Para melhores decisões: Use Algoritmos

Iniciando com um resumo: O surgimento da tomada de decisão algorítmica é uma coisa boa? Parece haver um quadro crescente de autores, acadêmicos e jornalistas que responderia negativamente. No cerne deste trabalho está a preocupação de que os algoritmos são frequentemente ferramentas opacas, tendenciosas e inexplicáveis ​​utilizadas no interesse do poder institucional. Essas críticas e investigações costumam ser perspicazes e esclarecedoras, e fizeram um bom trabalho em nos desiludir da noção de que algoritmos são puramente objetivos. Mas há um padrão entre esses críticos, que raramente perguntam se os sistemas que analisam funcionariam bem sem algoritmos. E essa é a questão mais relevante para profissionais e formuladores de políticas: como o viés e o desempenho dos algoritmos se comparam aos dos seres humanos? Não é segredo que os algoritmos são tendenciosos. Mas os humanos que eles estão substituindo são significativamente mais tendenciosos. Afinal, de onde vêm os preconceitos institucionais se não dos humanos que tradicionalmente estiveram no comando?

Uma revolução silenciosa está ocorrendo

Em contraste com grande parte da cobertura da imprensa sobre inteligência artificial, essa revolução não é sobre a ascensão de um exército androide consciente. Em vez disso, é caracterizado por um aumento constante na automação de processos de decisão tradicionalmente baseados em humanos em todas as organizações em todo o país. Embora avanços como AlphaGo Zero tornem as manchetes cativantes, é o aprendizado de máquina bastante convencional e as técnicas estatísticas – mínimos quadrados comuns, regressão logística, árvores de decisão – que estão agregando valor real aos resultados financeiros de muitas organizações. As aplicações do mundo real variam de diagnósticos médicos e sentenças judiciais a recrutamento profissional e alocação de recursos em órgãos públicos.

Esta revolução é uma coisa boa? Parece haver um quadro crescente de autores, acadêmicos e jornalistas que responderia negativamente. Os títulos de livros desse gênero incluem “Weapons of Math Destruction“, “Automating Inequality” e “The Black Box Society“. Também houve uma enxurrada de artigos de formato longo, como “Machine Bias“, “Austerity Is an Algorithm” e “Are Algorithms Building the New Infrastructure of Racism?” No cerne deste trabalho está a preocupação de que os algoritmos são frequentemente ferramentas opacas, tendenciosas e inexplicáveis ​​utilizadas no interesse do poder institucional. Então, até que ponto devemos nos preocupar com a ascensão moderna dos algoritmos?

Essas críticas e investigações são frequentemente perspicazes e esclarecedoras, e fizeram um bom trabalho em nos desiludir da noção de que algoritmos são puramente objetivos. Mas há um padrão entre esses críticos, que raramente perguntam se os sistemas que analisam funcionariam bem sem algoritmos. E essa é a questão mais relevante para profissionais e formuladores de políticas: como o viés e o desempenho dos algoritmos se comparam ao status quo? Em vez de simplesmente perguntar se os algoritmos têm falhas, devemos perguntar como essas falhas se comparam às dos seres humanos.

O que a pesquisa diz?

Há um grande número de pesquisas sobre tomada de decisão algorítmica que remonta a várias décadas. E todos os estudos existentes sobre esse tópico têm uma conclusão notavelmente semelhante: os algoritmos são menos tendenciosos e mais precisos do que os humanos que estão substituindo. Abaixo está uma amostra da pesquisa sobre o que acontece quando algoritmos recebem o controle de tarefas tradicionalmente realizadas por humanos:

