INTELIGÊNCIA ARTIFICIAL EM 2020, QUAIS AS PRIORIDADES PARA A INDÚSTRIA 

As apostas são altas em nosso mundo em rápida mudança. A pressão na indústria se torna cada vez mais intensa com as exigências da revolução 4.0. Acontece que para muitos líderes industrias, 2020 é o ano do “check de realidade”, quando será lançada as bases para um futuro realista da IA.

A América corporativa ainda está focada em capturar os esperados US $ 16 trilhões em ganhos de IA na próxima década, porém surge a necessidade de se concentrar em fundamentos internos, como o fomento de uma cultura baseada em dados, antes de ampliar os projetos de machine learning. Ou seja, o solo da indústria precisa estar propício para a implementação da IA para que essa desenvolva os resultados esperados.

A terceira previsão anual de IA da PWC relata que 90% dos executivos pesquisados acreditam que a IA oferece mais oportunidades do que riscos, só que essas ideias fornecem lições sobre como as indústrias estão superando desafios, quais são suas prioridades para o progresso da IA ​​e como esperam obter recompensas.

5 maneiras de passar da verificação da realidade para a recompensa do mundo real

IA,inteligencia artificia,industria,automação,2020

1. Focar em tarefas de back-office e automação

Para obter ROI e estabelecer as bases para uma transformação real será necessário concentrar os esforços de inteligência artificial em tarefas de back-office e automação. Em 2020, grande parte da empolgação da IA virá de resultados que podem parecer comuns, como por exemplo, ganhos de produtividade para processos internos e mais eficiência nas operações.

As indústrias podem obter economias notáveis usando a IA para extrair informações de planilhas fiscais, para o conhecimento de embarque, faturas e outros documentos que exigem longas horas de trabalho. Essas vitórias rápidas são uma boa forma de começar, só que não se pode esquecer que a IA pode fazer muito mais, cerca de 35% dos executivos listados pela PwC, dizem que a automatização de tarefas rotineiras seria uma capacidade essencial para 2020. Já que, tal inteligência pode mudar fundamentalmente como as pessoas trabalham, navegando por inúmeros sistemas nos bastidores para fornecer rapidamente informações necessárias.

Em relação aos cenários que os executivos consideram a principal ameaça dos avanços da inteligência artificial para os próximos 5 anos, o principal fator citado foi uma ruptura no mercado ou no setor que operam. A ruptura de indústrias é simplesmente uma questão de tempo. Assim, as empresas que tomam as medidas certas para tornar os investimentos de IA uma realidade têm a oportunidade de usá-la para criar o cenário que seus concorrentes temem.

 2. Repensar os aprimoramentos de IA

O velho tipo de qualificação, oferecendo oportunidades de aprendizado focadas em uma tecnologia isolada, não é suficiente para preparar os funcionários ou indústria para a IA em escala.

O alto nível de qualificação requer mais do que oferecer cursos de treinamentos. É preciso oferecer oportunidades e incentivos imediatos para que as pessoas apliquem o que aprenderam, para que o conhecimento se transforme em habilidades reais. Essa abordagem liderada pelas pessoas não é apenas a maneira mas eficaz de ensinar as técnicas, como também ajuda a criar uma mentalidade digital pronta para a IA, que se concentra em formas multifuncionais de trabalho e solução de problemas.

Outra habilidade que combate os desafios relacionados com a inteligência artificial e colabora nas decisões de quais problemas a IA pode resolver é a habilidade cruzada. Tal prática consiste em fornecer a especialistas de uma determinada área as habilidades de comunicação básicas de outra área, para que possam falar o mesmo “idioma” uma da outra. Ou seja, suas equipes precisam ser “multilíngues”, integrando várias habilidades técnicas e não técnicas.

3. Liderar riscos e responsabilidades

Aproveitar a inteligência artificial significa ser proativo em relação aos riscos e responsabilidades. Quase 85% dos líderes entrevistados disseram que suas indústrias estão tomando medidas suficientes  para se proteger contra os riscos da IA.

Embora não seja possível eliminar os riscos por completo, você pode mitigá-los através da integração de processos, ferramentas e controles necessários para lidar com áreas críticas como segurança cibernética e ética. A responsabilidade também se aplica a sua força de trabalho, pelo fato da IA retirar tarefas tediosas dos seus funcionários, se torna necessário investimentos relacionados a qualificação de seu pessoal, para que eles aprendam a receber a IA como uma oportunidade de realizar um trabalho de maior valor.

Também vemos indústrias começando a perceber que resolver problemas maiores em torno da ética de dados e tecnologia requer colaboração com clientes, colegas do setor, reguladores e startups de tecnologia.

 4. Operacionalizar a IA em escala

Colocar a IA em funcionamento significa fundi-la com análises, IoT e outros sistemas industriais e ter os processos para mantê-la em execução.

Antes de tudo, a Inteligência Artificial  precisa de dados e, à medida que obtém mais dados de qualidade de mais fontes , ela ganha poder. Em segundo lugar, alguns dos usos mais valiosos da IA ocorrem quando funciona 24/7, como parte de sistemas operacionais amplos. Logo, os líderes industriais estão operacionalizando a IA, em várias funções e unidades de processos, em plena integração com iniciativas de automação, análise de dados ou ambas.

Dado essa abordagem, não é de surpreender que os três principais desafios relacionados a escalar a IA estão relacionados com diferentes tipos de integração: integração de dados, integração de sistemas de análise e inteligência artificial e integração de IA com IoT e outros sistemas de tecnologia. Para resolver esses e outros desafios é essencial perceber que o desenvolvimento da IA é muito diferente do desenvolvimento de softwares e requer uma abordagem de “testar” e “aprender”, na qual os algoritmos estão aprendendo continuamente e os dados estão sendo refinados.

5. Reinventar o modelo de negócios

Com a maioria das empresas hoje construídas com recursos humanos e físicos, é importante pensar em como integrar os ativos cognitivos da machine learning. Nos modelos de negócios atuais os principais desafios são voltados para negócios e pessoas: medir seu ROI, aprovar um orçamento e treinar os funcionários para usar a IA. Isso destaca a necessidade de um comprometimento sustentado da inteligência artificial por parte dos líderes seniores.

O investimento em IA devem ajudar os tomadores de decisão a fazerem melhores escolhas, melhorar o engajamento dos funcionários (liberando-o de tarefas tediosas) e acelerar a análise dos sistemas. Mas existe um grande problema em metrificar tudo isso, já que as métricas tradicionais muitas vezes não são capazes de identificar e quantificar esses valores.

Por isso, é essencial tratar a IA não como uma solução única ou singular, mas como parte de sua estratégia mais ampla de automação e negócios. E mesmo que o impacto da IA seja incremental no início, em breve se tornará mais transformador, pois interrompe e cria novos modelos de negócios.

Leave a comment