A Inteligência Artificial e o Futuro da Tomada de Decisões Estratégicas

“A Inteligência Artificial agrega muito na tomada de decisões. Isso torna o processo mais claro, rápido e mais orientado por dados. Com a IA, pequenas decisões podem ser tomadas em movimento, ela facilita a resolução de problemas complexos, permite iniciar mudanças estratégicas, avaliar riscos e avaliar o desempenho de todo o negócio.”

Ao longo dos últimos anos a Inteligência artificial tem evoluído de forma assustadora, e tem se destacado nas organizações como ferramenta de apoio ou na automação da tomada de decisões específicas e operacionais, em algumas decisões táticas e, em alguns casos, estratégicas.

O texto que segue é uma tradução levemente adaptada do artigo “The Future of Strategic Decision-Making” de Roger Spitz, que está disponível na Internet e a meu ver deve ser conhecido e divulgado amplamente para estudantes dos temas envolvidos e principalmente, para líderes e gestores de nossas organizações.

Como sociedade, devemos adaptar completamente nosso sistema educacional [1], priorizando a experimentação e a descoberta, incutindo curiosidade e conforto com a incerteza, começando primeiro no playground e depois se espalhando até nossas salas de reuniões. Se não melhorarmos nossas habilidades de evoluir em um mundo não linear, podemos encontrar a tomada de decisão humana marginalizada por algoritmos à medida que nos tornamos cegos pela complexidade crescente, enquanto as máquinas aprendem gradualmente a subir na cadeia de valor da decisão.

O acrônimo AAA é frequentemente usado para refletir a conquista final. Aqueles com experiência em finanças reconhecerão que AAA é o nível mais alto de merecimento de crédito ou, em ciência, a melhor classificação para escalas de classificação alfabética. O PNUD tem usado “Antecipatory, Adaptive and Agile” no contexto da governança [2], assim como estimados colegas em seu recente artigo intitulado “Triple-A Governance: Anticipatory, Agile and Adaptive[3].

Stephen Hawking [4] qualificou o século XXI como “o século da complexidade”. Com esse pano de fundo, há algum tempo usamos o AAA como “Antecipatório, Antifrágil e Ágil” (AAA) para definir o que o ser humano deve desenvolver para melhorar suas habilidades à medida que o mundo se torna mais complexo. Essa necessidade de os humanos aprimorarem suas capacidades é muito mais relevante no contexto de aprendizado rápido de máquinas e com funções humanas de nível cada vez mais alto.

Embora o termo antecipatório esteja intimamente relacionado à previsão, para nossa taxonomia AAA, emprestamos a definição de antifrágil de Taleb [5]: “A antifragilidade está além da resiliência ou robustez. O resiliente resiste a choques e permanece o mesmo; o antifrágil fica melhor.” E usamos “agilidade” no contexto do framework Cynefin [6], olhando para propriedades como nossa capacidade de ser curioso, inovador e experimental, para saber como ampliar ou atenuar nossos comportamentos em evolução dependendo do feedback, permitindo assim o surgimento de padrões instrutivos, especialmente em sistemas adaptativos complexos.

Tomada de decisão: não é mais uma exclusividade humana

Atualmente, a tomada de decisões para tópicos estratégicos importantes (como investimentos, pesquisa e desenvolvimento (P&D) e fusões e aquisições (M&A)) exige envolvimento humano, geralmente por meio de diretores executivos, equipes de liderança, conselhos, acionistas e governos. Olhando para o futuro, a questão não é quanto as máquinas aumentarão a tomada de decisão humana, mas se com o tempo os humanos continuarão envolvidos no processo.

Por meio do aprendizado de máquina (ML) e do processamento de linguagem natural (NLP), as capacidades da inteligência artificial (IA) na tomada de decisões estratégicas estão melhorando rapidamente, enquanto as capacidades humanas nessa área podem não estar necessariamente progredindo. Pode até ser o oposto: enquanto as máquinas são consideradas por muitos como um reforço para os seres humanos de uma forma positiva, o Pew Research Center adverte que a IA pode reduzir as habilidades cognitivas, sociais e de sobrevivência dos indivíduos: “suas habilidades de pensar por si mesmos e agir independentemente de sistemas automatizados[7].

Existem muitos modelos de ciclo de decisão, incluindo o tão admirado loop OODA (Observar, Orientar, Decidir, Agir) [8].

Em sua essência, estruturamos a tomada de decisões seguindo um processo simples de três etapas:

  1. Detectar e coletar inteligência.
  2. Interpretar as informações.
  3. Tomar e implementar decisões.

Cada uma dessas etapas é essencial para uma conclusão bem-sucedida. A lista a seguir mostra exemplos de falhas nesse processo. Inteligência pobre (falha na etapa 1) levou à invasão da Baía dos Porcos, enquanto a interpretação ineficaz (falha na etapa 2) contribuiu para a surpresa de Israel na guerra de outubro de 1973.

O passo 3 às vezes é mais difícil de isolar. A tomada e implementação de decisões também podem incluir aquelas que decidem não configurar um sistema para detectar ou coletar inteligência em primeiro lugar, ou que limitam o investimento nos recursos para, em última análise, interpretar essas informações. Pode-se argumentar que a falta de preparação que resultou em respostas governamentais improvisadas para o COVID-19 foi uma falha nas três etapas.

A história corporativa está repleta de exemplos de equipes de liderança com um viés cognitivo para tomar decisões ruins que extrapolaram o passado com previsões lineares. Isso geralmente ocorre porque os humanos acham difícil processar tendências “exponenciais” (que inicialmente não parecem crescer rapidamente) e ignoram as implicações da próxima ordem.

As operadoras de telecomunicações tiveram a opção de inovar em tecnologias over-the-top (OTT) em vez de depender de vacas leiteiras históricas, como mensagens de texto e chamadas internacionais. Esta decisão errada abriu caminho para novas camadas como Skype, WeChat e WhatsApp para liderar com tecnologias exponenciais disruptivas. Na mesma linha, a Verizon adquiriu a plataforma de videoconferência BlueJeans em abril de 2020 como um movimento defensivo tardio devido à pandemia e explosão do Zoom, em vez de antecipar a necessidade estratégica de uma plataforma de videoconferência de nível empresarial para o futuro do trabalho (remoto), saúde (telemedicina) ou educação (ensino online). A pandemia acelerou essa necessidade, enquanto a compreensão adequada de nossas duas primeiras etapas de tomada de decisão deveria significar que a Verizon teria tomado essas decisões estratégicas há muitos anos (em vez de acompanhar o Zoom hoje). Da mesma forma que a Disney só acordou em 2017 quando adquiriu o controle da BAMTech para tecnologia de streaming, deixando a Netflix dominar esse espaço durante muitos e preciosos anos.

Em 2011, Vincent Barabba [9] escreveu: “Em essência, alertamos a equipe de gerenciamento de que a mudança na captura de imagens por meio de tecnologias digitais estava chegando e que eles tinham uma década para se preparar para isso”. Apesar das avaliações do mercado-alvo, a Kodak não tomou as decisões estratégicas corretas.

Dada a velocidade e a escala da mudança, a questão de “se e como” podemos aprimorar nossas capacidades de tomada de decisão é legítima.

As máquinas estão subindo na cadeia de valor de tomada de decisão

Hoje, os humanos usam principalmente a IA para obter insights, mas as habilidades da IA poderão superar as habilidades humanas em todas as etapas do processo. A IA já está melhorando na análise preditiva, avançando constantemente para a direita, em direção a resultados prescritivos que recomendam opções específicas.