  • Em 2002, uma equipe de economistas estudou o impacto dos algoritmos de subscrição automatizados no setor de empréstimos hipotecários. Suas principais descobertas foram “que os sistemas [de subscrição automatizada] preveem com mais precisão a inadimplência do que os subscritores manuais” e “que essa maior precisão resulta em taxas de aprovação de mutuários mais altas, especialmente para candidatos mal atendidos”. Em vez de marginalizar os compradores residenciais tradicionalmente mal atendidos, o sistema algorítmico, na verdade, beneficiou mais esse segmento de consumidores.
  • Uma conclusão semelhante foi alcançada por Bo Cowgill, da Columbia Business School, quando estudou o desempenho de um algoritmo de seleção de empregos em uma empresa de software (pesquisa futura). Quando a empresa implementou o algoritmo para decidir quais candidatos deveriam obter entrevistas, o algoritmo na verdade favoreceu os candidatos “não tradicionais” muito mais do que os rastreadores humanos. Em comparação com os humanos, o algoritmo exibiu significativamente menos preconceito contra candidatos que estavam sub-representados na empresa (como aqueles sem referências pessoais ou diplomas de universidades de prestígio).
  • No contexto das audiências de fiança pré-julgamento da cidade de Nova York, uma equipe de proeminentes cientistas da computação e economistas determinou que os algoritmos têm o potencial de alcançar decisões significativamente mais equitativas do que os juízes que atualmente tomam decisões sobre fiança, com “reduções nas taxas de prisão [de ] até 41,9% sem aumento nas taxas de criminalidade.” Eles também descobriram que em seu modelo “todas as categorias de crime, incluindo crimes violentos, mostram reduções [nas taxas de prisão]; e esses ganhos podem ser alcançados ao mesmo tempo em que reduz as disparidades raciais”.
  • A revista New York Times publicou recentemente uma longa história para responder à pergunta: “Um algoritmo pode dizer quando as crianças estão em perigo?” Acontece que a resposta é “sim” e que os algoritmos podem realizar essa tarefa com muito mais precisão do que os humanos. Em vez de exacerbar os preconceitos raciais perniciosos associados a alguns serviços do governo, “a experiência de Allegheny sugere que sua ferramenta de triagem é menos ruim para avaliar preconceitos do que os rastreadores humanos”.
  • Por fim, examinando dados históricos sobre empresas de capital aberto, uma equipe de professores de finanças começou a construir um algoritmo para escolher os melhores membros do conselho para uma determinada empresa. Os pesquisadores não apenas descobriram que as empresas teriam um desempenho melhor com membros do conselho selecionados por algoritmos, mas em comparação com o algoritmo proposto, eles “descobriram que as empresas [sem algoritmos] tendem a escolher conselheiros que têm muito mais probabilidade de serem homens, têm uma grande rede , tem muita experiência em conselhos, atualmente serve em mais conselhos e tem experiência em finanças”.

Em cada um desses estudos de caso, os cientistas de dados fizeram o que parece uma coisa alarmante: eles treinaram seus algoritmos em dados passados ​​que certamente são influenciados por preconceitos históricos. Então, o que está acontecendo aqui? Como é possível que em tantas áreas diferentes – aplicativos de crédito, triagens de empregos, justiça criminal, alocação de recursos públicos e governança corporativa – os algoritmos possam reduzir o preconceito, quando muitos comentaristas nos dizem que os algoritmos deveriam fazer o oposto?

Seres humanos são tomadores de decisão notavelmente ruins

Um segredo não tão oculto por trás dos algoritmos mencionados acima é que eles realmente são tendenciosos. Mas os humanos que eles estão substituindo são significativamente mais tendenciosos. Afinal, de onde vêm os preconceitos institucionais se não dos humanos que tradicionalmente estiveram no comando?
Mas os humanos não podem ser tão ruins, certo? Sim, podemos ser tendenciosos, mas certamente há alguma medida de desempenho em que somos bons tomadores de decisão. Infelizmente, décadas de pesquisa psicológica em julgamento e tomada de decisão demonstraram repetidamente que os humanos são notavelmente maus julgadores de qualidade em uma ampla gama de contextos. Graças ao trabalho pioneiro de Paul Meehl (e trabalho de acompanhamento de Robyn Dawes), sabemos desde pelo menos os anos 1950 que modelos matemáticos muito simples superam supostos especialistas em prever resultados importantes em ambientes clínicos.

Em todos os exemplos mencionados acima, os humanos que costumavam tomar decisões eram tão ruins que substituí-los por algoritmos aumentava a precisão e reduzia os preconceitos institucionais. Isso é o que os economistas chamam de melhoria de Pareto, em que uma política vence a alternativa em todos os resultados com que nos importamos. Embora muitos críticos gostem de sugerir que as organizações modernas buscam a eficiência operacional e maior produtividade em detrimento da equidade e justiça, todas as evidências disponíveis nesses contextos sugerem que não existe tal compensação: os algoritmos oferecem resultados mais eficientes e mais equitativos. Se algo deveria alarmar você, deveria ser o fato de que tantas decisões importantes estão sendo tomadas por seres humanos que sabemos serem inconsistentes, tendenciosos e extremamente ruins.

