Líderes de pensamento
Inteligência Artificial Encontra Engenharia de Análise: Maturidade de IA para Processos
Empresas de todos os tipos de indústrias e especialidades estão sentindo a necessidade de mergulhar de cabeça no mundo da inteligência artificial, e isso inclui a engenharia de análise. As oportunidades são reais e são emocionais, mas as organizações que desejam aproveitar ao máximo devem implementar sua estrutura de processo de forma pensada e realista, com base em sua maturidade de IA. Vamos explorar como.
Níveis de Maturidade de IA
Quando descrevemos a complexidade da IA que estamos usando, os níveis de maturidade de IA são úteis como um quadro simples e esclarecedor.
Nível 1: Inteligência Assistida (Automação): Automação básica de tarefas e fluxos de trabalho repetitivos. Exemplos: chatbots com respostas fixas, ferramentas de crawlers de sites, ferramentas de busca interna.
Nível 2: Inteligência Aumentada (Análise Orientada): Você informa à IA o método/modelo e o que analisar, e ela faz o resto. Exemplos: algoritmos de licitação de anúncios, resumidores de conteúdo.
Nível 3: Inteligência Autônoma (IA de Aprendizado Autônomo): A IA escolhe os métodos, encontra padrões e oferece recomendações. Exemplos: carros autônomos, robôs de negociação de ações autônomos.
Pressão para “IA”
Claro, hoje em dia, há muita pressão para “estar no nível 3”. Mas isso depende muito dos recursos, ativos, capacidades centrais, conhecimento e pessoas da sua empresa. A melhor abordagem é começar onde faz sentido, mesmo que seja no Nível 1.
Agora, há milhões de artigos online que bombardeiam você com ideias para IA. Mas ideias não trazem resultados. De acordo com a Adobe, apenas 12% das empresas atualmente têm soluções de IA funcionais que demonstram ROI claro. A maioria dessas ainda está em fases de teste, avaliando a eficácia ou enfrentando desafios para escalar as iniciativas de IA. Muitas equipes têm dificuldade em identificar onde a IA pode ser integrada de forma significativa em seus fluxos de trabalho e, mesmo quando um caso de uso é identificado, muitas organizações carecem de capacidades internas para construir ferramentas de IA personalizadas ou encontrar soluções externas confiáveis.
Vamos nos ater a aplicações realistas. Há ótimas maneiras de desenvolver o uso gradual de IA em elementos realistas de trabalho para líderes que estão prontos para escalar de forma responsável.
O que pode ser automatizado quando você constrói análises para um produto de ecommerce/SaaS
Na minha opinião, há dois processos comuns dentro de equipes de engenharia de análise bem-sucedidas que são ótimos candidatos para construir maturidade de IA:
- IA para Gerenciamento de Conhecimento e Integração
- IA para Automação de QA e Auditoria
1. IA para Gerenciamento de Conhecimento e Integração
A documentação é uma ferramenta fundamental para manter o controle de sistemas complexos. De acordo com o Quadro de Processo, a Referência de Design de Solução (SDR) precisa documentar cada uma das cinco etapas. Pode parecer assim:
- Processo #1: Documentando os resultados esperados.
- Processo #2: Mantendo o controle de histórias de coleta de dados importantes que são regularmente verificadas.
- Processo #3: Anotando a história dos requisitos de dados de stakeholders de tecnologia de terceiros.
- Processo #4: Detalhando a camada de dados em todas as aplicações e superfícies.
- Processo #5: Descrevendo e detalhando a arquitetura de engenharia com diagramas, hierarquias e requisitos.
Agora, vamos adicionar um pouco de IA a isso.
Nível 1
No nível 1, você pode começar a usar chatbots internos de IA para recuperação de documentos.
Muitas empresas agora têm chatbots internos que podem ser treinados em documentação proprietária. Se você não tiver um chatbot interno, pode usar o modo incógnito ou redigir sua documentação antes de alimentá-la ao bot.
Alimente seu bot com suas SDRs, manuais de QA, convenções de nomenclatura e padrões de implementação.
Após um lançamento bem-sucedido, alimente seu projeto de IA com notas ou planos de implementação para adicionar à documentação. Em seguida, pergunte à IA as seguintes perguntas:
- “Qual é o melhor método para implementar X se eu quiser usar a mesma lógica que Y?”
