O papel da Inteligência Artificial no Metaverso

Ainda pode ser difícil criar máquinas com aparência humana que dominarão o mundo real. No entanto, em um mundo onde tudo é digital, não será difícil criar agentes auto-replicantes inteligentes que possam enviar e aprender com seu ambiente e evoluir para assumir seu ambiente. O metaverso fornecerá exatamente isso.

Décadas atrás, O Poderoso Chefão da IA, Marvin Minsky, introduziu o conceito da sociedade da mente, onde nossos processos cognitivos e arquitetura cognitiva não estão confinados a um lugar específico e não são processos isolados; são os comportamentos coletivos de muitos conceitos sutilmente arraigados de que nossas mentes são capazes. Obviamente, a inteligência, quando poluída com traços negativos como ganância, avareza e vingança, pode se tornar uma maldição para a humanidade.

Embora este não seja um conceito novo no domínio da IA, ele assume grande importância, uma vez que nossos cérebros são redes massivamente complexas de centenas de bilhões de neurônios que estão em constante comunicação uns com os outros. É o que ajuda os humanos a entender o que está acontecendo. Os neurônios começam a desencadear e responder a uma infinidade de reações em ritmo acelerado, estabelecendo padrões dentro do cérebro que posteriormente decidem o curso das ações a serem executadas por nossa mente e corpo em perfeito uníssono. Historicamente, os especialistas em IA tentaram replicar esse processo usando redes neurais artificiais (ANNs), mas isso é um mero truque baseado em software para simular o cérebro humano.

Mudanças e possibilidades

Agora tudo está mudando rapidamente à medida que o design do hardware está começando a fazer a transição, com o avanço da computação neuromórfica na qual as arquiteturas tradicionais de semicondutores estão sendo interrompidas e reprojetadas para imitar a estrutura do cérebro humano, onde o processamento e a memória estão sendo combinados em uma unidade, a estrutura neural que Marvin Minsky criou e muitas outras estruturas estão lentamente se tornando realidade do ponto de vista do hardware. Isso, por sua vez, já está tornando a IA mais rápida, melhor e mais geral. Isso é incrivelmente empolgante porque, se usado corretamente, produzirá aplicativos que são incrivelmente inteligentes e podem eventualmente substituir a inteligência geral em nível humano.

Isso é particularmente relevante para o metaverso, que não será apenas um lugar onde humanos usando avatares estão interagindo com outros humanos usando avatares em um espaço 3D virtual, mas será potencialmente o primeiro lugar e a chance onde agentes artificialmente inteligentes podem finalmente exibir um comportamento quase humano, sem as limitações físicas de construir um robô humanóide “real” no mundo real. Com os avanços na IA, e especificamente na computação neuromórfica, que está acelerando a abordagem da inteligência artificial geral (AGI), podemos testemunhar um metaverso em que uma IA é indistinguível de um humano!

A IA suprindo o Metaverso

A inteligência artificial é um dos pilares sobre os quais o metaverso está sendo construído. Começando com o processamento de dados gerados pelo usuário, continuando com modelos generativos de IA que criam ambientes virtuais fotorrealistas e avatares que se assemelham aos usuários, além da capacidade de reconhecer movimentos corporais e, assim, tornar a experiência do metaverso mais natural.

Mas a IA também dará nova vida aos personagens digitais que povoam os mundos virtuais, como personagens não humanos e assistentes pessoais, e permitirá que todos se entendam em seu próprio idioma traduzindo a fala simultaneamente.

Mas o que é Metaverso?

Podemos considerar o metaverso como uma série de ambientes digitais com vários níveis de imersão – desde um simples navegador ou smartphone, até ambientes de realidade totalmente virtual – permitindo a interação entre muitos usuários. O metaverso, no entanto é mais que um videogame multiusuário, pois assume um papel tão importante e envolvente para representar uma peça totalmente nova da existência humana ou, se preferir, uma camada digital que se sobrepõe e se interconecta com o físico.

Um dos elementos fundamentais desse novo ambiente serão as interações que teremos com outros usuários, o que nos levará a investir recursos – tempo, sim, mas também recursos financeiros – para melhorar nosso status e nossa experiência no mundo digital. Compraremos bens e serviços digitais, talvez na forma de NFTs, de empresas e outros usuários, alimentando uma economia paralela, mas interligada.

Poderemos assumir outras identidades além da física, que em alguns casos pode ser mais gratificante e envolvente do que a que já temos: pense no personagem de William Dafoe no filme eXistenZ, de 1999, que era um frentista no mundo da vida real, mas uma divindade na realidade digital. Na verdade, isso é algo que já vem acontecendo há anos com os MMORPGs, Massively Multiplayer Online Role-Playing Games, onde milhões de pessoas trocam suas roupas cotidianas para se tornarem magos, guerreiros, elfos, e onde muitos gastam uma fortuna comprando bens digitais e serviços que são úteis apenas para o jogo.

Casos de uso de IA para o metaverso

A inteligência artificial dará suporte fundamental ao metaverso, simplificando o acesso das pessoas aos ambientes digitais, além de auxiliar na geração de conteúdo e na interação entre humanos e mundos virtuais. Segue alguns dos casos de uso mais importantes.

Segurando tudo junto

Para o metaverso existir, servidores e sistemas de rede precisam estar funcionando. Como as empresas que hospedam MMORPGs (como World of Warcraft ou Elder Scrolls Online) estão bem cientes, executar uma infraestrutura que pode hospedar simultaneamente mais de meio milhão de usuários todos os dias requer esforços titânicos em termos de recursos computacionais.

É precisamente por isso que a Meta revelou recentemente o AI Research SuperCluster (RSC), um dos supercomputadores de IA mais poderosos do mundo. Conforme afirma a empresa, uma das tarefas do supercomputador será cuidar do metaverso, ou seja, manter os mundos digitais em funcionamento e hospedar as atividades de milhões de usuários, mesmo simultaneamente, sem lentidão ou problemas de recursos.

A inteligência artificial também será usada para escanear e processar em tempo real a enorme quantidade de dados produzidos a cada segundo pelas atividades dos usuários no metaverso da empresa, para viabilizar outros casos de uso.