Melhorando o Status Quo

É claro que devemos fazer todo o possível para erradicar o preconceito institucional e sua influência perniciosa nos algoritmos de tomada de decisão. As críticas à tomada de decisão algorítmica geraram uma rica nova onda de pesquisas em aprendizado de máquina que leva mais a sério as consequências sociais e políticas dos algoritmos. Existem novas técnicas emergentes em estatística e aprendizado de máquina que são projetadas especificamente para abordar as preocupações em torno da discriminação algorítmica. Há até uma conferência acadêmica todos os anos em que os pesquisadores não apenas discutem os desafios éticos e sociais do aprendizado de máquina, mas também apresentam novos modelos e métodos para garantir que os algoritmos tenham um impacto positivo na sociedade. Este trabalho provavelmente se tornará ainda mais importante à medida que algoritmos menos transparentes, como o aprendizado profundo, se tornarem mais comuns.

Mas mesmo que a tecnologia não consiga resolver totalmente os males sociais do preconceito institucional e da discriminação preconceituosa, as evidências analisadas aqui sugerem que, na prática, ela pode desempenhar um papel pequeno, mas mensurável, na melhoria do status quo. Este não é um argumento para absolutismo algorítmico ou fé cega no poder das estatísticas. Se descobrirmos em alguns casos que os algoritmos têm um grau inaceitavelmente alto de viés em comparação com os processos de tomada de decisão atuais, então não há mal nenhum em seguir as evidências e manter o paradigma existente. Mas o compromisso de seguir as evidências tem um viés e devemos estar dispostos a aceitar que – em alguns casos – os algoritmos farão parte da solução para reduzir os vieses institucionais.

Portanto, da próxima vez que você ler uma manchete sobre os perigos do viés algorítmico, lembre-se de olhar no espelho e lembre-se de que os perigos do viés humano são provavelmente ainda piores.

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

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

Sobre mim: aqui, Contato: aqui.

Referências

Observação: Este artigo trata-se de uma versão traduzida e adaptada do artigo original:

  • Want Less-Biased Decisions? Use Algorithms, by Alex P. Miller (HBR, July 2018)

Alguns livros interessantes sobre IA:

  • LEE, Kai-Fu. AI Super-Powers: China, Silicon Valley, New World Order.
  • BOSTROM, Nick. Superinteligência: Caminhos, perigos e estratégias para um novo mundo.

Artigos Relacionados

A inteligência artificial está mudando tudo

A inteligência artificial (IA) é uma ciência interdisciplinar preocupada em construir máquinas inteligentes capazes de realizar tarefas que normalmente requerem pensamento humano. As implicações mudarão virtualmente todos os aspectos de nosso mundo.

Em outubro de 1950, o tecno-visionário britânico Alan Turing publicou um artigo chamado “Computing Machinery and Intelligence” no jornal MIND, que levantou o que na época deve ter parecido a muitos como uma fantasia de ficção científica.

Turing acreditava, era possível criar um software para um computador digital que permitisse observar seu ambiente e aprender coisas novas, desde jogar xadrez até entender e falar uma linguagem humana. E ele pensava que as máquinas eventualmente poderiam desenvolver a habilidade de fazer isso por conta própria, sem orientação humana. “Podemos esperar que as máquinas acabem competindo com os homens em todos os campos puramente intelectuais“, previu.

Quase 70 anos depois, a visão aparentemente bizarra de Turing tornou-se realidade. A inteligência artificial, comumente chamada de IA, dá às máquinas a capacidade de aprender com a experiência e realizar tarefas cognitivas, o tipo de coisa que antes apenas o cérebro humano parecia capaz de fazer.

A IA está se espalhando rapidamente pela civilização, onde tem a promessa de fazer de tudo, desde permitir que veículos autônomos trafeguem nas ruas até fazer previsões mais precisas de furacões. No dia a dia, a IA descobre quais anúncios exibir para você na web e potencializa os chatbots amigáveis ​​que aparecem quando você visita um site de comércio eletrônico para responder às suas perguntas e fornecer atendimento ao cliente. E assistentes pessoais com tecnologia de IA em dispositivos domésticos inteligentes ativados por voz realizam inúmeras tarefas, desde controlar nossas TVs e campainhas até responder a perguntas triviais e nos ajudar a encontrar nossas músicas favoritas.

