Este é um assunto que torna-se, a cada dia, mais relevante: as empresas precisam estar preparadas para pensar de maneira muito diferente quando se trata de IA, determinando por que e onde implementá-la com uma análise que aborde temas como preconceitos e considerações éticas.
Infundir inteligência artificial (IA) nas operações de negócios é mais do que implementar novas tecnologias. A IA é uma capacidade fundamental que as empresas podem usar para criar experiências melhores, produtos mais inteligentes e processos mais inteligentes.
Aplicar uma lente humana à IA ajuda as empresas a determinar onde e o que automatizar e garantir que a ética e o preconceito sejam abordados desde o início, para que possam obter melhores insights.
Ética, Governança e Negócios
A união de uma estratégia de negócios sólida com um comportamento ético sólido e uma governança apropriada permite que as organizações atinjam os objetivos de negócios sem violar os padrões éticos.
À medida que as empresas desenvolvem estratégias de IA, a ética é fundamental. Não é apenas uma boa política de negócios, mas também ajuda a proteger a organização contra o intenso escrutínio do uso da IA pelas corporações. Infelizmente, menos da metade de todos os executivos pesquisados em um estudo recente da Cognizant disse que as considerações éticas desempenham um papel crítico ou significativo quando sua empresa desenvolve e emprega IA. No entanto, cerca de dois terços deles disseram que a IA é muito ou extremamente importante hoje, e 8 em cada 10 acreditam que será em três anos.
Embora os executivos acreditem que a IA oferece benefícios significativos, como custos mais baixos, aumento de receita e tempo de lançamento mais rápido, há uma desconexão quando se trata de implementação.
A adoção da IA ainda está em sua infância, e muitas empresas não têm um foco estratégico para integrar a IA ao núcleo do negócio.
Não existe uma solução de IA de tamanho único. Cada caso de uso requer diferentes ferramentas, algoritmos e um processo de treinamento exclusivo. E cada aplicativo deve ser avaliado com base no problema de negócios que pretende resolver e no resultado desejado – não apenas nos recursos de tecnologia.
Seguir as cinco etapas descritas abaixo pode ajudar as organizações a desenvolver uma estratégia de IA eficaz que cumpra os padrões éticos e alcance os objetivos de negócios.
Educar, experimentar, avaliar, estabelecer prioridades e explorar
Educar sua organização sobre as implicações da IA e como isso afetará suas carreiras e a maneira como eles realizam seus trabalhos. Use princípios de gerenciamento de mudanças para ajudar as pessoas a entender o quadro geral e como elas se encaixam nele.
Essa abordagem centrada no ser humano melhorará o sucesso dos esforços de IA e deve ser integrada ao processo desde o início. Enquanto outras implementações de tecnologia se concentram no gerenciamento de mudanças durante a fase de adoção, a IA exige conscientização desde o início, porque muda fundamentalmente o papel que os humanos desempenham em suas organizações e como eles fazem seu trabalho.
Os papéis são redefinidos à medida que a IA auxilia os humanos e melhora seu desempenho. Em call centers, por exemplo, a IA pode efetivamente resolver questões básicas dos clientes, liberando os representantes do call center para serem consultivos e aconselhar os clientes em assuntos mais complexos.
Experimentar continuamente e lembre-se de que não se trata apenas da tecnologia, mas das implicações da tecnologia nas pessoas – portanto, aborde a experimentação de uma perspectiva humana.
As empresas precisam adotar uma abordagem de aprendizado rápido à medida que pilotam, aprendem e dimensionam.
É importante ter a mentalidade de que o fracasso é bom, e há lições a serem aprendidas quando um experimento falha. Mesmo um piloto de IA bem-sucedido nem sempre levará à implementação se houver problemas éticos, os benefícios comerciais não forem grandes o suficiente ou a escalabilidade não for realista.
Por exemplo, a Microsoft encerrou seu experimento Tay imediatamente quando a IA começou a twittar mensagens racistas com base em dados tendenciosos. Embora o experimento tenha sido considerado um fracasso, provou que ter uma equipe humana focada na identificação de comportamentos antiéticos levou a uma ação corretiva imediata.
As organizações precisam de dados livres de preconceitos e dos quais a IA possa aprender padrões e uma infraestrutura de tecnologia capaz de processar grandes volumes de diferentes tipos de dados. A IA requer uma visão holística dos dados para entender seus vieses inerentes.
