Notícias

AI – Market ou Marketing

Não podemos mais imaginar como seria a nossa vida sem todas as facilidades adquiridas com o uso de tecnologias.
artificial-intelligence-2167835_1920

O Founder de uma grande startup me fez a seguinte provocação: “Jhonata como separar o joio do trigo nesse mercado onde todo mundo parece ter a solução mágica de inteligência artificial?”. Essa foi a centelha que deu origem a este artigo.

O “boom” no mercado de A.I. só está em curso porque inúmeros pensadores, da indústria e da academia, dedicaram e dedicam suas vidas ao seu amadurecimento; entretanto, toda hype tem seu preço. Como tudo que está na moda, a A.I. atrai curiosos e aventureiros; e é comum vermos surgir pregadores que não são praticantes. O uso de alguns termos em inglês e uma história bem contada não deveria bastar para reconhecermos uma autoridade no assunto. Mas como separar o joio do trigo? O objetivo aqui é exatamente esse: sugerir critérios que possam balizar a contratação de bons fornecedores e evitar frustrações com a A.I.

A primeira e mais importante dica que eu dou aqui é: que um verdadeiro especialista é capaz de simplificar toda a complexidade do assunto com o qual trabalha. Conhecendo profundamente o assunto, das bases à sua aplicação, eles devem ser capazes de adaptar o discurso conforme o público a quem se dirige. E o critério não deve ser diferente com cientistas de dados e especialistas de A.I. A segunda dica é: um verdadeiro especialista deve ter histórico de realizações na sua área de atuação e que seja reconhecido pelos seus pares.

Caso seu fornecedor utilize muitos termos complexos, te deixando com aquela sensação de que A.I. é um assunto hermético, tampouco seja capaz de apontar soluções produzidas pelo seu time de desenvolvedores – de preferência de uso prático comprovado –, esses são sinais de que é melhor você pular fora.

Seu problema precisa mesmo de IA?
Eu sou um entusiasta da tecnologia e acredito que ela tem um enorme potencial para – e vai – ajudar a humanidade a atingir um novo patamar civilizatório. Porém, na hora da contratação de uma solução de automação para aquele seu problema específico e urgente, alguns pontos precisam ser levados em conta. O primeiro ponto é se questionar se o problema a ser resolvido precisa, de fato, de A.I. Em outras palavras: o problema pode ser resolvido de forma tão eficiente quanto, usando soluções mais simples e serviços mais baratos? Se está contratando um fornecedor pela primeira vez, informe-se sobre os cases em que ele tenha sido franco com outro cliente e apontado que o problema apresentado podia ser resolvido de forma muito satisfatória e eficiente utilizando uma estratégia alternativa.

Entendo que você possa ficar deslumbrado ao assistir a apresentação de um fornecedor bem humorado que discorre sobre as infinitas possibilidades que a tecnologia oferece. Sim, tem gente que consegue passar a impressão de que sua empresa passará a funcionar com o apertar de um botão dum dia pro outro e que todos poderão se dedicar à recreação e ao ócio criativo. Isso será uma realidade – inexoravelmente. A 4º revolução industrial segue seu curso. Mas expectativa é diferente de necessidade e todo bom empreendedor sabe separar visão de operação. Não devemos pensar na A.I. como uma saída mágica para todos as problemas hoje enfrentados pelo negócio ou setor. Nem nos deixarmos ser convencidos disso.

Sobre os dados
Modelos de A.I. são desenvolvidos em cima de uma base – de dados. Um modelo de AI, ou aprendizagem de máquina, pode até ser configurado a partir de hipóteses mas sem um conjunto real e robusto de dados é impossível treiná-lo. A estratégia de treinamento mais comum é chamada de método supervisionado onde se faz necessária uma massa de dados contendo sua variável de interesse e inúmeras outras que o modelo interpretará como preditivas. Vamos a um exemplo prático. Sua empresa quer desenvolver um novo modelo capaz de prever a probabilidade dos seus atuais clientes cancelarem um dado serviço. Para treinar esse modelo será necessário uma base de dados com o histórico adequado de todos casos de cancelamento, acompanhado de uma amostra controle, de tamanho comparável, relativa aos clientes que mantêm e fazem bom uso do serviço. O modelo é então treinado para identificar quais as variáveis preditivas, ou combinação delas, que explicam alta chance de cancelamento. O resultado gerado pelo modelo permite compreender melhor as necessidades de seus clientes bem como traçar perfis daqueles que não deveriam ser admitidos. Uma pré-seleção ajudaria a minimizar prejuízos; e, com os recursos poupados, o serviço poderia ser melhorado de forma a aumentar a satisfação dos bons clientes.