Mas estamos apenas começando. À medida que a tecnologia de IA se torna mais sofisticada e capaz, espera-se que impulsione massivamente a economia mundial, criando cerca de US$ 13 trilhões em atividades adicionais até 2030, de acordo com uma previsão do McKinsey Global Institute.

A IA ainda está começando a ser adotada, mas a adoção está acelerando e está sendo usada em todos os setores“, disse Sarah Gates, estrategista de plataforma analítica da SAS, uma empresa global de software e serviços que se concentra em transformar dados em inteligência para clientes.

Como a inteligência artificial funciona?

É ainda mais surpreendente, talvez, que nossa existência esteja sendo silenciosamente transformada por uma tecnologia que muitos de nós mal entendemos, se é que entendemos – algo tão complexo que até mesmo os cientistas têm dificuldade em explicar.

AI é uma família de tecnologias que realizam tarefas que, segundo se acredita, exigem inteligência se realizadas por humanos“, explica Vasant Honavar, professor e diretor do Laboratório de Pesquisa de Inteligência Artificial da Penn State University. “Digo ‘pensamento’ porque ninguém tem certeza do que é inteligência.

Honavar descreve duas categorias principais de inteligência. Existe inteligência estreita, que é adquirir competência em um domínio estreitamente definido, como a análise de imagens de raios X e ressonâncias magnéticas em radiologia. A inteligência geral, em contraste, é uma habilidade mais humana de aprender e falar sobre qualquer coisa. “Uma máquina pode ser boa em alguns diagnósticos em radiologia, mas se você perguntar sobre beisebol, não terá a menor ideia”, explica Honavar. A versatilidade intelectual dos humanos “ainda está além do alcance da IA ​​neste momento.

De acordo com Honavar, existem duas peças-chave para a IA. Um deles é a parte de engenharia – ou seja, construir ferramentas que utilizem inteligência de alguma forma. A outra é a ciência da inteligência, ou melhor, como permitir que uma máquina produza um resultado comparável ao que o cérebro humano produziria, mesmo que a máquina o alcance por um processo muito diferente. Para usar uma analogia, “os pássaros voam e os aviões voam, mas voam de maneiras completamente diferentes“, Honavar. “Mesmo assim, ambos fazem uso da aerodinâmica e da física. Da mesma forma, a inteligência artificial se baseia na noção de que existem princípios gerais sobre como os sistemas inteligentes se comportam.

AI é “basicamente o resultado de nossa tentativa de compreender e emular a maneira como o cérebro funciona e a aplicação disso para dar funções semelhantes ao cérebro para sistemas autônomos (por exemplo, drones, robôs e agentes)”, Kurt Cagle, um escritor , cientista de dados e futurista fundador da empresa de consultoria Semantical, escreve em um e-mail. Ele também é editor do The Cagle Report, um boletim diário de tecnologia da informação.

E embora os humanos não pensem realmente como computadores, que utilizam circuitos, semicondutores e mídia magnética em vez de células biológicas para armazenar informações, existem alguns paralelos intrigantes. “Uma coisa que estamos começando a descobrir é que as redes de grafos são realmente interessantes quando você começa a falar sobre bilhões de nós, e o cérebro é essencialmente uma rede de grafos, embora uma em que você possa controlar a força dos processos variando a resistência dos neurônios antes que uma faísca capacitiva seja acionada“, explica Cagle. “Um único neurônio por si só fornece uma quantidade muito limitada de informações, mas dispara neurônios suficientes de intensidades variadas juntos, e você acaba com um padrão que é disparado apenas em resposta a certos tipos de estímulos, normalmente sinais elétricos modulados através dos DSPs [isso é processamento de sinal digital] que chamamos de retina e cóclea.

A maioria das aplicações de IA ocorreu em domínios com grandes quantidades de dados“, diz Honavar. Para usar o exemplo da radiologia novamente, a existência de grandes bancos de dados de raios-X e varreduras de ressonância magnética que foram avaliados por radiologistas humanos torna possível treinar uma máquina para emular essa atividade.

