inteligência artificial

por

Indicadores de Maturidade em IA

Este artigo trata da continuidade do artigo anterior sobre “Modelo de Maturidade de Inteligência Artificial“, assim sugere-se a leitura do mesmo antes deste.

Existe muito hype e buzz relacionado a inteligência artificial e ao uso dela pelas organizações, além disso muito foco tem sido dado à tecnologia e algoritmos de aprendizagem de máquina, e ao sair fazendo para ver o que acontece. Mas sabe-se por resultados de pesquisas apresentadas no artigo anterior que a maioria dos projetos ainda falham consideravelmente, desperdiçando tempo, esforços e investimentos. E tais falhas acontecem principalmente pela falta de visão e conhecimento do que realmente a IA pode fazer pelo negócio e pela falta de planejamento que alinhe a IA às estratégias de negócio e execução dos projetos.

Aqui será abordado o uso de indicadores, em cada nível de maturidade de IA da organização (Planejamento, Experimentação, Estabilização, Expansão e Transformação), que devem ser considerados na: Visão e Estratégica da IA; Uso da IA; Tecnologias empregadas; Organização e Governança, assim como em Orçamento e Medições.

Indicadores do modelo de maturidade de IA propostos por Gartner

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

Tabela 1 – Para visão e estratégia

PlanejamentoPlaneja-se os interesses iniciais da IA. A IA aparece nas agendas de inovação. A inspiração vem de aplicativos de IA fora da organização. A visão de IA da organização está surgindo da participação em conferências, participação em blogs, conversas públicas, envolvimento com usuários internos e fornecedores externos e captura de uma variedade de exemplos. A equipe de gerenciamento está intrigada com exemplos funcionais ou da indústria e atingiu o nível de exploração “sob pressão”. A equipe de gerenciamento está sentindo esperança, medo ou um senso de urgência em relação à IA.
ExperimentaçãoO valor potencial de AI é reconhecido. A experimentação e a inovação impulsionada pela IA são ativamente promovidas e facilitadas. A organização tem projetos-piloto de IA para aprender sobre tecnologia, habilidades e impacto nos negócios, mas ainda é muito cedo para incluí-los nas estratégias.
EstabilizaçãoA Estabilização da IA não é mais uma promessa, mas está entregando valor de negócios real em algumas partes da organização ou portfólio de produtos / serviços. A IA é explicitamente abordada nas estratégias de certas áreas de negócios e tecnologia. À medida que as organizações amadurecem no uso de técnicas de IA, é mais provável que mudem seu foco de corte de custos para projetos orientados para o crescimento.
ExpansãoA Expansão da IA é difundida e um capacitador-chave de modelos de negócios novos ou aprimorados. A estratégia de IA dedicada e o roteiro adaptável da organização estão totalmente alinhados com seu negócio digital, transformação digital, inovação, experiência do cliente, P&D, RH e outras estratégias. A organização cria estratégias para melhorar, aumentar ou automatizar a tomada de decisão humana usando IA. Pode adquirir o talento necessário. Desde as decisões do conselho até cada interação com o cliente, a IA é um elemento crucial em cada momento e evento de negócios, permitindo que a organização opere de maneira altamente responsiva e adaptativa.
TransformaçãoA Transformação da IA faz parte do DNA dos negócios. Estratégia e operações são continuamente orquestradas e adaptadas em um complexo ecossistema de negócios de agentes interdependentes. A organização é considerada e gerenciada como um sistema de sistemas dinâmicos e baseados em contexto com atores humanos e artificiais. A organização equilibra uma combinação de contratação interna e externa. A IA está presente em todas as estratégias de negócios e inovações tecnológicas.

Itens de ação:

  • A organização deve alinhar a IA com sua missão.
  • Desenvolva um meio de entender como a aceleração ou automação de tarefas perigosas, sujas, chatas ou caras podem se combinar com novas conquistas que antes eram impossíveis devido à falta de recursos humanos e técnicos para realizá-las.
  • Desenvolva uma visão para o uso de IA para atender às preocupações existentes e construa uma abordagem para sua expansão para mudar a forma como a organização busca seus objetivos.

Onde usar IA é mais uma questão de como definir prioridades do que encontrar oportunidades. A IA será um aspecto da maioria dos aplicativos, ou os aplicativos que unem humanos e sistemas, no tempo. Inicialmente, a oportunidade está em encontrar e buscar a melhor opção de negócios.

Uma prática recomendada é a abordagem 1-2-3 para processos, produtos, serviços ou modelos de negócios:

  1. use IA para melhorá-los, ou
  2. Otimizá-los / redesenhá-los,
  3. Criar novos.

Todas essas ações devem ser realizadas com constante experimentação de IA e inovação em paralelo. A estratégia de IA deve incluir abordagens de responsabilidade para propriedade intelectual, risco, reputação e ética – por exemplo, na seleção e priorização de casos de uso.

As áreas de uso ou aplicação da IA ​​podem ser categorizadas em: remodelar a competição, repensar a otimização, revelar percepções sem precedentes e reinventar produtos / serviços, conforme a Tabela 2.