Isso é em parte alimentado por tecnologias exponenciais, à medida que a IA aprende a subir na cadeia de valor:

  • As máquinas são arquetipicamente usadas na otimização, automatização de processos e tarefas repetitivas.
  • Também os encontramos mais presentes em funções de aumento, onde emprestam seus maiores poderes de processamento para perceber e aprender (como na radiologia).
  • A IA está até abordando o domínio da criatividade anteriormente obrigatória. (O Google Arts recentemente fez parceria com o coreógrafo britânico Wayne MacGregor para treinar uma IA para coreografar danças [10]). [O DALL-E 2 da OpenAI é outro exemplo incrível de IA generativa em artes];

Uma vantagem significativa que a IA tem sobre os humanos é impulsionada por plataformas de inovação empilhadas que podem ser dimensionadas rapidamente, em que grandes quantidades de dados em rede fornecem insights cada vez mais profundos por meio da detecção de sinais, interpretação de tendências e reconhecimento de padrões em escala e com dados não estruturados. Isso também permite que informações e conexões não intuitivas sejam descobertas por meio de ML, enquanto o NLP é eficaz para extração não estruturada.

Superioridade atual da IA na detecção e coleta, com escala ajudando na interpretação

A IA já supera a capacidade humana na detecção de tendências, reconhecimento de sinais e padrões para dados não estruturados em escala:

  • Uma empresa, a Blue Dot, usou NLP e ML para detectar o vírus COVID-19 antes do Centro de Controle de Doenças dos EUA.
  • Outra empresa, a Social Standards, vasculha o Instagram e o Twitter para detectar marcas e concorrentes locais emergentes antes que atinjam o pico de visibilidade.
  • A empresa de análise geoespacial Orbital Insight extrai imagens digitais para prever o rendimento das colheitas ou as taxas de construção de edifícios chineses.

Insights preditivos aprimorados por algoritmo impulsionam a tomada de decisões

Um passo além do suporte à decisão orientado por análises, a IA acelera simulações, avaliações e desenvolvimentos “infinitos”, reduzindo o custo de testes para realizar grandes descobertas de P&D e medicamentos:

  • Halicina foi o primeiro antibiótico descoberto usando IA. A IA encontrou moléculas que até ajudam a tratar cepas bacterianas anteriormente intratáveis.
  • O medicamento para TOC DSP-1181 é a primeira molécula de medicamento não produzida por humanos a entrar na fase 1 dos ensaios clínicos. Graças à inteligência de ML do DSP-1181, os pesquisadores concluíram em 1 ano o que normalmente levaria vários anos.

No futuro, a IA realizará tomadas de decisão estratégicas prescritivas e autônomas?

Atualmente, a IA é encarregada da assistência à decisão, não da tomada de decisões estratégicas autônomas. Porque? A situação é mais do que “complicada”.

Nem os humanos nem a IA acham que a tomada de decisões em situações complexas é o seu ponto forte. Usando o Cynefin Framework de Dave Snowden [6], o domínio complexo envolve incógnitas desconhecidas, onde não há respostas certas e é apenas retrospectivamente que se pode estabelecer causa e efeito. Portanto, se há consolo a ser encontrado no fraco desempenho da humanidade aqui, é que as máquinas atualmente não são capazes de fazer melhor (a zona de conforto da IA está no domínio complicado, onde há uma variedade de respostas certas, incógnitas conhecidas e causalidade pode ser analisado, então joga bem com os dados).

A maioria das aplicações de interpretação preditiva envolve um projeto conjunto (aumento) entre humanos e IA. Como a IA é exponencial, com o tempo o papel dos humanos pode diminuir em várias áreas.

Ao analisar a tendência de envolvimento da máquina, uma coisa fica clara: a IA está desempenhando um papel maior em cada etapa do processo de decisão. Está começando a dominar áreas que antes pensávamos serem importantes demais para serem confiadas a máquinas ou exigiam muito julgamento humano:

  • Em 2017, o software do J.P. Morgan completou 360.000 horas de trabalho de due diligence legal em segundos.
  • Apenas dois anos depois, no final de 2019, a Seal Software (adquirida no início de 2020 pela DocuSign) demonstrou um software que ajuda a automatizar o lado criativo do trabalho jurídico, sugerindo pontos de negociação e até preparando as próprias negociações.
  • A plataforma de ML proprietária da EQT Ventures, Motherbrain, fez mais de US$ 100 milhões em investimentos de empresas de portfólio monitorando mais de 10 milhões de empresas, seus algoritmos coletando dados de dezenas de fontes estruturadas e não estruturadas para identificar padrões.
  • Uma startup alemã chamada intuitive.ai fornece soluções de IA para promover decisões estratégicas de gerenciamento informadas, enquanto a startup 9Q.ai, sediada no Reino Unido, está desenvolvendo “Complex AI” para otimizar a tomada de decisões estratégicas com múltiplos objetivos em tempo real, inclusive para o setor de consultoria de gestão.

Como estamos vendo com a crise atual, a extensão das falhas internacionais na preparação (como ignorar completamente os avisos da própria inteligência dos EUA, de Bill Gates ou do Fórum Econômico Mundial) é apenas a ponta do iceberg em nossas falhas em respostas ao framework de resolução de problemas necessários. Portanto, atualmente, nem os humanos nem a IA têm um bom desempenho em sistemas complexos. E poucos líderes adotam o modelo experimental, que exige curiosidade, criatividade e diversas perspectivas para permitir o surgimento de padrões instrutivos imprevisíveis.

Estaremos à altura do desafio de tempos complexos acelerados, disruptivos e imprevisíveis? Porque a IA certamente continuará aprendendo – mesmo além do complicado – já que os algoritmos não dependerão mais apenas de uma série de respostas certas:

  • Matthew Cobb [11] fornece um exame detalhado sobre se nosso cérebro é um computador, abrangendo as visões de Gary Marcus (“Computadores são, em poucas palavras, arquiteturas sistemáticas que recebem entradas, codificam e manipulam informações e transformam suas entradas em saídas. Os cérebros são, até onde podemos dizer, exatamente isso.”) e os neurocientistas que consideram que, mesmo que isso fosse verdade, a “engenharia reversa” do cérebro pode não ser um dado adquirido.
  • A IA está se desenvolvendo rapidamente ao lidar com a complexidade com progresso em áreas-chave, como redes neurais artificiais (amplamente inspiradas em redes neurais biológicas que constituem cérebros e são boas em reconhecimento de padrões). Russell, em seus livros seminais sobre IA, reconhece as opiniões de vários filósofos que acreditam que a IA nunca terá sucesso enquanto expande como agentes inteligentes raciocinam logicamente com conhecimento, incluindo a tomada de decisões em ambientes incertos e a importância de redes neurais artificiais para gerar o conhecimento necessário para que os agentes inteligentes tenham os componentes necessários para tomar decisões [12].
  • É claro que existem limitações para o que a IA pode fazer hoje, em parte devido aos próprios dados, ainda mais em sistemas complexos (“Dados significam mais informações, mas também significam mais informações falsas” [13]). Em Black Swan[14], Taleb adverte contra o uso indevido de big data, incluindo o “espelho retrovisor” (confirmação vs. causalidade), uma instância de raciocínio pobre à medida que a narrativa está sendo construída em torno dos dados que acabam com uma história mais clara do que a realidade empírica. Ele também sinaliza “evidência silenciosa”, pois não se pode confiar em observações experimentais para desenvolver uma conclusão válida (a possibilidade de dados ausentes, correlações espúrias e o risco de eventos não observados anteriormente têm um impacto tremendo).
  • No início deste ano, Ragnar Fjelland [15] escreveu “Por que a inteligência artificial geral não será realizada” e, embora reconheça os principais marcos na pesquisa de IA (incluindo o DeepMind AlphaGo no aprendizado de reforço profundo), sua visão é que os sistemas carecem de flexibilidade e encontram dificuldade de se adaptar às mudanças no ambiente. Como Taleb, ele se concentra na correlação e causalidade e na falta de compreensão da IA, uma grande limitação hoje.