AI funciona combinando grandes quantidades de dados com algoritmos inteligentes – uma série de instruções – que permitem ao software aprender a partir de padrões e características dos dados, como explica este primer SAS sobre inteligência artificial.

Ao simular a maneira como o cérebro funciona, a IA utiliza vários subcampos diferentes, como observa o manual do SAS.

  • O aprendizado de máquina automatiza a construção de modelos analíticos, para encontrar insights ocultos em dados sem ser programado para procurar algo em particular ou tirar uma determinada conclusão.
  • As redes neurais imitam o conjunto de neurônios interconectados do cérebro e transmitem informações entre várias unidades para encontrar conexões e derivar significado dos dados.
  • O aprendizado profundo utiliza redes neurais realmente grandes e muito poder de computação para encontrar padrões complexos em dados, para aplicações como reconhecimento de imagem e voz.
  • A computação cognitiva é sobre a criação de uma “interação natural, semelhante à humana”, como diz o SAS, incluindo o uso da capacidade de interpretar a fala e responder a ela.
  • A visão computacional emprega reconhecimento de padrões e aprendizado profundo para entender o conteúdo de fotos e vídeos e para permitir que as máquinas usem imagens em tempo real para dar sentido ao que está ao seu redor.
  • O processamento da linguagem natural envolve a análise e compreensão da linguagem humana e a resposta a ela.

Décadas de Pesquisa

O conceito de IA remonta à década de 1940, e o termo “inteligência artificial” foi introduzido em uma conferência de 1956 no Dartmouth College. Nas duas décadas seguintes, os pesquisadores desenvolveram programas que executavam jogos e faziam reconhecimento de padrões simples e aprendizado de máquina. O cientista da Universidade Cornell Frank Rosenblatt desenvolveu o Perceptron, a primeira rede neural artificial, que funcionava em um computador IBM de 5 toneladas (4,5 toneladas métricas) do tamanho de uma sala que era alimentado com cartões perfurados.

Mas foi só em meados da década de 1980 que uma segunda onda de redes neurais mais complexas e multicamadas foi desenvolvida para lidar com tarefas de nível superior, de acordo com Honavar. No início da década de 1990, outro avanço permitiu que a IA generalizasse além da experiência de treinamento.

Nas décadas de 1990 e 2000, outras inovações tecnológicas – a web e computadores cada vez mais poderosos – ajudaram a acelerar o desenvolvimento da IA. “Com o advento da web, grandes quantidades de dados tornaram-se disponíveis em formato digital”, diz Honavar. “O sequenciamento do genoma e outros projetos começaram a gerar grandes quantidades de dados, e os avanços na computação tornaram possível armazenar e acessar esses dados. Poderíamos treinar as máquinas para fazer tarefas mais complexas. Você não poderia ter um modelo de aprendizado profundo 30 anos atrás, porque você não tinha os dados e o poder de computação.

IA e robótica

A IA é diferente, mas relacionada à robótica, na qual as máquinas detectam seu ambiente, realizam cálculos e realizam tarefas físicas por si mesmas ou sob a direção de pessoas, desde o trabalho na fábrica e cozinhar até pousar em outros planetas. Honavar diz que os dois campos se cruzam de várias maneiras.

Você pode imaginar a robótica sem muita inteligência, dispositivos puramente mecânicos como teares automatizados”, diz Honavar. “Existem exemplos de robôs que não são inteligentes de forma significativa. Por outro lado, existe a robótica em que a inteligência é parte integrante, como guiar um veículo autônomo por ruas cheias de carros movidos por humanos e pedestres.”

É um argumento razoável que, para realizar a inteligência geral, você precisaria da robótica até certo ponto, porque a interação com o mundo é uma parte importante da inteligência”, de acordo com Honavar. “Para entender o que significa lançar uma bola, você tem que ser capaz de lançar uma bola.”

A IA silenciosamente se tornou tão onipresente que já é encontrada em muitos produtos de consumo.

