Como reconhecer quando a IA não é a solução certa?

A inteligência artificial já entrou na estratégia de muitas empresas. Se, no começo, o hype em torno de IA fez muitos pensarem que ela seria solução para tudo, atualmente, a adoção está mais madura. Saber identificar quais problemas são adequados para a IA resolver e, principalmente, quais não são é o que vai diferenciar casos bem-sucedidos de projetos que não deram certo. Para ajudar as empresas a encontrarem as melhores maneiras de aproveitar o poder da IA, o SAS produziu em conjunto com MIT SMR Connections uma série de guias de estratégia de IA.

Quase dois terços dos mais de 2.200 executivos entrevistados para uma pesquisa do  MIT SMR Connections relataram um aumento nos gastos com IA no ano anterior, sendo que apenas 5% indicaram que implementaram a IA amplamente. Até algumas startups de IA usam surpreendentemente pouca inteligência artificial: em 2019, 40% das 2.830 startups europeias relacionadas à IA não usaram IA, de acordo com pesquisa da MMC Ventures, uma empresa de capital de risco sediada no Reino Unido.

O resultado desta pesquisa reflete um pouco do equívoco generalizado de que a IA é a melhor abordagem de hoje para resolver praticamente qualquer problema. Contudo, a realidade é muito mais complexa. De uma maneira geral, os problemas com maior probabilidade de se beneficiarem da IA geralmente compartilham as mesmas características: eles estão enraizados nos negócios e não na tecnologia; eles são significativos e complexos o suficiente para justificar o uso de IA; ao mesmo tempo em que eles têm limites claros. Como IA e tecnologias similares são “famintas” por dados, então, os problemas que IA pode resolver são aqueles com um fornecimento confiável de dados. Mas uma estratégia de IA de sucesso requer que os dados sejam precisos, prontamente disponíveis e relevantes para o problema em questão.

Em comum, alguns fatores costumam levar ao sucesso dos projetos. Segundo o guia, são eles: alinhamento estratégico; pessoas adequadas; governança; e infraestrutura. Assim, para que um caso de uso de adoção de IA obtenha sucesso, é preciso escolher problemas pequenos, mas estratégicos e certificar-se de que a IA é a ferramenta certa para o trabalho, identificando problemas com características que os tornam especialmente candidatos promissores para resolver com IA, como complexidade e entradas controladas.

Além disso, deve-se determinar objetivos e métricas específicos de IA para o sucesso, definindo claramente quais são os resultados desejados; listar requisitos de dados (ou seja, antes de lançar a iniciativa de IA, verificar se foi identificado o tipo de dados de que precisará);  identificar os recursos e conhecimentos necessários; e, por fim, identificar potenciais desafios e armadilhas, tais como considerações regulatórias, de conformidade ou éticas, e até mesmo quaisquer áreas potenciais de sensibilidade, como confidencialidade, para suas iniciativas de IA. 

Se interessou? Confira o documento completo em https://www.sas.com/content/dam/SAS/documents/briefs/third-party/en/mit-pinpointing-problems-ai-112077.pdf