O Problema
As tecnologias cognitivas estão sendo cada vez mais usadas para resolver problemas de negócios, mas muitos dos projetos de IA mais ambiciosos encontram contratempos ou falham.
A Abordagem
As empresas devem adotar uma abordagem incremental em vez de transformadora e focar em complementar, em vez de substituir, as capacidades humanas.
O Processo
Para obter o máximo da IA, as empresas devem entender quais tecnologias executam quais tipos de tarefas, criar um portfólio priorizado de projetos com base nas necessidades de negócios e desenvolver planos para escalá-los em toda a empresa.
Em 2003, o MD ANDERSON CANCER CENTER lançou um projeto de “moon shot”: diagnosticar e recomendar planos de tratamento para certas formas de câncer usando o sistema cognitivo da IBM, o Watson.
Mas em 2017, o projeto foi suspenso depois que os custos ultrapassaram US$ 62 milhões — e o sistema ainda não havia sido usado em pacientes.
Ao mesmo tempo, o grupo de TI do centro de câncer estava experimentando o uso de tecnologias cognitivas para realizar trabalhos muito menos ambiciosos, como fazer recomendações de hotéis e restaurantes para famílias de pacientes, determinar quais pacientes precisavam de ajuda para pagar contas e resolver problemas de TI da equipe.
Os resultados desses projetos foram muito mais promissores: os novos sistemas contribuíram para aumentar a satisfação dos pacientes, melhorar o desempenho financeiro e reduzir o tempo gasto na tediosa entrada de dados pelos gerentes de atendimento do hospital.
Apesar do contratempo no projeto de “moon shot“, o hospital MD Anderson continua comprometido em usar a tecnologia cognitiva, ou seja, a inteligência artificial de próxima geração, para melhorar o diagnóstico e o tratamento do câncer, e atualmente está desenvolvendo uma variedade de novos projetos em seu centro de competência em computação cognitiva.
A diferença entre as duas abordagens é relevante para qualquer pessoa que esteja planejando iniciativas de IA. Em 2019 foi realizada uma pesquisa com 250 executivos que estavam familiarizados com o uso de tecnologia cognitiva em suas empresas, e mostrou que três quartos deles acreditam que a IA transformará substancialmente suas empresas dentro de três anos.
No entanto, nosso estudo com 152 projetos em quase 200 empresas também revela que os projetos de “moon shot” altamente ambiciosos têm menos probabilidade de ser bem-sucedidos do que os projetos de “frutos ao alcance” que aprimoram os processos de negócios. Isso não deve ser surpreendente – esse foi o caso da grande maioria das novas tecnologias que as empresas adotaram no passado.
Mas a publicidade em torno da inteligência artificial tem sido especialmente poderosa, e algumas organizações foram seduzidas por ela. Neste artigo, analisaremos as várias categorias de IA em uso e forneceremos um framework sobre como as empresas devem começar a desenvolver suas capacidades cognitivas nos próximos anos para atingir seus objetivos de negócios.”
Três Tipos de Inteligência Artificial
É útil para as empresas analisar a IA sob a perspectiva das capacidades de negócios em vez das tecnologias. Em termos gerais, a IA pode atender a três necessidades de negócios importantes:
- automatização de processos de negócios;
- obtenção de insights por meio da análise de dados;
- interação com clientes e funcionários.
Projetos Cognitivos por Tipo
Foram estudados 152 projetos de tecnologia cognitiva e constatamos que eles se encaixam em três categorias.
- Robótica e automação cognitiva: 71
- Insight cognitivo: 57
- Engajamento cognitivo: 24
Automação de Processos
Dos 152 projetos estudados, o tipo mais comum foi a automação de tarefas digitais e físicas, geralmente atividades administrativas e financeiras de back-office, usando tecnologias de automação de processos robóticos (RPA). O RPA (do inglês Robotic Process Automation) é mais avançado do que as ferramentas de automação de processos de negócios anteriores, porque os “robôs” (ou seja, código em um servidor) atuam como um humano, inserindo e consumindo informações de múltiplos sistemas de TI. As tarefas incluem:
– Transferir dados de sistemas de e-mail e call center para sistemas de registro, como atualizar arquivos de clientes com alterações de endereço ou adições de serviço;
– Substituir cartões de crédito ou débito perdidos, acessando vários sistemas para atualizar registros e lidar com comunicações com o cliente;
– Conciliar falhas na cobrança de serviços em sistemas de faturamento, extraindo informações de vários tipos de documentos;
– “Ler” documentos legais e contratuais para extrair disposições usando processamento de linguagem natural.