Criando ambientes virtuais

Um mundo digital requer a presença de lugares digitais, como em quartos ou vilas ou colinas gramadas, para permitir que quem os ocupa naquele momento se movimente, interaja com o ambiente e realize as diversas atividades permitidas por aquele determinado lugar, seja ele seja uma sala de reuniões imersa em uma paisagem montanhosa, um cometa no espaço mais profundo ou uma reprodução de Minas Tirith. Mas enquanto no passado para a construção desses ambientes digitais tivemos que agradecer a equipes de desenvolvedores que criaram semi-manualmente cada peça, desde as colinas até o mar, colocando árvores ou móveis arrastando-os com o mouse, sem mencionar a criação se os pisos e objetos tiveram a colisão certa (quem não caiu pelo mundo por causa de uma colisão perdida em um ponto do mapa), amanhã será um modelo generativo de IA que criará tudo isso, com pouca intervenção humana.

Será capaz de criar ambientes que realmente existem no mundo físico, gerando com realismo impressionante a cena 3D a partir de fotografias, permitindo assim recriar com precisão qualquer lugar existente no mundo, do Coliseu aos jardins da Alhambra em Granada, para a varanda da nossa casa de praia.

A IA também será capaz de gerar lugares completamente inventados. Pode começar com algumas entradas de um desenvolvedor, mas então o aprendizado por reforço assumirá o controle e os algoritmos projetarão mais lugares que são cada vez mais confortáveis ​​​​ou agradáveis ​​​​para usuários humanos. A IA poderia analisar quais ambientes parecemos gostar mais, ou relaxar mais, extraindo suas características e continuar experimentando criando lugares ainda mais divertidos ou ainda mais relaxantes. Refinando a técnica a cada iteração até que as áreas perfeitas sejam criadas para nossas exigentes necessidades humanas.

Permitindo a você fazer seu próprio avatar

Embora no metaverso potencialmente ninguém saiba quem você é, haverá situações – como reuniões de negócios hospedadas no metaverso – em que se disfarçar atrás de um apelido e uma máscara de Salvador Dali pode não ser um comportamento comumente aceito. Nesses ambientes será necessário, e útil, estar presente não apenas com o nome real, mas também com um avatar que se pareça o máximo possível conosco. A inteligência artificial também pode ajudar aqui, com modelos que analisam nossas fotos e recriam um avatar 3D à nossa imagem e semelhança.

Mapeando os movimentos do corpo

Se você já passou algum tempo em Realidade Virtual (RV), sabe que as interfaces atuais não são as melhores. Isso perde o objetivo de manter as pessoas no metaverso pelo maior tempo possível ou fazer com que elas façam login com a maior frequência possível. Portanto, um objetivo é tornar as interações de RV mais naturais, permitindo que as pessoas realizem tarefas tão facilmente quanto pegar um objeto ou acenar com a mão. Para isso, a inteligência artificial verá os movimentos do nosso corpo, capturando-os através de sensores de diferentes tipos, transformando-os em ordens ou movimentos do avatar.

Levantar a mão para cumprimentar alguém deve ser tão simples quanto no mundo físico, sem segurar nenhum controle na mão, e abrir ou fechar um painel virtual deve ser fácil e imediato, com a IA interpretando corretamente todos os seus movimentos.

Mas o reconhecimento não para por aí. A IA também poderá copiar nossas expressões faciais no avatar, para que nosso sorriso também seja o sorriso do avatar, transferindo cada vez mais expressões – franzir a testa, bocejar, surpresa, piscar etc. – para nosso gêmeo digital, para fazer nossa transposição do mundo físico para o digital é o mais realista possível.

Dando vida aos habitantes digitais do metaverso

Em um mundo digital, precisamos de pessoas digitais. Como já sabemos, a inteligência artificial agora é capaz de realizar discussões, interpretar corretamente as entradas e produzir saídas adequadamente correlacionadas, dando a impressão de entender o que está sendo dito e poder responder. Essa capacidade, alcançada por meio de grandes modelos de linguagem, dos quais o GPT-3 é um exemplo entre muitos, pode ser incorporada aos diversos agentes digitais que povoarão o metaverso para produzir assistentes ou acompanhantes virtuais altamente realistas.

Nos jogos online, esses agentes são chamados de NPCs (Non-Playing Characters), ou seja, elementos que geralmente são graficamente semelhantes aos avatares dos usuários, mas estão lá apenas para realizar algumas tarefas simples, como iniciar uma missão, distribuir recompensas, fornecer informações ou fazer algo por razões estéticas (por exemplo, passear). Ao longo dos anos, alguns jogos fizeram com que esses agentes digitais assumissem tarefas um pouco mais complexas, como seguir o jogador em aventuras e lutar ao lado dele. Mesmo assim, esses ‘companheiros’ não mostram grandes sinais de inteligência.

No metaverso, graças à IA, esses NPCs ou assistentes pessoais assumirão um disfarce completamente novo, realizando ações “inteligentes” e tarefas muito mais complexas. Imagine um assistente digital ajudando usuários iniciantes a se movimentar e explorar o metaverso, reconhecendo seus erros e sugerindo maneiras de corrigi-los. Ou imagine uma secretária digital recebendo mensagens enquanto estamos em uma reunião no metaverso, notificando-as apenas quando a reunião terminar.

Como acontece com vários aplicativos de smartphone, vamos imaginar uma área do metaverso onde os personagens virtuais estão lá como amigos ou até companheiros, com quem conversar, contar nossos problemas ou com quem entreter uma ‘amizade romântica‘. Não vamos nos surpreender com isso: a capacidade da IA ​​de criar representações humanas fotorrealistas, juntamente com a capacidade de entreter conversas de profundidade particular, tornará o romance digital um “prazer culpado” mais difundido em um futuro não tão distante. O metaverso também pode hospedar isso.

