Autor: Eduardo Fagundes

Projetos de inteligência artificial (IA) requerem objetivos claros e hipóteses consistentes. A partir destas premissas buscam-se o insumo básico para o sucesso dos projetos, os dados. Os objetivos dependem de perguntas inteligentes e sofisticadas. Perguntas simples podem ser respondidas com pouca sofisticação estatística e financeira. O MS-Excel e ferramentas de BI (Business Intelligence) são suficientes para análises exploratórias de dados. Entretanto, estas análises podem deixar escapar informações importantes. Uma pequena mudança de valores em determinadas variáveis pode alterar, significativamente, um resultado. Isto deve-se aos pesos entre conexões em uma rede neural que estabelece o algoritmo de um processo para um determinado resultado. Uma peça fundamental neste processo é o fator humano. Como elaborar as perguntas certas para buscar as respostas usando inteligência artificial?

Uma pesquisa da revista Computerworld Brasil com 100 líderes de TI em 2017 mostra que 70% dos entrevistados investirão em provas de conceito em Inteligência Artificial em 2018 e que 75% consideram que o papel da TI é ser facilitadora da inovação, embora 53% afirmem que as principais fontes de inovação estão nas áreas de negócios. A principal prioridade da área de TI é implantar atualizações de software e projetos. A primeira prioridade das áreas de negócios é a eficiência operacional, segundo a pesquisa.

Esta pesquisa não deixa claro como será o processo de introdução de IA nas empresas. Se a TI irá investir em provas de conceitos, mas é apenas facilitadora e mais da metade entende que as fontes de inovação são as áreas de negócios, pode-se inferir que serão formadas equipes multidisciplinares para testar a eficiência de projetos de inteligência artificial. O foco, provavelmente, será buscar a eficiência operacional para estar em linha com os objetivos das áreas de negócios.

Vamos estabelecer a premissa que as provas de conceito sejam para buscar eficiência operacional dos processos das áreas de negócios. Quais seria a pergunta central inteligente?

Provavelmente, a pergunta seria como eliminar erros nos processos. Neste caso, o uso de inteligência artificial só é recomendado se o processo for complexo, com muitos agentes e interdependências entre processos. Será necessário compreender todos os processos e colapsar todos os dados no sistema de IA através de APIs, acessos a diferentes bases de dados e sistemas de coleta de dados dos dispositivos de IoT (Internet of Things). A aprovação de uma prova de conceito envolvendo todos estes elementos será um desafio adicional.

Provavelmente, para buscar eficiência operacional seja mais rápido e barato utilizar as ferramentas tradicionais de qualidade total (TQM) e outras que precederam o Six-Sigma.

Então, que tipo de pergunta inteligente a ser respondida através do uso de inteligência artificial?

Existem várias, dependendo da área de atuação da empresa. O importante, é ter um conjunto de dados significativos, ter profundo conhecimento do processo e ter uma hipótese que será possível resolver um problema pontual de forma rápida, barata e com eficiência.

Um exemplo seria, como identificar de forma rápida e barata com eficiência um determinado tumor em radiografias? Neste caso, existem os dados (milhares de fotos), existem os especialistas (os médicos) e já existem algoritmos testados que podem ajudar na identificação de determinados tumores.

Como as áreas de TI entendem que são apenas facilitadoras e as oportunidades estão nas áreas de negócios, será necessário esclarecer os executivos das áreas de negócios sobre as possibilidades de sistemas de inteligência artificial e através de workshops buscar projetos pontuais para executar as provas de conceitos. Os projetos devem ser pequenos e mostrar resultados de grande eficiência para servir de exemplo e motivação para outras áreas na empresa.

Uma empresa para ter sucesso e longevidade precisa estar inserida no contexto global, interagindo com as demais. Isto significa que as decisões internas devem estar em sintonia com as decisões do mercado. Estas decisões não são pessoais, fazem parte de uma lógica estatística. O livro “A Física de Wall Street” (Weatherall, 2013) mostra que o mercado de ações funciona dentro de uma lógica matemática. Os artefatos de inteligência artificial podem capturar esta lógica e direcionar as decisões dos executivos. Isto nos faz rever o coaching profissional tradicional e suas técnicas analógicas de aconselhamento de carreira e tomadas de decisão.

Existem várias modalidades de coaching, entre elas: self-coach; leader coach; e, professional coach. Para cada existe uma conduta e ser seguida pelo “coach” para o seu “coachee”, incluindo testes e entrevistas para conhecer as oportunidades de melhoria de desempenho.