O RPA (Robotic Process Automation) é a tecnologia cognitiva mais barata e fácil de implementar das que discutiremos aqui e geralmente oferece um retorno rápido e alto sobre o investimento. (Também é o menos “inteligente” no sentido de que essas aplicações não são programadas para aprender e melhorar, embora os desenvolvedores estejam adicionando lentamente mais inteligência e capacidade de aprendizado.) É particularmente adequado para trabalhar em vários sistemas de back-end.
Na NASA, as pressões de custo levaram a agência espacial a lançar quatro pilotos de RPA nas áreas de contas a pagar e receber, gastos de TI e recursos humanos, todos gerenciados por um centro de serviços compartilhados. Os quatro projetos funcionaram bem – no aplicativo de recursos humanos, por exemplo, 86% das transações foram concluídas sem intervenção humana – e estão sendo implementados em toda a organização. A NASA está agora implementando mais bots de RPA, alguns com níveis mais altos de inteligência. Como observa Jim Walker, líder de projeto da organização de serviços compartilhados, “até agora, não é ciência espacial”.
Pode-se imaginar que a automação de processos robóticos colocaria rapidamente as pessoas fora do trabalho. No entanto, nos 71 projetos de RPA que analisamos (47% do total), substituir os funcionários administrativos não era nem o objetivo principal nem um resultado comum. Apenas alguns projetos levaram a reduções no número de funcionários e, na maioria dos casos, as tarefas em questão já haviam sido transferidas para trabalhadores terceirizados. À medida que a tecnologia melhora, os projetos de automação robótica provavelmente levarão a algumas perdas de emprego no futuro, especialmente na indústria de terceirização de processos de negócios no exterior. Se você pode terceirizar uma tarefa, provavelmente pode automatizá-la.
Insights cognitivos
O segundo tipo mais comum de projeto em nosso estudo (38% do total) usou algoritmos para detectar padrões em volumes enormes de dados e interpretar seu significado. Pense nisso como “análise de dados em esteroides”. Essas aplicações de aprendizado de máquina estão sendo usadas para:
• prever o que um cliente específico provavelmente comprará;
• identificar fraudes de crédito em tempo real e detectar fraudes em reclamações de seguro;
• analisar dados de garantia para identificar problemas de segurança ou qualidade em automóveis e outros produtos fabricados;
• automatizar a segmentação personalizada de anúncios digitais; e
• fornecer às seguradoras modelagem atuarial mais precisa e detalhada.
Os insights cognitivos fornecidos pelo aprendizado de máquina diferem dos disponíveis na análise tradicional de três maneiras: eles geralmente são muito mais intensivos em dados e detalhados, os modelos geralmente são treinados em alguma parte do conjunto de dados e os modelos melhoram – ou seja, sua capacidade de usar novos dados para fazer previsões ou categorizar coisas melhora ao longo do tempo.
Versões do aprendizado de máquina (aprendizado profundo, em particular, que tenta imitar a atividade no cérebro humano para reconhecer padrões) podem realizar proezas como reconhecer imagens e fala.
O aprendizado de máquina também pode disponibilizar novos dados para uma análise melhor. Embora a atividade de curadoria de dados historicamente tenha sido bastante intensiva em mão de obra, agora o aprendizado de máquina pode identificar correspondências probabilísticas – dados que provavelmente estão associados à mesma pessoa ou empresa, mas que aparecem em formatos ligeiramente diferentes – em bancos de dados.
A GE usou essa tecnologia para integrar dados de fornecedores e economizou US$ 80 milhões em seu primeiro ano, eliminando redundâncias e negociando contratos que eram anteriormente gerenciados no nível da unidade de negócios. Da mesma forma, um grande banco usou essa tecnologia para extrair dados de termos de contratos de fornecedores e correlacioná-los com números de fatura, identificando dezenas de milhões de dólares em produtos e serviços não fornecidos. A prática de auditoria da Deloitte está usando insights cognitivos para extrair termos de contratos, o que permite uma auditoria abordar uma proporção muito maior de documentos, muitas vezes 100%, sem que auditores humanos tenham que ler minuciosamente todos eles.
