Como a inteligência artificial e os dados podem criar valor para as empresas

A inteligência artificial transformará muitas empresas e criará negócios completamente novos. O cofundador da Coursera, AI Fund e Landing.AI compartilha sua perspectiva sobre como as empresas podem se beneficiar da IA.

A inteligência artificial (IA) é algo altamente inovador. Mas como as empresas encontram a expertise necessária para utilizá-la e implementá-la no mercado? Neste vídeo, gravado no Aspen Ideas Festival, em junho, Andrew Ng, cofundador da Coursera, AI Fund e Landing.AI, discute a diferença entre uma empresa com capacidades de IA e uma empresa verdadeiramente baseada em AI, e fala sobre como as empresas podem organizar, obter e utilizar a inteligência artificial para gerar valor.

Vídeo

Como IA pode criar valor para as empresas neste momento?

Quase todo o valor econômico criado por IA ocorre por meio de um só tipo de tecnologia, que aprende inputs, outputs ou talvez mapeamentos A-para-B como, por exemplo, quando você recebe um e-mail e o sistema informa se ele é ou não um spam. No caso de reconhecimento de fala, você insere um arquivo de áudio e obtém a transcrição do texto. No caso de tradução automática, você digita uma frase em inglês e recebe uma frase em chinês. No caso de um carro autônomo, as imagens disponíveis à sua frente são processadas e analisadas, e o resultado é o posicionamento dos outros carros em relação ao seu.

O que mudou em IA nos últimos anos?

As ideias técnicas, em sua maioria, já são conhecidas há muitas décadas, porém foi apenas recentemente que acrescentamos um poder computacional suficiente e dados a essa forma de IA para fazê-la funcionar realmente bem. Para esse tipo de mapeamento A-para-B, o termo técnico é aprendizado supervisionado. Essa ideia única, por si mesma, é suficiente para transformar várias indústrias.

Qual é o impacto de IA na automação?

Pense em automação como um esteroide. Até pouco tempo, podíamos automatizar algumas coisas com computadores. Graças à recente ascensão da IA, em especial o aprendizado supervisionado e machine learning, o conjunto de coisas que sabemos automatizar ficou muito maior.

Qual é o próximo conjunto de tecnologias de IA a surgir?

Na literatura de pesquisa sobre IA, falamos muitas vezes de aprendizado não supervisionado que, em termos simplificados, quer dizer deixar a IA olhar o mundo e descobrir coisas sozinha.

Às vezes falamos em transferência de aprendizado, ou seja, você aprende a fazer uma coisa e usa esse conhecimento para também fazer uma outra coisa.

Falamos também em reforço de aprendizado, que é algo semelhante ao que fazemos ao ensinar um cachorrinho. O cachorro faz uma coisa boa e dizemos “muito bem”. Se ele fizer algo ruim, dizemos “assim não”. Com o tempo, o cachorro descobre o que ele fez certo e o que fez errado, e esperamos que ele acerte cada vez mais.

Eu diria que, de todas essas categorias, o aprendizado supervisionado é o que está claramente criando valor. Creio que algumas das outras categorias, como algoritmos e raciocínio, bem como sua aplicação nos negócios, ainda estão em estágio incipiente.

Vídeo

O que significa tornar-se uma empresa com capacidades de IA?

Na minha opinião, IA irá gerar uma transformação em um grande número de empresas e até o surgimento de novos tipos de empresas. Atualmente, temos entidades chamadas empresas de Internet. A principal característica que define uma empresa de Internet não é o fato de ela operar um website. É o fato de a empresa toda ter sido arquitetada para alavancar as novas capacidades proporcionadas pela Internet.

Com a ascensão da IA, ainda estamos tentando descobrir como estruturar as empresas para alavancar as capacidades de IA. Da mesma forma que a construção de um website não é suficiente para criar uma empresa de Internet, uma pitada de machine learning também não cria uma empresa de IA.

Como a IA afeta a forma como as empresas se organizam?

Nossas antigas descrições de cargos – engenheiro, gerente de produto, designer – estão em colapso. Para exemplificar, se você olhar qualquer app móvel, provavelmente houve um gerente de produto que desenhou um diagrama simplificado chamado wireframe para desenhar aquele app. Mas se você olhar o carro autônomo, verá que não é necessário ter um wireframe para esse veículo. Simplesmente não faz muito sentido. Dessa forma, estamos inventando processos e fluxos de trabalho totalmente novos para a era da IA.