Tabela 2: Para uso da IA

PlanejamentoA Organização de Planejamento busca os primeiros casos de uso em que a IA poderia ter um impacto significativo, mas viável – seja do ponto de vista de negócios, inovação de produto ou RH. Uma ou várias partes interessadas de negócios entusiasmadas comprometem recursos para implementar os casos de uso. Os casos de uso para implementação de IA geralmente incluem otimização de preços, recomendações, detecção de fraude e insights do cliente.
ExperimentaçãoProjetos POC são realizados, colhidos de experimentação nos primeiros laboratórios de IA. Protótipos de produtos e serviços selecionados são melhorados de forma mensurável com IA. Exemplos típicos neste nível incluem IA para suporte à decisão e análise preditiva, como otimização de preços, recomendações de produtos e detecção de fraude.
EstabilizaçãoAs soluções de Estabilização da IA são implantadas para casos de uso de POC nos quais eles mostraram seu valor. Exemplos típicos incluem chatbots para interação com o cliente, gerenciamento de portfólio do cliente, valor do tempo de vida do cliente ou ciência de dados com análises preditivas e prescritivas para melhorias de processos internos. As soluções também podem incluir a adição de recursos alimentados por IA a produtos e serviços existentes. Implementações em casos de uso e departamentos adjacentes são realizadas.
ExpansãoA Expansão da IA é sistematicamente aplicada em todo o espectro da empresa para otimizar processos reprojetados, introduzir práticas de negócios, produtos ou serviços inovadores ou interromper o status quo. Os casos de uso típicos incluem a experiência do cliente e a otimização da cadeia de suprimentos. A IA e os novos avanços da IA ​​são ativamente aproveitados em todos os projetos de TI e negócios aplicáveis. A IA tem um amplo escopo de aplicação, incluindo inteligência contínua, análise prescritiva, assistentes pessoais virtuais, tomada de decisão aumentada e automatizada, automação inteligente ou operações autônomas em muitas áreas de negócios. A governança da IA ​​é estabelecida.
TransformaçãoA transformação da IA não é mais considerada uma categoria de tecnologia separada – faz parte da estrutura da organização, profunda e perfeitamente integrada em cada processo, produto e serviço. A organização atingiu um equilíbrio entre a automação de processos e o aumento da força de trabalho, conectando harmoniosamente os sistemas naturais e artificiais, tanto no nível de hardware / físico quanto de software / mental. Processos de negócios autônomos e sistemas autônomos são abundantes, adaptando-se e otimizando continuamente, e orquestrados por um sistema nervoso central de inteligência contínua.As técnicas de IA não são usadas apenas para resolver problemas conhecidos; eles também exibem capacidades criativas na geração de novas soluções, alternativas potenciais e fazer recomendações.

Itens de ação:

  • Trabalhadores e executivos devem desenvolver uma heurística de priorização que permita que projetos táticos e estratégicos surjam de esforços compartilhados e compreensão das capacidades de IA.
  • No entanto, não priorize muito prescritivamente. Dada a natureza inovadora e disruptiva da IA, sempre deve haver espaço para experimentação. Adote uma abordagem de três vias para seu portfólio de projetos de IA: experimente, faça um piloto e produza.
  • As tecnologias que vão juntas para formar projetos de IA às vezes são altamente inovadoras, mas em muitos casos novas apenas em sua implementação.
  • Muitos dos fundamentos da IA, como os algoritmos analíticos que revelam novas conclusões ou empregam heurísticas, não são em si novos.
  • Ao mesmo tempo, uma inovação massiva e contínua na ciência e nos negócios está ocorrendo para melhorar ainda mais a IA e seu desempenho, escalabilidade, eficácia e facilidade de uso.
  • Para a maioria das organizações, no entanto, o emprego de tecnologias de IA para automatizar processos e interações representará uma nova abordagem de trabalho, que apresentará riscos em termos de quão bem essas tecnologias se harmonizam com clientes e funcionários.

A tecnologia de IA pode ser posicionada em uma ou mais das seguintes categorias: processamento de dados, robótica, interação conversacional, suporte à decisão / automação, automação de processo ou percepção de IoT, conforme a Tabela 3.