As aplicações de insight cognitivo são normalmente usadas para melhorar o desempenho em tarefas que apenas máquinas podem fazer – tarefas como compra programática de anúncios que envolvem processamento de dados em alta velocidade e automação que há muito tempo estão além da capacidade humana – portanto, geralmente não representam uma ameaça para os empregos humanos.
Engajamento Cognitivo
Projetos que envolvem funcionários e clientes usando chatbots de processamento de linguagem natural, agentes inteligentes e aprendizado de máquina foram o tipo menos comum em nosso estudo (representando 16% do total). Essa categoria inclui:
• agentes inteligentes que oferecem atendimento ao cliente 24/7, abordando uma ampla e crescente gama de problemas, desde solicitações de senhas até perguntas de suporte técnico – tudo na linguagem natural do cliente;
• sites internos para responder a perguntas de funcionários sobre tópicos que incluem TI, benefícios aos funcionários e políticas de RH;
• sistemas de recomendação de produtos e serviços para varejistas que aumentam a personalização, o envolvimento e as vendas – geralmente incluindo linguagem rica ou imagens; e
• sistemas de recomendação de tratamento de saúde que ajudam os prestadores de serviços a criar planos de cuidados personalizados que levam em consideração o estado de saúde e os tratamentos anteriores dos pacientes.
As empresas em nosso estudo tendem a usar tecnologias de engajamento cognitivo mais para interagir com funcionários do que com clientes. Isso pode mudar à medida que as empresas se sintam mais à vontade em delegar as interações com o cliente para máquinas. A Vanguard, por exemplo, está testando um agente inteligente que ajuda sua equipe de atendimento ao cliente a responder a perguntas frequentes. O plano é eventualmente permitir que os clientes interajam diretamente com o agente cognitivo, em vez dos agentes de atendimento ao cliente humanos.
O SEBank, na Suécia, e a gigante de tecnologia médica Becton, Dickinson, nos Estados Unidos, estão usando o avatar de agente inteligente semelhante à vida Amelia como um serviço de suporte interno para funcionários, fornecendo suporte de TI. O SEBank recentemente disponibilizou a Amelia para os clientes em uma base limitada para testar seu desempenho e resposta do cliente.
As empresas tendem a adotar uma abordagem conservadora em relação às tecnologias de engajamento cognitivo voltadas para o cliente, em grande parte devido à sua imaturidade. O Facebook, por exemplo, descobriu que seus chatbots no Messenger não conseguiam responder a 70% das solicitações dos clientes sem intervenção humana. Como resultado, o Facebook e várias outras empresas estão restringindo as interfaces baseadas em chatbots a determinados domínios de tópicos ou tipos de conversas.
Nossa pesquisa sugere que os aplicativos de engajamento cognitivo não estão atualmente ameaçando os empregos de atendimento ao cliente ou representantes de vendas. Na maioria dos projetos que estudamos, o objetivo não era reduzir o número de funcionários, mas lidar com o aumento no número de interações de funcionários e clientes sem aumentar a equipe. Algumas organizações estavam planejando transferir comunicações de rotina para máquinas, enquanto faziam a transição do pessoal de suporte ao cliente para atividades mais complexas, como lidar com problemas de clientes que escalavam, conduzir diálogos não estruturados estendidos ou entrar em contato com clientes antes que eles ligassem com problemas.
À medida que as empresas se tornam mais familiares com as ferramentas cognitivas, estão experimentando projetos que combinam elementos das três categorias para colher os benefícios da IA. Uma seguradora italiana, por exemplo, desenvolveu um “serviço de help desk cognitivo” dentro de sua organização de TI. O sistema interage com os funcionários usando tecnologia de aprendizado profundo (parte da categoria de insights cognitivos) para pesquisar perguntas frequentes e respostas, casos resolvidos anteriormente e documentação para encontrar soluções para os problemas dos funcionários. Ele usa uma capacidade de roteamento inteligente (automação de processos de negócios) para encaminhar os problemas mais complexos para representantes humanos, e usa processamento de linguagem natural para atender às solicitações do usuário em italiano.
Apesar de sua experiência rapidamente crescente com ferramentas cognitivas, no entanto, as empresas enfrentam obstáculos significativos no desenvolvimento e implementação. Com base em nossa pesquisa, desenvolvemos um quadro de quatro etapas para a integração de tecnologias de IA que podem ajudar as empresas a alcançar seus objetivos, independentemente de os projetos serem projetos ambiciosos ou aprimoramentos de processos de negócios.
