G2 em IA e Análise Empresarial: O que é realmente e por que é importante?

A inteligência artificial (IA) tornou-se o tema mais quente na tecnologia. Seu uso na era da transformação digital abrange os setores comercial e público, alimentando debates entre empresas, legisladores e o público. Tenho colocado a caneta no papel sobre o assunto há alguns anos; tendo recentemente me juntado à G2 para fomentar a expansão de nossas categorias de IA (bem como nossas categorias de análise, nuvem e segurança), gostaria de resumir algumas de minhas opiniões, enquanto preparo o cenário para uma exploração mais detalhada das tecnologias, desafios empresariais e tendências que moldam a IA.

Espero que você ache útil e informativo e—como sempre—dou boas-vindas ao feedback de usuários, compradores e construtores. A conversa sobre IA está em andamento, e cabe a nós descobrir o verdadeiro valor da IA, disponibilizar os dados que são seu combustível e entregar melhores resultados para todos.

Existem dois tipos de IA, mas apenas um é atualmente realista

Não estou sozinho ao propor que a IA pode ser dividida em dois campos. Primeiro, há a IA geral: a replicação da inteligência humana, que ao ser interrogada por humanos deve ser indistinguível dela.

O segundo tipo é a IA estreita. A IA estreita é uma capacidade específica para tarefas que automatiza o trabalho humano de maneira altamente definida e estruturada. A IA estreita traz benefícios para os usuários ao completar tarefas em uma escala maior, em velocidades maiores e com maior precisão do que um humano poderia.

A IA geral é a culpada por grande parte da confusão e desinformação no mercado de IA. Por quê? Porque, neste ponto (e no futuro previsível), é o assunto da ficção científica. As percepções populares de IA são impulsionadas por exemplos como O Exterminador do Futuro ou Eu, Robô. Você conhece a história aqui: Máquinas insanamente (uso essa palavra deliberadamente) inteligentes superam a inteligência humana, decidem que as pessoas são uma ameaça ou incapazes de tomar decisões por si mesmas, e fazem algo catastrófico a respeito. Embora seja importante debater as implicações éticas da IA geral futurista, podemos nos concentrar no que é realista para os compradores de tecnologia hoje: a IA estreita.

Hoje, a IA estreita é usada por sua precisão e velocidade. A tecnologia pode completar tarefas mais rapidamente, com maior consistência ou em uma escala maior (ou alguma combinação dessas) do que uma pessoa pode. Importante, também é um complemento natural para muitas tecnologias existentes, devido à capacidade de incorporá-la nelas. Mais sobre isso mais tarde.

A tecnologia de IA não é nova, mas os dados e o poder de computação para executá-la são

Para aqueles interessados na história das tecnologias de IA, algumas das que estão sendo usadas hoje existem desde as décadas de 1950 e 60.

Mas se a IA existe há tanto tempo, por que só começamos a usá-la nos últimos anos?

A resposta é simples: Só recentemente houve o volume de dados necessário para alimentá-la e o poder de computação para processá-la. A IA estreita se destaca em tarefas em uma escala e em um ritmo que os humanos têm dificuldade em gerenciar. Grandes volumes de dados combinados com a disponibilidade de serviços de armazenamento e computação vastos e escaláveis na nuvem pública tornam isso possível e valioso.

O valor da IA é encontrado em melhorias de produtividade, por enquanto

Continuarei a argumentar que a maioria dos casos de uso de IA são realmente sobre melhorar a produtividade; ou seja, produzir mais, mas usando menos para fazê-lo. Em essência, meu argumento é este: a IA ajuda as pessoas a fazerem seu trabalho mais rapidamente (através da automação do trabalho) ou mais eficazmente (descobrindo insights anteriormente ocultos que influenciam positivamente as decisões). Em termos de uma fórmula simples para produtividade, isso reduz os insumos (trabalho) para entregar resultados (trabalho concluído), ou aumenta a quantidade de resultados para os mesmos insumos, ou—ainda melhor—ambos.

Esta é uma situação em evolução, também. A "arte do possível" está se expandindo rapidamente. Por exemplo, o trabalho envolvido em monitorar fontes de dados em escala de internet para sinais e insights está além das habilidades de um humano. Isso significa que não apenas ganhos de produtividade estão disponíveis para tipos existentes de trabalho e resultados, mas a IA e as máquinas que a executam podem e estão criando usos anteriormente impossíveis. Custos, receita e lucro não são as únicas alavancas de negócios a serem acionadas, também. Considere a escala e a velocidade das ameaças de cibersegurança; as máquinas se destacam nesse tipo de desafio, e os humanos não conseguem acompanhar.

Um tiro de advertência deve ser disparado em nome do equilíbrio, e será o assunto de um futuro post da G2: A redução de trabalho inevitavelmente levará a perdas de empregos (atuais). Um grande debate sobre se a IA trará desemprego em massa ou anunciará o início de uma nova era de criatividade e liberdade econômica começou. Se você é um otimista ou pessimista em relação à IA, essas questões socioeconômicas não respondidas precisam de mais tempo e esforço investidos na busca de um resultado positivo.