Facilitando as traduções simultâneas

A tradução em tempo real é um dos casos de uso que dedicará parte de seu supercomputador especificamente para essa atividade. A ideia aqui é permitir que grupos de pessoas de diferentes países, cada um falando um idioma diferente, falem e se entendam em tempo real. Para isso, o modelo de inteligência artificial precisará primeiro reconhecer o idioma falado por um usuário, interpretar cada palavra e reconhecer o significado, traduzi-lo corretamente para o idioma falado pelo outro interlocutor e gerar o texto traduzido em formato de áudio, talvez com a mesma voz do primeiro interlocutor (um deepfake de áudio precisaria ser usado para simular a voz).

Tudo isso já é possível em teoria. Na prática, requer recursos massivos, especialmente se você quiser fazê-lo em tempo quase real e na escala que o metaverso exige. Mas a Meta já direciona recursos para lá há algum tempo. Em 2019 lançou o Wav2vec, para reconhecer estruturas de fala diretamente do áudio bruto sem a necessidade de texto transcrito. Em maio de 2021, demonstrou que o aprendizado de máquina não supervisionado poderia reconhecer a fala melhor do que outros métodos, enquanto em novembro do mesmo ano seu modelo de tradução multilíngue superou outros modelos bilíngues em uma competição de tradução automática.

Agora sabemos que todos esses esforços de pesquisa, que começaram anos atrás, tinham como objetivo encontrar uma maneira de pessoas de diferentes países falarem juntas em suas línguas nativas, e que melhor caso de uso do que o metaverso para colocar esse projeto em prática.

Provendo algoritmos que aumentam o engajamento e a presença

Mesmo no metaverso, métricas como engajamento, tempo de atividade, frequência de login e assim por diante serão cruciais para empresas que hospedam ambientes e conteúdos digitais. Assim como todas as redes sociais hoje estão pressionando para nos manter o maior tempo possível em seus sistemas, o metaverso também apresentará algoritmos de recomendação e seleção de conteúdo que farão tudo ao seu alcance para nos mostrar o que mais nos interessa.

Esta é uma situação muito familiar: quando estamos entediados já entramos nas redes sociais para ver o que está acontecendo, para ler algo novo, para conversar com nossos contatos ou – mais frequentemente – porque alguma notificação nos incitou a fazê-lo. E quando abrimos o aplicativo ou o site, vários algoritmos estão em ação para nos impedir de nos desconectarmos muito rapidamente.

O mesmo se aplicará ao metaverso, apenas intensificado pelo fato de entrarmos em um ambiente imersivo, onde os algoritmos se beneficiarão de um maior grau de atenção de nós, pois alguns de nossos sentidos mais importantes (visão, audição e até tato) serão ser totalmente abandonado à experiência imersiva. Os modelos de IA serão capazes de cercar nossos sentidos, provocar nosso interesse e, finalmente, capturar nossa atenção com muito mais eficácia do que uma simples tela de smartphone.

Se você passa algum tempo em realidade virtual, pode estar acostumado ao fato de que uma hora parece passar mais rapidamente, não fosse pelos dispositivos de RV de hoje que ainda são muito volumosos e pesados ​​no rosto. Quando for fisicamente mais fácil mergulhar no metaverso, e quando os desajeitados sistemas que regulam os conteúdos forem mais sofisticados e inteligentes, desengajar-se dessa nova existência digital certamente se tornará mais difícil. A IA, infelizmente, será mais uma arma que as empresas usarão para nos convencer a nos mantermos conectados o máximo possível. Para piorar, já se acredita que o metaverso será um lugar cheio de marketing e manipulação.

Moderando e identificando comportamento prejudicial

Como já relatado em algumas notícias, o metaverso não está livre de problemas tipicamente humanos, como assédio ou bullying. Esses são desafios que todas as plataformas precisam enfrentar, pois não querem que seu projeto grandioso seja arruinado pelo assediador ao lado.

A inteligência artificial já ajuda os moderadores humanos a interceptar e examinar comportamentos suspeitos; no metaverso, esses controles só aumentarão. Não esqueçamos que na realidade virtual cada movimento do nosso avatar pode ser facilmente registrado e documentado, assim como cada palavra que dizemos ou ouvimos. À medida que a imersão e a sofisticação dos dispositivos aumentam – pense nos rastreadores corporais aos quais nos referimos anteriormente – os pontos de dados que podem ser interceptados e analisados ​​pela IA só aumentarão.

Com essa quantidade de informações, não seria impossível criar modelos que calculassem a probabilidade de que o assédio esteja acontecendo (ou esteja prestes a acontecer). Se houvesse dados suficientes, bastaria analisar todos os comportamentos ocorridos antes, durante e após as denúncias de assédio para criar um modelo que pudesse reconhecê-los ou predizê-los com boa precisão.

Um sistema, hipotético no momento, que seria potencialmente muito útil para permitir que todos usufruíssem de uma experiência digital sem perturbações ou ofensas, mas que também levanta várias questões, como o grau de intrusão que estamos dispostos a permitir nas nossas interações digitais privadas.

Considerações Finais

O metaverso veio para ficar, está apenas nascendo e tem muito a ser feito para o melhor aproveitamento de todos, seja pelas empresas que estão envolvidas nos projetos, seja pelas marcas estão divulgando e vendendo produtos e serviços nesse novo canal de mídia digital, seja com os usuários aprendendo, jogando, se divertindo e até mesmo trabalhando nesse novo ambiente. E a inteligência artificial é um pilar fundamental para sustentação de tudo isso, somado à segurança digital e outras tecnologias.

Referências

Observação: a maioria do texto deste artigo, trata-se de uma tradução e adaptação destes posts:

  • How will AI power the metaverse?, by Luca Sambucci – Feb., 2022 (Artificial Intelligence News)
  • Will artificial intelligence dominate the metaverse?, by Jun, 2021 (LinkedIn)
  • Artificial Intelligence in the Metaverse: Bridging the Virtual and Real, dez/2021 (XR Today)

Artigos relacionados

Guia de Transformação com Inteligência Artificial

“A inteligência artificial é a elucidação do processo de aprendizado humano, a quantificação do processo de pensamento humano, a explicação do comportamento humano e a compreensão do que torna a inteligência possível. É o passo final do homem para se entender, e espero participar dessa nova, mas promissora ciência.” – Kai-Fu Lee (1983), autor do livro “AI Super-Powers: China, Silicon Valley and the New World Order” (New York Times bestseller), lançado em 2018.

