Modelo de Maturidade de Inteligência Artificial

As tecnologias de inteligência artificial afetam a maioria das categorias de aplicativos e muitos desafios de negócios. Os líderes de dados e análises podem usar este modelo de maturidade de IA para acelerar e otimizar sua estratégia e implementações de IA para obter o melhor valor das tecnologias de IA.

Premissas de planejamento estratégico

Segundo a Gartner:

  • Em 2021, 30% das organizações que implementam soluções de IA que aprendem perderão a propriedade da propriedade intelectual (IP) para os fornecedores como resultado de uma linguagem contratual mal negociada.
  • Até agora (em 2022), pouco mais de 15% dos casos de uso que alavancam técnicas de IA – como aprendizado de máquina (ML) e redes neurais profundas (DNNs) – e envolvendo ambientes de borda e Internet das coisas (IoT) tiveram sucesso.
  • Em 2023, 60% das organizações com mais de 20 cientistas de dados exigirão um código de conduta profissional incorporando o uso ético de dados e IA.
  • Em 2023, 70% das cargas de trabalho de IA usarão contêineres de aplicativos ou serão construídas usando um modelo de programação sem servidor, necessitando de uma cultura DevOps.
  • Até 2023, os recursos computacionais usados ​​em IA aumentarão cinco vezes a partir de 2018, tornando a IA a principal categoria de cargas de trabalho que orientam as decisões de infraestrutura.
  • Em 2025, 50% das atividades do cientista de dados serão automatizadas pela IA, diminuindo a aguda escassez de talentos.

Análise

IA representa uma classe de mecanismos para aprimorar aplicativos e processos existentes. Esse aprimoramento geralmente assume a forma de acelerar os processos existentes. Dois exemplos comuns de IA são sistemas que:

  • Automatizam decisões que de outra forma requerem intervenção humana.
  • Classificam dados complexos – como texto, vídeo e áudio – que, de outra forma, exigiriam esforço humano.

Esses sistemas permitem que uma empresa acelere drasticamente os processos que, de outra forma, seriam limitados pelos custos humanos. No entanto, eles também exigem que a empresa reimplemente os processos existentes para aproveitar as vantagens dessas novas ferramentas. Por exemplo:

  • Um front end de IA pode processar interações telefônicas iniciais com um cliente. Mas os resultados desta IA exigirão um sistema de árvore de decisão significativamente aprimorado para concluir qualquer interação ou um modelo de transferência eficaz para abordar aspectos mais sensíveis ou particulares de tal chamada. Construir o melhor gráfico de conhecimento representa um esforço significativo no trabalho humano, seja em modelagem probabilística ou em heurísticas programáticas.
  • Em um caso de uso de seguro, a visão computacional alimentada por IA aplicada a fotos aéreas pode ser combinada com outros elementos de dados, como registros públicos sobre construções, para realizar uma análise preditiva mais precisa para determinar se a descrição de uma casa do requerente é precisa para fins atuariais. Esse modelo redirecionará recursos para a inspeção física e processos de mudança.
  • Em serviços financeiros, a análise preditiva baseada em IA pode ser aplicada a aplicativos de empréstimo para obter métricas de aprovação mais precisas. Tal modelo, embora potencialmente mais correto do que heurísticas programáticas, também deve ser explicável e não deve criar a impressão de parcialidade imprópria com base nas qualidades do candidato que podem ser vinculadas a critérios inutilizáveis.

O modelo de maturidade de IA (Figura 1) tem como objetivo fornecer aos líderes de dados e análises uma estrutura para sua estratégia de IA. Não tem a intenção de ser uma inclinação prescritiva que todas as organizações devam subir na mesma taxa ou intensidade. As organizações descobrirão que a maturidade exigida em IA varia com as diferentes categorias de aplicativos de IA. Nem todas as organizações devem se esforçar para chegar ao nível superior de maturidade, mas sim ao nível apropriado para seus negócios e ambições de tecnologia. Seguir um modelo de maturidade não estabelece definições obrigatórias para as organizações, nem estabelece caminhos que as organizações devem seguir ou correr o risco de falhar.