1. Compreendendo as Tecnologias
Antes de embarcar em uma iniciativa de IA, as empresas precisam entender quais tecnologias realizam quais tipos de tarefas e as vantagens e limitações de cada uma. Sistemas especialistas baseados em regras e automação de processos robóticos, por exemplo, são transparentes em como realizam seu trabalho, mas nenhum deles é capaz de aprender e melhorar. A aprendizagem profunda, por outro lado, é excelente em aprender com grandes volumes de dados rotulados, mas é quase impossível entender como cria os modelos que cria. Esse problema de “caixa-preta” pode ser problemático em setores altamente regulamentados, como serviços financeiros, nos quais os reguladores insistem em saber por que as decisões são tomadas de determinada maneira.
Encontramos várias organizações que desperdiçaram tempo e dinheiro buscando a tecnologia errada para o trabalho em questão. Mas se estiverem armadas com um bom entendimento das diferentes tecnologias, as empresas estarão em melhor posição para determinar qual delas pode atender melhor às necessidades específicas, com quais fornecedores trabalhar e com que rapidez um sistema pode ser implementado. Adquirir esse entendimento requer pesquisa e educação contínuas, geralmente dentro do departamento de TI ou de um grupo de inovação.
Em particular, as empresas precisarão aproveitar as habilidades de funcionários-chave, como cientistas de dados, que têm as habilidades estatísticas e de big data necessárias para aprender os detalhes dessas tecnologias. Um dos principais fatores de sucesso é a disposição de seus colaboradores para aprender. Alguns aproveitarão a oportunidade, enquanto outros preferirão continuar usando ferramentas com as quais estão familiarizados. Procure ter um alto percentual dos primeiros.
Se você não possui capacidades de ciência de dados ou análise internamente, provavelmente terá que construir um ecossistema de fornecedores de serviços externos a curto prazo. Se você espera implementar projetos de IA de longo prazo, convém recrutar talentos especializados internamente. De qualquer forma, ter as capacidades certas é essencial para progredir.
Dada a escassez de talentos em tecnologia cognitiva, a maioria das organizações deve estabelecer um pool de recursos, talvez em uma função centralizada, como TI ou estratégia, e disponibilizar especialistas para projetos de alta prioridade em toda a organização. À medida que as necessidades e o talento proliferam, pode fazer sentido dedicar grupos a funções ou unidades de negócios específicas, mas mesmo assim uma função de coordenação central pode ser útil para gerenciar projetos e carreiras.
2. Criando um Portfólio de Projetos
O próximo passo para lançar um programa de IA é avaliar sistematicamente as necessidades e capacidades e, em seguida, desenvolver um portfólio de projetos priorizados. Nas empresas que estudamos, isso geralmente era feito em workshops ou por meio de pequenas consultas. Recomendamos que as empresas conduzam avaliações em três áreas amplas.
Identificar as oportunidades
A primeira avaliação determina quais áreas do negócio podem se beneficiar mais com aplicações cognitivas. Normalmente, são partes da empresa onde o “conhecimento” – insights derivados da análise de dados ou de uma coleção de textos – é valioso, mas por algum motivo não está disponível.
– Gargalos. Em alguns casos, a falta de insights cognitivos é causada por um gargalo no fluxo de informações; o conhecimento existe na organização, mas não está distribuído de maneira ideal. Isso muitas vezes acontece na área de saúde, por exemplo, onde o conhecimento tende a ficar isolado em práticas, departamentos ou centros médicos acadêmicos.
– Desafios de escalabilidade. Em outros casos, o conhecimento existe, mas o processo para usá-lo leva muito tempo ou é caro de escalar. Isso muitas vezes ocorre com o conhecimento desenvolvido por consultores financeiros. É por isso que muitas empresas de investimento e gestão de patrimônio agora oferecem “robo-conselhos” com suporte de IA que fornecem orientações econômicas para questões financeiras rotineiras de forma econômica.
Na indústria farmacêutica, a Pfizer está enfrentando o problema de escalabilidade usando o Watson da IBM para acelerar a laboriosa pesquisa de descoberta de medicamentos em imuno-oncologia, uma abordagem emergente para o tratamento do câncer que utiliza o sistema imunológico do corpo para combater o câncer. Os medicamentos de imuno-oncologia podem levar até 12 anos para chegar ao mercado. Ao combinar uma revisão abrangente da literatura com os próprios dados da Pfizer, como relatórios de laboratório, o Watson está ajudando os pesquisadores a identificar relacionamentos e encontrar padrões ocultos que devem acelerar a identificação de novos alvos de medicamentos, terapias de combinação para estudo e estratégias de seleção de pacientes para esta nova classe de medicamentos.