“Inteligência Artificial (definição): A teoria e o desenvolvimento de sistemas computacionais capazes de realizar tarefas que normalmente requerem inteligência humana, como percepção visual, reconhecimento de fala, tomada de decisão e tradução entre idiomas.” – Dicionário Oxford

Esta série de artigos que eu tenho postado sobre o uso da IA em Negócios fornece a líderes, gestores e profissionais de negócios uma base de conhecimentos que facilita o entendimento do tema e os prepara para uma relação mais próxima com os profissionais de tecnologia e realização de projetos em suas empresas.

Como liderar sua empresa na era da IA

A tecnologia de IA (Inteligência Artificial) agora está pronta para transformar todos os setores, assim como a eletricidade fez 100 anos atrás. Espera-se que até 2030, forneça um crescimento econômico estimado em 13 trilhões de dólares. Embora já tenha criado um tremendo valor em empresas líderes em tecnologia, como Google, Baidu, Microsoft e Facebook, muitas das ondas adicionais de criação de valor estão indo além do setor de software.

Este artigo trata-se de um pequeno guia de orientação para transformação da empresa utilizando o potencial da Inteligência Artificial (IA). Trata-se da tradução e adaptação do texto original que é baseado em insights obtidos de Andrew Ng, da empresa Landing AI, ao liderar equipes do Google Brain e o Baidu AI Group, onde ele desempenhou papéis de liderança na transformação do Google e do Baidu em grandes empresas de IA.

Observação: O guia é direcionado à grandes empresas, mas que pode ser adaptado para uso em empresas menores, com o uso de plataformas de computação cognitiva, inteligência artificial e aprendizado de máquina automatizado (AutoML) como serviço em nuvem – o que requer menos infraestrutura e profissionais para começar.

Veja as recomendações em 5 passos:

1. Execute projetos piloto para ganhar impulso

É mais importante que seus primeiros projetos de IA sejam bem-sucedidos do que os projetos de IA mais valiosos. Eles devem ser significativos o suficiente para que os sucessos iniciais ajudem sua empresa a se familiarizar com a IA e também convença outras pessoas da empresa a investir em outros projetos de IA; eles não devem ser tão pequenos que outros considerem triviais. O importante é fazer o volante girar para que sua equipe de IA possa ganhar impulso.

Características sugeridas para os primeiros projetos de IA:

  • Idealmente, deve ser possível para uma equipe de IA nova ou externa (que pode não ter profundo conhecimento de domínio sobre sua empresa) fazer parceria com suas equipes internas (que têm profundo conhecimento de domínio) e criar soluções de IA que comecem a mostrar tração em 6-12 meses.
  • O projeto deve ser tecnicamente viável. Muitas empresas ainda estão iniciando projetos que são impossíveis usando a tecnologia de IA de hoje; ter engenheiros de IA confiáveis ​​fazendo a devida diligência em um projeto antes do início aumentará sua convicção em sua viabilidade.
  • Tenha um objetivo claramente definido e mensurável que crie valor comercial.

Sucesso em um primeiro projeto piloto, trará a confiança necessária para projetos maiores e mais complexos.

2. Crie uma equipe interna de IA

Embora parceiros terceirizados com profundo conhecimento técnico em IA possam ajudá-lo a ganhar esse impulso inicial mais rapidamente, a longo prazo será mais eficiente executar alguns projetos com uma equipe interna de IA. Além disso, você desejará manter alguns projetos dentro da empresa para construir uma vantagem competitiva mais exclusiva.

É importante ter a adesão da liderança para construir essa equipe interna. Durante a ascensão da internet, a contratação de um CIO foi um ponto de virada para muitas empresas terem uma estratégia coesa de uso da internet. Em contraste, as empresas que realizaram muitos experimentos independentes – desde marketing digital até experimentos de ciência de dados e lançamentos de novos sites – não conseguiriam alavancar os recursos da Internet se esses pequenos projetos-piloto não conseguissem escalar para transformar o resto da empresa.

Na era da IA, um momento chave para muitas empresas será novamente a formação de uma equipe de IA centralizada que possa ajudar toda a empresa. Essa equipe de IA pode ficar sob a função de CTO, CIO ou CDO (Chief Data Officer ou Chief Digital Officer) se tiver o conjunto de habilidades certo. Também poderia ser liderado por um CAIO (Chief AI Officer) dedicado. As principais responsabilidades da unidade de IA são:

  • Construir uma capacidade de IA para dar suporte a toda a empresa.
  • Executar uma sequência inicial de projetos multifuncionais para dar suporte a diferentes divisões/unidades de negócios com projetos de IA. Depois de concluir os projetos iniciais, configurar processos repetidos para entregar continuamente uma sequência de projetos valiosos de IA.
  • Desenvolver padrões consistentes para recrutamento e retenção.
  • Desenvolver plataformas para toda a empresa que sejam úteis para várias divisões/unidades de negócios e que provavelmente não sejam desenvolvidas por uma divisão individual. Por exemplo, considere trabalhar com o CTO/CIO/CDO para desenvolver padrões de armazenamento de dados unificados.

Muitas empresas são organizadas com várias unidades de negócios subordinadas ao CEO. Com uma nova unidade de IA, você será capaz de integrar o talento de IA às diferentes divisões para conduzir projetos multifuncionais.

Novas descrições de cargos e novas organizações de equipe surgirão. Uma maneira de organizar o trabalho de equipes é em funções como engenheiro de aprendizado de máquina, engenheiro de dados, cientista de dados e gerente de produto de IA, o que é diferente da era pré-IA. Um bom líder de IA poderá aconselhá-lo sobre a configuração dos processos corretos.

Atualmente, há uma guerra por talentos de IA e, infelizmente, a maioria das empresas terá dificuldade em contratar um estudante ou graduado em doutorado em IA de Stanford, por exemplo. Como a guerra de talentos é basicamente de soma zero no curto prazo, trabalhar com um parceiro de recrutamento que pode ajudá-lo a construir uma equipe de IA.

