Applied Artificial Intelligence - resenha crítica

O que os líderes empresariais precisam saber

Nossas autoras iniciam a presente obra demonstrando que a Inteligência Artificial da atualidade ainda é “fraca” ou “limitada”, uma vez que é projetada para cumprir tarefas específicas.

Apesar de poder derrotar a inteligência humana em determinadas tarefas, a IA falhará quando precisar resolver problemas fora dos parâmetros originais de sua programação.

Para ajudar os empreendedores a entenderem as diferenças funcionais entre as distintas abordagens da Inteligência Artificial, as autoras desenvolveram o “Machine Intelligence Continuum (MCC)”, que divide as iniciativas de IA em níveis crescentes de complexidade.

Partindo do nível mais baixo, temos: os sistemas que agem; os que preveem com base na análise de dados; aqueles que aprendem sem terem sido explicitamente programados para isso. Com efeito, já existem alguns exemplos de sistemas que são capazes de criar e de se inter-relacionar.

Os níveis mais altos são os chamados “Systems that master” (ou “Sistemas que dominam”, em tradução livre). Eles são capazes de construir conceitos abstratos e planos estratégicos a partir de dados esparsos.

Na atualidade, a IA ainda não realizou esse potencial. O nível final, portanto, seriam os “sistemas que evoluem”, denotando inteligência sobre-humana e recursos como alterar dinamicamente seu próprio design e arquitetura para se adaptar às mudanças ambientais.

A promessa da IA para o bem comum

A Inteligência Artificial já pode ser utilizada para mais do que aumentar a taxa de cliques em anúncios, agilizar vendas e aumentar os lucros das empresas. As soluções baseadas nessa tecnologia permitem combater injustiças sociais, resolver problemas coletivos urgentes e melhorar a qualidade de vida de todos.

Ademais, há benefícios óbvios nos diagnósticos médicos. Um bom exemplo da utilização do recurso para além das empresas pode ser encontrado na disponibilização de microcréditos agrícolas, que reduziram significativamente os índices de suicídio entre os pequenos produtores indianos.

Outro caso de sucesso reside no chamado “Relatório U” do Unicef (Fundo das Nações Unidas para a infância), que permite aos jovens de países em desenvolvimento relatarem injustiças sociais cometidas em suas comunidades.

Em ambas as situações, a Inteligência Artificial viabilizou a utilização de dados para alterar políticas públicas e realizar ações, em tempo real, que, literalmente, salvaram vidas.

Os desafios do preconceito e da discriminação

As autoras consideram alarmante a falta de diversidade na indústria de tecnologia. Elas encaram os dados e a própria tecnologia como intervenções humanas, portanto, idealmente projetados para refletir e promover os valores de nossa espécie.

Quando essas criações se tornam mais poderosas, expandindo sua infiltração na sociedade, devemos estar cada vez mais atentos à necessidade de construí-las para serem resistentes às consequências adversas e não intencionais.

Dito de outra forma, não podemos confiar cegamente na produção de sistemas automatizados sem, antes de tudo, verificar a precisão dos dados de entrada e dos processos decisórios.

Há incontáveis exemplos, muitos dos quais são longamente citados na obra, de ocasiões em que os preconceitos dos criadores de tecnologia foram “transmitidos” às suas criações.

O noticiário informa, quase todas as semanas, sobre ocorrências do tipo. Além disso, algumas grandes empresas de tecnologia, incluindo IBM e Apple, bem como governos nacionais e ONGs começaram a se manifestar sobre esse problema.

Vale frisar que a IA nunca teve a intenção de ser “má”. Nem sempre, contudo, intenções e ações se alinham: a probabilidade de pessoas más tirarem proveito da automação inteligente é de 100%.

Reflita sobre essa afirmação por um momento. Pense não apenas em ataques cibernéticos e sequestros de armas ou veículos autônomos, mas, também, em vigilância ilegal, anúncios, fake news e todas as formas possíveis de manipulação social.

Por esse motivo, é urgente que tenhamos políticas, governança e legislações bem definidas a respeito das implementações permitidas da Inteligência Artificial em nosso cotidiano – antes que seja tarde demais.

Princípios para evitar a má IA

Para superar esses desafios, é necessário colocar em prática 3 diretrizes oriundas do design colaborativo que evitarão a criação de Inteligências Artificiais nocivas. A primeira delas é construir produtos fáceis de usar para coletar melhores dados.

Isso não é um clichê: se os produtos que coletam informações para alimentar os sistemas de IA dificultam a interação dos usuários, as chances de obtermos dados incompletos, incorretos e comprometidos serão sempre muito elevadas.

Consequentemente, a tomada de decisões com base nesses dados será errônea ou falsa. Imagine o impacto desse fenômeno para a sua organização, a sua comunidade ou para você mesmo.

A segunda diretriz consiste em priorizar a experiência no domínio e o valor comercial sobre os algoritmos. Em outras palavras, não há valor em uma solução – por melhor que seja – para um problema que ninguém precisa resolver.

Você precisa de um design de UX (sigla inglesa para “experiência do usuário”, em tradução livre) atencioso, conhecimento de domínio e visão de negócios para fazer a diferença com IA.

A terceira diretriz consiste na qualificação de projetistas humanos em machine learning. Como afirmou Patrick Hebron, da Adobe: “as ferramentas levantam pedras. Pessoas constroem catedrais.”

Ou seja, a Inteligência Artificial pode simplificar as ferramentas que usamos sem limitar a nossa criatividade ou remover o nosso controle. Desse modo, é possível supor que artistas e gênios criativos sejam cada vez mais estimulados, produzindo coisas inimagináveis a partir da utilização da IA.

