por

Como é a Tomada de Decisão orientada pela IA

Dando sequência a série de artigos que decidi compartilhar sobre a importância do uso da Inteligência Artificial (IA) na transformação digital das organizações, preparei este post com base em um conteúdo que acho extremamente relevante sobre o tema. As informações que seguem consideram a importância do uso dos dados abundantes que atualmente temos disponíveis (Big Data) para que os líderes e gestores das organizações possam tomar decisões de qualidade que vão além de poucas variáveis e a intuição, bem como o uso do poder da IA como parceira nessas questões estratégicas e táticas, pois como vimos em artigos anteriores, nas questões operacionais ela pode até decidir por si só.

Um número mais que considerável de empresas se adaptaram a uma abordagem “orientada a dados” para a tomada de decisões operacionais. Os dados podem melhorar as decisões, mas requer o processador certo para obter o máximo destes dados. Aqui, a maioria das pessoas ainda assumem que o processador é humano, onde o termo “orientado a dados” implica até que os dados sejam selecionados e resumidos para as pessoas processarem.

Mas, para alavancar totalmente o valor contido nos dados, as empresas precisam trazer a Inteligência Artificial (IA) para seus fluxos de trabalho e, às vezes, até mesmo, tirar os humanos do caminho, precisamos evoluir de fluxos de trabalho orientados a dados para orientados por IA.

A distinção entre “orientado a dados” e “orientado a IA” não é apenas semântica. Cada termo reflete ativos diferentes, o primeiro com foco em dados e o segundo com capacidade de processamento. Os dados contêm os insights que podem permitir melhores decisões; o processamento é a maneira de extrair essas ideias e executar ações. Humanos e IA são processadores, com habilidades muito diferentes. Para entender a melhor forma de alavancar cada um, é útil revisar nossa própria evolução biológica e como a tomada de decisões evoluiu na indústria.

Entre cinquenta a setenta e cinco anos atrás, o julgamento humano era o processador central da tomada de decisões de negócios. Os profissionais confiaram em suas intuições altamente ajustadas, desenvolvidas a partir de anos de experiência e uma quantidade relativamente pequena de dados em seu domínio, para, por exemplo, escolher as ideias criativas certas para uma campanha publicitária, determinar os níveis de estoque certos para estocar ou aprovar os investimentos financeiros certos. A experiência e o instinto eram a maior parte do que estava disponível para discernir o bem do mal, o alto do baixo e o arriscado versus o seguro.

Talvez fosse humano demais. Nossas intuições estão longe de serem os instrumentos ideais para a tomada de decisão. Nossos cérebros são infligidos por muitos vieses cognitivos que prejudicam nosso julgamento de maneiras previsíveis. Este é o resultado de centenas de milhares de anos de evolução em que, como primeiros caçadores-coletores, desenvolvemos um sistema de raciocínio que se baseia em heurísticas simples – atalhos ou regras práticas que contornam o alto custo do processamento de muitas informações. Isso permitiu decisões rápidas (intuitivas), quase inconscientes, para nos livrar de situações potencialmente perigosas. No entanto, “rápido e quase inconsciente” nem sempre significava o ideal ou mesmo a precisão.

Imagine um grupo de nossos ancestrais caçadores-coletores amontoados em volta de uma fogueira quando um arbusto próximo sussurra de repente. É necessário tomar uma decisão do tipo “rápido e quase inconsciente”: concluir que é um predador perigoso e fugir, ou solicitar mais informações para ver se é uma presa em potencial – digamos, um coelho que possa fornecer nutrientes ricos. Nossos ancestrais mais impulsivos – aqueles que decidiram fugir – sobreviveram a uma taxa mais alta do que seus pares mais curiosos. O custo do voo e a perda de um coelho era muito menor do que o custo de ficar por perto e arriscar perder a vida para um predador. Com tal assimetria nos resultados, a evolução favorece a característica que leva a consequências menos dispendiosas, mesmo com o sacrifício da precisão. Portanto, a característica de tomada de decisão mais impulsiva e menos processamento de informações se tornou predominante na população descendente.

No contexto moderno, as heurísticas de sobrevivência tornam-se inúmeros vieses cognitivos pré-carregados em nossos cérebros herdados. Esses vieses influenciam nosso julgamento e tomada de decisão de maneiras que se afastam da objetividade racional. Damos mais peso do que deveríamos a eventos vívidos ou recentes. Classificamos grosseiramente os sujeitos com estereótipos amplos que não explicam suficientemente suas diferenças. Ancoramos na experiência anterior, mesmo quando é completamente irrelevante. Tendemos a invocar explicações ilusórias para eventos que são realmente apenas ruídos aleatórios. Essas são apenas algumas das dezenas de maneiras pelas quais o viés cognitivo atormenta o julgamento humano e, por muitas décadas, foi o processador central da tomada de decisões de negócios. Agora sabemos que confiar apenas na intuição humana é ineficiente, caprichoso, falível e limita a capacidade da organização.

