Entregando Impacto com IA em Pesquisa, Desenvolvimento e Inovação

A inteligência artificial (IA) está transformando a pesquisa, o desenvolvimento e a inovação (P&D&I), desbloqueando novas possibilidades para abordar alguns dos desafios mais prementes do mundo, incluindo sustentabilidade, saúde, mudanças climáticas e segurança alimentar e energética, além de ajudar as organizações a inovar melhor e lançar produtos e serviços inovadores.

A IA em P&D&I não é nova. No entanto, o surgimento da inteligência artificial geradora (GenAI) e modelos de linguagem grande (LLMs) ampliou significativamente suas capacidades, acelerando avanços e inovação geral.

Como as organizações podem se beneficiar da IA em seus esforços de P&D&I, e quais são as melhores práticas para adotar para impulsionar o sucesso? Para descobrir, o Instituto Blue Shift da Arthur D. Little (ADL) realizou um estudo abrangente, entrevistando mais de 40 provedores de IA, especialistas e praticantes, bem como pesquisando mais de 200 organizações nos setores público e privado. O relatório resultante, Eureka! em Estéreo: Pesquisa, Desenvolvimento e Inovação Impulsionados por IA, oferece uma análise aprofundada do cenário atual e da trajetória futura da IA em pesquisa e inovação.

Nossa análise se concentra em cinco áreas-chave:

A IA entrega benefícios em toda a P&D&I – mas não substituirá os humanos

Cada bloco de construção da P&D&I pode se beneficiar da IA, desde inteligência tecnológica e de mercado até estratégia de inovação, ideação, gestão de portfólio e projeto, e gestão de propriedade intelectual. Quando procuramos entender esses benefícios, três fatores-chave surgem:

• A IA aumentará os pesquisadores, em vez de substituí-los, liberando seu tempo e permitindo que sejam mais produtivos e criativos
• A IA ajuda a resolver problemas intransponíveis que não podiam ser tentados antes devido à velocidade e capacidade de escala e aprendizado da tecnologia, abrindo novas vias de inovação
• A IA assumirá uma posição de “planejador-pensador”, indo além da geração de conteúdo e busca para cobrir papéis mais complexos, como gerenciador de conhecimento, gerador de hipóteses e assistente de equipes de P&D&I.

Quando decidir se usar IA para resolver um caso de uso específico de P&D&I, não há um modelo em branco para implantar. Para entender qual abordagem de IA dará os melhores resultados, as organizações precisam se concentrar em dois fatores – o tipo e a quantidade de dados disponíveis (de um pouco a muito) e a natureza da pergunta sendo feita (de aberta a específica). Ao mesmo tempo, uma abordagem de IA única pode não dar resultados ótimos — a maioria dos sistemas inteligentes produzidos nos últimos 15 anos foram sistemas de sistemas. Esses são sistemas de IA independentes, modelos ou algoritmos projetados para tarefas específicas, que, quando combinados, oferecem maior funcionalidade e desempenho.

O sucesso exige oito boas práticas

Com base em entrevistas com pesquisadores, cientistas de IA, fundadores e chefes de P&D em equipes digitais, de fabricação, marketing e P&D, vemos oito boas práticas que sustentam a implantação bem-sucedida de IA. As organizações precisam:

• Adotar metodologias ágeis para que as equipes possam trabalhar rapidamente em um ambiente de IA em constante mudança
• Construir fundações sólidas, focando na qualidade dos dados, colaboração em toda a organização e aproveitando dados proprietários
• Fazer uma escolha estratégica entre construir, comprar e ajustar finamente os modelos, com a última abordagem frequentemente a mais eficaz
• Considerar compensações analíticas para garantir o progresso durante projetos de prova de conceito, como adquirir versus sintetizar dados, precisão versus recall e subajuste versus superajuste
• Ser proativo ao aproveitar o talento disponível em ciência de dados, incluindo parcerias fora da organização para adquirir habilidades necessárias
• Alinhar com a TI para equilibrar segurança e conformidade com velocidade de experimentação
• Demonstrar benefícios rapidamente e obter a adesão do usuário para construir confiança e desbloquear mais investimentos
• Manter e monitorar o desempenho do sistema continuamente, particularmente em torno de melhorias de modelo

3. Os componentes tecnológicos agora estão no lugar

Como em muitos casos de uso de IA, a cadeia de valor da P&D&I é composta por três camadas – infraestrutura, desenvolvedores de modelos e aplicações.

Em termos de infraestrutura, o custo de implementar e manter poder de processamento suficiente é grande, mas provedores de hospedagem estão cada vez mais oferecendo modelos de inferência como serviço, executando inferências e consultas na nuvem para remover a necessidade de infraestrutura interna, reduzir despesas iniciais e democratizar o acesso à IA.