Use este modelo de maturidade para

  • Colocar-se na curva de crescimento potencial em direção ao domínio de alavancar IA.
  • Comunicar à gerência onde você está e a distância que precisa viajar, e com que velocidade você pode esperar para atingir certos níveis de maturidade.
  • Elaborar uma estratégia sobre quais etapas organizacionais internas você deve realizar para ter certeza de que é capaz de lidar com a IA em um ritmo com essa ambição em mente.
  • Evitar erros comuns de fazer coisas aparentemente certas na hora errada, como dar passos muito cedo para seu nível de maturidade.

A IA ainda é um campo altamente volátil de inovação. Portanto, não use este modelo de maturidade para desenvolver um roteiro pré-definido de vários anos. Em vez disso, permita que sua estratégia de IA seja adaptável a mudanças e novas oportunidades, com amplo espaço para experimentação. Por exemplo, recalibre sua estratégia periodicamente, usando este modelo de maturidade como uma estrutura comum para partes interessadas e artefatos. É importante não apenas compreender os estágios de maturidade, mas também como chegar ao próximo nível a partir de onde você está agora.

Tabela de Níveis de Maturidade

PlanejamentoAs conversas internas sobre IA são ad hoc e especulativas. Apenas uma pequena minoria experimentou ou pilotou projetos. Nesta fase, são feitas as primeiras consultas, com tópicos como “O que é inteligência artificial?” e “Como a IA pode beneficiar minha linha de negócios?” Para evoluir para o próximo estágio, identifique de três a seis casos de uso.
ExperimentaçãoOs planos iniciais do projeto de prova de conceito (POC) são elaborados e podem estar em fase piloto. Uma comunidade informal de prática pode ter se reunido várias vezes para compartilhamento de conhecimento e esforços iniciais de padronização. Procure provar o valor da IA ​​(não a tecnologia) para evoluir para o próximo estágio.
EstabilizaçãoOs primeiros projetos de IA estão em produção. Existe um patrocinador executivo. O orçamento para projetos de IA está disponível e protegido pela gerência executiva. Um COE foi instanciado, tornando especialistas em IA, melhores práticas e tecnologia disponíveis para projetos. O dimensionamento de pilotos de IA em produção é o foco principal. Para evoluir para o próximo estágio, desenvolva um processo de ponta a ponta para desenvolvimento e implantação de IA e estabilize sua plataforma para maior expansão e governança de IA.
ExpansãoTodos os novos projetos digitais, incluindo revisões de processo para otimização, consideram a possibilidade de emprego de IA como forma de agregar valor.Novos produtos e serviços incorporaram IA. A responsabilidade em torno de cada projeto existe. As unidades de negócios confiam nas técnicas de IA e estão prontas para usá-las. Os profissionais de DevOps / MLOps de TI são os principais responsáveis ​​pela manutenção e atualização das soluções de IA. Para evoluir para o próximo estágio, expanda as fontes de dados e tenha sucesso com casos de uso de alto risco / alto retorno.
TransformaçãoA IA é rotineira e esperada como um elemento da execução de todos os processos de negócios.Todos os trabalhadores no processo e no design do aplicativo são treinados e entendem os pontos fortes e fracos da IA. Os aplicativos baseados em IA interagem de forma produtiva dentro da organização e em todo o ecossistema de negócios.  

As organizações precisam estabelecer uma visão para a IA se quiserem obter valor com sua implementação. Elas também exigem administradores da visão que iniciarão ativamente projetos para transforma-la em realidade.

É apropriado o uso de indicadores, em cada nível de maturidade, para: visão e estratégica da IA, uso da IA, tecnologias empregadas, organização e governança, assim como para orçamento e medições.

Estes indicadores serão apresentados no próximo post deste blog.

Se gostou do artigo, por favor, compartilhe.

Sobre mim: aqui, Contato: aqui.

Abraço, @neigrando

Referência

Este artigo foi traduzido, reduzido e adaptado do original, em inglês: “Artificial Intelligence Maturity Model”, por Gartner (2020).

Artigos relacionados

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s