– Mão de obra inadequada. Por fim, uma empresa pode coletar mais dados do que sua força de trabalho humana ou computacional existente pode analisar e aplicar adequadamente. Por exemplo, uma empresa pode ter grandes quantidades de dados sobre o comportamento digital dos consumidores, mas não possui insights sobre o que isso significa ou como pode ser aplicado estrategicamente. Para resolver isso, as empresas estão usando aprendizado de máquina para apoiar tarefas como compra programática de anúncios digitais personalizados ou, no caso da Cisco Systems e da IBM, para criar dezenas de milhares de “modelos de propensão” para determinar quais clientes provavelmente comprarão quais produtos.
Determinação dos casos de uso
A segunda área de avaliação avalia os casos de uso nos quais as aplicações cognitivas gerariam um valor substancial e contribuiriam para o sucesso do negócio. Comece fazendo perguntas-chave, como:
- Qual é a importância estratégica geral de abordar o problema específico?
- Quão difícil seria implementar a solução de IA proposta – tanto tecnicamente quanto organizacionalmente?
- Os benefícios do lançamento da aplicação valeriam o esforço?
Em seguida, priorize os casos de uso de acordo com os que oferecem o maior valor a curto e longo prazo e que podem, em última instância, ser integrados a uma plataforma mais ampla ou a um conjunto de capacidades cognitivas para criar uma vantagem competitiva.
Seleção da tecnologia
A terceira área a ser avaliada examina se as ferramentas de IA consideradas para cada caso de uso são realmente adequadas para a tarefa. Chatbots e agentes inteligentes, por exemplo, podem frustrar algumas empresas porque a maioria deles ainda não pode igualar a resolução de problemas humanos além de casos simples com scripts (embora estejam melhorando rapidamente).
Outras tecnologias, como a automação de processos robóticos, que pode simplificar processos simples, como faturamento, podem, na verdade, retardar sistemas de produção mais complexos. E, embora os sistemas de reconhecimento visual de aprendizado profundo possam reconhecer imagens em fotos e vídeos, eles exigem muitos dados rotulados e podem ser incapazes de dar sentido a um campo visual complexo.
Com o tempo, as tecnologias cognitivas transformarão a maneira como as empresas fazem negócios. No entanto, hoje em dia, é mais sábio dar passos incrementais com a tecnologia atualmente disponível enquanto planeja a mudança transformacional em um futuro não muito distante. Você pode eventualmente querer transferir interações com o cliente para bots, por exemplo, mas, por enquanto, é provavelmente mais viável e sensato automatizar sua central de ajuda interna de TI como um passo em direção ao objetivo final.
3. Lançando Projetos-Piloto
Porque a diferença entre as capacidades de IA atuais e desejadas nem sempre é óbvia, as empresas devem criar projetos-piloto para aplicações cognitivas antes de implementá-los em toda a empresa. Projetos-piloto de prova de conceito são particularmente adequados para iniciativas que têm alto valor comercial potencial ou permitem que a organização teste diferentes tecnologias ao mesmo tempo.
Tome cuidado especial para evitar “injeções” de projetos por parte de executivos seniores que tenham sido influenciados por fornecedores de tecnologia. Apenas porque executivos e conselhos de administração podem sentir pressão para “fazer algo cognitivo” não significa que você deve contornar o rigoroso processo de pilotagem. Projetos injetados frequentemente falham, o que pode atrasar significativamente o programa de IA da organização.
Se sua empresa planeja lançar vários projetos-piloto, considere a criação de um centro de excelência cognitiva ou uma estrutura similar para gerenciá-los. Essa abordagem ajuda a desenvolver as habilidades e capacidades tecnológicas necessárias dentro da organização, ao mesmo tempo em que ajuda a expandir pequenos projetos-piloto para implementações mais amplas que terão um impacto maior.
A Pfizer tem mais de 60 projetos em toda a empresa que empregam alguma forma de tecnologia cognitiva; muitos são projetos-piloto, e alguns agora estão em produção.