Um grande número de dispositivos que se enquadram no espaço da Internet das Coisas (IoT) usam prontamente algum tipo de IA auto-reforçada, embora uma IA muito especializada“, diz Cagle. “O controle de cruzeiro foi uma IA inicial e é muito mais sofisticado quando funciona do que a maioria das pessoas imagina. Fones de ouvido com amortecimento de ruído. Qualquer coisa que tenha capacidade de reconhecimento de voz, como a maioria dos controles remotos de televisão contemporâneos. Filtros de mídia social. Filtros de spam. Se você expandir IA para cobrir o aprendizado de máquina, isso também incluiria verificadores ortográficos, sistemas de recomendação de texto, realmente qualquer sistema de recomendação, lavadoras e secadoras, micro-ondas, máquinas de lavar louça, realmente a maioria dos eletrônicos domésticos produzidos após 2017, alto-falantes, televisores, sistemas de antibloqueio, qualquer veículo elétrico, câmeras CCTV modernas. A maioria dos jogos usa redes de IA em muitos níveis diferentes.

A IA já pode superar os humanos em alguns domínios estreitos, assim como “os aviões podem voar distâncias mais longas e transportar mais pessoas do que um pássaro“, diz Honavar. A IA, por exemplo, é capaz de processar milhões de interações de redes sociais e obter percepções que podem influenciar o comportamento dos usuários – uma habilidade que os especialistas em IA podem ter “consequências não tão boas“.

É particularmente bom para compreender grandes quantidades de informações que sobrecarregariam o cérebro humano. Essa capacidade permite que as empresas de Internet, por exemplo, analisem as montanhas de dados que coletam sobre os usuários e empreguem os insights de várias maneiras para influenciar nosso comportamento.

Mas a IA não fez tanto progresso até agora na replicação da criatividade humana, observa Honavar, embora a tecnologia já esteja sendo utilizada para compor músicas e escrever artigos de notícias com base em dados de relatórios financeiros e resultados eleitorais.

Como a IA pode transformar a economia

Dado o potencial da IA ​​para realizar tarefas que costumavam exigir os humanos, é fácil temer que sua disseminação possa colocar a maioria de nós sem trabalho. Mas alguns especialistas preveem que, embora a combinação de IA e robótica possa eliminar algumas posições, ela criará ainda mais empregos para trabalhadores experientes em tecnologia.

Os que correm maior risco são aqueles que realizam tarefas rotineiras e repetitivas no varejo, finanças e manufatura“, explica Darrell West, vice-presidente e diretor fundador do Centro de Inovação Tecnológica da Brookings Institution, uma organização de políticas públicas com sede em Washington, em um email. “Mas os empregos de colarinho branco na área de saúde também serão afetados e haverá um aumento na rotatividade de empregos, com as pessoas mudando com mais frequência de um emprego para outro. Novos empregos serão criados, mas muitas pessoas não terão as habilidades necessárias para esses cargos. Portanto, o risco é uma incompatibilidade de empregos que abandona as pessoas na transição para uma economia digital. Os países terão que investir mais dinheiro em reciclagem profissional e no desenvolvimento da força de trabalho conforme a tecnologia se espalha. Será necessária uma aprendizagem ao longo da vida para que as pessoas possam atualizar regularmente habilidades de trabalho.

E em vez de substituir trabalhadores humanos, a IA pode ser usada para aprimorar suas capacidades intelectuais. O inventor e futurista Ray Kurzweil previu que, por volta de 2030, a IA teria alcançado níveis humanos de inteligência e que seria possível ter IA que vai dentro do cérebro humano para aumentar a memória, transformando os usuários em híbridos homem-máquina. Como Kurzweil descreveu: “Vamos expandir nossas mentes e exemplificar essas qualidades artísticas que valorizamos.”

Isso é Interessante

Cagle participou de um painel em uma convenção de ficção científica há vários anos com o autor David Brin, que escreveu sobre o conceito de elevação, no qual a IA seria usada para aprimorar as capacidades intelectuais da vida não humana senciente, como golfinhos e macacos, até o nível humano . “Estamos eticamente preparados para pastorear uma nova espécie inteligente no universo?” Cagle pergunta. “Estamos suficientemente confortáveis com nossa própria existência para criar outros que amaremos, discutiremos, aprenderemos e ensinaremos?

Visite o novo site da STRATEGIUS.

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

Referência

Este post é uma tradução livre por Nei Grando, do artigo “How Artificial Intelligence Is Totally Changing Everything” de Patrick J. Kiger (dezembro, 2019), do blog How Stuff works, no tema Ciência.

