Insights

Não existem mais dúvidas que os computadores irão superar a inteligência dos humanos. O AlphaGo, software de inteligência artificial da Google, derrotou o campeão sul-coreano de Go, um antigo jogo de estratégia chinês mais complicado que o xadrez, em março de 2016 na cidade de Seul. O AlphaGo ganhou por 4-1 com lances inusitados que surpreenderam os especialistas. Concluiu-se mais tarde que a humanidade não tem mais possibilidade de derrotar o AlphaGo. Com isto, contratar pessoas pela sua inteligência deixará de ser um diferencial para as empresas, pois as empresas deverão substituir seus sistemas de apoio a decisão por softwares do tipo do AlphaGo. O que irá diferenciar é a consciência dos empregados, que conceituamos como sendo o sentido ou percepção que o ser humano possui do que é moralmente certo ou errado em atos e motivos individuais.

A Wikipédia define consciência como uma qualidade da mente, considerando abranger qualificações tais como subjetividade, autoconsciência, senciência (sentir sensações e sentimentos), conhecimento, e a capacidade de perceber a relação entre si e um ambiente. É um assunto muito pesquisado na filosofia da mente, na psicologia, neurologia e ciência cognitiva.

Cada indivíduo constrói ao longo de sua vida sua própria realidade subjetiva, influencia pelo meio que vive. A filosofia discute muito sobre temas ligados a realidade subjetiva e a realidade objetiva. Será a realidade apenas uma ilusão? Não vamos chegar ao limite que acharmos que vivemos uma realidade apresentada no filme Matrix. Imagine a situação que trigêmeos são separados da mãe e adotados por três diferentes famílias em diferentes países: Espanha, Israel e Egito. Cada família segue a religião predominante no seu pais: catolicismo, judaísmo e islamismo. Tempos depois, já adultos, os trigêmeos encontram e começam a contar suas vidas. Provavelmente, discordam em vários pontos devido a suas diferentes realidades subjetivas, construídas a partir dos ensinamentos dos país e das comunidades em que vivem.

Pessoas com diferentes realidades subjetivas tomam diferentes decisões a partir do mesmo conjunto de informações. É aqui que a consciência humana faz a diferença. Os softwares de inteligência artificial podem sugerir uma tomada de decisão, baseada puramente na objetividade, porém será a consciência que julgará e selecionará aquela alternativa que faça mais sentido para a realidade subjetiva do tomador da decisão. O risco é que se a maioria dos consumidores ou interessados na decisão não compartilharem da mesma realidade subjetiva, a decisão será um fracasso.

Como as soluções de inteligência artificial aprendem, como o caso de Machine Learning e Deep Learning, as sugestões do software começarão a se ajustar as decisões que os tomadores de decisão aprovaram. O software recebendo informações de toda a empresa e analisando diferentes decisões tomadas, em vários níveis hierárquicos, entendera quais as consciências dos tomadores de decisões e suas realidades subjetivas. Com isto, poderá desenvolver uma estratégia para cumprir as metas definidas pela organização, assim como o AlphGo fez para vencer o jogo do campeão sul-coreano, até mesmo desconsiderando algumas decisões de empregados que poderiam prejudicar o atingimento das metas.

Uma paródia conta que para testar um software de inteligência artificial os desenvolvedores pediram para o computador calcular o valor de Pi. Para atingir o objetivo, o computador se apoderou de todos os recursos do Universo e aniquilou os humanos tentando encontrar a solução para o problema dado pelo seu criador.

Como diz o ditado, vamos colocar os pés no chão. A realidade objetiva das organizações é buscar lucratividade, competitividade e excelência na prestação de serviços (incluindo os serviços públicos). Os softwares de inteligência já mostraram que podem ajudar, significativamente, as tomadas de decisão das empresas. Alguns softwares como o TensorFlow da Google, liberado como open-source, já estão disponíveis para qualquer indivíduo ou empresa. Várias empresas já estão utilizando softwares de inteligência artificial para criar um novo modelo de governança e tomadas de decisão.