3. Forneça amplo treinamento de IA

Nenhuma empresa hoje tem talento interno de IA suficiente. Enquanto as reportagens da mídia sobre altos salários de IA são exageradas (os números citados na imprensa tendem a ser discrepantes), é difícil encontrar talento em IA. Felizmente, com o aumento do conteúdo digital, incluindo MOOCs (cursos online abertos e massivos), como Coursera, e-books e vídeos do YouTube, é mais econômico do que nunca treinar muitos funcionários em novas habilidades, como IA. O CLO inteligente (Chief Learning Officer) sabe que seu trabalho é selecionar, em vez de criar conteúdo, e então estabelecer processos para garantir que os funcionários concluam as experiências de aprendizado.

Se você tiver orçamento para contratar consultores, o conteúdo presencial deve complementar o conteúdo online. Isso é chamado de pedagogia da “sala de aula invertida” que resulta em aprendizado mais rápido e uma experiência de aprendizado mais agradável. Contratar alguns especialistas em IA para fornecer algum conteúdo pessoalmente também pode ajudar a motivar seus funcionários a aprender essas técnicas de IA.

A IA proverá novos empregos diferentes. Você deve dar a todos o conhecimento de que precisam para se adaptar às suas novas funções na era da IA. A consulta com um especialista permitirá que você desenvolva um currículo personalizado para sua equipe. No entanto, um plano de educação inicial pode ser assim:

3.1. Executivos e líderes empresariais seniores: (⩾4 horas de treinamento)

META – Permita que os executivos entendam o que a IA pode fazer pela sua empresa, comecem a desenvolver a estratégia de IA, tomem decisões de alocação de recursos apropriadas e colaborem sem problemas com uma equipe de IA que está apoiando projetos de IA valiosos. CURRÍCULO:

  • Compreensão empresarial básica da IA, incluindo tecnologia básica, dados e o que a IA pode e não pode fazer.
  • Compreensão do impacto da IA ​​na estratégia corporativa.
  • Estudos de caso sobre aplicativos de IA para setores adjacentes ou para o seu setor específico.

3.2. Líderes de divisões que realizam projetos de IA: (⩾12 horas de treinamento)

META – Os líderes de divisão devem ser capazes de definir a direção dos projetos de IA, alocar recursos, monitorar e acompanhar o progresso e fazer as correções necessárias para garantir a entrega bem-sucedida do projeto. CURRÍCULO:

  • Compreensão empresarial básica da IA, incluindo tecnologia básica, dados e o que a IA pode e não pode fazer.
  • Conhecimento técnico básico de IA, incluindo as principais classes de algoritmos e seus requisitos.
  • Compreensão básica do fluxo de trabalho e processos de projetos de IA, funções e responsabilidades em equipes de IA e gerenciamento de equipe de IA.

3.3. Estagiários de engenharia de IA: (⩾100 horas de treinamento)

META – Engenheiros de IA recém-treinados devem ser capazes de coletar dados, treinar modelos de IA e entregar projetos de IA específicos. CURRÍCULO:

  • Profundo conhecimento técnico de machine learning e deep learning; compreensão básica de outras ferramentas de IA.
  • Compreensão das ferramentas disponíveis (código aberto e de terceiros) para construir sistemas de IA e dados.
  • Capacidade de implementar o fluxo de trabalho e os processos das equipes de IA.
  • Além disso: educação contínua para manter-se atualizado com a evolução da tecnologia de IA

4. Desenvolva uma estratégia de IA

Uma estratégia de IA orientará sua empresa para a criação de valor e, ao mesmo tempo, construirá fossos defensáveis. Assim que as equipes começarem a ver o sucesso dos projetos iniciais de IA e formar uma compreensão mais profunda da IA, você poderá identificar os lugares onde a IA pode criar mais valor e concentrar recursos nessas áreas.

Alguns executivos pensarão que desenvolver uma estratégia de IA deve ser o primeiro passo. A experiência diz que a maioria das empresas não será capaz de desenvolver uma estratégia de IA ponderada até que tenha alguma experiência básica com IA, que o progresso parcial nas etapas 1 a 3 fornecerá.

A maneira como você constrói fossos defensáveis ​​também está evoluindo com a IA. Aqui estão algumas abordagens a serem consideradas:

Crie vários ativos de IA difíceis que estejam amplamente alinhados com uma estratégia coerente: a IA está permitindo que as empresas construam vantagens competitivas exclusivas de novas maneiras. Os escritos seminais de Michael Porter sobre estratégia de negócios mostram que uma maneira de iniciar um negócio defensável é construir vários ativos difíceis que estão amplamente alinhados com uma estratégia coerente. Assim, torna-se difícil para um concorrente replicar todos esses ativos simultaneamente.

Aproveite a IA para criar uma vantagem específica para o seu setor: em vez de tentar competir “geralmente” em IA com empresas líderes de tecnologia, como o Google, recomendo tornar-se uma empresa líder de IA em seu setor, onde o desenvolvimento de recursos exclusivos de IA permitirá você para obter uma vantagem competitiva. Como a IA afeta a estratégia da sua empresa será específica do setor e da situação.

Desenhe estratégias alinhadas com o ciclo de feedback positivo do “círculo virtuoso da IA”: em muitos setores, veremos o acúmulo de dados levando a um negócio defensável:

Por exemplo, os principais mecanismos de pesquisa da Web, como Google, Baidu, Bing e Yandex, têm um enorme ativo de dados mostrando quais links um usuário clica após diferentes consultas de pesquisa. Esses dados ajudam as empresas a criar um produto de mecanismo de pesquisa mais preciso (A), o que, por sua vez, as ajuda a adquirir mais usuários (B), o que, por sua vez, resulta em ter ainda mais dados de usuários (C). Esse ciclo de feedback positivo é difícil aos concorrentes invadirem.