Tabela 3: Para tecnologias empregadas

PlanejamentoA Métodos de planejamento de IA que estão prontamente disponíveis no mercado e já aplicados em outras organizações são investigados. Isso inclui algoritmos de aprendizado de máquina comuns, sistemas baseados em regras e técnicas de otimização. Sessões de educação ou hackathons internos são organizados para trazer à tona as técnicas, implementações e habilidades de IA existentes.
ExperimentaçãoOs obstáculos para a primeira adoção da experimentação são reduzidos com o aproveitamento da infraestrutura em nuvem, serviços de IA em nuvem e / ou código aberto. Técnicas adicionais de IA (como aprendizado profundo, reconhecimento de imagem ou processamento de linguagem natural – se não originalmente exploradas) são investigadas.Questões de integração, de perspectivas de dados e processos, são avaliadas e tratadas.As atividades de validação de dados e processos são realizadas para confirmar sua prontidão para IA.
EstabilizaçãoSão introduzidos os primeiros sistemas de produção com tecnologia AI. As soluções são autônomas ou integradas em outras, levando em consideração cenários de implantação de nuvem, híbrida, local ou de ponta. Os sistemas de IA estão incluídos no gerenciamento de operações de TI e nas avaliações de impacto nos negócios. As fontes de dados de IA incluem data warehouses e hubs de dados (lógicos), junto com outros, como IoT ou plataformas de mídia social, conforme necessário por caso de uso.Os desenvolvedores de IA podem aproveitar lagos de dados.
ExpansãoTécnicas inovadoras de IA são regularmente exploradas e aproveitadas em toda a organização em processos, produtos e serviços. A disponibilidade, o desempenho e a segurança dos sistemas de IA são essenciais.Operações de IA (DevOps / MLOps), gerenciamento de modelo e reprodutibilidade são otimizados. A implantação é na nuvem, no local ou por meio de dispositivos móveis, de borda ou robóticos. As necessidades de dados de IA são totalmente atendidas no gerenciamento e anotação de dados, enquanto as fontes de dados são expandidas além daquelas exigidas pelos casos de uso para o conhecimento contextualizado. Os feeds de dados de IA são automatizados, extensos e incluem dados (em tempo real) de fontes internas e externas.
TransformaçãoA adoção de técnicas novas ou aprimoradas de IA continua. Os modelos de IA e algoritmos de aprendizado de máquina são continuamente retreinados e atualizados, aproveitando os loops fechados automatizados e os loops de feedback aumentados. Tanto a inteligência humana quanto a artificial são sinergizadas com, por exemplo, realidade virtual, realidade aumentada, interfaces holográficas e neurodigitais. Agentes pessoais e sistemas multiagentes, representando atores organizacionais, humanos e artificiais, são aplicados para produtividade pessoal e inteligência aumentada, simulação, monitoramento e orquestração operacional de sistemas adaptativos complexos e inteligência coletiva ou de enxame.

Itens de ação:

  • As organizações devem contar com os diretores de dados e os diretores de tecnologia para estabelecer estratégias de emprego de tecnologias de IA, como métodos analíticos avançados, gerenciamento de experimentos e modelos e MLOps.
  • Eles também devem ter uma noção de como podem empregar (e confiar) IA das ofertas dos fornecedores.
  • No estágio de expansão, as organizações geralmente restringem o conjunto dominante de ferramentas para gerenciar riscos e garantir a conformidade.
  • Isso pode parecer um retrocesso para os primeiros usuários devido a novas restrições, mas é necessário gerenciar orçamentos e habilidades ao mesmo tempo em que dimensiona todo o negócio.

O uso de IA nas organizações se tornará tão comum quanto o uso de computadores, da mesma forma que ondas anteriores de computação – como aquelas associadas a interfaces de usuário ou rede – também se tornaram generalizadas. Gerenciar com sucesso o crescimento da IA ​​e seu uso em departamentos e aplicativos requer patrocínio executivo e um COE, conforme a Tabela 4.