À medida que a IA continua a se desenvolver, as máquinas podem se tornar cada vez mais legítimas na tomada de decisões estratégicas de forma autônoma, onde hoje os humanos têm vantagem. Se os humanos não conseguirem se tornar suficientemente AAA, as máquinas de aprendizado rápido poderão superar nossa capacidade. Elas não precisam atingir a inteligência artificial geral nem se tornar excepcionais no manuseio de sistemas complexos, precisam ser apenas melhores do que nós. [O lançamento recente do incrível ChatGPT da OpenAI conseguiu um milhão de usuários em 5 dias, pela facilidade e habilidade desta aplicação Web para responder questões e até mesmo código em linguagem de computador.]

Como os seres humanos podem permanecer relevantes

Para permanecer relevante, o ser humano deve se tornar cada vez mais antecipatório e antifrágil, com agilidade.

Antecipatório

Taleb [14] usa o famoso exemplo dos Cisnes Negros para descrever eventos imprevisíveis com grandes impactos. Em muitos casos, no entanto, a metáfora mais adequada é o Rinoceronte Cinzento [16].

Os eventos do Rinoceronte Cinzento são altamente prováveis e claros, mas ainda não respondemos. Talvez estejamos em negação ou passando a responsabilidade. Podemos diagnosticar o perigo sem entusiasmo… e então entrar em pânico quando é tarde demais. COVID-19 era um rinoceronte cinza.

A liderança de empresas, países e organizações geralmente não é pega de surpresa pelos Cisnes Negros, mas é incapaz ou não quer se preparar para os Rinocerontes Cinzentos. Saber distinguir seus Cisnes Negros de seus Rinocerontes Cinzentos é a chave para se tornar mais antecipado e parar de ser pisoteado. Além disso, a liderança deve:

  • Aprender a qualificar sinais flexíveis e interpretar os efeitos da próxima ordem da mudança, conectando os pontos de mudança com gatilhos de ação.
  • Ter cuidado ao confiar em riscos estatísticos que aceitaram um mundo estável e previsível.
  • Entender as ramificações da mudança exponencial (que se move “gradualmente e depois repentinamente”), pois o mundo não é uma evolução linear do passado. Lembre-se da lei de Amara: “Temos a tendência de superestimar o efeito de uma tecnologia no curto prazo e subestimar o efeito no longo prazo”.
  • Ter visão: mapear futuros plausíveis, com a agência para concretizar nossa opção futura preferida. Tanto a tomada de decisões estratégicas de curto quanto de longo prazo são necessárias simultaneamente hoje, priorizando a inovação, bem como a tentativa e erro.
  • Adotar uma análise “pré-morte” para identificar ameaças e fraquezas por meio da presunção hipotética de falha em um futuro próximo.

Antifrágil

Continuando com o framework Cynefin de Snowden, os sistemas complexos que estão sendo criados devem pelo menos ser resistentes a choques e mudanças, ou até mesmo se beneficiar deles, ou podemos encontrá-los esmagados.

Fazendo analogias com o Antifrágil de Taleb [5], os sistemas frágeis são danificados pela desordem. Eles recebem mais desvantagens do que vantagens dos choques. O endividamento excessivo é uma estratégia frágil. As recompras de ações também são, embora sejam comuns. A teoria financeira – baseada em um mundo estável e ordenado – diz a uma empresa para não acumular dinheiro, mas o dinheiro pode ser um salva-vidas em tempos imprevisíveis.

Os sistemas antifrágeis se fortalecem a partir da desordem. Os choques e erros os fazem fortalecer, não quebrar. O Vale do Silício, por exemplo, responde bem à pressão. Sua mentalidade experimental e fluida permite que eles encontrem rapidamente novas soluções. Eles inovam e evoluem, fortalecendo-se pela pressão da seleção natural.

Muitos de nossos sistemas econômicos e empresas são frágeis por terem seguido o “manual estratégico” estereotipado de otimização e hipereficiência em um mundo que presumiam ser linear e previsível. Quando choques ou caos ocorrem, eles se dobram. Se quisermos permanecer relevantes (ou seja, não ver nossa tomada de decisão estratégica ser substituída por máquinas), devemos criar ecossistemas sociais e econômicos inovadores em rede que se fortalecem sob estresse.

Ágil

Como Sue Siegel, da GE, disse em 2018: “O ritmo da mudança nunca será tão lento quanto hoje”, portanto, à medida que o mundo acelera exponencialmente, devemos desenvolver a agilidade:

Nossas organizações centralizadas e hierárquicas não são ágeis. A maioria se move lentamente, continuando nas mesmas ações que sempre realizou. Essas estratégias não respondem bem a circunstâncias em constante mudança.

  • Compreender melhor todo o sistema, dada a imprevisibilidade e interdependências das partes móveis onde o todo é mais do que a soma das partes.
  • Desenvolver comportamentos emergentes (amplificados ou atenuados para mover a pessoa na direção certa), experimentando e consertando para falhar rapidamente e permitir que surjam padrões instrutivos.
  • Aproveitar a liminaridade para a transformação: use os espaços liminares intermediários da incerteza para impulsionar a destruição criativa [17] e a inovação disruptiva [18].
  • Descentralizar, permitindo que redundâncias funcionais sejam usadas como substituições dentro de um ecossistema, substituindo falhas.
  • Aproveitar a curiosidade, a criatividade e as diversas perspectivas para ir na contramão, porque o conhecimento padrão de hoje nunca resolverá as surpresas de amanhã. A fertilização cruzada com perfis em forma de T que combinam profundo conhecimento com ampla experiência pode se mover naturalmente entre as disciplinas, criando novas combinações em um mundo onde os padrões são difíceis de interpretar e os generalistas florescem [19].

Devemos criar células enxutas e ágeis que ataquem os problemas influenciando independentemente os pontos de alavancagem para criar atratores para a emergência. Inspiradas na própria natureza, essas estratégias ágeis surgiram em todos os tipos de áreas, de startups enxutas a guerrilheiros.

Olhando para o futuro

Até agora, os humanos se destacaram na tomada de decisões, mas nossa vantagem comparativa pode não necessariamente continuar.

Nossas estruturas mentais atuais podem não ser versáteis o suficiente para navegar e gerenciar mudanças constantes e imprevisíveis à medida que a IA evolui rapidamente, inclusive no campo da Emotion AI (também conhecida como Computação Afetiva ou Inteligência Emocional Artificial), onde startups como a Affectiva reconhecem, interpretam, simulam e reagem à emoção humana.

À medida que o mundo e seus sistemas se tornam mais complexos, há várias opções para o futuro da tomada de decisões estratégicas, incluindo:

  1. Os seres humanos são capazes de se adaptar e melhorar nossa tomada de decisão – tornando-se mais AAA – para que possamos continuar agregando valor ao fazer parceria com máquinas. Aqui, a IA está fornecendo insights para aumentar e tomar decisões mais informadas, descobrir novas oportunidades sem necessariamente substituir os humanos.
  2. Os humanos falham em se adaptar ao nosso mundo cada vez mais complexo, encontrando-se, em vez disso, marginalizados ou substituídos no processo-chave de tomada de decisão, que poderia estar totalmente fora de nossas mãos.

Pode haver virtudes em um futuro em que sejamos liberados não apenas das tarefas repetitivas mais mundanas, mas também das pressões e responsabilidades da tomada de decisão. No entanto, isso levanta a questão da escolha: decidimos proativamente sobre nossa posição na cadeia de valor ou nos vemos sendo impostos em um determinado local.

Em última análise, é uma questão existencialista em torno da agência, pois a pressão evolutiva dita que os melhores tomadores de decisão serão os que sobreviverem. Se não redesenharmos fundamentalmente nossa educação e estruturas estratégicas para criar mais líderes AAA, poderemos ver essa escolha feita por nós.

A alternativa distópica: do C-Suite ao A-Suite?