Uma vantagem de um processo de coaching com um profissional habilitado é a transferência da experiência profissional e o emprego de técnicas que ajudam a estruturar um processo de melhoria de desempenho, tanto de executivos como para equipes.

A competitividade das empresas é medida pelos acertos de suas decisões. Hoje as decisões estão cada vez mais apoiadas em sistemas de inteligência artificial, que pode chegar a conclusão que o sucesso de uma empresa é devido a decisões pouco convencionais de determinados executivos.

O risco de um programa de coaching para executivos “não-convencionais” é tentar “normaliza-los” para o que se entende de boas práticas de gestão e quebrar o fluxo de decisões que garantem o sucesso da empresa.

Analisando as decisões das empresas a partir de múltiplas entradas de dados é possível conhecer os movimentos do mercado, assim como os algoritmos que preveem o comportamento das ações das empresas de Wall Street. Uma rede neural tem esta habilidade, atribuindo pesos para cada conexão, identificando quais são os dados mais relevantes nas tomadas de decisão, mesmo que não sejam percebidos pelos próprios tomadores de decisões.

O processo tradicional de coaching não consegue identificar todos os elementos necessários para tomadas de decisão eficientes e podem eliminar os elementos que estão dando certo para uma empresa. Por exemplo, a avaliação 360° procura identificar as seguintes características de um profissional: liderança; paixão/vontade; flexibilidade; disponibilidade/disposição; integração; colaboração; organização; ética; produtividade; e, aptidão técnica. A técnica consiste em perguntar para diferentes pessoas de diversos níveis hierárquicos sua opinião sobre estas características de um executivo. A questão é que estas características são subjetivas e carregam uma boa dose de expectativas individuais e da cultura da empresa. Baseado nesta e outras técnicas é identificado pontos de melhoria de desempenho para este executivo.

Em um movimento de transformação empresarial para ajustar uma empresa a nova realidade tecnológica e de mercado, técnicas analógicas não ser eficientes e retardam a identificação das reais necessidades de transformação de uma empresa.

O novo cenário tecnológico e de negócios coloca um novo desafio para os profissionais de coaching que devem agregar qualificações para trabalhar com artefatos de inteligência artificial para continuar com a sua importante missão de ajudar profissionais e empresas.

As empresas são guiadas por hábitos organizacionais de longa data, padrões que muitas vezes surgem das decisões independentes de milhares de empregados. Esta é a conclusão de dois pesquisadores, Nelson e Winter, que examinaram como as empresas funcionam, arrastando-se por pântanos de dados antes de chegar a sua conclusão central: “Boa parte do comportamento de uma empresa”, eles escreveram, é melhor “entendida como um reflexo de hábitos gerais e orientações estratégicas provenientes do passado da empresa”, e não como “resultado de uma pesquisa detalhada dos ramos remotos da árvore de decisões”. Isto significa que os executivos não conhecem as decisões que são tomadas nas empresas.

Uma empresa funciona através de acordos informais entre as áreas de negócios, onde os funcionários cedem em algumas posições para que a empresa funcione. Uma empresa se burocratiza e as pessoas começam a defender posições quando ela se hierarquiza. A partir do momento em que surge um dono de uma caixa organizacional e seu grupo de apoio, eles passam a defender posições para se proteger e conquistar seus objetivos, independente dos resultados gerais da empresa.

Entretanto, eles sabem que se não cederem em alguns pontos seus objetivos não serão alcançados. São construídas e adotadas por todos algumas regras informais para o bom convívio entre as áreas, o que faz a empresa atingir seus objetivos. Muitas vezes, estas regras não são descritas formalmente, porém são tão fortes que definem o perfil da empresa.

Uma alternativa para melhorar a produtividade de empresa é enxerga-la através dos dados. Se tivéssemos todos os dados de todas as áreas colapsados em um banco de dados poderíamos analisar suas relações e através do histórico de eventos fazer análises preditivas. Isto cria a possibilidade de rever processos e hábitos operacionais informais.

O desafio é coletar os dados. Muitas decisões são tomadas com poucos dados estruturados, plotados em MS-Excel, que são ajustados de acordo com a conveniência dos objetivos de cada área de negócio. Os ERPs (sistemas integrados de gestão) apenas tangenciam as rotinas informais por automatizar rotinas operacionais aceitas, por conveniência, por todas as áreas envolvidas no processo. Não capturam as regras enviadas por e-mails e decisões tomadas em reuniões e transmitidas verbalmente pelos gestores.