Tomada de decisão com suporte de dados

Graças então, pelos dados. Os dispositivos conectados agora capturam volumes impensáveis de dados: toda transação, todo gesto do cliente, todo indicador micro e macroeconômico, todas as informações que podem fundamentar melhores decisões. Em resposta a esse novo ambiente rico em dados, adaptamos nossos fluxos de trabalho. Os departamentos de TI dão suporte ao fluxo de informações usando máquinas (bancos de dados, sistemas de arquivos distribuídos e similares) para reduzir os volumes incontroláveis de dados em resumos digeríveis para consumo humano. Os resumos são posteriormente processados por humanos, usando ferramentas como planilhas, painéis e aplicativos de análise. Eventualmente, os dados altamente processados e agora gerenciáveis e pequenos são apresentados para a tomada de decisões. Este é o fluxo de trabalho “orientado a dados”. O julgamento humano ainda é o processador central, mas agora usa dados resumidos como uma nova entrada.

Embora seja indubitavelmente melhor do que confiar apenas na intuição, os humanos que desempenham o papel de processador central ainda criam várias limitações.

  1. Não aproveitamos todos os dados. Os dados resumidos podem ocultar muitas das ideias, relacionamentos e padrões contidos no conjunto de dados original (grande). A redução de dados é necessária para acomodar a taxa de transferência de processadores humanos. Por mais que sejamos adeptos de digerir nosso ambiente, processando sem esforço grandes quantidades de informações ambientais, somos notavelmente limitados quando se trata de processar os dados estruturados manifestados como milhões ou bilhões de registros. A mente pode lidar com números de vendas e preço médio de venda acumulado até um nível regional. Ele entra em conflito ou é encerrado quando você começa a pensar na distribuição completa de valores e, crucialmente, nos relacionamentos entre elementos de dados – informações perdidas em resumos agregados, mas importantes para a tomada de decisões. (Isso não é para sugerir que os resumos de dados não sejam úteis. Com certeza, eles são ótimos, fornecendo visibilidade básica dos negócios. Mas fornecerão pouco valor para o uso na tomada de decisões. Muito se perde na preparação para seres humanos.) Em outros casos, os dados resumidos podem ser totalmente enganosos. Fatores de confusão podem dar a aparência de um relacionamento positivo quando, na verdade, é o contrário. E uma vez que os dados são agregados, pode ser impossível recuperar os fatores contribuintes para controlá-los adequadamente. (A melhor prática é usar ensaios clínicos randomizados, ou seja, testes A/B. Sem essa prática, mesmo a IA pode não ser capaz de controlar adequadamente fatores de confusão.) Em resumo, usando humanos como processadores centrais de dados, ainda precisamos de negociação para contornar o alto custo do processamento de dados humanos.
  2. Os dados não são suficientes para nos isolar do viés cognitivo. Os resumos de dados são dirigidos por seres humanos de uma maneira que é propensa a todos esses preconceitos cognitivos. Dirigimos a sumarização de uma maneira que é intuitiva para nós. Pedimos que os dados sejam agregados aos segmentos que consideramos serem arquétipos representativos. No entanto, temos essa tendência de classificar de forma grosseira os sujeitos que apresentam estereótipos amplos que não explicam suficientemente suas diferenças. Por exemplo, podemos acumular os dados em atributos como geografia, mesmo quando não há diferença discernível no comportamento entre as regiões. Os resumos também podem ser considerados como um “grão grosso” dos dados. É uma aproximação mais áspera dos dados. Por exemplo, um atributo como geografia precisa ser mantido em um nível de região onde há relativamente poucos valores (ou seja, “leste” versus “oeste”). O que importa pode ser melhor do que isso – cidade, CEP e até dados no nível da rua. É mais difícil agregar e resumir para o cérebro humano processar. Também preferimos relacionamentos simples entre elementos. Nós tendemos a pensar nos relacionamentos como lineares porque é mais fácil para nós processarmos. A relação entre preço e vendas, penetração no mercado e taxa de conversão, risco de crédito e receita – tudo é assumido linear mesmo quando os dados sugerem o contrário. Até gostamos de inventar explicações elaboradas para tendências e variações de dados, mesmo quando elas são explicadas de forma mais adequada por variações naturais ou aleatórias.

Infelizmente, estamos acomodando nossos vieses quando processamos os dados.