- “Quais dados são necessários para coletar para rastrear compras?”
- “Quais tags estão faltando nesta nova página de produto?”
O resultado desse processo é que você gasta menos tempo folheando documentos ou enviando mensagens para colegas de trabalho, novos membros da equipe podem se servir de respostas e o conhecimento tribal se torna escalável.
Há algumas ressalvas aqui. Esse método realmente funciona se você fizer um bom trabalho de manter sua documentação atualizada, e só se torna escalável se você treinar e exigir que suas pessoas usem a ferramenta.
Nível 2
Se isso funcionar para o seu departamento, pense em escalar para conectar seu chatbot diretamente à sua tecnologia. Você pode automatizar a automação.
Nível 3
Estou certo de que o céu é o limite aqui. A direção que eu perseguiria seria construir uma IA proativa que sinaliza inconsistências e oferece melhorias. A realidade é que poucas empresas estão alcançando esse nível, e estou escrevendo este artigo para a maioria de nós, que ainda estão aprendendo as bases.
2. IA para Automação de QA e Auditoria
Auditar regularmente os métodos de coleta de dados é uma das melhores práticas para o Quadro de Processo. Muito frequentemente, o auditor será uma equipe de QA ou, alternativamente, uma ferramenta de auditoria pode ser usada. Por exemplo, o ObservePoint é uma ferramenta personalizável que permite construir fluxos de auditoria altamente intricados. Mesmo com um robô, você sempre pode usar um pouco mais de IA, certo?
Nível 1
Vamos começar automatizando os aspectos técnicos. Construir jornadas em ferramentas de auditoria robótica como o ObservePoint é frequentemente técnico e requer muito suporte. Para automatizar algumas dessas tarefas técnicas repetitivas, enquanto constrói jornadas de auditoria, você pode pedir ajuda a um chatbot de IA. Pergunte à IA as seguintes perguntas:
“Dê-me o seletor CSS para o botão ‘Próximo Passo’.”
“Escreva código personalizado que opte automaticamente por todos os cookies.”
O resultado disso deve ser uma maior facilidade de uso ao trabalhar com ferramentas técnicas altamente personalizáveis, uma triagem e solução de problemas mais rápidas e menos dependência de suporte e desenvolvedores frontend.
Algumas ressalvas aqui são que, se você não usar um robô crawler para auditorias de dados, você pode estar usando uma equipe de QA. A equipe de QA pode adotar automações para etapas comuns. Comece pequeno, aumente gradualmente; seus próximos passos só ficarão claros uma vez que você dê o primeiro passo.
Nível 2
Para o uso de IA no Nível 2, procure integrar seu chatbot diretamente à ferramenta, evitando a necessidade de prompts manuais de um chatbot.
Nível 3
Por fim, para o uso no Nível 3, o céu é novamente o limite. Descubra como você pode tornar suas automações mais proativas na identificação de melhorias e recomendações de soluções. Apenas siga essa rota se você se sentir confortável navegando no Nível 2.
O que Não Automatizar (Ainda)
Vamos considerar a Melhor Prática #3: Colaborar com stakeholders de tecnologia de terceiros. Isso é algo que os humanos ainda fazem melhor. Você pode usar IA para se preparar para chamadas de fornecedores, resumir contratos ou criar esboços de integração. Mas, por agora, a construção de relacionamentos permanece humana.
Pensamentos Finais
Mesmo que você não tenha um orçamento para desenvolvimento de IA personalizado, você pode começar com as ferramentas que já tem. Um bom processo e um bom chatbot podem ir longe.
Comece simples, com o Nível 1 ou 2, e deixe sua equipe se familiarizar. Uma vez que você veja onde a IA está economizando tempo e aumentando a consistência, você saberá onde investir em ferramentas mais avançadas. A parte mais difícil da adoção de IA é frequentemente descobrir onde você precisa dela em primeiro lugar. Uma vez que você tenha estabelecido essa baseline, tente mover as coisas para o próximo nível com sua equipe e veja o quão mais suave a engenharia de análise impulsionada por IA pode ser.
Quer aprender mais sobre IA na engenharia de análise e, mais especificamente, os melhores processos para coleta de dados limpos? Confira meu artigo sobre a criação de um Quadro de Dados Limpos de Ecommerce.