Tabela 4: Para organização e governança

PlanejamentoPrevalecem os adotantes isolados, iniciais, especulativos e não operacionais da IA, com interesse ou experiência em IA. Os pioneiros estão começando a construir conhecimento sobre a tecnologia de IA, aplicações práticas e possível criação de valor. Ainda não existe patrocínio empresarial. AI não faz parte das descrições de funções. Sessões de brainstorming entre empresas e funções de negócios são conduzidas em reuniões ad hoc ou como parte de exercícios de “céu azul” em retiros ou eventos não vinculativos semelhantes. A definição de IA no contexto da organização é finalizada e evangelizada. Princípios básicos de IA são discutidos.
ExperimentaçãoNão há ações orquestradas centralmente. A organização está apenas começando a recrutar especialistas em IA ou está trabalhando com provedores de serviços externos para implementar POCs e pilotos de IA. O primeiro laboratório de IA foi aberto para facilitar a experimentação, a experiência do cluster e promover a inovação em colaboração com fornecedores de IA e institutos de pesquisa. As habilidades são desenvolvidas em torno das técnicas que mostram os resultados de negócios mais promissores após as experimentações. Surgem os primeiros padrões de IA para dados e técnicas de IA. Métodos para garantir a conformidade regulatória são desenvolvidos. Responsabilidades reativas, ações e procedimentos no caso de consequências não intencionais são descritos.
EstabilizaçãoHabilidades apropriadas ligadas às técnicas de IA implantadas são adquiridas e planos de qualificação são desenvolvidos para proteger o know-how da organização. Existe um COE (virtual), ou pelo menos uma comunidade de prática, para compartilhar as melhores práticas e impulsionar o emprego em tecnologia. Habilidades e recursos interdisciplinares de IA são agrupados em análises avançadas ou equipes de ciência de dados. Os engenheiros de IA passam a fazer parte das equipes de ciência de dados. Há colaboração frequente para facilitar um entendimento comum de uma plataforma, ferramentas e comunidades de IA entre empresas, para compartilhar conhecimento e para adotar ou desenvolver padrões e metodologias. As primeiras práticas de confiança e transparência da IA ​​estão começando a tomar forma. Há patrocínio explícito de IA de nível C.
ExpansãoA organização tem um AI COE híbrido com a responsabilidade de conduzir novos produtos e serviços e manter conexões internas. A governança de IA facilita a liberdade da ciência de dados e ancora a proliferação de atividades de IA para minimizar os riscos associados e manter a produtividade. A organização tem parcerias estratégicas com fornecedores de IA e institutos de pesquisa para inovação contínua impulsionada por IA. Existem processos e estruturas formalizados para estratégia, ética, P&D, governança, desenvolvimento e operações de IA. Há propriedade de nível C da IA. Padrões para governança de modelo para garantir rastreabilidade, reprodutibilidade e reutilização dos modelos são desenvolvidos e, esperançosamente, garantidos para baixo risco. As políticas de branding, legal, ética, segurança, proteção e privacidade são adaptadas e aplicadas para IA. A gestão de riscos está em vigor para a tomada de decisão automatizada e sistemas autônomos. A conformidade total com as leis e regulamentos (inter) nacionais de IA foi alcançada. A IA impacta a força de trabalho em muitas áreas de negócios, mudando funções e habilidades necessárias.
TransformaçãoA transformação da IA tem um impacto profundo na cultura organizacional, estratégia, estrutura, processos e na sociedade em geral. As funções de negócios e tecnologia se fundem, também no nível C. A estrutura de governança para gerenciamento de produtos de IA é estabelecida. A IA é parte integrante de todo trabalho e da vida diária. A organização estabelece um aprendizado de IA contínuo em toda a empresa para treinar as pessoas quando elas precisam. A participação no desenvolvimento e aplicação de leis e regulamentos (inter) nacionais de IA é incentivada. A força de trabalho humana é totalmente versada em dados, complementada por hardware, software ou wetware de IA para tudo, desde o aprendizado contínuo até as tarefas operacionais. A força de trabalho artificial, com operadores virtuais ou robóticos, aumenta ou substitui operadores humanos. Muitas novas funções são criadas para humanos e “meta-IA” para inovação, desenvolvimento, manutenção e operações de IA.

Itens de ação:

  • Governança não significa necessariamente comando e controle. Em vez disso, significa orientação não proibitiva sobre padrões para estruturas de IA e orientação sobre princípios éticos e de segurança.
  • As organizações devem desenvolver COEs para IA, embora possam ser melhor desenvolvidos dentro ou junto com os COEs para análises, experiência do cliente ou automação, dependendo da visão.
  • Os impactos da IA ​​na reputação, nos negócios e na sociedade apresentam riscos desconhecidos e, até certo ponto, desconhecidos para as organizações que estão correndo para implantar essa tecnologia.
  • As organizações devem, portanto, aplicar um nível apropriado de governança de IA que corresponda aos respectivos níveis de maturidade de IA.
  • Isso os ajudará a atingir objetivos imediatos e de longo prazo nos estágios corretos de sua jornada de IA.
  • Os líderes de dados e análises devem colaborar com as partes interessadas de negócios para alavancar a IA para obter valor de negócios e definir as expectativas corretas.
  • Eles também devem minimizar os riscos para a organização, seus clientes e ecossistema.

Uma “abordagem de três vias” é recomendada:

  • Comece com experimentação, usando financiamento de quantia fixa para facilitar a aprendizagem por tentativa e erro, sem expectativas de retorno de valor de negócio direto. Em seguida, com base na experimentação
  • Priorize casos de uso para POCs em projetos piloto, que devem ser financiados separadamente em uma base de projeto por projeto, mas ainda sem requisitos de caso de negócios estritos.
  • Por fim, colha o projeto piloto de maior sucesso “produzindo” IA por meio de projetos mais preditivos.

Isso resultará em aplicativos totalmente integrados aos negócios regulares, com expectativas de ROI quantificadas e orçamentos sustentados para gerenciamento operacional e de mudança (consulte a Tabela 5).

