5 Etapas para Implementar IA em sua Empresa sem Quebrar o Banco

A inteligência artificial continua em alta, e se continuar permeando em todas as indústrias, transformará completamente a forma como vivemos.

Como resultado disso, integrar IA em suas empresas se tornou uma prioridade máxima para muitos fundadores. Até mesmo indivíduos estão procurando maneiras de aproveitar a IA para melhorar suas vidas pessoais.

A hipe é tanta que o dicionário Collins, uma autoridade linguística de referência, nomeou IA como o termo do ano, devido ao seu aumento de popularidade.

Dito isso, para a maioria das organizações, há uma grande lacuna entre a ideia e a realidade ao tentar incorporar IA em seus processos, porque o caminho não é tão simples quanto parece, e pode ser muito caro, tanto em termos de despesas de capital necessárias quanto em tempo perdido, porque os desenvolvimentos não trarão os resultados esperados. Isso levou vários negócios a ter problemas. Por exemplo, o CNET experimentou com artigos escritos por IA, e eles se revelaram cheios de falhas. Outras empresas, como o iTutor Group, enfrentaram multas pesadas além de ridicularização pública devido às suas más implementações de IA.

Como esses casos mostram, os negócios podem cometer muitos erros com a IA, e a menos que uma empresa tenha a almofada financeira da Amazon, Google, Microsoft ou Meta, esses experimentos malsucedidos podem efetivamente falir uma empresa.

Se você é um fundador ou proprietário de negócios, aqui está um guia com cinco etapas para ajudá-lo a implementar IA em sua empresa, tudo isso enquanto faz um uso prudente de seus recursos – dinheiro e tempo, que, no final, é dinheiro – e reduzindo a possibilidade de erros fatais.

1. Seja claro sobre o problema que você está tentando resolver

Nenhuma empresa é imune a falhas de IA. E, como a Amazon descobriu dolorosamente – por meio de suas lojas sem caixas Amazon Go – nem todos os casos de negócios precisam de IA.

Portanto, é fundamental que você defina o problema que você está tentando resolver com a IA. Isso precisa ser esclarecido o mais claramente possível.

Por exemplo, uma aplicação comum de IA é o suporte ao cliente. Implementar IA nesse caso é possível de uma maneira que tenha resultados específicos, por exemplo, reduzir os custos do call center em X quantidade de dinheiro por mês ou acelerar o tempo médio que leva para resolver as consultas dos clientes em X minutos. Com essa abordagem, temos um indicador mensurável na forma de dinheiro ou tempo, que tentaremos atingir implementando a IA e ver se isso tem algum impacto.

Há várias maneiras pelas quais isso pode acontecer. Por exemplo, em vez de um chatbot, podemos desenvolver ou comprar um serviço que determine se a consulta de um cliente pode ser respondida com uma página de Perguntas Freqüentes. Ele funcionará assim. Quando um cliente escreve uma mensagem, executamos esse modelo e ele nos diz se precisamos transferir essa conversa para um agente ou mostrar a eles uma página relevante com a resposta para sua pergunta. Desenvolver esse modelo é mais rápido e barato do que construir um chatbot complexo do zero. Se essa implementação for bem-sucedida, alcançaremos nosso objetivo de reduzir custos enquanto otimizamos nossas despesas de capital relacionadas à IA, em comparação com o custo de desenvolver um chatbot.

Um pioneiro nessa abordagem foi o Matten Law, um escritório de advocacia da Califórnia que integraram um assistente alimentado por IA para automatizar muitas tarefas, permitindo que os advogados passem mais tempo ouvindo os clientes e estudando os aspectos de um caso que eram os mais relevantes. Isso ilustra que até mesmo os setores mais rígidos podem ser disruptados pela IA de uma maneira que fortalece a experiência do usuário, ampliando o toque humano onde é mais necessário.

Outros problemas comuns que poderiam ser abordados com a ajuda da IA incluem análise de dados e criação de ofertas personalizadas. O Spotify é um exemplo extraordinário de uma empresa que aproveita com sucesso a IA para desenvolver um sistema inteligente de recomendações musicais, que vai tão longe quanto levar em conta o horário do dia em que alguém ouve um gênero específico.

