Ao longo da minha carreira como executivo de T.I. em companhias de todos os portes, nacionais e estrangeiras, no Brasil e no exterior, e sempre fiquei com um pé atrás em relação às inovações que geram muito "hype" ou, como gostamos de falar aqui no Brasil, muito oba-oba, muita fumaça. De fato, saber separar o que é fumaça daquilo que é importante nem sempre é fácil, mas ser o primeiro a mergulhar de cabeça em uma inovação também pode ser temerário.
Por estas razões consigo entender perfeitamente o ceticismo dos empresários para com a Inteligência Artificial (IA). De fato, nem mesmo as grandes empresas de tecnologia que provêm estes serviços parecem estar muito satisfeitas com os resultados dos seus (grandes) investimentos.
A Habilitação da IA
É sabido que treinar um algoritmo de IA consome muitos recursos computacionais e vastas quantidades de informações. É certo que a IA se beneficiou da ampla oferta de infraestrutura em nuvem. Sem ela não seria possível consumirmos grandes algoritmos como o Chat-GPT, o Dall-e e outros. A própria computação em nuvem padeceu da mesma desconfiança que acomete o uso da IA hoje. No início, trocar uma infraestrutura dedicada baseada em CAPEX e na qual se sabia perfeitamente onde os dados residiam por uma infraestrutura totalmente calcada em OPEX e sem domínio geográfico da localização dos seus dados era uma perspectiva assustadora, mas que hoje abraçamos sem muito questionamento. Afinal, os serviços disponíveis e amparados pela computação em nuvem nos trouxeram uma grande dose de comodidade, Hoje podemos assistir filmes que quisermos na hora e no dispositivo que desejarmos. Recebemos e-mails em celulares ou no computador com a mesma facilidade. Podemos iniciar uma planilha ou uma apresentação no computador da empresa e terminá-las no tablet, em casa, saboreando um bom vinho (comprado pelo eCommerce, claro).
Não é Fim, é Meio
Chavões à parte, assim como ocorreu com a computação em nuvem é preciso entender que a IA é uma ferramenta poderosa, mas que ainda carece de uma conexão com o mundo dos negócios de forma mais fluída. Atualmente poucos empresários pensam em comprar servidores ou storages próprios, preferindo manter tudo na nuvem. Aliás, a maioria nem se dá conta de que um dia já foi diferente. O que falta para a IA, então, conseguir o mesmo grau de aderência e relevância para as empresas que a computação em nuvem goza hoje? De maneira análoga ao que sucedeu com a adoção de nuvens, é preciso dar o primeiro passo. Pode ser um pequeno projeto baseado em Chatbot com IA, que é o caminho seguido pela imensa maioria, mas é preferível que se comece por um projeto mais palpável, ligado a problemas do dia-a-dia da empresa, que vá ajudar a disseminar a cultura da IA e com potencial de sedimentar a aplicação corriqueira da IA em melhorias de produtividade, aumento de previsibilidade e, por conseguinte, de receita.
Saia do Lugar-Comum
IA generativa, como o Chat-GPT, o Claude, o Gemini e outros é muito interessante, mas na minha experiência pessoal com a adoção da IA foram sempre os projetos mais focados em entrega de valor do que em inovação que têm sido os mais bem-sucedidos e responsáveis por trazerem um valor permanente para as empresas através da geração de uma cultura de IA.
Como exemplo eu gosto de citar uma ocasião em que criei uma equipe de IA em uma empresa aqui no sul, onde aplicamos algoritmos de machine learning à problemas de produtividade e de previsão de demanda com tal sucesso que hoje a equipe constitui uma área ligada ao CEO. Na época é claro que enfrentamos algumas dificuldades, indo desde a falta de mão de obra qualificada e falta de conhecimento técnico até a falta de infraestrutura adequada para treinar e correr os algoritmos, mas isto não nos impediu de seguir em frente. Teria sido mais fácil começar por um "chatbot powered by IA", que era o que todo mundo estava fazendo, mas nós pensávamos mais em criar conhecimento permanente do que em gerar inovação per se.
Ensinando a Aprender
Os algoritmos de machine learning já estão bastante maduros e podem ser empregados em uma ampla gama de problemas, valendo-se dos dados já existentes para aprender e predizer comportamentos. É uma boa forma de gerar valor com a IA, associando o machine learning às tarefas mais corriqueiras do dia-a-dia das empresas, mais ou menos como um potente auxiliar do Excel. A SAP, por exemplo, recentemente incorporou no seu ERP Financeiro a possibilidade de, usando os dados já existentes na base de dados do ERP, fazer previsões de orçamento e vendas usando algoritmos de machine learning básicos. Este é um passo importante, porque alavanca resultados sobre ativos já existentes na empresa. A Oracle, por sua vez, já há algum tempo incluiu na sua ferramenta de previsão de demandas uma camada de IA que analisa o passado buscando prever e sugerir mudanças no catálogo para o futuro, também alavancando ativos existentes.
Na COGИITIVA temos optado sempre por sugerir projetos e iniciativas de IA e ML aos nossos clientes que sejam focados nestes princípios: alavancar ativos existentes, incentivar o aprendizado, disseminar o uso de algoritmos no dia-a-dia das companhias e buscar a independência de fornecedor. Quem aprende a usar os algoritmos de machine learning, ainda que os mais básicos, agrega muito valor para a empresa e contribui para uma cultura de IA. É, na atualidade, quase tão essencial ao bom profissional quanto dominar o Excel.
Em resumo, para sair do lugar-comum de "IA é muito legal, mas..." procure o suporte de empresas como a COGИITIVA, foque em projetos de uso cotidiano ou em frentes que podem se beneficiar tremendamente de ganhos de produtividade ou da agilidade da obtenção de insights obtidos a partir dos seus próprios dados e preocupe-se em gerar, disseminar e preservar conhecimento em IA e ML na empresa. Você vai se surpreender positivamente!
*) imagem gerada por IA.
Comments