Autor: Kleber Wedemann
Parece que foi ontem que o Big Data surgiu como a grande novidade no mundo da tecnologia, trazendo muitas oportunidades para os negócios. Sob o ponto de vista comercial essa fase já passou, mas o uso estratégico da gigantesca quantidade de dados gerados por pessoas e dispositivos segue muito relevante. Para diversas empresas, o acesso aos dados é um direito adquirido e o valor gerado com a coleta, o armazenamento e a análise de todas essas informações é algo que não está mais em discussão.
Mas se o Big Data representa o ontem, qual é a grande tendência de tecnologia para os negócios de hoje? O que causa impacto nos corações e mentes dos gestores e tomadores de decisão atualmente?
Sem dúvida, é a Inteligência Artificial. O tema é de tal importância que, recentemente, o CEO da Tesla, Elon Musk, declarou que a IA é um risco fundamental para a existência da civilização, que pode ser manipulada pela desinformação e por isso exige regulação imediata.
Mas o que é Inteligência Artificial?
A Inteligência Artificial é a capacidade de tomar decisões de maneira similar a um ser humano de posse da mesma informação. Mesmo que a coleta de dados seja autônoma, a IA é uma simulação distinta de sensibilidade ou autoconsciência. A indústria passou a usar o termo Inteligência Artificial para diferenciá-la da tecnologia dominante no mundo.
O termo em si foi criado em 1950 pelo pioneiro da computação Alan Turing. No final dos anos 60, os pesquisadores exploraram a capacidade dos computadores em imitar ações e raciocínios de seres humanos em jogos simples, como o de damas, e posteriormente em outros mais complexos, como o xadrez e o Go. Foi essa pesquisa que estabeleceu as bases para alguns dos aplicativos de Inteligência Artificial existentes hoje, como chatbots, assistentes domésticos e carros autônomos.
A Inteligência Artificial hoje
Um modo de enxergar a IA é vê-la como um conjunto de recursos que engloba várias subdisciplinas ou tecnologias, entre as quais: sistemas baseados em regras (disciplina fundamental); Machine Learning (algoritmos usados para que um computador aprenda a partir dos dados e crie seus próprios modelos analíticos); redes neurais (que imitam o funcionamento do cérebro humano por meio de nós ou unidades interconectadas semelhantes aos neurônios); Deep Learning (aproveita as redes neurais com muito mais camadas e absorve padrões mais complexos de grandes volumes de dados); análise preditiva (técnicas estatísticas para prever relações causais); e reconhecimento de padrões (quando um sistema de Inteligência Artificial classifica e interpreta os inputs ao seu redor, gerando insights.
Quando sobrepostas, essas disciplinas criam um ecossistema de recursos que permite que os computadores se tornem cognitivos, respondam de uma maneira humanizada e autônoma, mas sem a intervenção humana.
Por que logo agora?
A filosofia por trás da AI existe há décadas, a pesquisa em suas aplicações começou há anos e muitas das tecnologias embarcadas estão a caminho da maturidade. Por que então as startups cujo foco é a Inteligência Artificial estão na moda? Por que os gestores estão sendo bombardeados com tantas mensagens sobre esse tema? Em grande parte, é pelo mesmo motivo que se consegue estabelecer a diferença entre o hype e a maturidade. Três pontos refletem isso:
Poder computacional de baixo custo – Agora é possível oferecer uma infraestrutura computacional mais densa e a um custo mínimo, mesmo em uma abordagem voltada para os dispositivos móveis;
Dados – Com o Big Data, mais dados são trabalhados, de forma estruturada ou não, com meios disponíveis de armazenamento para recuperação imediata. As empresas estão migrando de um cenário de dados online para em memória, aumentando a velocidade de processamento;
Algoritmos e Inteligência Artificial – As habilidades que dão suporte ao desenvolvimento da AI estão amadurecendo, com um melhor entendimento sobre como ela funciona na prática – ou não.
Tudo sobre automação
O conceito de Inteligência Artificial remonta ao ano de 1959 e à definição do pioneiro da computação Arthur Samuels: um campo de estudo que dá aos computadores a capacidade de aprender sem serem programados. Sem os comandos de um programador, as máquinas usam sua própria experiência para resolver um problema e utilizam os melhores algoritmos para criar modelos que são constantemente aprimorados e refinados.
A Inteligência Artificial de hoje é promissora, pois permite automatizar tarefas rotineiras, tornando os seres humanos mais eficientes. Mas precisamos garantir que ninguém se deixe levar pelo exagero e avaliar alguns pontos importantes:
Treinamento – Os sistemas de Inteligência Artificial não podem gerar insights sem treinamento. O sistema vai aprender e se adaptar, mas precisa ser treinado com exemplos;
Conhecimento do problema – Esperar que uma máquina resolva um problema sem regras e nenhuma definição do que vem a ser o problema é abusar do otimismo. Ela precisa de algumas regras ou limites para garantir a automatização do insight certo;
Habilidades – Um sistema de Inteligência Artificial não vai se desenvolver sozinho; pelo menos não hoje. O IDC prevê para 2018 uma demanda de 181 mil pessoas com grandes habilidades analíticas. Essas habilidades são a base dos sistemas de IA e não devem ser subestimadas, assim como a escassez por profissionais capacitados;
Interpretação – Especialmente nos setores regulados, as empresas precisam garantir que são capazes de entender e explicar o resultado dos modelos de Inteligência Artificial.
A inteligência artificial não significa necessariamente fazer o mesmo trabalho dos humanos. Trata-se de realizar as tarefas que eles não podem cumprir dentro dos prazos, respeitando-se questões trabalhistas e orçamentárias. Os carros autônomos podem ser uma aplicação interessante, mas as mais atrativas já estão sendo usadas nos bastidores, em bancos, instituições governamentais e empresas de todo tipo.
Kleber Wedemann é diretor de marketing do SAS América Latina.