Os dados são um ativo fundamental para os sistemas de IA. Assim, muitas grandes empresas de IA também têm uma estratégia de dados sofisticada. Os principais elementos da sua estratégia de dados podem incluir:

Aquisição de dados estratégicos: sistemas úteis de IA podem ser construídos com qualquer ponto de 100 dados (“small data”) a 100.000.000 pontos de dados (“big data”), e ter mais dados é melhor. As equipes de IA estão usando estratégias muito sofisticadas e de vários anos para adquirir dados, e estratégias específicas de aquisição de dados são específicas do setor e da situação. Por exemplo, o Google e o Baidu têm vários produtos gratuitos que não monetizam, mas permitem que eles adquiram dados que podem ser monetizados em outros lugares.

Armazéns de dados unificados: se você tiver 50 bancos de dados diferentes sob o controle de 50 VPs ou divisões diferentes, será quase impossível para um engenheiro ou software de IA obter acesso a esses dados e “conectar os pontos”. Em vez disso, considere centralizar seus dados em um ou no máximo um pequeno número de data warehouses.

Reconhecer quais dados são valiosos e quais não são: não é verdade que ter muitos terabytes de dados automaticamente significa que uma equipe de IA poderá criar valor a partir desses dados. Esperar que uma equipe de IA crie valor magicamente a partir de um grande conjunto de dados é uma fórmula que vem com uma grande chance de falha. tragicamente alguns CEOs investirem demais na coleta de dados de baixo valor, ou mesmo adquirem uma empresa para seus dados apenas para perceber que os muitos terabytes de dados da empresa-alvo não são úteis. Evite esse erro trazendo uma equipe de IA no início do processo de aquisição de dados e permita que eles o ajudem a priorizar quais tipos de dados adquirir e salvar.

Criar efeito de rede e vantagens de plataforma: Finalmente, a IA também pode ser usada para construir fossos mais tradicionais. Por exemplo, plataformas com efeitos de rede são negócios altamente defensáveis. Eles geralmente têm uma dinâmica natural de “o vencedor leva tudo” que força as empresas a crescer rápido ou morrer. Se a IA permitir que você adquira usuários mais rapidamente do que seus concorrentes, ela poderá ser aproveitada para construir um fosso que seja defensável por meio da dinâmica da plataforma. Mais amplamente, você pode usar a IA como um componente-chave da estratégia de baixo custo, alto valor ou outras estratégias de negócios.

5. Desenvolva comunicações internas e externas

A IA afetará significativamente seus negócios. Na medida em que afeta seus principais interessados, você deve executar um programa de comunicação para garantir o alinhamento. Aqui está o que você deve considerar para cada público:

Relações com investidores: As principais empresas de IA, como Google e Baidu, agora são empresas muito mais valiosas, em parte por causa de seus recursos de IA e do impacto que a IA tem em seus resultados. Explicar uma tese clara de criação de valor para a IA em sua empresa, descrever seus crescentes recursos de IA e ter uma estratégia de IA ponderada ajudará os investidores a valorizar sua empresa adequadamente.

Relações Governamentais: Empresas em setores altamente regulamentados (carros autônomos, assistência médica) enfrentam desafios únicos para manter a conformidade. Desenvolver uma história de IA convincente que explique o valor e os benefícios que seu projeto pode trazer para um setor ou sociedade é um passo importante na construção de confiança e boa vontade. Isso deve ser combinado com comunicação direta e diálogo contínuo com os reguladores à medida que você lança seu projeto.

Educação do usuário: a IA provavelmente trará benefícios significativos para seus clientes, portanto, certifique-se de que as mensagens apropriadas de marketing e roteiro de produto sejam divulgadas.

Talento/Recrutamento: Devido à escassez de talentos de IA, uma marca forte do empregador terá um efeito significativo na sua capacidade de atrair e reter esse talento. Os engenheiros de IA querem trabalhar em projetos interessantes e significativos. Um esforço modesto para mostrar seus sucessos iniciais pode percorrer um longo caminho.

Comunicações Internas: Como a IA hoje ainda é pouco compreendida e a Inteligência Artificial Geral especificamente foi exagerada, há medo, incerteza e dúvida. Muitos funcionários também estão preocupados com o fato de seus empregos serem automatizados pela IA, embora isso varie muito de acordo com a cultura (por exemplo, esse medo aparece muito mais nos EUA do que no Japão). Comunicações internas claras, tanto para explicar a IA quanto para abordar as preocupações desses funcionários, reduzirão qualquer relutância interna em adotar a IA.

Uma nota histórica, importante para o seu sucesso

Compreender como a internet transformou as indústrias é útil para navegar na ascensão da IA. Há um erro que muitas empresas cometeram ao navegar na ascensão da internet que espero que você evite ao navegar na ascensão da IA.

Aprendemos na era da internet que: Shopping + Site ≠ empresa de internet

Mesmo que um shopping center construísse um site e vendesse coisas nele, isso por si só não transforma o shopping em uma verdadeira empresa de internet. O que define uma verdadeira empresa de internet é: você organizou sua empresa para fazer as coisas que a internet permite que você faça muito bem?

Por exemplo, empresas de internet se envolvem em testes A/B abrangentes, nos quais lançam rotineiramente duas versões de um site e mede qual funciona melhor. Uma empresa de internet pode até ter centenas de experimentos rodando ao mesmo tempo; isso é muito difícil de fazer com um shopping físico. As empresas de Internet também podem publicar um novo visual ou produto toda semana e, assim, aprender muito mais rápido do que um shopping center que atualiza seu design apenas uma vez por trimestre. As empresas de Internet têm descrições de cargos exclusivas para funções como gerente de produto e engenheiro de software, e essas funções têm fluxos de trabalho e processos exclusivos para o modo como trabalham em conjunto.

O aprendizado profundo, uma das áreas de IA que mais cresce, está mostrando paralelos com a ascensão da internet.

Hoje sabemos que: Qualquer empresa típica + tecnologia Deep Learning ≠ empresa de IA

Para que sua empresa se torne ótima em IA, você terá que organizá-la para fazer as coisas que a IA permite que você faça muito bem.