A maioria das empresas não têm esses dados estruturados, o que acaba dificultando e encarecendo o desenvolvimento dos algoritmos de A.I., porque o fornecedor precisa despender tempo e energia extra formando a base de dados para treinamento do algoritmo, numa fase preliminar do projeto. O fornecedor deve buscar a forma mais viável, técnica e economicamente, de organizar essa base de treinamento. E é nessa etapa que você conseguirá ter uma idéia mais clara do nível de expertise e criatividade de seu fornecedor; ou seja, da capacidade de entregar o prometido. Se não possuir dados estruturados veja se parte do trabalho pode ser feita internamente, para que tenha maior controle. Particularmente nesses casos, dê preferência a equipes com experiência em diversos setores e problemas distintos. E evite propostas usando dados sintéticos.

Soluções prontas:
Grandes empresas de tecnologia como Google, Amazon e Facebook oferecem APIs para desenvolvimento de soluções de A.I. por terceiros, o que torna a tecnologia mais acessível. No entanto, soluções desenvolvidas utilizando kits de desenvolvimento acabam se tornando soluções muitas vezes complexas e que requerem um especialista full time, é muito importante deixar isso alinhado com o fornecedor da solução. Por isso, é imprescindível esclarecer com o fornecedor se a solução que está sendo proposta baseia-se no uso de APIs de terceiros.
Procure saber mais sobre as soluções que já tenham desenvolvido e quais ferramentas e técnicas empregadas em cada um deles. Isso vai gerar segurança de que seu fornecedor entende bem as diferenças entre as técnicas existentes e que, mesmo que faça uso de kits de desenvolvimento, será capaz de entregar um bom produto e atendimento.

E agora como eu utilizo essa solução?
Você pode achar que essa pergunta é uma mera provocação, mas aguarde que a prática lhe mostrará que ela faz todo sentido. Muitos fornecedores acreditam que a capacidade de entrega deve ser medida ao fim do desenvolvimento do modelo de análise, enquanto que sua implantação tende a ser um dos maiores desafios desse tipo de projeto. Essa postura de “lavo minhas mãos” pode ser usada como um ótimo critério de eliminação. O melhores fornecedores são capazes de deixar claro, logo de saída, o plano para colocar a nova solução em produção; porque estão cientes de que essa é a única forma de fazer a diferença na vida e nos negócios de seus clientes

Dicas finais
Por fim, alguns tips rápidos que eu não poderia deixar passar: 1) lembre-se de que nem sempre uma grande consultoria conhecida por atuar em outros setores é garantir que uma grande entrega em IA.; 2) na hora de internalizar um profissional da área, tome cuidado na contratação de cientistas de dados porque hoje dia, de acordo com o LinkedIn, meio mundo é data scientist ; 3) lembrando que a primeira contratação é mais importante, pois uma boa escolha nessa hora pode ser a garantia da qualidade sua equipe de ciência de dados que se forma ; 4) por último, todo profissional precisa de suporte, não é diferente para um cientista de dados, seja em relação a ferramenta ou no relacionamento com as áreas de negócio, ou seja, Data Scientist não faz milagre.

Esse artigo foi escrito com intuito de ajudar para que mais projetos em IA tenham um final feliz e, no final do dia, desdobre-se um círculo virtuoso em que cada vez mais seguras das vantagens e dificuldades adoção de soluções de AI, as empresas passem a procurá-las com maior freqüência, contribuindo com o amadurecimento do mercado maduro e diversidade do ecossistema. O objetivo aqui de maneira alguma foi o de esgotar possibilidades de aplicação e dificuldades de adoção de soluções de AI, mas simplesmente o de elencar alguns pontos críticos de contratação que podem auxiliar na decisão e aumentar as chances de sucesso do seu projeto.

*Jhonata Emerick – sócio da DataRisk

Compartilhe:

Relacionadas

Proteção de dados e a competitividade das Startups

Que o Brasil tem muitas ineficiências isso não é novidade pra ninguém, porém estas também se tornam grandes oportunidades, por exemplo, para os empreendedores que montam startup...

MACHINE LEARNING: A NOVA TENDÊNCIA DO MERCADO DIGITAL

Startup acelerada pela Visa usa inteligência artificial para evitar fraudes online e ajudar na tomada de decisão das empresas onseguir gerar modelos que analisam uma grande q...