Na Becton, Dickinson and Company (BD), uma função de “automação global” dentro da organização de TI supervisiona vários projetos-piloto de tecnologia cognitiva que usam agentes digitais inteligentes e RPA (algum trabalho é feito em parceria com a organização Global Shared Services da empresa). O grupo de automação global usa mapas de processos de ponta a ponta para orientar a implementação e identificar oportunidades de automação.
O grupo também usa “mapas de calor” gráficos que indicam as atividades organizacionais mais adequadas para intervenções de IA. A empresa implementou com sucesso agentes inteligentes em processos de suporte de TI, mas ainda não está pronta para dar suporte a processos empresariais em larga escala, como ordem para pagamento. A seguradora de saúde Anthem desenvolveu uma função de IA centralizada semelhante que chama de Escritório de Capacidade Cognitiva.
Redesenho de Processos de Negócios
À medida que os projetos de tecnologia cognitiva são desenvolvidos, pense em como os fluxos de trabalho podem ser redesenhados, focando especificamente na divisão de tarefas entre seres humanos e a IA. Em alguns projetos cognitivos, 80% das decisões serão tomadas por máquinas e 20% serão tomadas por seres humanos; outros terão a proporção oposta. O redesenho sistemático dos fluxos de trabalho é necessário para garantir que seres humanos e máquinas complementem as forças um do outro e compensem as fraquezas.
A empresa de investimentos Vanguard, por exemplo, tem uma nova oferta chamada “Serviços de Consultoria Pessoal, do inglês Personal Advisor Services” (PAS), que combina consultoria de investimentos automatizada com orientação de consultores humanos. No novo sistema, a tecnologia cognitiva é usada para realizar muitas das tarefas tradicionais de consultoria de investimentos, incluindo a construção de uma carteira personalizada, o reequilíbrio de carteiras ao longo do tempo, a colheita de perdas fiscais e a seleção de investimentos eficientes em termos fiscais.
Os consultores humanos da Vanguard atuam como “treinadores de investimento”, encarregados de responder às perguntas dos investidores, incentivar comportamentos financeiros saudáveis e, nas palavras da Vanguard, serem “dispositivos de interrupção emocional” para manter os investidores no plano. Os consultores são incentivados a aprender sobre finanças comportamentais para desempenhar esses papéis de forma eficaz. A abordagem PAS rapidamente reuniu mais de US$ 80 bilhões em ativos sob gestão, os custos são mais baixos do que os da consultoria baseada apenas em humanos e a satisfação do cliente é alta. (Veja o quadro “Divisão de tarefas de uma empresa”.)
A Vanguard entendeu a importância do redesenho do trabalho ao implementar o PAS, mas muitas empresas simplesmente “pavimentam o caminho da vaca” ao automatizar os processos de trabalho existentes, especialmente ao usar a tecnologia RPA. Ao automatizar fluxos de trabalho estabelecidos, as empresas podem implementar projetos rapidamente e obter ROI, mas perdem a oportunidade de aproveitar ao máximo as capacidades da IA e melhorar substancialmente o processo.
Os esforços de redesenho de trabalho cognitivo muitas vezes se beneficiam da aplicação de princípios de design thinking: compreender as necessidades do cliente ou do usuário final, envolver os funcionários cujo trabalho será reestruturado, tratar os designs como “rascunhos experimentais” e considerar múltiplas alternativas, além de considerar explicitamente as capacidades da tecnologia cognitiva no processo de design. A maioria dos projetos cognitivos também se adequa a abordagens de desenvolvimento iterativas e ágeis.
4. Expansão (ou escalonamento)
Muitas organizações lançaram com sucesso pilotos cognitivos, mas não tiveram tanto sucesso em implementá-los em toda a organização. Para alcançar seus objetivos, as empresas precisam de planos detalhados para a expansão, o que requer colaboração entre especialistas em tecnologia e os responsáveis pelo processo de negócios que está sendo automatizado. Como as tecnologias cognitivas normalmente suportam tarefas individuais em vez de processos inteiros, a expansão quase sempre requer integração com sistemas e processos existentes. De fato, em nossa pesquisa, os executivos relataram que essa integração era o maior desafio enfrentado em iniciativas de IA.
As empresas devem começar o processo de expansão considerando se a integração necessária é possível ou viável. Se a aplicação depender de tecnologia especializada difícil de obter, por exemplo, isso limitará a expansão. Certifique-se de que os proprietários do processo de negócios discutam as considerações de expansão com a organização de TI antes ou durante a fase piloto: um contorno da TI é improvável de ser bem-sucedido, mesmo para tecnologias relativamente simples, como RPA.