Tabela 5: Para orçamento e medições

PlanejamentoO orçamento de IA é insignificante. A organização aprova fundos seletivos para participação em conferências, treinamento direcionado, POCs de pequeno escopo e, potencialmente, alguns estudos de consultoria ou marketing. Os indicadores de conscientização sobre IA incluem o aumento do número de reuniões sobre o tema, participação em conferências e reuniões com fornecedores de IA.
ExperimentaçãoVários projetos POC são financiados. O financiamento de quantia fixa adicional é alocado para atividades de experimentação em um possível laboratório de IA. Ainda não há requisitos de business case, mas as métricas mensuráveis ​​de negócios ou organizacionais são definidas para avaliar o sucesso potencial dos POCs. O código aberto e a nuvem são usados ​​para reduzir as despesas de capital e os custos operacionais iniciais.
EstabilizaçãoO orçamento de estabilização é atribuído às funções corporativas. Vários projetos de IA são financiados, enquanto o investimento em experimentação e POCs continua. Isso inclui gastos com software de produção, plataformas, infraestrutura provisionada, desenvolvimento de novas habilidades e serviços a serem implementados, bem como custos operacionais e de gerenciamento para investimento sustentado. A organização começou a capturar as métricas para cada iniciativa e está rastreando ativamente as mudanças impulsionadas pela IA.
ExpansãoA organização alocou estruturas de orçamento para IA, incluindo iniciativas recorrentes (mais de 15 meses), dentro de TI e várias unidades de negócios. Os aplicativos de IA estão causando mudanças significativas nos custos de mão de obra. Despesas de infraestrutura de IA são monitoradas e otimizadas. A estratégia de IA tem indicadores de desempenho definidos que são monitorados ativamente. Os exemplos são o número de projetos nos quais a IA é aplicada sem solicitação explícita, a porcentagem de processos de negócios com otimização orientada à IA e o compartilhamento de produtos / serviços com IA incorporada. Os casos de uso de alto risco / alta recompensa são financiados.
TransformaçãoNão há mais iniciativas de IA separadas ou orçamentos alocados separados, exceto para gerenciamento de produtos de IA. A tecnologia de negócios e (IA), e seus respectivos esquemas e indicadores de orçamento, são perfeitamente integrados. Crowdsourcing e cadeia de valor coletiva ou financiamento de ecossistemas (e participação nos lucros) são negócios como de costume. A ausência de atividades separadas de IA é o indicador essencial de um nível verdadeiramente transformador.

Itens de ação:

  • Especialmente para as primeiras iniciativas de IA, o maior problema com o orçamento e o financiamento de um projeto de IA é que, antes de iniciar a iniciativa, é extremamente difícil ou impossível determinar um caso de negócios definitivo (preciso) para economia.
  • A principal razão para isso é que é impossível prever mudanças no comportamento humano dos usuários, bem como no consumo final do aplicativo.
  • Outros motivos problemáticos incluem a dificuldade em determinar a data de conclusão e o escopo do projeto não estar totalmente definido (os pontos de inflexão para aprendizado de máquina, curadoria de dados e análise também são itens que não podem ser previstos e avaliados com precisão).
  • Não se concentre nos silos tradicionais de gastos discretos em infraestrutura, largura de banda, software, banco de dados e serviços.
  • Maturidade é o foco no planejamento e adaptação a uma mudança de processo incremental ou transformacional.
  • É medida não apenas pela redução de custos, mas também por tempos de ciclo reduzidos, taxas de erro mais baixas, escalabilidade e agilidade de negócios (a capacidade de responder ou demonstrar insights anteriormente indisponíveis).
  • Lembre-se de que o financiamento para iniciativas de IA vem dos orçamentos das unidades de negócios, bem como dos orçamentos de TI.
  • Observe que um grande financiamento nos primeiros dois estágios é contraproducente e coloca muita pressão sobre os pioneiros da IA.
  • A questão motriz deve ser: “Qual será o impacto da IA ​​nos resultados de negócios?” Para estimar adequadamente esse impacto, medidas e marcos apropriados devem ser estabelecidos.

Considerações finais

Artigos mais introdutórios à IA aplicada ao mundo dos negócios podem ser vistos aqui.

Se gostou do artigo, por favor, compartilhe. Comentários são bem vindos.

Sobre mim: aqui, Contato: aqui.

Abraço, @neigrando

Referência

Este artigo trata-se da continuidade do artigo anterior aqui postado, que foi traduzido, reduzido e adaptado do original, em inglês: “Artificial Intelligence Maturity Model”, por Gartner (2020).

Artigos relacionados

por

Modelo de Maturidade de Inteligência Artificial

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

Premissas de planejamento estratégico

Segundo a Gartner:

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

Análise

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

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

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

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

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

Use este modelo de maturidade para

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

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

Tabela de Níveis de Maturidade

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

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

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

Estes indicadores serão apresentados no próximo post deste blog.

Se gostou do artigo, por favor, compartilhe.

Sobre mim: aqui, Contato: aqui.

Abraço, @neigrando

Referência

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

Artigos relacionados

por

Áreas de Aplicação das Tecnologias Smart City

“Cidades mais inteligentes favorecem o desenvolvimento integrado e sustentável tornando-se mais inovadoras, competitivas, atrativas e resilientes, melhorando vidas.”

Recentemente apresentei os conceitos introdutórios sobre Smart City para aplicação em cidades brasileiras no artigo SMART CITY: Por uma Cidade mais Inteligente. Neste artigo apresento soluções práticas para alguns dos problemas urbanos mais comuns em diversas áreas.