Agora que chegamos à metade da leitura, vamos acompanhar as autoras em suas reflexões acerca de temas centrais para a aplicação da Inteligência Artificial no cotidiano dos negócios.

Entre esses pontos, conheceremos os impactos da escassez de bons profissionais, a ilusão gerada pelos dados, o conceito de dívida técnica e a atual limitação da IA para cumprir funções empresariais.

Escassez de talentos

Encontrar talentos em IA é uma enorme dificuldade. Existem poucos cientistas da computação em todo o mundo. São ainda menores as quantidades de profissionais com a experiência necessária para construir sistemas de ponta.

Como se não bastasse, a maioria dos especialistas já trabalha em uma das seis maiores empresas de tecnologia. Os recém-formados e os demais com experiências limitadas de trabalho tendem a receber entre US$ 300 mil e US$ 500 mil por ano, além de benefícios e ações da empresa.

Dito de outra forma: boa sorte na atração de talentos em Inteligência Artificial antes do Google, da Amazon, do Facebook e outros líderes de mercado. Sem uma estratégia de recrutamento bem delineada, será impossível garantir a sobrevivência, a longo prazo, da sua empresa.

Estabelecer essa base requer um longo e duro trabalho. Similarmente, o recrutamento e a seleção não podem servir como pretextos para descuidar de outros setores essenciais, como a arquitetura técnica, o compliance e a gestão de pessoas.

Os dados não são a realidade

Essa lição é extremamente importante: os dados não podem ser confundidos com a realidade, uma vez que não passam de invenções humanas. Logo, eles, por si só, nunca encerrarão verdades fundamentais.

Nesse ponto, as autoras apresentam alguns erros comumente vistos nesse campo, como ter objetivos indefinidos e erros na delimitação, mensuração, captura, processamento, amostragem e inferência.

O maior de todos os erros é, evidentemente, aquele que ainda não conhecemos. Há incógnitas desconhecidas entre as nossas representações da realidade – sob a forma de dados – e o mundo.

Entretanto, no exemplo de uma consumidora que utiliza um produto digital, poderíamos saber algo sobre suas motivações (o desconhecido) por meio de uma pesquisa qualitativa.

Os leitores são alertados, também, contra a crença de que a IA pode resolver qualquer coisa. Mesmo os algoritmos perfeitamente implementados falharão sem as informações corretas.

É por isso que a exatidão, o recall (métrica usada para determinar a relação entre previsões positivas corretamente realizadas e todas as previsões que, de fato, são positivas) e a precisão são princípios que devem guiar a ação de todos os líderes de negócios.

Embora sejam conceitos complexos, é essencial conhecê-los a fundo para lidar satisfatoriamente com a Inteligência Artificial.

Dívida técnica: a parte “chata” da IA

A Inteligência Artificial pode começar limitada e se expandir com o tempo, mediante seguidas iterações (processos de repetição de uma ou de mais ações inseridas na programação de um dado dispositivo).

O conceito de dívida técnica é abordado sob a perspectiva de que escrever códigos representa, somente, uma pequena fração do trabalho de IA. A maior parte do tempo é consumida coletando dados, analisando informações e mantendo os modelos existentes.

É um trabalho árduo e enfadonho. Muitos especialistas em Inteligência Artificial odeiam fazer esse tipo de atividade, preferindo codificar novas soluções, ignorando a manutenção de seus projetos anteriores.

Nesse sentido, é fundamental priorizar arquiteturas centralizadas: empresas como Google, Facebook, Uber e Airbnb criaram o que chamam de sistema interno de “Machine Learning as a Service” (MLaaS – ou “Aprendizado de máquina como serviço”).

Essa solução reduz o tempo necessário (de meses a semanas) para levar os modelos de aprendizagem aos setores de produção. Em ambientes competitivos cada vez mais acirrados, essa é uma enorme vantagem.

IA para funções empresariais

Desde uma perspectiva corporativa, a Inteligência Artificial levanta informações relativas tanto aos obstáculos quanto às oportunidades. As empresas devem implantar as técnicas existentes, visando otimizar suas funções comerciais e operações diárias.

O mercado oferece vários produtos de IA que são ineficientes para quase todas as funções corporativas. Eles são muito bons em agilizar processos e assumir tarefas rotineiras, como acionar fluxos de trabalho.

Só para exemplificar o atual contexto, nossas autoras recorrem a um popular meme, segundo o qual, “a IA é como o sexo entre adolescentes: todo mundo fala sobre o assunto, mas ninguém sabe como fazer”.

Certamente, há alguma verdade nisso. Não obstante, há diversos exemplos de Inteligência Artificial aplicada em várias áreas, como finanças, contabilidade, setores jurídicos, compliance, business intelligence, recursos humanos, desenvolvimento de softwares, marketing, vendas, atendimento ao cliente, dentre outras.

Notas finais

Cumpre ressaltar, por fim, que as autoras acreditam que a IA será tão onipresente quanto a internet, os e-mails e os dispositivos móveis, tanto nas empresas quanto na sociedade em geral.

Mas, infelizmente, segundo elas, se tornou “moda” utilizar Inteligência Artificial sem qualquer conhecimento ou experiência sobre o assunto. Elas alertam os leitores para que não considerem que, apenas por utilizar essa solução, suas empresas se transformarão repentinamente.

Em vez disso, é altamente recomendável pensar a longo prazo. Isto é, trabalhar com afinco na arquitetura de dados, na governança das informações e, sobretudo, no comprometimento executivo de sua utilização.

Dica do 12min

Gostou do microbook? Então, leia também Transformação digital e saiba como redesenhar os seus negócios, preparando-os para essa nova era.