Eu preferiria um mundo onde as decisões humanas continuassem a impulsionar nossa espécie, onde consideramos o que é preciso para ter mais chances de construir este mundo. Se não o fizermos, nosso atual C-suite de líderes pode ser substituído por um A-suite (de algoritmos).

Usando o modelo de três horizontes de Curry e Hodgson [20], nossos futuros possíveis são:

  • Agora: nosso presente incorporado com “bolsos de futuro”.
  • Hyper-Augmentation: a tomada de decisão preditiva aumentada por algoritmo inteligente é combinada com nossos humanos AAA, criando uma parceria simbiótica homem-máquina.
  • Futuro da IA: a IA prescritiva avalia autonomamente o leque de opções potenciais (consequências, retornos…), avaliando decisões preferenciais com base em retornos otimizados (qualidade dos resultados, velocidade, custo, risco…) sem necessariamente ter envolvimento humano.

Este terceiro horizonte do futuro da IA abre caminho para novos modelos prescritivos de tomada de decisão:

  • Organizações Autônomas Descentralizadas (DAO): coletivos auto-organizados determinam e executam contratos inteligentes, capacitando a cooperação automatizada sem atrito em um nível coletivo. Armado com dados inteligentes, insights de análises e recursos preditivos de ML, o DAO toma decisões otimizadas.
  • Swarm AI: grupos infinitos aumentam sua inteligência formando enxames em tempo real.

Adotar o AAA pode garantir mais agência sobre nossos futuros. Quanto mais esperarmos, maior o risco de sermos levados adiante na cadeia de valor do que nosso futuro preferido teria previsto.

Sobre o autor

Roger Spitz é o fundador e CEO da Techistential (Foresight Strategy & Futures Intelligence) e presidente fundador do Disruptive Futures Institute. É consultor e palestrante sobre Inteligência Artificial. Roger tem duas décadas liderando negócios de banco de investimento, como chefe de fusões e aquisições de tecnologia, ele aconselhou CEOs, fundadores, conselhos, acionistas e tomadores de decisão de empresas em todo o mundo.

Concluindo

A Inteligência Artificial é uma fantástica criação humana, porém será necessário sabedoria em sua governança.

Se gostou, por favor, compartilhe. Sobre mim: aqui. Contato: aqui. Um abraço, @neigrando

Referências

[1] Spitz, R. (2020, March 17). Innovation starts when you fall off the edge of the playground. MIT Technology Review. https://insights.techreview.com/innovation-starts-when-you-fall-off-the-edge-of-the-playground/

[2] Wiesen, C. (2020, May 14). Anticipatory, Adaptive and Agile Governance is key to the response to COVID-19. UNDP. https://www.asia-pacific.undp.org/content/rbap/en/home/presscenter/articles/2020/anticipatory–adaptive-and-agile-governance-is-key-to-the-respon.html

[3] Ramos, J., Uusikyla, I., & Tuan Luong, N. (2020, April 3). Triple-A Governance: Anticipatory, Agile and Adaptive. Journal of Futures Studies. https://jfsdigital.org/2020/04/03/triple-a-governance-anticipatory-agile-and-adaptive/

[4] Hawking, S. (2000, January 23). Interview. San Jose Mercury News.

[5] Taleb, N. N. (2012). Incerto: Vol. 4. Antifragile: Things That Gain From Disorder. Random House.

[6] Snowden, D. J., & Boone, M. E. (2007). A leader’s framework for decision making. Harvard Business Review, (November).

[7] Anderson, J., Cohn, S., & Rainie, L. (2018, December 10). Artificial intelligence and the future of humans. Pew Research Center.

[8] Boid, John. (1995). Developed by USAF colonel and military strategic.

[9] Barabba, V. P. (2011). The Decision Loom: A Design for Interactive Decision-making in Organizations. Triarchy Press.

[10] Leprince-Ringuet, D. (2018, December 17). Google’s latest experiment teaches AI to dance like a human. Wired, UK. https://www.wired.co.uk/article/google-ai-wayne-mcgregor-dance-choreography

[11] Cobb, M. (2020). The idea of the brain: The past and future of neuroscience. Basic Books.

[12] Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Prentice Hall.

[13] Taleb, N. N. (2013, February 8). Beware the Big Errors of ‘Big Data’. https://www.wired.com/2013/02/big-data-means-big-errors-people/

[14] Taleb, N. N. (2007). Incerto: Vol. 2. The Black Swan: The Impact of the Highly Improbable. Random House.

[15] Fjelland, R. (2020). Why general artificial intelligence will not be realized. Humanities & Social Sciences Communications, (10), 1-9. https://doi.org/10.1057/s41599-020-0494-4

 [16] Wucker, M. (2016). The Gray Rhino: how to recognize and act on the obvious dangers we ignore. St Martin’s Press.

[17] Schumpeter, J. A. (1942). Capitalism, Socialism and Democracy. Harper & Brothers.

[18] Christensen, C. (1997). The Innovator’s Dilemma. Harvard Business Review Press.

[19] Epstein, D. (2019). RANGE: Why generalists triumph in a specialized world. Macmillan.

[20] Curry, A., & Hodgson, A. (2008). Seeing in multiple horizons: Connecting futures to strategy. Journal of Futures Studies, 13(1), 1-20.

Artigos relacionados

Entendendo a Web3 e a Economia de Tokens

“Web3, uma nova iteração da World Wide Web baseada na tecnologia blockchain, que incorpora conceitos como descentralização e economia baseada em tokens, ou ainda, um ecossistema online descentralizado habilitado pela tecnologia blockchain, que conecta pessoas, lugares e coisas, sejam elas físicas ou digitais. A promessa é de uma internet centrada no usuário, interoperável, transparente e segura que pode criar novas economias, novas classes de produtos e novos serviços.”

1. O básico da Economia de Tokens

1.1 Uma nova Web surgindo: Web3

Enquanto o Web2 foi uma revolução de front-end – cuja interface com o usuário permitia somente navegação e leitura/escrita como em sites de e-commerce e mídia social, a Web3 é uma revolução de back-end –  que introduz uma camada de estado universal. É um conjunto de protocolos liderados pela blockchain, que pretendem reinventar a forma como a Internet é conectada no back-end, combinando a lógica da Internet com a lógica do computador.

A Internet que usamos hoje armazena e gerencia dados em servidores de instituições confiáveis. Na Web3, os dados são armazenados em várias cópias de uma rede P2P (par-a-par ou ponto-a-ponto), e as regras de gerenciamento são formalizadas no protocolo e garantidas pelo consenso da maioria de todos os participantes da rede, muitas vezes (mas nem sempre) incentivados com um token (que representa um ativo ou direito de acesso) de rede para suas atividades.

Ao contrário dos aplicativos centralizados executados em um único computador, os aplicativos descentralizados (Dapps) são executados em uma rede P2P de computadores. Eles existem desde o advento das redes P2P. Os aplicativos descentralizados não precisam necessariamente ser executados em uma blockchain.

Tanto a criptomoeda Bitcoin como a tecnologia blockchain subjacente não surgiram do nada. Elas estão enraizadas no início da história do computador e da Internet, construídas em décadas de pesquisa sobre redes de computadores, criptografia e teoria dos jogos.

1.2 Segurança dos Tokens: Criptografia

Criptografia é a prática e o estudo da comunicação segura na presença de terceiros. O objetivo é criar sistemas de informação que sejam resilientes contra espionagem, manipulação e outras formas de ataque.

A criptografia em blockchain é usada para identificar com confiança todos os atores da rede e permite a transparência das interações, mantendo a privacidade de todos os atores da rede.

A criptografia de chave pública é usada para provar a identidade de alguém com um conjunto de chaves criptográficas: uma chave privada e uma chave pública, que em combinação com uma transação cria nossa assinatura digital. Essa assinatura digital prova a propriedade de nossos tokens (criptomoedas ou outros ativos digitais) e nos permite controlá-los por meio de um software chamado “carteira” (wallet).