Por tecnologias de cidade inteligente entendem-se aquelas relacionadas ao conceito de smart city,  na maioria das vezes são tecnologias digitais e / ou baseadas em dados que são aplicáveis nas condições reais da cidade e contribuem para o enfrentamento dos problemas públicos ou desafios da cidade. Em cidades inteligentes, essas tecnologias são usadas para desenvolver “infraestrutura crítica” nas seguintes áreas: transporte, gestão de água e resíduos, construção, energia, segurança, educação, saúde e gestão urbana. Estas principais áreas de aplicação dessas tecnologias são apresentadas a seguir. Todos elas são conhecidas cumulativamente na maioria das cidades inteligentes ao redor do mundo, que se encontram em diferentes estágios do processo de transformação. Esta lista não representa todas as áreas de aplicação e é apenas uma introdução para uma melhor compreensão da forma e dos motivos da penetração dessas tecnologias.

Transporte Inteligente

  • Veículos autônomos – veículos equipados com sensores e software para funcionar sozinhos; capacidade total de autogerenciamento (nível 4) é alcançada quando não se espera que a intervenção humana assuma o controle em nenhum momento.
  • Compartilhamento de bicicletas – bicicletas para uso público, seja em centros de encaixe ou de uso livre, para fornecer uma alternativa ao uso de bicicleta, transporte público e propriedade privada de bicicletas. Essa opção pode cobrir o segmento da primeira / última milha quando o transporte público não faz uma viagem porta a porta.
  • Compartilhamento de carro – acesso ao uso de carros em curto prazo sem propriedade total; pode ser bidirecional (com base na estação), unidirecional (flutuação livre), ponto a ponto ou parcial.
  • Preços de congestionamento – taxas para usar um carro pessoal em certas áreas, durante o pico de demanda, ou ambos.
  • Micro-trânsito baseado na demanda – compartilhando serviços com rotas fixas, paradas fixas ou ambos, geralmente complementando as rotas de transporte público existentes. Os algoritmos usam uma pesquisa histórica para determinar rotas, tamanho do veículo e frequência de viagem. Pode incluir opções de reserva de assento.
  • Pagamento por transporte público de forma digital – sistemas de pagamento digital e sem contato em transporte público, que permitem pré-pagamento e upload mais rápido. Inclui cartões inteligentes e pagamentos móveis.
  • Chamada eletrônica (privada e combinada) – o pedido em tempo real do transporte ponto a ponto por meio de um dispositivo móvel. O e-ringing unificado envolve a conexão dinâmica de viagens individuais com rotas compatíveis para aumentar a utilização do veículo (ou seja, otimização de busca local em tempo real).
  • Informações multimodais integradas – informações em tempo real sobre preço, horário e disponibilidade de opções de transporte em vários modos.
  • Sinais de trânsito inteligentes – melhorando o tráfego geral ao otimizar dinamicamente os semáforos e os limites de velocidade, levando a velocidades médias mais altas nas estradas e paradas e retornos menos frequentes. Inclui tecnologia de luz preferencial que prioriza veículos de emergência, ônibus públicos ou ambos.
  • Consolidação da carga de encomendas – compatibilização online da procura de insumos com a oferta de capacidade de carga disponível. Aproveitando ao máximo os veículos, menos caminhões fazem mais entregas.
  • Manutenção previsível da infraestrutura de transporte – monitoramento sensorial da condição do transporte público e infraestrutura relacionada (como trilhos, estradas e pontes) para que a manutenção preditiva possa ser realizada antes que acidentes e interrupções ocorram.
  • Informações em tempo real sobre transporte público – informações em tempo real sobre chegadas e partidas de modos de transporte público, incluindo sistemas informais de ônibus.
  • Navegação rodoviária em tempo real – ferramentas de navegação em tempo real para selecionar as rotas de trânsito, com sinais para construção, desvios, congestionamentos e acidentes. Isso é especialmente verdadeiro para quem dirige sozinho ou de carro.
  • Caixas de correio inteligentes – caixas em um local onde as pessoas podem retirar pacotes usando códigos de acesso individuais enviados para seus dispositivos móveis.
  • Estacionamento inteligente – sistemas que direcionam os motoristas diretamente para as vagas disponíveis; pode afetar a demanda por meio de encargos variáveis.

