Como começar um projeto de Inteligência Artificial na empresa

Em mercados com empresas de crescimento exponencial, a inteligência artificial é chave para a transformações dos negócios. O grande desafio é saber por onde e como começar os projetos. Existem algumas barreiras de entrada que devem ser consideradas: (1) Paradigma que inteligência artificial é complexa; (2) Definição do projeto; (3) Coleta, transformação e armazenamento de dados (ETL); (4) Alocação de recursos computacionais para o processamento; (5) Construção e treinamento dos modelos de inteligência artificial; e, (6) Efetivo benefício para os processos de negócios. É necessário estabelecer uma estratégia para começar e tornar o caso um sucesso.

O primeiro desafio é mostrar para os executivos que inteligência artificial é mais uma tecnologia e que pode trazer grandes benefícios para a empresa. As bases e modelos utilizados no aprendizado de máquina remontam da metade do século XX e só se popularizaram agora pela ampla disponibilidade de recursos computacionais a preços acessíveis. Vivemos um ponto de inflexão, onde a inteligência artificial atingiu a consciência comum. O rádio, a televisão, a telefonia móvel, a Internet e outras tantas tecnologias passaram por este mesmo processo. Como no passado, as empresas que adotam mais cedo as tecnologias avançam mais rápido na competitividade e produtividade de processos, aumentando a participação no mercado e na lucratividade. Isto fica claro, quando analisamos as empresas de maior valor no mercado, como Google, Facebook, Amazon, Apple, Uber e tantas outras. Do lado oposto, as empresas que não adotaram ou que encontraram dificuldades para incorporar novas tecnologias nos seus processos acabaram perdendo valor de mercado.

O segundo desafio é identificar e desenvolver um projeto de inteligência artificial que, efetivamente, resolva um problema crônico e conhecido por toda a organização e que outras técnicas não funcionaram.

Identificar os problemas é fácil, pois todos têm consciência de seus efeitos. O desafio está em encontrar soluções para resolvê-los com eficiência e de forma disruptiva. Talvez, aqui seja interessante contratar um especialista externo para ajudar no desenvolvimento da proposta, juntamente com os especialistas de negócio.

O terceiro desafio é identificar os dados disponíveis e avaliar se são suficientes para construir os modelos de inteligência artificial. Aqui encontra-se um dos maiores desafios dos projetos de inteligência artificial. A maioria dos dados disponíveis pelas empresas são coletados e armazenados para os processos operacionais. Muitos dados são descartados por não serem relevantes para a operação de negócios, mas importantes para o aprendizado de máquina. Outros tantos dados são coletados e armazenados sem o completo conhecimento dos especialistas de TI e de negócios, principalmente quando a empresa adota um ERP de um fornecedor externo.

Normalmente, é na fase de coleta, transformação e carga dos dados (ETL – Extract, Transform and Load) – onde se consume mais tempo nos projetos de aprendizado de máquina. As empresas que já adotaram Data Warehouse e processo de Business Intelligence (BI) levam vantagem nos projetos de inteligência artificial. Aqui deve-se avaliar a necessidade de novos dados e formas de coleta, usando IoT (Internet of Things), por exemplo.

O quarto desafio é montar a infraestrutura para o desenvolvimento do projeto de inteligência artificial. Para a prova de conceito (POC – Proof Of Concept) não são necessárias grandes plataformas de hardware e software. Um notebook com grande capacidade de memória RAM e uma placa gráfica com uma GPU (Graphic Processing Unit) e softwares open source são suficientes.

Outra opção é utilizar o marketplace de provedores de Cloud Computing, como a AWS da Amazon, Google Cloud, Azure da Microsoft e IBM Cloud. Os marketplaces destes provedores possuem recursos soluções que facilitam a construção de modelos de aprendizado de máquina.

Um projeto de inteligência artificial pressupõe o desenvolvimento de algo inovador e disruptivo, como produtos e modelos de negócios criados por startups. Uma forma de atingir esta expectativa é estabelecer um convênio com laboratórios de pesquisa de Universidades e colocar o desafio para que pesquisadores e estudantes busquem soluções disruptivas. Esta estratégia tem várias vantagens, entre elas: custo reduzido e possibilidade uso de incentivos fiscais; permitir que pesquisadores transformem pesquisa teórica em pesquisa aplicada; e, identificar alunos talentos para contratação.

O uso de especialistas para treinar os modelos de inteligência artificial acelera o desenvolvimento da solução. Considere a contratação de especialistas ou convênios com laboratórios de Universidades para ajudar nos primeiros projetos. Com isto, os benefícios aparecem mais cedo e, envolvendo os funcionários, a curva de aprendizagem é mais rápida.

Uma vez provado que a solução é viável e competitiva, apresente os resultados para os conselheiros do Conselho de Administração e Direção Executiva. A partir da aprovação do conceito elabore um projeto de larga escala para transformar os processos da empresa. O desenvolvimento torna-se mais fácil quando o modelo de inteligência artificial foi definido e testado na etapa da prova de conceito. Isto faz que a maioria das equipes internas ou empresas de software possam desenvolver os projetos para uso em produção.

Um grande desafio é formar equipes para projetos de inteligência artificial. Isto requer uma estratégia diferente da tradicional. Os convênios com Universidades são interessantes para já identificar na escola jovens talentosos. Considere esta opção.

Resumindo, você tem tudo para começar agora o seu primeiro projeto de inteligência artificial.

Deixe uma resposta