Trazendo a IA para o fluxo de trabalho

Precisamos evoluir ainda mais e trazer a IA para o fluxo de trabalho como um processador primário de dados. Para decisões de rotina que dependem apenas de dados estruturados, é melhor delegar as decisões à IA. A IA é menos propensa ao viés cognitivo humano. (Existe um risco muito real de usar dados tendenciosos que podem fazer com que a IA encontre relações ilusórias que são injustas. É necessário entender como os dados são gerados, além de como são usados.) A IA pode ser treinada para encontrar segmentos na população que melhor explica a variação nos níveis de finos de granularidade, mesmo que não sejam intuitivos para nossas percepções humanas. A IA não tem problemas em lidar com milhares ou até milhões de agrupamentos. E a IA é mais do que confortável em trabalhar com relacionamentos não lineares, sejam eles exponenciais, leis de potência, séries geométricas, distribuições binomiais ou outras.

Esse fluxo de trabalho aproveita melhor as informações contidas nos dados e é mais consistente e objetivo em suas decisões. Ele pode determinar melhor qual anúncio criativo é mais eficaz, os níveis ideais de inventário a serem definidos ou quais investimentos financeiros serão feitos.

Embora os humanos sejam removidos desse fluxo de trabalho, é importante observar que a mera automação não é o objetivo de um fluxo de trabalho orientado por IA. Claro, isso pode reduzir custos, mas isso é apenas um benefício incremental. O valor da IA ​​é tomar decisões melhores do que o que os humanos sozinhos podem fazer. Isso cria uma melhoria gradual na eficiência e permite novos recursos.

Aproveitando os processadores IA e Humanos no fluxo de trabalho

Remover humanos de fluxos de trabalho que envolvem apenas o processamento de dados da estrutura não significa que eles sejam obsoletos. Existem muitas decisões de negócios que dependem mais do que apenas dados estruturados. Declarações de visão, estratégias da empresa, valores corporativos, dinâmica de mercado são exemplos de informações disponíveis apenas em nossas mentes e transmitidas através da cultura e de outras formas de comunicação não digital. Essas informações são inacessíveis à IA e extremamente relevantes para as decisões de negócios.

Por exemplo, a IA pode determinar objetivamente os níveis de estoque corretos para maximizar os lucros. No entanto, em um ambiente competitivo, uma empresa pode optar por níveis mais altos de estoque, a fim de proporcionar uma melhor experiência ao cliente, mesmo à custa dos lucros. Em outros casos, a IA pode determinar que investir mais dinheiro em marketing terá o maior ROI entre as opções disponíveis para a empresa. No entanto, uma empresa pode optar por moderar o crescimento para manter os padrões de qualidade. As informações adicionais disponíveis para os seres humanos na forma ou estratégia, valores e condições de mercado podem merecer um afastamento da racionalidade objetiva da IA. Nesses casos, a IA pode ser usada para gerar possibilidades das quais os humanos podem escolher a melhor alternativa, dadas as informações adicionais às quais têm acesso. A ordem de execução desses fluxos de trabalho é específica do caso. Às vezes, a IA é a primeira a reduzir a carga de trabalho em humanos. Em outros casos, o julgamento humano pode ser usado como entrada para o processamento da IA. Em outros casos ainda, pode haver iteração entre a IA e o processamento humano.

A chave é que os humanos não estão interagindo diretamente com os dados, mas com as possibilidades produzidas pelo processamento dos dados pela IA. Valores, estratégia e cultura são a nossa maneira de conciliar nossas decisões com racionalidade objetiva. É melhor fazer isso explicitamente e totalmente informado. Ao alavancar a IA e os seres humanos, podemos tomar melhores decisões do que usar apenas uma delas.

A próxima fase da nossa evolução

Passar de orientado a dados para orientado a IA é a próxima fase de nossa evolução. Adotar a IA em nossos fluxos de trabalho permite um melhor processamento de dados estruturados e possibilita que humanos contribuam de maneiras complementares.

É improvável que essa evolução ocorra dentro da organização individual, assim como a evolução por seleção natural não ocorre dentro dos indivíduos. Pelo contrário, é um processo de seleção que opera em uma população. As organizações mais eficientes sobreviverão a taxas mais altas. Como é difícil para empresas maduras se adaptarem às mudanças no ambiente, suspeito que veremos o surgimento de novas empresas que adotam contribuições de IA e humanas desde o início e as incorporam nativamente em seus fluxos de trabalho.

Para uma visão mais ampla sobre IA, não deixe de ver os artigos relacionados abaixo.

Se gostou, por favor, compartilhe. Abraço, @neigrando

Sobre mim: aqui, Contato: aqui.

Referência:

  • What AI-Driven Decision Making Looks Like, by Eric Colson, Harvard Business Review, 2019.

Artigos Relacionados:

Deixe um comentário