Para que sua empresa seja ótima em IA, você deve ter:

  • Recursos para executar sistematicamente vários projetos valiosos de IA: as empresas de IA têm tecnologia e talento terceirizados e/ou internos para executar sistematicamente vários projetos de IA que agregam valor direto ao negócio.
  • Compreensão suficiente da IA: Deve haver uma compreensão geral da IA, com processos apropriados para identificar e selecionar sistematicamente projetos valiosos de IA para trabalhar.
  • Direção estratégica: a estratégia da empresa está amplamente alinhada para ter sucesso em um futuro alimentado por IA.

Considerações finais

Um programa de transformação de IA pode levar de 2 a 3 anos, mas você deve esperar resultados concretos iniciais dentro de 6 a 12 meses. Ao investir em uma transformação de IA, você ficará à frente de seus concorrentes e aproveitará os recursos de IA para avançar significativamente em sua empresa.

Transformar sua empresa em uma empresa de IA é desafiador, mas viável com o apoio de bons parceiros.

Conte comigo em seus projetos. Sobre mim: aqui. Contato: aqui.

Um abraço, @neigrando

Referência

Este texto partiu do conteúdo traduzido e adaptado com base no post original em inglês “AI Transformation Playbook – How to lead your company into the AI era”-driven Strategy in Data and AI”, de Andrew Ng.

Artigos relacionados

Estratégia orientada a Dados e em IA

Promovendo a cultura e a mentalidade orientadas por dados em torno da ciência de dados e da IA

Nos últimos dois anos, tenho compartilhado artigos sobre Inteligência Artificial (IA) com foco em negócios, a partir de leitura, estudo e curadoria – buscando o melhor para agregar valor aos leitores. Nesse sentido considero este artigo extremamente relevante aos líderes e gestores que estão buscando literacia e melhor entendimento em como usar melhor os dados disponíveis em suas organizações para permanecerem competitivos e inovadores.

Pensar estrategicamente é bastante simples, basta olhar para o futuro do negócio em questão (visão) e escolher o caminho a ser percorrido para chegar lá (estratégia), partindo das capacidades existentes, identificar as capacidades necessárias e preencher a lacuna existente.

O mesmo ocorre quando se pensa sobre uma estratégia de dados, é preciso primeiramente identificar o que se pretende com os dados e depois traçar uma estratégia, com objetivos e metas bastante claros do que fazer com eles. Porém, o que geralmente existe nas organizações, é uma lacuna entre os dados coletados e o entendimento deles.

A figura que segue, mostra uma linha grossa exemplificando os dados coletados, uma linha fina exemplificando o entendimento dos dados pelos gestores, e por fim uma linha tracejada que exemplifica um possível novo entendimento sobre os dados a partir de uma perspicácia de dados. Tal perspicácia pode ser conseguida com recursos tecnológicos inteligência artificial, aprendizado de máquina, aprendizado profundo e outras abordagens.

Fonte: AI Ladder – Acelerate your Journey to AI, by Rob Thomas & Paul Zikopoulos, 2020

Nesse sentido, alguns fatores devem ser considerados:

  • Entender “por que os dados são críticos” e, mais importante, “que os dados certos são críticos, e não todos os dados”;
  • Do ponto de vista da ciência de dados e da IA, as estratégias de “defesa de dados” e “ofensiva de dados” devem equilibram o pêndulo que impulsiona o sucesso, portanto, uma fusão dessas duas estratégias é fundamental.

Alinhamento da força de trabalho-cultura na ciência de dados:

Embora a estratégia orientada por dados seja extremamente crítica para gerar valor e impacto nos negócios, é igualmente importante haver uma cultura e uma mentalidade apropriada para tal.

Conforme a referência do Gartner de Workforce-Culture Alignment a cultura data-driven é um fator multiplicador de conhecimento, mentalidade e comportamento; e isso reflete para atuar em ciência de dados, como segue:

  • Conhecimento em ciência de dados = os funcionários entendem alguns dos atributos culturais que a liderança sênior pensa e age para que suas empresas sejam bem-sucedidas
  • Mentalidade em ciência de dados = os funcionários acreditam que os atributos culturais tornarão suas empresas mais bem-sucedidas e contribuem pessoalmente para isso e estão comprometidos em defender algumas dessas ações estabelecidas
  • Comportamento na ciência de dados = os funcionários inculcam os atributos culturais na maneira como realizam seu trabalho e dependem disso para navegar por situações desafiadoras

Data Science é um esporte de equipe e depende significativamente dessa intervenção de “Workforce-Culture Alignment in Data Science” para se destacar e acelerar a jornada em Dados e IA.

Equilíbrio entre Estratégias de Ofensiva de Dados e Defesa de Dados:

A “ofensiva de dados” normalmente se concentra em aumentar a receita, melhorar a lucratividade, aumentar a experiência do cliente, aumentar a satisfação do cliente etc.

Ao mesmo tempo, a “defesa de dados” geralmente se concentra na redução de riscos, redução do custo total de propriedade, redução dos custos de manutenção, resolução de problemas de dados internamente dentro da organização e padronização, tornando os dados compatíveis com a regulamentação etc.

O CIO (Chief Information Officer) e CDO (Chief Data Officer) geralmente têm tarefas em torno de estratégias de defesa de dados, enquanto CAO (Chief Analytics Officer) terá o foco em estratégias de ofensiva de dados. Idealmente, o CEO (Chief Executive Officer) é neutro para ambos.

Para uma paixão e cultura orientadas por dados dentro da organização, é muito importante formar uma estratégia híbrida que englobe ambos e forme uma amálgama dos dois. Poucos temas de caso de uso de nível muito alto são capturados na representação diagramática abaixo como um ponto de vista. Isso não é exaustivo e não é preciso para as coordenadas da perspectiva de importância relativa, mas visa fornecer uma direção ao nosso processo de pensamento.