Gestão Inteligente de Água e Resíduos

  • Detecção e controle de vazamentos – monitoramento remoto do estado das tubulações com a ajuda de sensores e controle da pressão da bomba para reduzir ou prevenir vazamentos de água. A identificação precoce de vazamentos pode levar ao acompanhamento por departamentos municipais e concessionárias relevantes.
  • Irrigação inteligente – otimizando a irrigação por meio da análise de informações como clima local, condições do solo, espécies de plantas etc. para eliminar a irrigação desnecessária.
  • Acompanhamento do consumo de água – feedback (através de aplicação móvel, e-mail, texto etc.) sobre o consumo de água do ocupante, de forma a sensibilizar e reduzir o consumo. Os medidores de água inteligentes permitem que as concessionárias meçam o consumo remotamente, reduzindo os custos de mão de obra para a leitura manual do medidor. Também permite preços dinâmicos.
  • Monitoramento da qualidade da água – monitoramento em tempo real da qualidade da água (em redes, rios, oceanos etc.) por meio de sinais entregues ao público por meio de canais como aplicativo móvel, e-mail, texto ou site. Isso alerta a população para evitar o consumo ou contato com a água poluída e fazer com que as cidades e concessionárias acompanhem o problema imediatamente.
  • Rastreamento digital e pagamento pela destinação de resíduos – sistemas de pagamento digital de acordo com o volume de resíduos gerados; inclui feedback (via aplicativo móvel, e-mail, texto etc.) fornecido aos usuários para aumentar a conscientização e reduzir o desperdício.
  • Otimização da rota de coleta de resíduos – utilização de sensores nas embalagens de resíduos para medir o volume de resíduos e direcionar as rotas dos caminhões de resíduos. Este aplicativo restringe o deslocamento de caminhões de lixo para lixeiras com uma pequena quantidade de lixo.

Construção Inteligente

  • Sistemas de automação predial – sistemas que otimizam o uso de energia e água em edifícios comerciais e públicos, usando sensores e análises para eliminar ineficiências manual ou automaticamente. Inclui iluminação otimizada e HVAC, bem como recursos como acesso / controle de segurança e informações de estacionamento.
  • Sistemas de automação de energia doméstica – otimização do consumo de energia da casa usando termostatos inteligentes, dispositivos eletrônicos programáveis e controlados remotamente (casa inteligente) e controle de eletricidade de reserva.
  • Acompanhamento do consumo de energia em casa – acompanhando o consumo de eletricidade em residências com feedback fornecido ao consumidor por meio de um aplicativo móvel, e-mail ou texto para aumentar a conscientização do consumidor e promover sua proteção. Ele também permite que as concessionárias meçam remotamente o uso de eletricidade.

Energia Inteligente

  • Sistemas de automação de fornecimento – vários tipos de tecnologias de rede inteligente, incluindo FDIR, M&D, Volt/Var e automação de subestação, para otimizar a eficiência energética e a estabilidade da rede.
  • Preço dinâmico da eletricidade – ajuste dinâmico dos preços da eletricidade para reduzir o consumo de eletricidade e os custos de geração de eletricidade. Ao reduzir o consumo de pico, as cidades podem reduzir o número de usinas que operam durante os horários de pico.
  • Luzes de rua inteligentes – conectadas e equipadas com sensores de iluminação pública que economizam energia (incluindo LED), que otimizam o brilho e reduzem as necessidades de manutenção. Luzes de rua inteligentes podem ser equipadas com alto-falantes, sensores de disparo e outros recursos para melhorar a funcionalidade

Segurança Inteligente

  • Câmeras corporais – sistemas de gravação de áudio, vídeo ou fotográfico comumente usados ​​por policiais para registrar incidentes e operações policiais.
  • Gestão de multidões – tecnologia para monitorar e, quando necessário, guiar multidões para garantir a segurança.
  • Inspeções de construção baseadas em dados – uso de dados e análise para enfocar as inspeções nos edifícios com os maiores riscos potenciais (por exemplo, priorização de edifícios comerciais para inspeções de código de incêndio e residências para inspeções de chumbo).
  • Sistemas de alerta precoce de desastres – tecnologia projetada para antecipar e mitigar os efeitos de desastres naturais, como furacões, terremotos, inundações e incêndios florestais.
  • Otimização da resposta a emergências – o uso de análises e tecnologias para otimizar o processamento de chamadas de emergência e operações de campo, como a implantação estratégica de veículos de emergência.
  • Detecção de tiro – tecnologia de vigilância acústica que inclui sensores de áudio para detectar, localizar e alertar as agências policiais sobre incidentes de tiro em tempo real.
  • Sistemas de segurança residencial – sistemas de segurança que monitoram residências e alertam usuários, serviços de emergência ou ambos sobre atividades incomuns.
  • Aplicativos de alarme pessoal – aplicativos que alertam sobre uma emergência alertando a Central de Emergências, entes queridos ou ambos. Dispositivos (como equipamentos de proteção individual, detectores de colisão e sistemas de alerta de queda) podem transmitir dados de localização e voz.
  • Controle previsível – o uso de big data e análise (incluindo monitoramento de mídia social) para prever com mais precisão onde e quando os crimes podem ocorrer. Esses sistemas são usados ​​para implantar patrulhas policiais e prevenção de crimes.
  • Mapeamento de crimes em tempo real – uma tecnologia usada por policiais para mapear, visualizar e analisar modelos de incidentes de crime. A coleta de informações e inteligência serve como uma ferramenta de gestão para a alocação eficiente de recursos e prestação de contas entre os funcionários.
  • Vigilância inteligente – monitoramento inteligente para detectar anomalias com base em emissões visuais, incluindo reconhecimento de rosto, sistemas inteligentes de televisão em circuito fechado e reconhecimento de número de registro.