Semelhante a uma assinatura manuscrita, uma assinatura digital é usada para verificar se você é quem diz ser. Na blockchain do Bitcoin e em outras como a do Ethereum, as assinaturas digitais são funções matemáticas que fazem referência a um endereço de carteira específico que gerencia seus tokens em uma blockchain.

Uma função de hash é um algoritmo matemático que pode pegar qualquer tipo de entrada, como um texto (string), um arquivo de texto ou um arquivo de imagem, e o compila em uma string de saída de tamanho fixo chamada hash. É uma função unidirecional, o que significa que a única maneira de recriar os dados de entrada originais (mensagem) do hash é tentar todas as entradas possíveis para ver se elas produzem uma correspondência. Embora isso seja possível, é demorado e, portanto, caro.

Proof-of-Work” é o mecanismo de consenso usado na Rede Bitcoin para garantir que as transações enviadas pela rede sejam válidas. O objetivo desse mecanismo é evitar o gasto duplo de tokens e ataques ao sistema, assumindo que todos os atores da rede podem ser potencialmente corruptos. Os hashes são usados ​​para criar um quebra-cabeça matemático, que os atores da rede (nodes) precisam resolver para criar um bloco de transações verificadas. Esse processo é chamado de “mineração” e os “nós de mineração” precisam competir entre si para gerar um bloco válido de transações. Eles precisam realizar um trabalho computacional para resolver o quebra-cabeça, e é por isso que esse processo é chamado de “prova de trabalho”.

1.3 Bitcoin, Blockchain e outros: Gestão de Tokens

Blockchain é um livro-razão compartilhado e distribuído onde cópias imutáveis ​​e criptografadas das informações que são armazenadas em diversos computadores (nodes) da rede. Tais informações neste livro-razão geralmente consistem de blocos de registros de transações feitas. Qualquer registro envolvido não pode ser alterado retroativamente, sem a alteração de todos os blocos subsequentes.

Todos os participantes (nodes) da rede têm acesso igual aos mesmos dados em tempo real. As transações executadas na rede são transparentes para todos os atores e podem ser rastreadas até sua origem.

O livro razão, armazenado em todos os computadores da rede P2P, garante que cada unidade de valor seja transferida apenas uma vez. Ele atua como um notário digital e um carimbo de data/hora publicamente verificável.

Ao contrário dos bancos de dados distribuídos, as blockchains permitem o controle distribuído, onde diferentes partes que não confiam umas nas outras podem compartilhar informações sem a necessidade de um administrador diferente.

Isso permite que contratos inteligentes imponham lógica de negócios e regras de governança por meio de consenso e podem ser vistos como o próximo nível de automação.

Blockchain baseia-se na ideia de redes P2P e fornece um conjunto de dados universal em que todos os atores podem confiar, mesmo que não se conheçam ou não confiem uns nos outros. Pessoas e instituições que não se conhecem ou confiam umas nas outras e que residem em países diferentes, sujeitas a diferentes jurisdições e que não possuem acordos juridicamente vinculativos entre si, agora podem interagir pela Internet sem a necessidade de terceiros confiáveis, como bancos, plataformas de Internet ou outros tipos de instituições de compensação.

Ideias em torno de redes P2P seguras por criptografia têm sido discutidas no meio acadêmico em diferentes estágios evolutivos desde a década de 1980. No entanto, antes do surgimento do Bitcoin, nunca houve uma implementação prática de uma rede P2P que conseguisse evitar o problema do gasto duplo, sem a necessidade de intermediários confiáveis ​​garantindo a troca de valor.

O “problema do gasto duplo” refere-se ao fato de que na Internet atual, o dinheiro digital, na forma de um arquivo, pode ser copiado, e cópias desse mesmo arquivo digital poderiam ser enviadas de um computador para vários outros computadores ao mesmo tempo.

Mecanismos de consenso, como “prova de trabalho“, permitem o controle distribuído. Eles são baseados na combinação de incentivos econômicos e criptografia. A teoria dos jogos aplicada é usada para recompensar os atores da rede com um token de rede nativo. Este mecanismo de recompensa é projetado de forma que seja economicamente inviável enganar a rede. Isso torna extremamente difícil falsificar o blockchain, devido à imensa quantidade de poder de computação que seria necessário para fazê-lo. Ao contrário de blockchains públicos e sem permissão, em blockchains com permissão, todos validadores são membros de um consórcio.

A tecnologia de livro-razão distribuído (DLT) surgiu como um termo abrangente usado para descrever tecnologias que distribuem registros ou informações entre todos aqueles que os utilizam, seja de forma privada ou publicamente.

2. Contratos Inteligentes e Redes Tokenizadas

2.1 Contratos Inteligentes

Um contrato inteligente é um software autoaplicável gerenciado por uma rede P2P de computadores. Contratos inteligentes fornecem uma estrutura de coordenação e execução de acordos entre os participantes da rede, sem a necessidade de contratos legais tradicionais. Eles podem formalizar as relações entre pessoas e instituições e os bens que possuem pela Internet, sem a necessidade de intermediários confiáveis.

O termo “contrato inteligente” foi cunhado pela primeira vez por Nick Szabo em 1996 e precede o desenvolvimento de blockchains. Ainda era o início da Web quando Szabo apontou que a revolução digital não apenas criaria novas instituições, mas também formalizaria as relações econômicas e sociais.

Casos de uso de contratos inteligentes variam de simples a complexos. Eles podem ser usados ​​para transações econômicas simples, como enviar dinheiro de A para B, registrar qualquer tipo de propriedade e direitos de propriedade, como registros de imóveis e propriedade intelectual, ou gerenciar o controle de acesso inteligente para a economia compartilhada. A forma mais complexa de um contrato inteligente é uma organização autônoma descentralizada (DAO). Os contratos inteligentes também podem ser usados ​​para criar tokens.

Os contratos inteligentes têm o potencial disruptivo em muitos setores. Os casos de uso podem ser encontrados em bancos, seguros, energia, governo eletrônico, telecomunicações, indústria musical e cinematográfica, artes plásticas, mobilidade, educação e muito mais.

Oráculos são serviços de software que localizam e verificam ocorrências do mundo real e submetem essas informações a um contratos inteligentes, acionando automaticamente mudanças de estado na blockchain. A principal tarefa dos oráculos é fornecer esses valores ao contrato inteligente de maneira segura e confiável. Esses fluxos de dados são provenientes de software (aplicativo de Big Data) ou de hardware (Internet das Coisas).

2.2 Economia Institucional das Redes Tokenizadas

Blockchain e contratos inteligentes são tecnologias de governança que podem minimizar os dilemas existentes principal-agente das organizações e os riscos morais subsequentes. Os tokens de redes distribuídas fornecem uma nova forma de incentivos para alinhar interesses automaticamente na ausência de terceiros.

Dilemas principal-agente ocorrem quando o agente de uma organização tem o poder de tomar decisões em nome ou impactar o principal – outra pessoa ou entidade na organização. Exemplos disso podem ser administradores que atuam em nome de acionistas ou políticos que atuam em nome de cidadãos. Em tais configurações, o risco moral ocorre quando uma pessoa assume mais riscos do que normalmente faria, porque outra pessoa arca com o custo desses riscos. Esse dilema geralmente aumenta quando há uma assimetria de informação subjacente em jogo.

Governança refere-se às regras, normas e ações de como as pessoas interagem dentro de uma comunidade ou organização por meio de leis, normas, força ou linguagem. As regras de governança de uma organização ou grupo de pessoas passam a regular o processo de tomada de decisão entre todas as partes interessadas envolvidas.

As redes tokenizadas podem interromper as estruturas de governança tradicionais e desafiar as formas atuais de como a sociedade se organiza. Elas prometem uma coordenação mais descentralizada e espontânea pela Internet entre usuários que não se conhecem ou não confiam uns nos outros, geralmente chamadas de organizações descentralizadas autônomas (DAOs).