Como a IA é baseada em dados e padrões históricos de treinamento, ela deve ser estruturada para diferenciar os dados bons dos ruins. É aí que entra a intervenção humana. Os humanos fornecem dados e o contexto geral e o monitoramento de bons e maus comportamentos.
Isso permite que a IA se corrija ao longo do tempo, de modo que emula o comportamento apropriado e evita o mau comportamento. É importante equilibrar a experimentação com um mecanismo à prova de falhas – normalmente humano – que pode rapidamente fechar um experimento caso o viés crie qualquer tipo de violação ética.
Avalie os resultados de um piloto para determinar se faz sentido passar para a próxima fase ou parar se o custo-benefício não estiver alinhado. Parar um piloto e passar para outro é comum, dada a curta janela de desenvolvimento da IA.
Um experimento típico de IA pode estar funcionando em quatro semanas e um piloto implantado em quatro a oito semanas, portanto, se um piloto for encerrado, outro poderá ser implantado rapidamente. A maioria das empresas mantém uma lista de pilotos para explorar, para que estejam prontas para serem implantadas quando um piloto anterior for encerrado.
Para se preparar para os rápidos ciclos de desenvolvimento da IA, as organizações precisam de acesso a novas tecnologias e técnicas, um ambiente de nuvem aberta para experimentar e parcerias que forneçam acesso a tecnologias de IA continuamente avançadas.
Além disso, as regulamentações governamentais relacionadas à conformidade e responsabilidade podem afetar os esforços de IA, portanto, é importante entender e acompanhar as regulamentações.
Por exemplo, à medida que os veículos autônomos se tornam populares, quem será responsável em caso de acidente, o fabricante do carro ou a empresa que criou a IA? As implicações de novos mandatos regulatórios, como os Regulamentos Gerais de Proteção de Dados ou os Regulamentos de Privacidade da Califórnia, podem afetar a IA. No entanto, os reguladores em todo o mundo estão atualmente trabalhando em uma estrutura que equilibre ética, preconceito, privacidade e criatividade.
Estabeleça prioridades para os esforços de IA à medida que o papel que a IA desempenha aumenta. Antes de embarcar em iniciativas de IA, primeiro determine quais projetos oferecem mais valor comercial e se são tecnicamente viáveis.
Por exemplo, uma empresa farmacêutica especializada queria que seus gerentes de atendimento ao paciente entendessem melhor as interações medicamentosas e os efeitos colaterais experimentados pelos pacientes. Os gerentes tradicionalmente passavam algum tempo anotando quando os pacientes ligavam com queixas e não se concentravam em identificar sinais de que um paciente pudesse estar inclinado a parar de tomar um medicamento.
A aplicação de aprendizado de máquina, inteligência assistida e automação forneceu contexto aos gerentes de serviços ao paciente e os liberou para se concentrarem na compreensão da experiência do paciente, criando empatia e fazendo sugestões para ajudar a manter os pacientes nos regimes de medicamentos necessários, aumentando assim o valor comercial.
Explore as áreas em que os esforços de IA serão mais eficazes à medida que você continua desenvolvendo a IA como um recurso principal. A IA pode ser incorporada em todas as interfaces em funções como atendimento ao cliente, fabricação, produção e P&D, bem como em todas as linhas de negócios, para melhorar a produtividade, melhorar a experiência do cliente, reduzir fraudes e criar produtos mais inteligentes.
Quando a IA pode não ser a resposta
Por mais benéfica que a IA seja, a automação nem sempre é a resposta. A transformação digital ainda precisa ser centrada no ser humano para ser mais eficaz.
Por exemplo, no caso de fraude de cartão de crédito, os consumidores são receptivos às ligações dos departamentos de fraude, porque isso diz respeito à sua segurança financeira. Ao automatizar esse processo, os bancos perdem a oportunidade de os agentes de call center construírem o relacionamento que solidifica a confiança do cliente. Em vez de automatizar o processo de fraude, os bancos podem aproveitar a IA para ajudar os agentes a ter conversas mais significativas com os clientes que aprimoram a experiência, criam fidelidade e melhoram a retenção.
Desde determinar por que e onde implementar a IA até abordar preconceitos e considerações éticas, as empresas precisam estar preparadas para pensar de maneira muito diferente quando se trata de IA. Nenhuma organização abordará a IA da mesma forma, mas seguir as etapas descritas aqui ajudará a otimizar os resultados dos negócios.
Comments