Adoção da IA nos negócios: quais são os desafios e como superá-los?
Ricoh Latin America apresenta cinco barreiras para a adoção da IA e como as empresas podem superá-las de frente em 2020.
Julio Urrutia, Diretor de Consultoria da Ricoh América Latina
Entrada manual de dados, detecção de spam, diagnósticos médicos imprecisos, segmentação deficiente de clientes e manutenção preditiva são alguns dos problemas de negócios que muitas empresas enfrentam diariamente, mas, à medida que mais organizações adotam a Inteligência Artificial em seus vários processos de negócios, a visibilidade dos benefícios comerciais trazidos por essa tecnologia disruptiva também aumenta e ajuda a facilitar a tomada de decisões melhores. De acordo com um estudo recente1, espera-se que as receitas mundiais do setor de IA cresçam de US$ 8,1 bilhões em 2018 para US$ 105,8 bilhões até 2025.
Na Ricoh, estamos trabalhando para maximizar seu potencial. Este ano, realizamos uma prova de conceito para implementar a IA em nossos processos de fabricação, custando à empresa um valor estimado de US$ 400.000 por ano em custos de fabricação. No entanto, como diz o ditado, “uma jornada de mil milhas começa com um único passo”. Se traduzirmos essa frase para o mundo dos negócios, um menu, esses primeiros passos podem ser os mais difíceis.
Desde sistemas legados até a garantia da reversão e até mesmo a implementação da IA no local de trabalho, há uma série de ações que precisam ser superadas em um estágio temporário do processo. Diante desse cenário, a Ricoh Latin America apresenta cinco barreiras à adoção da IA e como as empresas podem superá-las de frente em 2020:
1) Sistemas legados: muitas organizações dependem de infraestruturas, aplicativos ou dispositivos legados para realizar algumas de suas operações de TI. Atualizar tudo de uma vez é um grande desafio. Essa infraestrutura legada se tornou um impedimento para a adoção do aprendizado de máquina ou da inteligência artificial. Felizmente, a computação em nuvem, ou mais especificamente a nuvem híbrida, mudou essa situação. A nuvem híbrida é quando uma organização usa tanto a infraestrutura de TI local quanto a hospedada na nuvem. Essa é uma situação cada vez mais comum.
Adotar a inteligência artificial e o aprendizado de máquina não significa que você tenha que atualizar todo o seu departamento de TI. Mas você precisa adotar a nuvem para análise de dados e inteligência artificial. A moderna tecnologia de “lago de dados” funciona bem em um ambiente híbrido, no qual a nuvem pode ser usada para analisar sistemas operacionais locais. A outra vantagem das soluções em nuvem é que as atualizações e os novos recursos são implantados automaticamente, o que leva a menos erros de configuração, vulnerabilidades de segurança e incompatibilidades, o que é importante considerar ao implantar tecnologias emergentes.
2) Escassez de habilidades: atualmente, há uma escassez de habilidades relacionadas à IA e ao aprendizado de máquina, o que pode dificultar os esforços para desenvolver todos os seus recursos. É importante dar às pessoas da empresa (e não apenas ao pessoal de TI) a oportunidade de participar. Dessa forma, você pode encontrar pessoas entusiasmadas com a IA e ansiosas para aprender mais.
Você também precisa criar o ambiente certo para desenvolver e promover uma cultura inovadora. Desde incentivar a colaboração até garantir que as pessoas tenham tempo para explorar e experimentar novas ideias.
3) Falta de apoio da gerência sênior: um dos principais fatores a serem considerados ao implementar a IA para as principais partes interessadas é que seu público e suas prioridades devem ser levados em conta. Normalmente, os tomadores de decisão não estão interessados em detalhes técnicos e operacionais. Eles se concentram nos objetivos comerciais mais amplos e na rapidez com que eles podem ser alcançados. Casos de uso específicos e realistas, juntamente com o ROI esperado, são muito mais úteis do que um “panorama geral”. Quanto mais dados e métricas você puder usar para apoiar seus argumentos, melhor.
4) Desenvolva uma estratégia de dados coordenada: o que você vê ao trabalhar com clientes é que os projetos de ciência de dados podem acabar isolados. Manter os projetos no caminho certo torna-se uma tarefa difícil e é menos provável que eles passem da fase piloto. O importante é demonstrar uma abordagem robusta e dimensionável.
Quando a plataforma estiver instalada, você poderá implementar novos modelos e integrar novas áreas de operação com mais rapidez, o que acelera o processo de tornar a IA dominante em toda a organização.
5) Falta de entendimento na empresa: as equipes de inteligência artificial ou de aprendizado de máquina precisam estar visíveis na organização. Faça apresentações e relatórios regulares para explicar claramente a estratégia e os objetivos. Isso envolve explicar como ela funciona, o que pode fazer e fazer todo o possível para incluir as pessoas na jornada.
Há certa preocupação com os efeitos da IA no mercado de trabalho. No entanto, relatórios recentes sugerem que a IA criará milhares de empregos. Demonstrar aos colegas que a IA pode ajudá-los, e não substituí-los, é uma boa prática. O sonho de uma semana de trabalho de quatro dias com salários iguais é um bom exemplo a ser compartilhado. É algo que todos desejam e a IA pode nos ajudar a alcançá-lo.