A cultura e a estratégia orientadas por dados percorrem aa seguintes etapas de ações:

  1. Definir metas, objetivos – É necessário definir metas/objetivos orientados por dados a partir da estratégia geral definida pela alta liderança para alinhamento da organização. É uma boa prática ter uma ideia clara se são de curto, médio ou longo prazo para que as ações sigam de acordo.
  2. Identificação de dados adequada – A identificação de dados apropriados/corretos é a chave para o sucesso. Isso reduz o custo ao longo da linha se soubermos que não precisamos de todos os dados ou de mais dados, mas de dados muito “específicos” para a análise e processo de geração de insights. Além disso, ferramentas e técnicas “certas” serão necessárias. Isso ajuda a construir um design robusto, com arquitetura com foco em escalabilidade e facilidade de manutenção.
  3. Percorrer os KPIs de negócios – A determinação de KPIs de negócios (indicadores-chave de desempenho) para critérios de sucesso deve ser realizada em um estágio inicial. Pode ser por setor, por várias funções como Vendas, RH, Marketing, Sucesso do Cliente, Gestão/Liderança etc. Isso ajuda no estreitamento dos objetivos para melhor cumprimento das metas.
  4. Entender a maturidade do Analytics – A avaliação da maturidade do Analytics deve ser realizada antes de iniciar uma jornada ou qualquer iniciativa de transformação. Isso ajuda a avaliar o nível de maturidade atual (AS-IS) e fornece uma imagem clara sobre o que focar no futuro. O ciclo de vida de ponta a ponta, Data Science CRISP-DM, ajuda a focar onde a energia precisa ser gasta – se em análise de dados, visualização de dados, integração de dados “certos” em um só lugar para melhor análise, engenharia de recursos, seleção de recursos, modelo desenvolvimento, avaliação de modelo, implantação de modelo, gerenciamento e monitoramento de modelo, gerenciamento de versão e gerenciamento de dados e desvios de modelo etc.
  5. Formular Estratégia promovendo inovação – Formular a estratégia promovendo a inovação ajuda. Novos métodos para lidar com dados, curadoria de dados, obter insights de dados ajudam muito e para isso uma estratégia deve ser definida para a realização de valor. Se as empresas puderem trabalhar para obter valor tangível dos dados, isso seria um grande passo. Algumas das perguntas que vêm à mente no processo estão nas seguintes áreas, por exemplo: encontrar novos fluxos de receita, melhorar e otimizar os modelos de negócios existentes, criar eficiências internas e monitorar os mesmos para melhor controle, manter a conformidade regulatória, aumentar a taxa de alfabetização de dados, criar novos produtos e insights, estratégia para “X Analytics” (Customer Analytics, Marketing Analytics , Operation Analytics, CRM Analytics, Retail Analytics, Healthcare Analytics etc.), estratégia para AI com Cloud, AI com Blockchain, AI com IoT, AI com AR/VR etc.
  6. Contratar o Talento “certo” – Contrate especialistas de dados certos com “talentos” apropriados na equipe para executar todas as etapas das operações de maneira bem-sucedida.
  7. Definir as funções e a recompensa aos talentos – Definir funções como administradores de dados e proprietários de dados é extremamente importante e crítico. Com base nesse e em outros papéis adequados, a matriz de atribuições de responsabilidade (RACI) pode ser formulada. Isso ajuda na Governança de Dados. Recompense talentos/equipes pelo uso diligente de dados, traga a cadeia de valor de motivação de dados dentro da organização.
  8. Analisar dados e medir a realização de valor – Use ferramentas e técnicas apropriadas para analisar dados. Explore dados para entender melhor os padrões, correlações e insights significativos. Uma vez que entendemos e preparamos melhor os dados, torna-se cada vez mais simples descobrir valor e obter insights tangíveis a partir deles.
  9. Treinar sua equipe/funcionários/talentos – Treine sua equipe aproveitando os métodos certos, modelos e soluções certos. Abordagem de design thinking, compreensão de modelos apropriados para casos de uso específicos, arquitetura para formular diferentes modelos e soluções podem ser treinadas. Upskilling, cross-skilling e requalificação são aspectos importantes, mas devem ser executados com cuidado com base na necessidade, resultado, uso, interesse etc.
  10. Permitir adoção contínua – A adoção de cima para baixo deve fluir perfeitamente. O provisionamento de acesso correto aos dados corretos para as pessoas corretas deve estar alinhado para realizar essa atividade. Tornar a prova de conceitos simples e robusta ajuda, em vez de pensar muito sofisticado, complexo desde o início. Todo o propósito é de adotar uma cultura onde estes ganhos rápidos fornecem motivação para a construção de uma base sólida e, em seguida, gerar impulso.
  11. Gerar dados para negócios – Defina como os dados são coletados, quais são as fontes de dados de entrada, qual equipe está envolvida na coleta de dados e assim por diante. Se a pesquisa for conduzida para gerar conjuntos de dados, isso deve ser planejado de forma eficaz.
  12. Impacto e valor de rendimento – Analise o resultado de negócios e a realização de valor e meça-o para métricas de sucesso. Documente as lições aprendidas e continue melhorando os processos sobre onde melhorar, em que estágio etc.

Concluindo

Em resumo, a tomada de decisão baseada em dados depende de várias dimensões e as empresas devem seguir uma abordagem estruturada para enfrentar os desafios que enfrentam. A gestão de valor de Data Science segue alguns dos pontos críticos mencionados. É importante definir a estratégia com inovação em todas as etapas e executá-la com esforços e ações em torno dela.

Para os interessados em Data-Driven Marketing, recomendo o capítulo 4 do livro “Trends MKT na Era Digital: O futuro do Marketing”, de Martha Gabriel, Rafael Kiso e outros autores colaboradores, bem como o post Data Driven Marketing

Para pequenas e médias empresas iniciando no tema, recomendo o artigo “PMEs deveriam pensar mais sobre DADOS

Se gostou, por favor, compartilhe.

Conte comigo em seus projetos. Sobre mim: aqui. Contato: aqui.

Um abraço, @neigrando

Referências

  • Este texto partiu do conteúdo traduzido e adaptado com base no post original em inglês “Data-driven Strategy in Data and AI”, de Kamal Mishra (2021)
  • AI Ladder – Acelerate your Journey to AI, by Rob Thomas & Paul Zikopoulos, 2020

Artigos relacionados