Desde o surgimento da Internet, surgiu uma vasta gama de tribos distribuídas da Internet, que culmina nas plataformas de mídia social de hoje. As redes tokenizadas da Web3 introduzem uma nova camada de governança, com a DAO como um novo organismo social para a Internet. Redes descentralizadas autônomas representam organismos vivos dinâmicos governados por protocolos executáveis ​​por máquinas.

Uma DAO pode ser formalizado por um contrato inteligente. Os casos de uso variam de simples a complexos. A complexidade depende do número de partes interessadas, bem como do número e complexidade dos processos dentro dessa organização que serão regidos pelo contrato inteligente. Dependendo do propósito e das regras de governança da organização, esses casos de uso podem se assemelhar a empresas ou nações.

Os protocolos Blockchain são comparáveis ​​à constituição e às leis governamentais dos estados-nação. Semelhante a uma rede blockchain pública e sem permissão, os estados-nação também têm um código, a constituição, que é pública e de código aberto. A diferença significativa é que as redes tokenizadas são autoaplicáveis.

2.3 Governança e Redes Tokenizadas

A governança no contexto de uma rede tokenizada como uma blockchain pública refere-se ao processo de obtenção de consenso social sobre a evolução do protocolo.

O consenso em torno de atualizações de protocolo pode ocorrer off-chain ou on-chain.

Os primeiros protocolos Blockchain, como Bitcoin e Ethereum, dependem de uma suposição simplista de “código é lei” e têm um governo social bastante espontâneo e não bem institucionalizada camada de governança que acontece “fora da cadeia“. Vários projetos de blockchain mais recentes introduziram vários modelos de “governança on-chain“, onde os mecanismos de governança são uma parte integral do protocolo.

Dependendo do protocolo, existem certas verificações e balanços em vigor, onde mineradores e detentores de tokens que executam nós completos podem adotar ou não as alterações propostas. As partes interessadas em uma rede tokenizada podem ser resumidas como (1) mineradores, (II) desenvolvedores, (III) usuários executando nós completos, (IV) usuários que não executam nós completos e (V) o ecossistema de negócios que pode atuar como um formador de mercado como corretoras, comerciantes, etc.

A questão de quanta coordenação pode ser feita “on-chain” versus “off-chain” não está resolvida. A questão não é qual abordagem é melhor, mas como podemos aplicar de forma significativa uma combinação de ambas as abordagens para resolver o processo de tomada de decisão em grandes ambientes multistakeholder. Supõe-se que uma certa quantidade de coordenação on-chain torna a coordenação global mais fácil, mas não resolve o fator humano.

3. Economia de Tokens

3.1 Tokens

Tokens criptográficos referem-se a ativos ou direitos de acesso, gerenciados por um contrato inteligente e um livro-razão distribuído (DLT) subjacente. Eles são acessíveis apenas pela pessoa que possui a chave privada desse endereço e só podem ser assinados usando essa chave privada.

Tokens podem representar qualquer coisa, desde uma reserva de valor até um conjunto de permissões no mundo físico, digital e jurídico. Eles facilitam a colaboração entre mercados e jurisdições e permitem uma interação mais transparente, eficiente e justa entre os participantes do mercado, a custos baixos. Os tokens também podem incentivar um grupo autônomo de pessoas a contribuir individualmente para um objetivo coletivo. Esses tokens são criados mediante a comprovação de um determinado comportamento.

Tokens não são uma coisa nova e existem desde muito antes do surgimento do blockchain. Tradicionalmente, os tokens podem representar qualquer forma de valor econômico. Os tokens também são usados ​​na computação, onde podem representar um direito de realizar alguma operação ou gerenciar direitos de acesso. Uma forma mais tangível de tokens de computador são os códigos de rastreamento que você obtém para rastrear sua encomenda com serviços postais ou QRcodes (tickets) que fornecem acesso a um trem ou avião.

O termo “token” é simplesmente uma metáfora. Ao contrário do que a metáfora pode sugerir um token não representa um arquivo digital que é enviado de um dispositivo para outro. Ao invés disso, refere-se a ativos e/ou direitos de acesso que são gerenciados coletivamente por uma rede de computadores, uma rede blockchain ou outro livro-razão distribuído.

Os tokens criptográficos representam um conjunto de regras, codificadas em um contrato inteligente – o contrato token. Cada token pertence a um endereço blockchain. Esses tokens são acessíveis por meio de um software, uma carteira que se comunica com o blockchain e gerencia o par de chaves público-privadas relacionadas ao endereço do blockchain. Somente a pessoa que possui a chave privada desse endereço pode acessar os respectivos tokens.

Essa pessoa pode ser considerada o proprietário ou guardião desses tokens. O proprietário pode iniciar a transferência do ativo assinando com sua chave privada, que por sua vez gera uma assinatura digital. Quem perder a chave privada, perderá o acesso aos seus fundos.

A identificação de diferentes propriedades de um token pode ser usada como uma primeira etapa para ajustar uma estrutura de classificação futura e também usada para técnicas de modelagem ao desenvolver o token. As perspectivas mais importantes das quais podemos deduzir as propriedades de um token são: (1) técnica; (11) dos direitos; (III) da fungibilidade (IV) da transferibilidade; (V) de durabilidade; (VI) regulatória (VII) de incentivo; (VIII) da oferta; e (IX) de fluxo de token.

Embora muitos tokens emitidos nos primeiros anos de blockchains e vendas de tokens representassem tokens fungíveis, temos os tokens não fungíveis (NFTs) muito diversificados que podem exceder em muito o impacto dos tokens nativos de blockchain ou outros tokens fungíveis.

Enquanto os tokens fungíveis são idênticos e intercambiáveis (exemplo: criptomoedas), os tokens não fungíveis são únicos por natureza (exemplo: representações digitais de obras de arte), com propriedades variadas que podem ser distinguidas umas das outras.

3.2 O Futuro do Dinheiro

Em uma economia de mercado baseada na divisão do trabalho e dinheiro emitido por órgãos governamentais, o papel do dinheiro é facilitar a troca de bens e serviços. Isso torna a troca econômica muito mais eficiente do que as economias de troca, evitando ineficiências de tais sistemas, como o problema da “coincidência de desejos”

O dinheiro provou ser uma tecnologia eficiente para intermediar a troca de bens e serviços, fornecendo uma ferramenta para comparar valores de objetos diferentes. Tem diferentes funções e propriedades: (1) meio de troca; (II) medida de valor e unidade de conta em que a dívida pode ser denominada; e como (III) reserva de valor.

Para cumprir suas várias funções, o dinheiro deve ter certas propriedades, que incluem (I) liquidez, (II) fungibilidade, (III) durabilidade, (IV) portabilidade, (V) cognoscibilidade e (VI) estabilidade. Ele também precisa de algumas (VII) medidas incorporadas para evitar a falsificação.

Nas economias modernas, o tipo de dinheiro dominante é a chamada (I) moeda fiduciária. Prévio à existência de moedas fiduciárias modernas, tínhamos (II) moeda-mercadoria e (III) dinheiro representativo.

Embora o Bitcoin tenha sido originalmente projetado com o objetivo de criar dinheiro P2P sem bancos, a tecnologia blockchain subjacente que faz isso acontecer provou ser uma porta de entrada para um novo tipo de criação de valor econômico. Incentiva contribuições individuais para um objetivo público: uma rede de pagamento P2P. É um token e uma rede de pagamento.

