A IA raramente é o ponto de partida

A inteligência artificial está a criar novas possibilidades para as organizações. Tarefas que anteriormente exigiam várias horas podem ser executadas em minutos, informação dispersa pode tornar-se mais acessível e atividades que dependiam exclusivamente da intervenção humana podem passar a beneficiar de diferentes níveis de automação.

É natural que estas possibilidades despertem o interesse das empresas. Mas há uma diferença importante entre reconhecer o potencial de uma tecnologia e compreender onde pode realmente acrescentar valor.

Muitas iniciativas começam com uma pergunta aparentemente simples: onde podemos aplicar inteligência artificial? Embora legítima, esta abordagem pode levar as organizações a procurar problemas que justifiquem a utilização da tecnologia, em vez de começarem por compreender as dificuldades que precisam de resolver.

A questão talvez devesse ser outra: que problemas, decisões ou atividades queremos melhorar e que papel poderá a tecnologia desempenhar nessa transformação?

Quando a tecnologia se torna o objetivo

A pressão para incorporar inteligência artificial nas organizações é compreensível. A evolução tecnológica é rápida, surgem constantemente novas aplicações e existe uma preocupação legítima em não perder oportunidades de competitividade.

Neste contexto, iniciar um projeto de IA pode ser interpretado como um sinal de inovação. Mas desenvolver uma demonstração tecnologicamente interessante não significa necessariamente criar uma melhoria relevante para a organização.

Um projeto-piloto pode demonstrar que determinada tarefa pode ser automatizada ou que um modelo consegue produzir resultados satisfatórios em condições controladas. No entanto, quando chega o momento de integrar essa capacidade na operação, podem surgir dificuldades que não foram consideradas inicialmente.

Quem vai utilizar a solução? Que processo terá de mudar? Quem será responsável pelos resultados? Como serão tratadas as exceções? E que benefício concreto se espera obter?

Quando estas questões permanecem por responder, o projeto pode terminar com uma demonstração bem-sucedida, mas sem continuidade operacional.

Isto não significa que os projetos exploratórios não tenham valor. Experimentar uma tecnologia para compreender as suas possibilidades pode ser uma decisão perfeitamente legítima. O importante é distinguir uma experiência destinada a produzir aprendizagem de um investimento que pretende gerar resultados operacionais.

São objetivos diferentes e devem ser avaliados de forma diferente.

Antes de experimentar, compreender o que queremos mudar

Um projeto de inteligência artificial deve começar por uma compreensão suficientemente clara da situação que se pretende melhorar.

Essa compreensão não exige necessariamente um diagnóstico extenso. Muitas vezes, basta observar um processo, conversar com as pessoas envolvidas e identificar onde se concentra o esforço, a dificuldade ou a perda de valor.

Há três perguntas que considero particularmente úteis nesta fase.

A primeira é perceber o que queremos que passe a acontecer de forma diferente. Pode tratar-se de reduzir o tempo necessário para preparar determinada informação, melhorar a consistência de uma análise ou permitir que uma equipa se concentre em atividades de maior valor.

A segunda é compreender o que terá de mudar na organização se a experiência funcionar. Uma solução tecnológica não existe isoladamente. Precisa de pessoas que a utilizem, processos que a incorporem e responsabilidades suficientemente claras para assegurar o seu funcionamento.

A terceira é definir como vamos avaliar o resultado. Antes de começar, importa identificar que evidência nos permitirá concluir se a experiência merece continuar, precisa de ser ajustada ou deve ser abandonada.

Estas perguntas ajudam a evitar que o entusiasmo com as possibilidades tecnológicas substitua a discussão sobre aquilo que realmente importa para o negócio.

Onde pode a inteligência artificial acrescentar valor?

Existem situações em que a inteligência artificial pode representar uma oportunidade particularmente interessante.

Uma delas ocorre quando as pessoas dedicam uma parte significativa do seu tempo a reunir, organizar e interpretar informação dispersa por diferentes fontes. Outra surge quando determinadas atividades exigem análises recorrentes, comparação de documentos ou aplicação consistente de critérios.

Também podem existir oportunidades em tarefas de comunicação, produção de conteúdos, apoio à pesquisa, identificação de padrões ou preparação de informação para decisões.

Em alguns destes casos, a IA pode reduzir esforço operacional. Noutros, pode melhorar a acessibilidade da informação ou permitir explorar possibilidades que anteriormente seriam demasiado demoradas.

Mas a existência de uma oportunidade tecnológica não significa que a sua implementação seja automaticamente vantajosa.

É necessário considerar a qualidade e disponibilidade da informação, a frequência da atividade, os custos de implementação e manutenção, os riscos associados aos resultados e a capacidade da organização para incorporar a mudança.

Há ainda uma distinção importante entre apoiar uma decisão e automatizá-la. Uma ferramenta que organiza informação e apresenta diferentes perspetivas pode criar valor sem substituir o julgamento de quem decide. Em determinadas situações, esta será uma abordagem mais adequada do que procurar automatizar integralmente o processo.

O objetivo deve ser encontrar a combinação entre tecnologia, conhecimento humano e organização do trabalho que produza melhores resultados.

A importância da informação e dos processos

Um dos obstáculos à implementação de soluções de inteligência artificial pode não estar na tecnologia, mas na forma como a organização gere a sua informação.