Estruturas fortemente hierárquicas têm dificuldade para inovar e perceber mudanças no mercado, pois se consumem nas rotinas informais internas. Quem observa de fora acaba enxergando oportunidades e, se for um empreendedor, cria uma startup para preencher o espaço deixado pelas empresas já estabelecidas. Empresas mais atentas a este fenômeno promovem dinâmicas para estabelecer mais vínculos informais entre as áreas de negócios, com a intensão de criar mais acordos informais, incentivar a inovação aberta, com o lançamento de desafios para encontrar soluções “fora da caixa”, e aumentando a digitalização de seus processos e coletando dados não estruturados para análises.

Concluindo, o primeiro passo para aumentar a produtividade de uma empresa é os executivos terem consciência que não dominam todas as decisões da empresa. Devem estar alinhados com os objetivos gerais da empresa e não apenas de sua área de negócios. Devem promover a interação entre os funcionários de diferentes áreas para criar acordos informais. Devem investir na inovação aberta, criando desafios para Universidades e fornecedores. E por fim, investir na digitalização de todos os processos da empresa e usar ferramentas analíticas para descrever o funcionamento da empresa.

A nova geração de empresas cria e atende as novas necessidades dos consumidores. São empresas criadas por empreendedores que vivem a nova economia, usam tecnologias recentes e estão engajados com questões socioambientais. Por definição quebram paradigmas ainda enraizados nas empresas tradicionais. Estes empreendedores enxergam o mundo através de dados. Tecnologias como Big Data, IoT e Inteligência Artificial (Machine Learning e Redes Neurais Artificiais) são ferramentas comuns e usadas desde a concepção da startup. Isto eleva a importância dos dados, inserindo novas ferramentas para as tomadas de decisão e automação de processos. Isto cria um enorme desafio para a transformação das empresas já constituídas. Ou seja, a transformação digital não é para todos!

A transformação nos negócios fica evidente nos serviços que são oferecidos pelos grandes provedores de serviços de Cloud Computing, como o Google Cloud, Amazon Web Services, Azure da Microsoft e outros.

Participei do evento Google Onboard em São Paulo com mais de 4.000 participantes no Allianz Park (Estádio de futebol do Palmeiras). A animação e conhecimento dos participantes nas novas tecnologias mostrou que temos várias oportunidades de novos negócios no Brasil. O desafio é tirar as pedras do caminho para tornar mais fácil a criação de startups.

Várias empresas implementaram programas de apoio a startup, como o Itáu com o Cubo, o Bradesco com o InovaBra, a Porto Seguro com a Oxigênio entre outras. Existem programas governamentais de incentivo a pesquisa como o PIPE da Fapesp e a obrigatoriedade de investimentos em P&D das empresas do setor elétrico.

A Google tem um programa de apoio a startups que libera serviços na sua plataforma durante um ano no valor de US$3.000 para desenvolvimento de novas soluções em nuvem.

Os provedores de Cloud Computing estão disponibilizando serviços de fácil uso (user friendly), simplificando tarefas complexas que antes só empresas com grande capital poderiam investir no desenvolvimento. Big Data e Analytics são exemplos de implementação fáceis. Hoje, os serviços são tão fáceis de uso que não exigem especialistas para a implementação.

O serviço BigQuery do Google permite que análise de dados por meio da criação de um data warehouse lógico a partir do armazenamento gerenciado em colunas de objetos e de planilhas. Em um teste, um dataset de 250GB foi lido em 3,3 segundos!

Machine Learning está seguindo o mesmo caminho. O serviço Google ML cria modelos usando a biblioteca do TensorFlow, oferecendo acesso a vários produtos do Google, desde o Google Fotos até a Google Cloud Speech API. O Cloud Machine Learning Engine pode usar qualquer modelo do TensorFlow e realizar treinamento em grande escala em um cluster gerenciado.

Existe um tripé para a implementação de novos serviços computacionais nas empresas: infraestrutura, dados e pessoas qualificadas. O desafio da infraestrutura está resolvido e em constante evolução.

O desafio agora é digitalizar todos (em negrito) os processos da empresa e coletar dados de todos (em negrito) os dispositivos inteligentes através de IoT (Internet of Thing), sem qualquer filtro. As soluções de Machine Learning usam todos os dados para aprendizagem e análise de resultados.

Outro desafio é qualificar as pessoas para construir os modelos de dados, customizados para cada empresa, para análise dos dados e auxiliar nas tomadas de decisões e automação.

Enfim, os desafios são grandes, principalmente, para as empresas já estabelecidas que ainda utiliza apenas cerca de 50% de dados estruturados e 1% de dados não estruturados para as tomadas de decisões, deixando ainda muito das decisões pela intuição.

No final do dia, a transformação digital não é para todos!