Em ambos os cenários mencionados, a IA está ajudando a fornecer uma melhor experiência para o cliente. No entanto, a razão pela qual essas empresas usaram a IA com sucesso foi porque elas estavam muito claras sobre os aspectos que precisavam ser delegados à IA.

2. Decida sobre os dados que você precisará analisar

Uma vez que o problema principal esteja bem definido, precisamos levar em consideração os dados que precisamos alimentar o sistema. É fundamental lembrar que a IA é um algoritmo, que analisa e se ajusta aos dados que fornecemos. O cenário básico para a coleta de dados é o seguinte:

1. Entenda quais dados podemos precisar para implementar a IA.

2. Veja se nosso negócio tem esses dados.

   1. Se tivermos — ótimo.

   2. Se não, precisamos nos sentar e descobrir se podemos iniciar o processo de coleta de dados adequado internamente. Como outra possibilidade, podemos pedir aos desenvolvedores para salvar os dados que precisamos se não estivermos fazendo isso ainda.

Aqui está um exemplo. Nós somos donos de uma cafeteria e precisamos de dados sobre quantos clientes a visitam. Podemos fazer isso implementando cartões de fidelidade personalizados que os usuários apresentarão ao fazer uma compra. Dessa forma, teremos os dados de que precisamos, como quais clientes vieram, quando vieram, o que compraram e em que quantidade. Uma vez que tenhamos isso, podemos usar esses dados para implementar a IA. No entanto, há vezes em que coletar esses dados pode ser muito caro. E é aí que a IA pode vir em nosso resgate. Por exemplo, se tivermos uma câmera instalada em nossa cafeteria – o que podemos ter pelo menos por razões de segurança – poderíamos usar essa câmera para coletar dados de nossos clientes que a visitam. Devo dizer que, antes de implementar isso, é importante consultar as leis de dados pessoais, como o GDPR, pois essa abordagem pode não funcionar em todos os países. Mas nos jurisdições em que é permitido, isso pode ser uma maneira sem problemas de coletar as informações de que você precisa e solicitar a ajuda da IA para analisá-las e processá-las.

Se você está se perguntando, esse programa de fidelidade personalizado é o que a Starbucks fez, com grande sucesso. O esquema de recompensas da Starbucks foi tão longe quanto fornecer incentivos personalizados sempre que um cliente visitava sua localização preferida ou encomendava sua bebida favorita.

3. Defina uma hipótese

Pode haver situações em que você se sinta incerto sobre quais processos podem ou precisam ser otimizados pela IA.

Se esse for o seu caso, então você pode começar quebrando todo o seu processo em etapas e identificar aquelas fases em que você sente que seu negócio está com desempenho abaixo do esperado. Quais são aquelas áreas em que você está gastando muito dinheiro? O que está levando mais tempo do que o usual? Ao responder a essas perguntas, você pode identificar as áreas críticas para melhoria e decidir se a IA pode ser útil.

Como você encontrará, há instâncias em que soluções convencionais podem ser mais eficazes. Se você estiver lutando para decidir quais ofertas de produtos destacar para seus clientes, sugestões baseadas nos produtos mais populares são frequentemente muito mais eficazes em sistemas de recomendação de mercado do que tentativas de prever o comportamento do usuário. Portanto, tente isso primeiro. Uma vez que você tenha um resultado – seja positivo ou negativo – então você pode ter uma hipótese para testar a IA. Caso contrário, o campo de ação será muito vago, e você pode acabar desperdiçando tempo e dinheiro.

4. Aproveite as soluções que já existem

Muitas empresas visam, desde o início, projetar seus próprios algoritmos de aprendizado de máquina. No entanto, se você não planeja treinar esses algoritmos com conjuntos de dados grandes durante um período prolongado, não faça isso. Será muito caro e demorado.

Em vez disso, sugiro que você se concentre em soluções que já existem. Empresas como Amazon, Google, Microsoft e muitas outras têm ferramentas alimentadas por IA que podem ajudá-lo a alcançar muitos objetivos. Então, gradualmente, você poderia assinar um contrato com uma delas e contratar um desenvolvedor interno para configurar habilmente as solicitações de API necessárias.