Como uma empresa pode encontrar e desenvolver talentos de IA?

Hoje em dia, talentos de IA são raros – o fato é que não existem talentos e engenheiros de IA suficientes. Mais escassa ainda talvez seja a capacidade de aplicar a tecnologia de IA no mercado. Para muitas empresas, a saída mais promissora poderia ser contratar um líder forte de IA e construir uma divisão centralizada de IA para usar como matriz para as diversas unidades de negócio.

Outro fato que tenho observado - e que é realmente eficaz em algumas organizações - é fazer com que os executivos enviem uma mensagem muito clara explicando que o desenvolvimento dos funcionários é valorizado.

Devido ao aumento da educação online, creio que está havendo uma disseminação muito rápida de talentos de IA. Existem milhares de recursos na Internet, e usar recursos como esses para aumentar o nível de todo o quadro de funcionários poderia tornar a organização toda mais eficaz para possivelmente trabalhar com uma organização de IA centralizada.

Qual é a relação entre digitalização e IA?

Acredito que veremos algumas ondas em muitas indústrias. A primeira é a onda da digitalização, quando transformamos o analógico, ou o que não estava computadorizado, em digital. A revolução da digitalização, em muitas indústrias, ocorre primeiro e cria dados digitais.

Depois disso vem a ciência de dados, onde é possível obter mais insights, juntamente com IA, porque somente após ter dados digitais que IA pode entrar em cena com muita eficiência para usar esses dados e criar valor.

Vídeo

Como as empresas de IA pensam sobre estratégia de dados e concorrência?

Creio que as verdadeiras organizações de IA são muito mais sofisticadas, muito mais estratégicas em termos de aquisição de dados. Para dar um exemplo, já lancei um produto em uma região para adquirir dados e depois levá-los para uma próxima região. Mas não monetizamos nada disso.

Se você conseguir dados suficientes para lançar um produto suficientemente bom, isso permite entrar em um ciclo de feedback positivo em que os seus usuários ajudam você a gerar mais dados. Mais dados tornam o produto ainda melhor e, portanto, você terá mais usuários. O ciclo de feedback positivo permite a você acumular dados e, dessa forma, após alguns anos talvez você possa ter um negócio bastante viável.

Atualmente, por exemplo, os grandes mecanismos de busca na Internet têm um ativo de dados incrivelmente valioso sobre em quais páginas da Internet as pessoas clicam quando pesquisam determinadas coisas. Esse ativo de dados tem um valor enorme para construir um bom mecanismo de busca na Internet.

Podemos considerar todos esses dados e monetizá-los em um lugar totalmente diferente. As organizações sofisticadas de IA estão, sem dúvida alguma, jogando uma longa partida de xadrez e elaborando um planejamento estratégico de vários anos para tirar pleno proveito da aquisição de dados.

Somente as maiores empresas tecnológicas podem competir com base nos dados?

Há tantos dados no mundo que, na minha opinião, nenhuma empresa hoje tem uma estratégia razoável para adquirir a maioria dos dados valiosos. De fato, os dados tendem a ser mais valiosos no vertical onde foram coletados ou onde serão aplicados.

Na verdade, há muitas oportunidades tanto para equipes de tamanho médio como para empresas maiores, e até mesmo para pequenas startups, usarem IA para atacar novos verticais.

Como as empresas de IA organizam os dados?

As empresas de IA tendem a organizar melhor os dados. Dessa forma, ao colocar os dados em um depósito centralizado, engenheiros ou software poderão explorar esses dados de forma mais eficiente. Em vez de conjuntos de dados federados ou distribuídos, preferimos reunir dados devido ao seu “poder explosivo” – uma grande quantidade gera um big bang.

Sobre o(s) autor(es)

Andrew Ng é cofundador da Coursera, AI Fund, Landing.AI e Google Brain. É professor adjunto da Stanford University e foi cientista-chefe da Baidu. Essa entrevista foi conduzida por Michael Chui, sócio do McKinsey Global Institute no escritório da McKinsey em São Francisco.

Related Articles