A seguradora de saúde Elevance Health (que até 2022 era conhecida pelo nome fantasia Anthem), está abordando o desenvolvimento de tecnologias cognitivas como parte de uma grande modernização de seus sistemas existentes. Em vez de adicionar novos aplicativos cognitivos às tecnologias legadas, a Elevance Health está usando uma abordagem holística que maximiza o valor gerado pelas aplicações cognitivas, reduz o custo total de desenvolvimento e integração e cria um efeito halo nos sistemas legados. A empresa também está redesenhando os processos ao mesmo tempo para, como afirma o diretor Tom Miller, “usar o cognitivo para nos levar ao próximo nível”.
Na expansão, as empresas podem enfrentar desafios substanciais de gestão da mudança. Em uma cadeia de varejo de vestuário dos EUA, por exemplo, o projeto piloto em um pequeno subconjunto de lojas usou aprendizado de máquina para recomendações de produtos online, previsões para inventário ótimo e modelos de reposição rápida e, o mais difícil de todos, merchandising.
Os compradores, acostumados a fazer pedidos com base em sua intuição, se sentiram ameaçados e fizeram comentários como “Se você vai confiar nisso, para que precisa de mim?”. Após o piloto, os compradores foram como um grupo para o diretor de merchandising e pediram que o programa fosse cancelado.
O executivo apontou que os resultados foram positivos e justificaram a expansão do projeto. Ele assegurou aos compradores que, libertos de certas tarefas de merchandising, eles poderiam assumir trabalhos de alto valor que os humanos ainda podem fazer melhor do que as máquinas, como entender os desejos dos clientes mais jovens e determinar os planos futuros dos fabricantes de roupas. Ao mesmo tempo, ele reconheceu que os profissionais de merchandising precisavam ser educados sobre uma nova forma de trabalhar.
Se a expansão deve alcançar os resultados desejados, as empresas também devem se concentrar em melhorar a produtividade. Muitas, por exemplo, planejam crescer sua produtividade adicionando clientes e transações sem aumentar a equipe. Empresas que citam a redução de pessoal como a principal justificativa para o investimento em IA devem idealmente planejar realizar esse objetivo ao longo do tempo por meio da rotatividade ou da eliminação da terceirização.
Os benefícios comerciais da IA
Em 2019 foram entrevistados 250 executivos que estavam familiarizados com o uso de tecnologias cognitivas em suas empresas para conhecer seus objetivos nas iniciativas de IA. Mais da metade afirmou que seu principal objetivo era melhorar os produtos existentes. A redução do número de funcionários foi mencionada por apenas 22%.
Porcentagem de executivos que mencionaram em 2019 os seguintes benefícios da IA:
Os desafios da IA
Executivos questionados em 2019 apontaram os vários fatores que podem atrasar ou prejudicar as iniciativas de IA, desde problemas de integração até a escassez de talentos.
Porcentagem que citou em 2019 o seguinte motivo como obstáculos:
Um estudo de caso da divisão de trabalho na era da IA
A Vanguard, uma empresa de serviços de investimento, utiliza a tecnologia cognitiva para fornecer aconselhamento de investimento aos clientes a um custo mais baixo. Seu sistema de Serviços de Consultor Pessoal automatiza muitas tarefas tradicionais de consultoria de investimento, enquanto os consultores humanos assumem atividades de maior valor. Veja como a Vanguard redesenhou seus processos de trabalho para obter o máximo do novo sistema.
Tecnologia cognitiva de IA:
- Gera um plano financeiro
- Fornece previsões baseadas em metas em tempo real
- Rebalanceia a carteira para a mistura alvo
- Minimiza impostos
- Acompanha ativos agregados em um só lugar
- Envolve clientes virtualmente
Consultor humano
- Compreende os objetivos de investimento
- Customiza um plano de implementação
- Fornece análise de investimento e planejamento de aposentadoria
- Desenvolve estratégias de renda na aposentadoria e retirada do Seguro Social
- Age como um coach comportamental
- Monitora os gastos para incentivar a responsabilidade
- Oferece suporte contínuo em planejamento de riqueza e financeiro
- Aborda considerações de planejamento patrimonial
Fonte: Harvard Business Review, com tradução realizada pelo ChatGPT. O estudo original em inglês foi publicado por Thomas H. Davenport e Rajeev Ronanki