A ideia básica é que essas ferramentas podem ser integradas por desenvolvedores de negócios (não especialistas em ML), o que nos permitirá testar rapidamente a hipótese de que a IA traz o efeito esperado ou não. Se falhar em fazê-lo, podemos simplesmente desativar essas ferramentas, e o custo de testar nossa hipótese seria apenas o tempo do desenvolvedor que gastamos integrando com esse serviço e a quantia que pagamos para usar a ferramenta. Se estivéssemos desenvolvendo um modelo, gastaríamos o salário do especialista em ML multiplicado pelo tempo que ele passa desenvolvendo o modelo, além de qualquer custo de infraestrutura. E então não está claro o que fazer com o desenvolvedor e o modelo se, no final, o efeito esperado não estiver lá.

Se nossa hipótese for comprovada e a ferramenta alimentada por IA trouxer o efeito esperado, nos alegramos e criamos uma nova hipótese. No futuro, se previrmos que os custos da ferramenta aumentam significativamente, podemos pensar em desenvolver esse modelo nós mesmos e, assim, reduzir os custos ainda mais. Mas primeiro precisamos avaliar se o custo de desenvolvimento é, de fato, menor do que o que pagaríamos para usar uma ferramenta de outra empresa que se especializa em desenvolver essas ferramentas.

Minha recomendação é que você considere desenvolver seu próprio produto de aprendizado de máquina apenas após obter bons resultados ao usar a IA com as ferramentas mencionadas acima e uma vez que você esteja certo de que a IA é a maneira certa de resolver seu problema a longo prazo. Caso contrário, seu projeto de ML não entregará o valor que você está procurando, e como um brilhante artigo recente da Harvard Business Review disse, o hype da IA só o distrairá de sua missão, que não precisa de IA.

5. Consulte especialistas em IA

Na mesma linha, outro erro muito comum que os fundadores e proprietários de negócios cometem é tentar fazer tudo internamente. Eles contratam um engenheiro-chefe de IA ou pesquisador e, em seguida, mais pessoas para formar uma equipe que possa criar um produto de ponta. No entanto, essa tecnologia será inútil para o propósito de sua empresa se você não tiver uma estratégia de implementação de IA adequadamente definida. Há também o caso em que eles contratam um engenheiro júnior de ML para economizar dinheiro em comparação com a contratação de um especialista mais experiente. Isso também é perigoso, porque uma pessoa sem experiência pode não conhecer as nuances do desenvolvimento e design do sistema de ML e cometer “erros de iniciante”, pelos quais a empresa terá que pagar um preço muito alto, quase sempre excedendo o preço de contratar um especialista em ML experiente.

Portanto, minha recomendação é que você primeiro contrate um especialista em IA, como um consultor, que o guiará pelo caminho e avaliará seu processo de adoção de IA. Aproveite sua especialização para garantir que o problema que você está trabalhando exige IA e que a tecnologia pode ser escalada efetivamente para provar sua hipótese.

Se você é uma startup em estágio inicial e está preocupado com o financiamento, um hack para isso é entrar em contato com engenheiros de IA no LinkedIn com perguntas específicas. Acredite ou não, muitos especialistas em ML e IA amam ajudar, tanto porque estão realmente interessados no tópico quanto porque, se eles conseguirem ajudá-lo, podem usá-lo como um estudo de caso positivo para seu portfólio de consultoria.

Pensamentos Finais

Com todo o hype que está cercando a IA, é normal que você possa estar ansioso para incorporá-la em seu negócio e desenvolver uma solução alimentada por IA que o leve ao próximo nível. No entanto, você precisa manter em mente que o fato de todos estarem falando sobre a IA não significa que seu negócio precisa de IA. Muitos negócios, infelizmente, correm para integrar a IA sem um objetivo claro em mente e acabam desperdiçando enormes quantidades de dinheiro e tempo. Em alguns casos, especialmente para empresas em estágio inicial, isso pode significar seu fim. Ao articular claramente um problema, coletar dados relevantes, testar uma hipótese e usar as ferramentas que já existem com a ajuda de um especialista, você pode integrar a IA sem esvaziar os recursos financeiros de sua empresa. Então, se a solução funcionar, você pode gradualmente escalonar e incorporar a IA nas áreas em que ela aumenta a eficiência ou a rentabilidade de sua empresa.