estratégia diferente de despesas de capital.

Foco no valor. As decisões de compra versus construção ainda são fundamentais e as organizações não devem replicar ou investir em recursos que a grande tecnologia e os fornecedores comoditizarão. Certifique-se de se concentrar em áreas que são de alto valor para sua organização com metas orientadas para os negócios.


Parcerias estratégicas: As startups e as grandes empresas de tecnologia estão em constante competição em busca de vantagens competitivas. Muitas startups estão oferecendo capacidade e funcionalidade de nicho líderes de mercado, mas a longo prazo podem ser excluídas ou adquiridas à medida que a grande tecnologia alcança e vê oportunidade. Nesse cenário, as organizações precisam ser estratégicas em relação às parcerias e enxergar as operações do negócio em uma perspectiva de longo prazo.


Monitore estrategicamente: Muitos fornecedores tradicionais estão incorporando recursos de “IA” em seus aplicativos ou afirmam estar. As organizações precisam ter uma maneira de avaliar essas declarações e monitorar o desempenho do produto em qualquer cenário de implantação.

A realidade é que a maioria das organizações ainda está nos estágios iniciais de sua estratégia e transformação de IA/ML. Há uma longa jornada pela frente na tecnologia, na aplicação de negócios e na operacionalização da mesma. Os esforços devem ser baseados em oportunidades de negócios claras com objetivos de propriedade e liderados por empresas e não em uma filosofia de “construa e eles virão”.


Ao iniciar sua jornada de transformação orientada por IA, as organizações precisam estar conscientes dos recursos, orientadas para a eficiência e orientadas para o futuro. Eles devem entender que o sucesso não é fácil e nunca um processo de uma única etapa. As empresas evoluirão em etapas e assumirão novas direções conforme necessário. Uma transformação organizacional sustentável é, em grande parte, entender que as tecnologias e os modelos de negócios mudarão rapidamente, mas avançar de maneira calculada e cautelosamente otimista pode fazer toda a diferença.


Este artigo é da California Review Management. , e foi escrito por por Mike Srdanovic e J. Mark Munoz.

10 visualizações0 comentário