Os desafios de análises de Inteligência Artificial no setor público

Ao implantar projetos de inteligência analítica os governos enfrentam desafios não vistos no setor privado. Mas se os superarmos, a recompensa será ainda maior. Meu primeiro projeto de Ciência de Dados foi ainda durante minha graduação em Estatística. Embora não tivesse esse nome à época, o objetivo e os meios eram os mesmos: auxiliar no processo decisório por meio de modelos preditivos. Embora as palavras-chave que descrevem a transformação de dados em ações tenham mudado muitas vezes nas últimas décadas, o suporte à decisão sempre pareceu a motivação final.

Mais de 12% da força de trabalho do Brasil é composta por funcionários do serviço público. Todos os dias, mais de 9 milhões de pessoas em cuidados de saúde, administração pública, serviços sociais, segurança pública, educação, pesquisa, relações internacionais e desenvolvimento econômico estão tomando milhões de decisões. Além disso, as decisões governamentais envolvem bilhões de reais anualmente, valores muito superiores aos recursos financeiros administrados pelas maiores empresas privadas do país. Imagine se pudéssemos tomar essas decisões com maior rapidez e precisão usando dados, análises e Inteligência Artificial (IA).

Desafios únicos para o governo

1 -Complexidade da governança

Os programas governamentais são executados sob a autoridade de sistemas e regras complexos e diferenciados, que são implementados gradativamente ao longo do tempo. Uma combinação de legislação, regulamentação e políticas públicas é influenciada e dirigida por pressões políticas, econômicas e sociais em constante mudança. Para construir e avaliar um modelo de Inteligência Artificial, os algoritmos precisam de uma definição da decisão “melhor” ou “certa”. A IA pode gerenciar fatores de decisão complexos. O desafio geralmente é assessorar quem toma essas decisões e garantir que elas são devidamente governadas. Além disso, a IA pode assessorar na decisão de implantar, manter ou descontinuar um programa de governo com base nos dados e no retorno do investimento em benefícios para a população, garantindo o equilíbrio exigido por lei entre as despesas projetadas e a receita estimada.

2 -Múltiplos objetivos

As organizações do setor privado normalmente têm o objetivo principal de gerar valor para seus acionistas, o que torna a medição do valor de uma decisão mais objetiva e fácil de definir. Isso, por sua vez, torna a construção de um modelo analítico mais simples. Os programas governamentais costumam equilibrar vários objetivos: fornecer melhores serviços e salvaguardar vidas, ao mesmo tempo que controlam os custos para o contribuinte. Transformar esse ato de equilíbrio em um único conjunto de dados de treinamento que reflita com precisão os objetivos concorrentes representa um desafio e requer um consenso sobre o que é importante para um programa específico.

3 -Impacto da decisão

Quando um varejista envia uma oferta por um vestido novo do qual você não gosta, ou seu banco sinaliza uma transação com cartão de crédito por uma possível fraude, o pior resultado é provavelmente um sentimento de inconveniência ou aborrecimento. Os serviços governamentais e os impactos dos programas são normalmente mais sérios. Garantir decisões sobre a elegibilidade correta para serviços sociais, que os cidadãos tenham os cuidados médicos necessários, que a polícia seja eficaz e ágil, e que as crianças recebam a educação necessária exigem um nível muito mais alto de precisão, transparência e monitoramento.

Qual é a solução?

Dada a complexidade dos projetos do governo, não há uma resposta única nem simples. Abaixo, conheça os pilares fundamentais para superar os desafios em projetos dessa natureza.

1 -Planeje em torno da decisão

Os governos que implementam projetos de IA com sucesso estão focados em resolver um problema muito específico e restringem esse foco às decisões que geram mais valor. Às vezes, as iniciativas de IA no governo são muito amplas em escopo ou se concentram na tecnologia, não na decisão. Esses esforços raramente vão além da fase piloto. Os resultados podem ser interessantes, mas não podem ser colocados em prática.

2 -Envolva todas as partes interessadas

Como a tecnologia que sustenta as análises necessárias é complicada, os projetos de IA geralmente são deixados nas mãos de profissionais de tecnologia e ciência de dados. Isto é um erro. As organizações governamentais que adaptam e expandem as conversas para abranger a liderança sênior, proprietários de programas, equipe de linha de frente e uma variedade de especialistas no assunto são muito mais propensas a implementar suas soluções e perceber o valor.

3 -Coloque os humanos no centro

Dado o impacto na vida dos cidadãos das decisões governamentais, a tomada de decisões totalmente automatizada deve ser reservada apenas para decisões de muito baixo risco e alto volume. Para situações complexas, como identificação de fraude ou avaliação de risco na população vulnerável, a tecnologia deve ser usada para apoiar os especialistas na tomada de decisões mais rápidas e precisas.

Embora os governos enfrentem desafios únicos na implantação do Analytics e da IA, quando acertamos, a recompensa para os cidadãos e a sociedade é substancial.

*Aline Riquetti é Customer Advisor de Governo no SAS