Educação Inteligente

  • Aprendizagem personalizada – o uso de dados de alunos para identificar pessoas que precisam de atenção extra ou recursos; o potencial de adaptação do ambiente de aprendizagem para alunos individuais.
  • Programas de reciclagem online – oportunidades de aprendizagem ao longo da vida fornecidas em formato digital, especialmente para ajudar as pessoas que estão desempregadas ou em risco de ficarem desempregadas a adquirir novas competências.
  • Centros locais de carreira – plataformas online para publicação de vagas em aberto e perfis de candidatos; pode usar algoritmos para combinar candidatos compatíveis com empregos disponíveis.
  • Redução do tempo de procura de emprego e aumento do número de novos empregos.

Saúde Inteligente

  • Intervenções de saúde pública com base em dados de saúde materno-infantil – uso de análises para direcionar intervenções de saúde altamente direcionadas para grupos de risco (neste caso, identificação de grávidas e novas mães para conduzir campanhas educacionais e cuidados pós-natal).
  • Intervenções de saúde pública para melhorar o saneamento e a higiene – uso de análises para direcionar intervenções altamente direcionadas, como a compreensão de onde aumentar a capacidade de absorção de chuva ou coleta de dados sobre sistemas de vazamento de esgoto.
  • Alertas de socorro urgente – tecnologias que alertam os transeuntes treinados para que as vítimas de parada cardíaca recebam atendimento imediato e urgente.
  • Monitoramento de doenças infecciosas – coleta, análise e resposta para prevenir a propagação de doenças infecciosas e epidêmicas. Inclui campanhas de conscientização e vacinação (por exemplo, para HIV/AIDS).
  • Sistemas integrados de gerenciamento de fluxo de pacientes – soluções de hardware e software em tempo real que fornecem visibilidade de onde os pacientes estão no sistema para melhorar as operações do hospital e coordenar o uso na cidade ou em vários locais.
  • Roupas de estilo de vida – dispositivos portáteis que coletam dados sobre indicadores de estilo de vida e atividade e informam o usuário; elas podem promover exercícios ou outros aspectos de um estilo de vida saudável.
  • Busca e planejamento de atendimento online – ferramentas que apoiam a seleção de provedores e provedores com transparência financeira e clínica.
  • Informações em tempo real sobre a qualidade do ar – sensores em tempo real para detectar e monitorar a presença de poluição do ar (externo, interno ou ambos). Os indivíduos podem visualizar as informações online ou em um dispositivo pessoal e decidir mudar seu comportamento de acordo.
  • Monitoramento remoto do paciente – coleta e transmissão de dados do paciente para análise e intervenção do provedor de saúde em outro lugar (por exemplo, monitoramento de sinais vitais ou de açúcar no sangue). Inclui tecnologias de adesão a medicamentos que ajudam os pacientes a tomar os medicamentos recomendados por seu médico.
  • Telemedicina – interação virtual do paciente e do médico por meio da tecnologia audiovisual

Gestão da Cidade Inteligente

  • Obtenção de licenças e autorizações para negócios digitalmente – um processo digitalizado (como um portal online) para as empresas obterem licenças e autorizações para operação.
  • Envio de impostos digitalmente – um canal de negócios para realizar a declaração de impostos online.
  • Obtenção de alvarás de uso de terrenos e edificações por meio digital – digitalização e automação do processo de solicitação de licenciamento de uso de terreno e construção, reduzindo o tempo de homologação e aumentando a transparência.
  • Banco de dados aberto para cadastro – banco de dados completo dos lotes da cidade, aberto ao público; permite um mercado de terrenos mais eficiente, criando transparência nas terrenos disponíveis e reduzindo o custo de registro de lotes.
  • Plataformas de acomodação ponto a ponto – mercados digitais onde proprietários individuais podem listar e alugar propriedades para acomodação de curto prazo.
  • Serviços civis digitais – digitalização dos serviços administrativos do estado voltados para o cidadão, tais como declaração de imposto de renda, registro de automóveis ou solicitação de seguro-desemprego.
  • Aplicações locais de engajamento cívico – engajamento público em questões urbanas por meio de aplicativos digitais. Pode incluir relatar problemas e necessidades de manutenção (por exemplo, relatar lâmpadas quebradas por meio de um aplicativo); fornecer informações sobre decisões políticas; participar de iniciativas urbanas digitais (como hackathons de dados abertos); e interagir com autoridades municipais e departamentos de redes de serviços sociais.
  • Plataformas de comunicação local – sites ou aplicativos móveis que ajudam as pessoas a se conectarem e, potencialmente, encontrar outras pessoas em sua comunidade. Pode ser usado para encontrar pessoas com interesses e hobbies semelhantes, para se conectar com vizinhos etc.

Para existirem cidades mais inteligentes, humanas e sustentáveis, contamos com o apoio de governantes, servidores e cidadãos inteligentes.

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

Sobre mim: aqui, Contato: aqui.

Referência

Este texto foi traduzido e adaptado do original em ingês: Where Are Smart City Technologies Used? Areas Of Application, do blog smartbydesign.eu (2020).

Artigos relacionados