Posts relacionados

10 áreas de negócios prontas para IA

No grande esquema das coisas, a inteligência artificial (IA) ainda está nos estágios iniciais de adoção pela maioria das organizações. No entanto, a maioria dos líderes está muito animada para implementar a IA nas funções de negócios da empresa para começar a perceber seus benefícios extraordinários. Embora não tenhamos como saber todas as maneiras pelas quais a inteligência artificial e o aprendizado de máquina afetarão as funções de negócios, aqui estão 10 funções de negócios que estão prontas para usar a inteligência artificial.

1.Marketing

Se sua empresa não usa inteligência artificial no marketing, ela já está atrás. A IA não só pode ajudar a desenvolver estratégias de marketing, mas também é fundamental para executá-las. A IA já classifica os clientes de acordo com o interesse ou demografia, pode direcionar anúncios a eles com base no histórico de navegação, fornece recursos aos mecanismos de recomendação e é uma ferramenta crítica para dar aos clientes o que eles desejam exatamente quando desejam. Outra maneira pela qual a IA é usada em marketing é por meio de chatbots. Esses bots podem ajudar a resolver problemas, sugerir produtos ou serviços e apoiar as vendas. A inteligência artificial também oferece suporte aos profissionais de marketing, analisando dados sobre o comportamento do consumidor com mais rapidez e precisão do que os humanos. Esses insights podem ajudar as empresas a fazer ajustes nas campanhas de marketing para torná-las mais eficazes ou planejar melhor o futuro.

2.Vendas

Definitivamente, há um lado da venda de produtos e serviços que é exclusivamente humano, mas a inteligência artificial pode fornecer aos profissionais de vendas insights que podem melhorar a função de vendas. A IA ajuda a melhorar a previsão de vendas, prever as necessidades do cliente e melhorar a comunicação. E máquinas inteligentes podem ajudar os profissionais de vendas a gerenciar seu tempo e identificar com quem eles precisam fazer o acompanhamento e quando, bem como o que os clientes podem estar prontos para converter.

3.Pesquisa e Desenvolvimento (P&D)

E a inteligência artificial como ferramenta de inovação? Ela pode nos ajudar a construir um entendimento mais profundo em quase todos os setores, incluindo saúde e farmacêutico, financeiro, automotivo e muito mais, ao mesmo tempo em que coleta e analisa enormes quantidades de informações com eficiência e precisão. Isso e o aprendizado de máquina podem nos ajudar a pesquisar problemas e desenvolver soluções que nunca havíamos pensado antes. A IA pode automatizar muitas tarefas, mas também abrirá a porta para novas descobertas, maneiras de melhorar produtos e serviços, bem como de realizar tarefas. A inteligência artificial ajuda as atividades de P&D a serem mais estratégicas e eficazes.

4.Operações de TI

Também chamada de AIOps, a IA para operações de TI costuma ser a primeira experiência que muitas organizações têm com a implementação de inteligência artificial internamente. O Gartner define o termo AIOps como a “aplicação de aprendizado de máquina e ciência de dados a problemas operacionais de TI”. A IA é comumente usada para análise de erros de arquivos de log do sistema de TI, funções de gerenciamento de sistemas de TI e para automatizar muitos processos de rotina. Pode ajudar a identificar problemas para que a equipe de TI possa corrigi-los proativamente antes que qualquer sistema de TI caia. À medida que os sistemas de TI para apoiar nossos negócios se tornam mais complexos, o AIOps ajuda a TI a melhorar o desempenho do sistema e os serviços.

5.Recursos humanos

Em uma função de negócios com “humano” no nome, há um lugar para máquinas? Sim! A inteligência artificial realmente tem o potencial de transformar muitas atividades de recursos humanos, desde o recrutamento à gestão de talentos. A IA certamente pode ajudar a melhorar a eficiência e economizar dinheiro ao automatizar tarefas repetitivas, mas pode fazer muito mais. A PepsiCo usou um robô, o Robot Vera, para telefonar e entrevistar candidatos para vagas em aberto. O talento vai esperar uma experiência personalizada de seu empregador, exatamente como está acostumada quando faz compras e para seu entretenimento. As soluções de aprendizado de máquina e IA podem ajudar a fornecer isso. Além disso, a IA pode ajudar os departamentos de recursos humanos com a tomada de decisões com base em dados e facilitar a seleção de candidatos e o processo de recrutamento. Os chatbots também podem ser usados ​​para responder a muitas perguntas comuns sobre as políticas e benefícios da empresa.