Começar com IA para a maioria provavelmente será como um recurso de um produto existente

Muitas empresas estão, com razão, animadas com a perspectiva de usar (embora possam não saber, estreita) IA para melhorar seus negócios, mas como devem começar? Para alguns, a resposta tem sido tentar construir centros de competência em IA, contratando os tão falados cientistas de dados para liderar a iniciativa. Dois problemas tendem a surgir nesse cenário. Primeiro, os cientistas de dados são escassos e caros. Em segundo lugar, muitas vezes há pouca clareza sobre quais objetivos uma empresa deseja alcançar além de "Vamos fazer algo com IA."

Felizmente, muitos fornecedores de software estão cientes desses desafios e estão abordando-os integrando a IA estreita em suas aplicações e soluções. Os exemplos são abundantes, com o software de gestão de relacionamento com o cliente (CRM) como provavelmente o mais visível, oferecendo recursos com IA, como pontuação de leads ou próxima melhor oferta. Os produtos Adaptive Intelligent Apps da Oracle e Einstein da Salesforce oferecem capacidades com IA para experiência do cliente (CX), entre outras áreas de aplicação. As organizações se beneficiam da tecnologia sem exigir uma infinidade de conhecimentos e habilidades em IA. Os insights entregues às organizações estão no contexto da aplicação e de seus processos, tornando o consumo simples. As empresas devem fazer considerações adicionais sobre seus dados. Exploraremos o papel dos dados extensivamente em colunas futuras, mas é importante mencionar que muitas empresas ainda lutam para gerenciar seus dados. Sem dados, não há IA.

Para empresas com orçamento, requisitos muito específicos (por exemplo, certas áreas de serviços financeiros) ou com habilidades internas existentes, construir sua própria IA é uma opção apoiada por uma gama do que são mais comumente referidos como plataformas de ciência de dados. Uma plataforma de ciência de dados oferece as ferramentas para obter e gerenciar os dados necessários, o kit de ferramentas de IA (mais frequentemente aprendizado de máquina, mas também aprendizado profundo para alguns casos de uso), implantação e capacidades de gerenciamento de modelos. Exemplos incluem Dataiku, Datascience.com, IBM Watson Studio, Microsoft Azure Machine Learning e RapidMiner.

Tornar a IA mais acessível é o desafio imediato

Embora a escassez de habilidades e os desafios na obtenção dos dados certos para alimentar a IA sejam desafios imediatos e contínuos, a indústria e os governos nacionais estão respondendo.

Aqui estão três tendências que vejo moldando como as empresas adotarão e usarão a IA no futuro próximo:

• A augmentação é a palavra na IA agora. Com razão, pois representa com precisão o que a maioria das soluções de IA são atualmente capazes de fazer, e foca o debate sobre IA no valor empresarial em vez de na filosofia da tecnologia. Pense na augmentação com IA como um copiloto para usuários de tecnologia empresarial, escondendo a complexidade da tecnologia e as vastas quantidades de dados que a alimentam do usuário e ajudando-os com a conclusão automática de tarefas mundanas e sugerindo proativamente ações que adicionam valor ou mitigam riscos. Vemos isso em ação hoje. À medida que novas capacidades e casos de uso se tornam disponíveis, e os usuários passam a aceitar e confiar nas capacidades com IA, o copiloto de IA se tornará uma parte indispensável do trabalho diário da pessoa de negócios.
• A lacuna de habilidades que atualmente limita a adoção de IA será erodida por desenvolvimentos na tecnologia que impulsionarão a acessibilidade e aumentarão os casos de uso potenciais. Da mesma forma que a análise se moveu do domínio de um pequeno grupo de usuários especialistas para uma ferramenta acessível a milhões, as tecnologias de IA se tornarão mais acessíveis através do uso de capacidades de arrastar e soltar, de baixo ou nenhum código, e pré-construídas abertas a desenvolvedores e usuários empresariais. Espere ver a emergência de modelos de aprendizado de máquina como um serviço ou marketplaces onde as empresas podem acessar IP sofisticado, pré-construído e configurável para suas próprias circunstâncias únicas de uma variedade de provedores.
• Combinar muitas capacidades de IA estreita para criar uma solução com IA "mais do que a soma de suas partes" é outro desenvolvimento que espero ter um grande impacto. A capacidade de combinar e orquestrar essas IAs estreitas no contexto de, por exemplo, um processo de negócios (e provavelmente emparelhado com automação de processos robóticos) impulsionará a produtividade em uma gama muito mais ampla de tarefas dentro das organizações.

Além de minhas previsões, nos próximos meses estão alguns dos maiores eventos de usuários de tecnologia do ano, incluindo o re:Invent da AWS, o Dreamforce da Salesforce e o OpenWorld da Oracle. Espere uma série de anúncios de IA de cada um. Nossos analistas da G2 estarão lá, oferecendo aos compradores de tecnologia nossas opiniões e opiniões sobre eles à medida que acontecem, no G2 Research Hub.