Tokens de protocolo como Bitcoin ou Ether são necessários para pagar transações em suas respectivas redes. Eles representam o “curso legal” da rede, necessário para pagar pelos serviços de rede. A remessa P2P é a infraestrutura pública que a Rede Bitcoin fornece. As taxas de transação para essas remessas precisam ser pagas com tokens BTC. A computação P2P é a infraestrutura pública que a Rede Ethereum fornece. As taxas de transação para cálculo de contratos inteligentes precisam ser pagas com o token nativo, ETH. O armazenamento de arquivos P2P é a infraestrutura pública que, por exemplo, a Rede Sia oferece. As taxas de transação para serviços de armazenamento de arquivos precisam ser pagas com o token nativo, SIA ou outro token de serviços de armazenamento.

Atualmente, a maioria dos tokens não cumpre uma das propriedades mais importantes do dinheiro: estabilidade de valor e, até certo ponto, fungibilidade. A usabilidade também é um problema como uma barreira de entrada para a potencial adoção em massa, pois ainda há muitos problemas em relação à escalabilidade da infraestrutura de blockchain e usabilidade da carteira. Sem melhor usabilidade, os tokens não podem cumprir seu papel como um meio de troca amplamente aceito.

3.3 Tokens Estáveis

A estabilidade do valor é uma das funções mais importantes do dinheiro para servir como meio de troca. O objetivo dos tokens estáveis ​​é fornecer uma reserva de valor, unidade de troca e unidade de conta representada por um token criptográfico, que mantém um valor estável em relação a um preço-alvo, como EUR, USD ou Real.

O objetivo do Bitcoin era criar dinheiro eletrônico P2P. Enquanto o protocolo subjacente introduziu um algoritmo de consenso inovador, o protocolo define apenas uma política monetária que simplesmente regula e limita a quantidade de tokens cunhados ao longo do tempo. O protocolo não fornece um algoritmo econômico sofisticado que garanta a estabilidade de preços.

Assim como desenvolver um algoritmo de consenso seguro exigiu décadas de pesquisa e desenvolvimento, uma quantidade equivalente de rigor acadêmico é necessária quando se trata de desenvolver aspectos de política monetária de dinheiro eletrônico P2P. No entanto, não há necessidade de reinventar a roda. Há muito que se pode aprender com a macroeconomia e décadas de experiência com políticas monetárias definidas por governos e bancos centrais tentando alcançar a estabilidade da moeda – tanto o que fazer quanto o que não fazer.

Tokens de protocolo de última geração são impraticáveis ​​para pagamentos do dia a dia. Sem um meio de troca estável que possa ser gerenciado pelo blockchain subjacente, nenhuma parte de um contrato inteligente pode confiar no preço denominado de um determinado token. Essa falta de estabilidade de preços levou ao surgimento de tokens estáveis ​​nos últimos anos. Seu objetivo é remover a extrema volatilidade dos preços para abrir caminho para o uso comercial de tokens.

Tokens estáveis ​​são blocos de construção indispensáveis ​​para uma economia próspera de tokens; de outra forma, contratos inteligentes e aplicativos descentralizados continuarão sendo fenômenos marginais, pois representam um alto risco para ambas as partes de um contrato inteligente, o comprador e o vendedor. As empresas provavelmente não aceitarão tokens em grande escala, se seu valor puder cair drasticamente em um curto período de tempo. Elas precisariam cobrir deltas de preços enquanto os pagamentos estão sendo processados. Salários ou quaisquer outros pagamentos recorrentes, como aluguel, pagamentos de serviços públicos etc., não podem ser denominados ou planejados de forma confiável com tokens instáveis.

Tipos de tokens estáveis: (1) tokens estáveis ​​garantidos por ativos; (II) tokens estáveis ​​garantidos ou (III) Ações de senhoriagem.

3.4 Tokens de Negociação, Trocas Atômicas e DEX

Enquanto blockchains e outros ledgers distribuídos permitem a transferência de tokens com intermediários, eles permitem apenas a remessa P2P de seus próprios tokens. Como os tokens criam apenas um blockchain específico, esses tokens não podem se mover entre as redes por motivos de interoperabilidade. A compra e venda de tokens ainda requer provedores de serviços centralizados.

As corretoras online oferecem serviços para quem deseja comprar e vender tokens. Elas agem como intermediários confiáveis e parecem ter se tornado os novos portais que decidem quais tokens são negociados e quais não. 

As corretoras atuam como formadoras de mercado. Elas influenciam o destino de um token decidindo em incluí-los ou não.

A maioria das corretoras hoje são centralizadas (CEX), o que significa que elas atuam como intermediárias entre compradores e vendedores de tokens. Elas permitem a compra e venda simples de tokens, também contra moedas fiduciárias, e fornecem fácil criação de carteira e gerenciamento de contas, incluindo a proteção de chaves privadas.

Cuidado! As corretoras centralizadas são um serviço importante nesta nova economia de tokens, mas têm pontos únicos de falha, sendo vulneráveis ​​a hack, má administração, volatilidade de volume ou censura. 

A interoperabilidade geral do blockchain pode ser uma solução para esse problema. trocas (swaps) atômicas são outra solução, com viabilidade mais imediata.

As swaps atômicas permitem a negociação entre cadeias P2P e podem ser executados diretamente entre blockchains separados, de carteira para carteira, sem um intermediário confiável como as corretoras. Eles usam um tipo de contrato inteligente chamado HTLC (hash time-locked contract) para proteger a transação, certificando-se de que ambas as partes da negociação cumpram os requisitos da transação.

As trocas atômicas não resolvem o problema da “coincidência de desejos“. Elas beneficiarão apenas as pessoas que conhecem outra pessoa que está disposta a comprar a quantidade exata de tokens que você está vendendo, pela quantidade exata de tokens que deseja comprar, exatamente ao mesmo tempo. A probabilidade de isso acontecer para investidores de varejo é bastante baixa. As trocas descentralizadas, no entanto, poderiam resolver ambos os problemas.

Corretoras descentralizadas (DEX) são aplicativos descentralizados executados em um livro-razão distribuído, onde as pessoas que desejam trocar tokens podem postar os tokens que desejam vender, contra tokens que outros desejam vender. Elas tentam combater todas as desvantagens das corretoras centralizadas, mantendo-se fiéis à ideologia descentralizada da Web3. Isso permitiria que estranhos trocassem tokens sem a necessidade de uma autoridade central nos assentamentos.

Uma corretora totalmente descentralizada faria uso de trocas atômicas ou tecnologia semelhante, com uma camada de descoberta adicional que permite a negociação entre dois proprietários de tokens casuais que não se conhecem e, de outra forma, não saberiam como se encontrar. No entanto, a maioria das corretoras autoproclamadas descentralizadas está longe de ser totalmente descentralizada.

Considerações Finais

A economia de tokens é uma realidade que tem acontecido e evoluído muito rapidamente, ela faz parte de uma rede descentralizada P2P suportada por blockchain e outras tecnologias. Ela possibilita junto com contratos inteligentes, aplicações descentralizadas, e outros recursos uma nova Web, conhecida como Web3, mais segura, mais confiável e mais focada nos indivíduos.

Se gostou, por favor, compartilhe. 🙂

Sobre mim: aqui. Contato: aqui.

Abraços, @neigrando

Referência

O texto deste artigo trata-se de uma tradução adaptada dos resumos dos capítulos do livro “Token Economy: How Blockchain and Smart Contracts Revolutionize the Economy” de Shermin Voshmgir, 2019.

Artigos relacionados

DeepTech – Ciência e Tecnologia a serviço da Inovação e Negócios

Depois de ter empreendido em duas empresas de tecnologia, ao longo dos últimos 12 anos tenho contribuído com o ecossistema brasileiro de startups de diversas formas: participando como convidado em eventos, organizando o livro “Empreendedorismo Inovador: Como criar startups de tecnologia no Brasil”, provendo mentoria e consultoria de negócios para dezenas de startups e empresas, participando de outros livros e postando artigos neste blog.