A cadeia de valor da IA em P&D&I depende fortemente de modelos de código aberto importantes de jogadores como Meta, Microsoft e Nvidia. No entanto, jogadores menores, como Mistral e Cohere, também formam uma parte fundamental do ecossistema, assim como instituições acadêmicas.

No final da cadeia, aplicativos gerais e especializados de P&D&I já foram criados para atender à maioria dos casos de uso, com mais de 500 agora disponíveis, cobrindo todo o processo de P&D&I.

O futuro é incerto – mas o planejamento de cenários ajuda a entender

Como a IA na P&D&I evoluirá depende dos resultados de três fatores principais – desempenho, confiança e acessibilidade. Combinar esses fatores leva a seis cenários futuros plausíveis, em um espectro entre a IA transformando todos os aspectos da P&D&I e sendo usada apenas em casos de uso seletivos e de baixo risco. Nessa escala, de impacto máximo a mínimo, esses cenários são:

• Blockbuster: A IA se torna a mente por trás do ciclo de P&D, reorganizando organizações no caminho. Os dados se tornam a nova fronteira.
• Crowd-Pleaser: A IA é conveniente, acessível e adotada para tarefas de produtividade diária, mas não entrega valor científico/criativo.
• Crown Jewel: A IA entrega produtividade e avanços científicos, mas apenas para as organizações que podem pagá-la – levando a um mundo de duas velocidades na P&D&I.
• Problem Child: Apesar de alguns casos de uso notáveis e soluções acessíveis, a IA não consegue demonstrar seu valor – as organizações de P&D&I permanecem preocupadas com segurança de dados, deontologia e falta de interpretabilidade.
• Best-Kept Secret: O desempenho da IA melhora, mas os altos custos tornam as organizações mais avessas a riscos. A baixa confiança e a burocracia limitam a adoção, com poucos novos experimentos ousados lançados.
• Cheap & Nasty: A IA é amplamente usada em casos de uso de baixo risco, mas apenas como uma ferramenta de prototipagem ou brainstorming. Sistemas não confiáveis são estritamente verificados e os resultados são verificados, limitando os ganhos de produtividade.

Entender esses cenários é importante para as organizações de P&D&I à medida que traçam um caminho para a adoção de IA.

A hora de as organizações de P&D&I agirem é agora

Em algumas situações, a IA já está permitindo melhorias de dois dígitos em tempo, custos e eficiência em formulação, desenvolvimento de produtos, inteligência e outras tarefas de P&D&I. Isso significa que, independentemente do cenário que se desenrole, seis movimentos sem arrependimento ajudarão as organizações de P&D&I a construir resiliência e aproveitar os benefícios da IA. Eles precisam:

• Gerenciar e capacitar talentos, garantindo que a força de trabalho tenha o treinamento e a expertise para aproveitar a IA, se necessário, subcontratando implementações para provedores externos no curto prazo
• Controlar o conteúdo gerado por IA, atualizando processos de gerenciamento de riscos e compartilhando metodologias de validação publicamente para construir confiança
• Construir compartilhamento de dados e colaboração, trabalhando com o ecossistema mais amplo de setores público e privado para impulsionar a adoção bem-sucedida de IA
• Treinar para o longo prazo, educando a população de usuários mais ampla possível sobre fundamentos de IA, habilidades necessárias e riscos potenciais
• Reorganizar a organização e a governança, movendo-a além da TI para dar um foco de nível sênior e quebrar silos para colaboração suave
• Mutualizar recursos de computação, trabalhando com parceiros ou compartilhando recursos internamente para atender às necessidades de infraestrutura atuais e futuras de forma rentável

Além desses movimentos sem arrependimento, o sucesso virá da criação de um portfólio equilibrado de investimentos de P&D&I baseados em IA, alinhados com objetivos corporativos. Isso significa considerar o escopo, os custos e os benefícios de casos de uso específicos de IA e usá-los para impulsionar a otimização do portfólio de projetos de inovação. As decisões devem ser baseadas em objetivos estratégicos, capacidades e inteligência de mercado, e no contexto em que as organizações operam.

Cada estágio da cadeia de valor de pesquisa, desenvolvimento e inovação pode potencialmente ser transformado por meio da IA, aumentando os pesquisadores humanos para transformar a produtividade e permitir inovação de quebra de paradigma. Essas oportunidades precisam ser equilibradas com uma série de desafios em torno de desempenho, confiança e acessibilidade, significando que as organizações devem se concentrar agora para posicionar seus esforços de IA em P&D&I para entregar o sucesso, independentemente do que o futuro traga.

Este artigo foi escrito com a assistência de Albert Meige, Zoe Huczok, Arnaud Siraudin e Arthur D. Little.