É possível que os dados necessários existam, mas estejam distribuídos por sistemas diferentes, sejam utilizados com significados distintos ou dependam de procedimentos informais para serem interpretados.

Nestas circunstâncias, introduzir uma nova ferramenta pode tornar mais visíveis problemas que já existiam, sem necessariamente os resolver.

Imagine-se uma empresa que pretende utilizar IA para produzir análises automáticas sobre a rentabilidade dos seus clientes. Se diferentes equipas utilizarem critérios distintos para imputar custos ou classificar receitas, a dificuldade principal não estará apenas na capacidade do modelo para interpretar os dados. Estará também na consistência da informação que lhe é disponibilizada.

A resposta poderá passar por clarificar conceitos, rever processos ou melhorar a integração entre sistemas antes de avançar para uma solução mais sofisticada.

Isto não significa que seja necessário esperar por dados perfeitos. Muitas experiências podem começar com informação limitada, desde que as suas limitações sejam conhecidas e compatíveis com o objetivo pretendido.

A questão essencial é perceber se a informação disponível permite produzir resultados suficientemente úteis e fiáveis para o contexto em que serão utilizados.

Experimentar de forma proporcional ao problema

A rapidez de experimentação é uma das oportunidades mais interessantes que as tecnologias atuais oferecem.

Em muitos casos, já não é necessário desenvolver uma aplicação completa para perceber se determinada ideia tem potencial. Pode começar-se com ferramentas existentes, um conjunto limitado de dados e um grupo reduzido de utilizadores.

Mas experimentar rapidamente não significa experimentar sem critério.

O âmbito deve ser suficientemente pequeno para permitir aprender com um investimento limitado, mas suficientemente representativo para revelar dificuldades que possam surgir numa utilização real.

Se o objetivo é apoiar uma atividade mensal, poderá ser necessário acompanhar pelo menos um ciclo completo. Se a utilização for diária, um período mais curto pode permitir recolher informação relevante. A duração adequada dependerá da natureza do processo, dos riscos envolvidos e daquilo que se pretende validar.

Também importa envolver desde cedo as pessoas que poderão utilizar a solução. Uma experiência conduzida exclusivamente por uma equipa técnica pode demonstrar capacidades interessantes, mas revelar pouco sobre a forma como a ferramenta será incorporada no trabalho quotidiano.

O sucesso de um projeto-piloto não deve ser medido apenas pela capacidade de produzir um resultado tecnicamente correto. Deve também considerar a utilidade desse resultado, a facilidade de utilização, o esforço de integração e as condições necessárias para uma eventual continuidade.

E, por vezes, o resultado mais valioso de uma experiência é descobrir que a solução inicialmente imaginada não é a mais adequada.

Quando a melhor solução não precisa de IA

Nem todos os problemas organizacionais exigem inteligência artificial. Alguns podem ser resolvidos através de uma definição mais clara de responsabilidades, da simplificação de um procedimento ou de uma melhor utilização das ferramentas que já existem.

Uma equipa que perde tempo a reconciliar informação pode precisar de integrar dois sistemas. Um processo que depende de sucessivas validações pode beneficiar de uma revisão das regras de aprovação. E uma dificuldade recorrente na circulação de informação pode resultar de responsabilidades que nunca foram suficientemente definidas.

Nestes casos, acrescentar uma camada tecnológica mais sofisticada pode aumentar os custos e a complexidade sem eliminar a origem do problema.

Também é possível que uma automação convencional seja mais simples, previsível e económica do que uma solução baseada em IA.

A decisão deve resultar da comparação entre alternativas, considerando o benefício esperado, o investimento necessário, os riscos e a capacidade de implementação.

Isto exige alguma independência na análise. Quando uma organização já decidiu que pretende desenvolver um projeto de IA, pode tornar-se mais difícil reconhecer que existe uma solução mais simples.

Mas identificar essa alternativa não representa um fracasso da inovação. Pode representar precisamente uma utilização mais inteligente dos recursos disponíveis.

Começar pelo problema, mantendo abertura à descoberta

Defender que a inteligência artificial raramente deve ser o ponto de partida não significa desvalorizar a exploração tecnológica.

Há situações em que conhecer uma nova capacidade nos permite identificar oportunidades que anteriormente não conseguíamos imaginar. A experimentação pode, por isso, anteceder a identificação de um problema específico, sobretudo quando o objetivo é aprender e explorar possibilidades.

O importante é não confundir essa descoberta com a justificação de um investimento operacional.

Quando procuramos melhorar uma atividade concreta, faz sentido começar por compreender como funciona, que dificuldades apresenta e que resultados pretendemos alcançar. A tecnologia entra depois nessa reflexão, como uma das alternativas possíveis.

Quando procuramos explorar o potencial de uma nova tecnologia, devemos assumir essa intenção e definir o que queremos aprender com a experiência.

Ambas as abordagens podem criar valor, desde que exista clareza sobre os seus objetivos.

Na Aetheris, interessa-nos sobretudo compreender como as organizações podem utilizar as possibilidades tecnológicas para desenvolver novas capacidades, melhorar decisões e resolver dificuldades reais.

Por vezes, isso poderá envolver inteligência artificial. Noutras situações, a resposta estará numa alteração de processos, numa melhor organização da informação ou numa solução tecnológica mais simples.

A tecnologia deve ampliar a capacidade da organização para resolver problemas, e não tornar-se um problema adicional que a organização precisa de gerir.