No recente evento DeepCamp do IPT em parceria com o SEBRAE,  a convite de Luciano Avallone, participei do painel sobre Modelos de Negócio DeepTech, moderado por Tatyane Sales num bate-papo junto com Jorge Pacheco (STATE) e Paula Lima (CIETEC).

No painel conversamos desde Proposição de Valor e outros elementos importantes a serem considerados em um modelo de negócios DeepTech, até questões sobre investimentos, laboratórios, inovação aberta na conexão de startups com empresas, propriedade intelectual (patente), licenciamento/transferência de tecnologia e legalização junto aos órgãos regulamentadores.

Este post é dedicado a cientistas, engenheiros, designers, empreendedores e investidores envolvidos com negócios DeepTech, bem como aos que administram laboratórios científicos/técnicos e incubadoras de empresas.

Image: Particle spin occurs in the subatomic world where the laws of quantum physics apply (*1)

O que é DeepTech?

O termo DeepTech, refere-se às startups cujo modelo de negócios é baseado em inovação de alta tecnologia em engenharia ou avanços científicos significativos. Envolve o aproveitamento de tecnologias maduras e emergentes para resolver os maiores problemas que o mundo enfrenta hoje, ao mesmo tempo em atua com objetivos de negócios arrojados e revigora cadeias de valor.

Deeptechs pesquisam, desenvolvem e implantam tecnologias de grande impacto e alto capital, como inteligência artificial, biologia sintética, computação quântica e realidade aumentada.

As tecnologias emergentes são muito promissoras, mas sem uma maneira de focar a tecnologia certa nos desafios mais urgentes, as empresas não podem obter todo o seu valor.

Vale observar que não existe uma tal “tecnologia profunda”, DeepTech trata-se uma abordagem habilitada pela orientação a problemas e a convergência de abordagens e tecnologias, impulsionada pelo ciclo de design-construção-teste-aprendizagem (DBTL – Design-Build-Test-Learn).

Como observou Clayton Christensen, que desenvolveu a teoria da tecnologia disruptiva, poucas tecnologias são intrinsecamente disruptivas ou sustentáveis em si mesmas; em vez disso, a solução e o modelo de negócios construído em torno ou por meio das tecnologias são disruptivos. A mesma ideia se aplica à DeepTech.

As DeepTechs questionam barreiras básicas, obstáculos e pontos cegos na abordagem atual para a solução de problemas. Elas contam com tecnologias emergentes enraizadas na ciência e engenharia avançada que oferecem avanços significativos em relação às tecnologias estabelecidas. Na verdade, aproximadamente 70% dos empreendimentos DeepTech possuem patentes que cobrem a tecnologia que usam, e geralmente exigem pesquisa e desenvolvimento (P&D) e engenharia significativos antes que as empresas possam trazer soluções práticas de negócios ou de consumo do laboratório para o mercado e usá-las para resolver problemas fundamentais.

Atributos complementares dos empreendimentos DeepTechs

  • São orientados para o problema. Concentram-se em resolver problemas grandes e fundamentais, como fica claro pelo fato de que 97% dos empreendimentos DeepTech contribuem para pelo menos uma das metas de desenvolvimento sustentável da ONU.
  • Atuam na convergência de tecnologias. Por exemplo, 96% dos empreendimentos DeepTech usam pelo menos duas tecnologias e 66% usam mais de uma tecnologia avançada. Cerca de 70% dos empreendimentos de tecnologia profunda possuem patentes em suas tecnologias.
  • Desenvolvem principalmente produtos físicos, em vez de software. De fato, 83% dos empreendimentos DeepTech estão envolvidos na construção de um produto físico. Eles estão mudando a equação da inovação de bits para bits e átomos, trazendo o poder dos dados e da computação para o mundo físico.
  • Estão no centro de um ecossistema DeepTech. Cerca de 1.500 universidades e laboratórios de pesquisa estão envolvidos em DeepTech, e empreendimentos DeepTech receberam cerca de 1.500 doações de governos somente em 2018.

Ecossistema DeepTech

Na imagem que segue pode-se observar que no ecossistema DeepTech cada participante contribuindo com valor.

A Quarta Onda de Inovação

A primeira onda de inovação empresarial moderna começou no século XIX e início do século XX com avanços como o processo Bessemer para fabricação de aço e o processo Haber-Bosch para fabricação de amônia.

Após a Segunda Guerra Mundial, a segunda onda de inovação empresarial moderna – a revolução da informação – deu origem à P&D de grandes empresas, particularmente nos setores de TIC e farmacêutico. Bell Labs, IBM e Xerox PARC tornaram-se nomes conhecidos e oficinas do Prêmio Nobel. Só a Merck lançou sete novos medicamentos importantes durante a década de 1980.

Na onda seguinte, a revolução digital – dois caras em uma garagem (ou um dormitório de Harvard) – liderou a carga de inovação, resultando na ascensão do Vale do Silício e, mais tarde, da Costa Dourada da China como centros globais de tecnologia de computação e comunicação e crescimento econômico. Ao mesmo tempo, o novo campo da biotecnologia, também impulsionado por empreendedores, alimentou grande parte da inovação em produtos farmacêuticos.

A onda agora tomando forma à medida que as barreiras mais antigas à inovação desmoronam abraça um novo modelo e promete ampliar e aprofundar radicalmente a inovação em todos os setores de negócios.

O poder crescente e o custo decrescente da computação e o aumento das plataformas de tecnologia são os contribuintes mais importantes. A computação em nuvem está melhorando constantemente o desempenho e expandindo a amplitude de uso. As biofundições estão se tornando para a biologia sintética o que a computação em nuvem já é para a computação. Plataformas semelhantes estão surgindo em materiais avançados (Kebotix e VSPARTICLE são dois exemplos).

Enquanto isso, os custos continuam caindo, incluindo aqueles relacionados a equipamentos, tecnologia e acesso à infraestrutura.

O uso crescente de padrões, kits de ferramentas e uma abordagem aberta à inovação, juntamente com a disponibilidade cada vez maior de informações e dados, também está desempenhando um papel importante.

Alimentando a Grande Onda: A Abordagem da Deep Tech

Os empreendimentos de tecnologia profunda bem-sucedidos contam com uma abordagem tripla

  • Eles usam a orientação para problemas para identificar oportunidades e navegar e dominar a complexidade.
  • As convergências de abordagens e de tecnologias potencializam a inovação, ampliam o espaço de opções e resolvem problemas para os quais não existiam soluções anteriormente.
  • O ciclo de projeto-construção-teste-aprendizagem (DBTL) reduz os riscos e acelera o desenvolvimento do produto e o tempo de comercialização.

As DeepTechs vivem na convergência de três abordagens

A convergência de tecnologias abre novas oportunidades

Draft de um canvas de Modelo de Negócios DeepTech genérico

Aqui vale lembrar que um modelo de negócios em sua essência deve comunicar de forma sintética como a organização cria, entrega e captura valor. Considera-se que deve acompanhar um plano estratégico bem elaborado, que fará parte de um Plano de Negócios, e que os slides de um pitch devem conter um belo resumo deste plano.

Observação: Cada Negócio DeepTech provavelmente será único, com um modelo de negócios apropriado a ser desenhado de forma apropriada para representá-lo.

Considerações finais

O objetivo deste post foi o de fornecer um resumo introdutório ao tema DeepTech e apresentar uma ideia de sua abrangência. Vide abaixo, links para mais artigos relacionados com empreendedorismo inovador.

Sobre mim: aqui. Contato: aqui.

Abraços, Nei Grando

Referências

Este post foi elaborado a partir de uma tradução adaptada e resumida de um um relatório da consultoria BCG “Deep Tech and the Great Wave of Innovation”, by Antoine Gourevitch, Massimo Portincaso, Arnaud de la Tour, Nicolas Goeldel, and Usman Chaudhry.

Outras referências consideradas neste post:

Links para os sites das instituições mencionadas

Artigos relacionados