6.Centros de Atendimento

O contact center de uma organização é outra área de negócios onde a inteligência artificial já está em uso. As organizações que usam a tecnologia de IA para aprimorar, em vez de substituir os humanos com essas tarefas, são as que estão incorporando a inteligência artificial da maneira certa. Esses centros coletam uma quantidade enorme de dados que podem ser usados ​​para aprender mais sobre os clientes, prever a intenção do cliente e melhorar a “próxima melhor ação” para o cliente para um melhor envolvimento do cliente. Os dados não estruturados coletados de contact centers também podem ser analisados ​​por aprendizado de máquina para descobrir tendências do cliente e, em seguida, melhorar produtos e serviços.

7.Manutenção de edifícios

Outra maneira pela qual a IA já está em funcionamento nas empresas hoje é ajudar os gerentes de instalações a otimizar o uso de energia e o conforto dos ocupantes. A automação predial, o uso de inteligência artificial para ajudar a gerenciar edifícios e controlar sistemas de iluminação e aquecimento / resfriamento, usa dispositivos e sensores da Internet das coisas, bem como visão computacional para monitorar edifícios. Com base nos dados coletados, o sistema de IA pode ajustar os sistemas do prédio para acomodar o número de ocupantes, hora do dia e muito mais. AI ajuda os gerentes de instalações a melhorar a eficiência energética do edifício. Um componente adicional de muitos desses sistemas é a construção de segurança também.

8.Manufatura

A Heineken, junto com muitas outras empresas, usa análise de dados em todas as fases do processo de fabricação, desde a cadeia de suprimentos até o rastreamento do estoque nas prateleiras das lojas. A inteligência preditiva pode não apenas antecipar a demanda e aumentar ou diminuir a produção, mas os sensores no equipamento podem prever as necessidades de manutenção. A IA ajuda a sinalizar áreas de preocupação no processo de fabricação antes que surjam problemas onerosos. A visão da máquina também pode apoiar o processo de controle de qualidade nas instalações de manufatura.

9.Contabilidade e Finanças

Muitas organizações estão descobrindo que a promessa de redução de custos e operações mais eficientes é o principal apelo para a inteligência artificial no local de trabalho e, de acordo com a Accenture Consulting, a automação de processos robóticos pode produzir resultados surpreendentes nessas áreas para o setor de contabilidade e finanças e departamentos. Profissionais de finanças humanas serão liberados de tarefas repetitivas para serem capazes de se concentrar em atividades de nível superior, enquanto o uso de IA na contabilidade reduzirá os erros. A IA também é capaz de fornecer status em tempo real de questões financeiras para organizações, pois pode monitorar a comunicação por meio do processamento de linguagem natural.

10.Experiência do Cliente

Outra forma pela qual a tecnologia de inteligência artificial e o big data são usados ​​nos negócios hoje é melhorar a experiência do cliente. A marca de moda de luxo Burberry usa big data e IA para melhorar as vendas e o relacionamento com o cliente. A empresa reúne dados do comprador por meio de programas de fidelidade e recompensa que eles usam para oferecer recomendações personalizadas, estejam os clientes comprando online ou em lojas físicas. O uso inovador de chatbots durante eventos do setor é outra maneira de fornecer uma experiência excelente ao cliente.

Concluindo

Não podemos deixar de considerar a Inteligência Artificial como um aliado dos negócios para as organizações, seja pela eficiência, pela ajuda às pessoas – principalmente nas tarefas que precisam manipular muitos dados, ou que precisam melhorar processos de análise de informações ou automação.

Cabe aos líderes e gestores de todas as áreas funcionais das empresas começarem a se informar sobre este tema, pois a concorrência já está fazendo isso e se não acompanharem as tendências e novas soluções tecnológicas, logo ficarão para trás, pois isso é estratégico, principalmente no atendimento ao cliente e melhoria de processos e modelos de negócio.

Um abraço, @neigrando

Fonte:  Traduzido e adaptado de Forbes: “10 Business Functions That Are Ready To Use Artificial Intelligence”, by Bernard Marr

Observação: Este post foi publicado por mim originalmente no blog Futuro dos Negócios.

Alguns artigos relacionados com a Inteligência Artificial nos Negócios