Um caso interessante é o da equipe de beisebol Oakland Athletics. Com baixo orçamento, o time não tinha com bancar jogadores que valiam milhões dólares e se contentava com os jogadores que sobravam. Em 2002, Billy Beane, gerente do Oakland, decidiu usar um algoritmo de computador usado por economistas e geeks para criar um time vencedor usando jogadores subestimados pelos olheiros humanos. Os mais experientes do ramo ficaram indignados com o uso de um algoritmo no santificado meio do beisebol. Muitos afirmavam que o beisebol é uma arte e, portanto, apenas humanos são capazes de decifrar os segredos e o espirito do beisebol. Os resultados contradisseram o senso comum, a equipe do Oakland venceu vinte jogos consecutivos e se saiu bem contra os grandes times. Obviamente, depois que os grandes viram os bons resultados passaram a usar o software para identificar os melhores jogadores, neutralizando a estratégia do Oakland Athletics.

Talvez, se Billy Beane conhecesse a estratégia de Alan Turing durante a Segunda Guerra Mundial, depois que sua Machine Learning, decifrou o código de criptografia alemão, de informar os planos dos alemães apenas das batalhas que fariam sentido ganhar a guerra, evitando que os alemães descobrissem que ele estava decifrando as mensagens, o Oakland Athletics hoje seria o maior campeão da liga americana.

Concluindo, as organizações de sucesso usarão softwares de inteligência artificial para encontrar alternativas ótimas para atingir as metas empresariais a partir do conjunto de realidades subjetivas de seus colaboradores, criadas a partir de suas consciências. Portanto, devemos contratar pessoas baseadas nas suas consciências.

Muitas tecnologias que compõe o ecossistema de Inteligência Artificial (IA), criada em 1955, chegaram a sua fase de crescimento e maturidade. Atualmente, o mercado de ações está repleto de robôs que compram e vendem ações de acordo com seus algoritmos de tomada de decisão, aplicando teorias desenvolvidas décadas atrás. Os bancos e operadoras de cartão de crédito utilizam soluções antifraudes baseadas em Machine Learning. Grandes áreas administrativas estão aumentando, significativamente, a produtividade e reduzindo custos com a implantação de soluções de RPA – Robotic Process Automation – substituindo atividades repetitivas executadas por pessoas por robôs. Tecnologias de reconhecimento de voz e geração de linguagem natural estão otimizando o atendimento de Call Centers, reduzindo custos e melhorando a satisfação dos clientes. Todas estas tecnologias, já em uso, aceleram cada vez mais a transformação digital das empresas e o uso intensivo de soluções de inteligência artificial. O novo “normal” será empresas operando e tomando decisões baseadas em inteligência artificial.

Um estudo da consultoria Forrester Research prevê um crescimento de mais de 300% em investimentos em IA em 2017 comparado com 2016. O IDC estima que o mercado de IA crescerá de US$8 bilhões em 2016 para mais de US$47 bilhões em 2020.

O gráfico a seguir mostra o estágio de 13 tecnologias que compõem o ecossistema de IA e o tempo que poderá alcançar outra fase.

Destacamos as seguintes tecnologias:

• Geração de linguagem natural, que produz texto a partir de informações do computador;
• Reconhecimento de voz, que transcreve e transforma a fala humana em formato útil para aplicações de computador;
• Agentes virtuais, aplicações de relacionamento homem-máquina de forma natural, como os Chatbots, que trocam mensagens de texto entre o homem e um robô, ou serviços como Amazon Echo usando o Alexa, que conversa em linguagem natural com as pessoas;
• Plataformas de Aprendizado de Máquina (Machine Learning), que dispõe de ferramentas para desenvolvimento e treinamento das máquinas, usando algoritmos e modelos de treinamento;
• Uso intensivo de GPU – unidades de processamento gráfico – ao invés dos tradicionais processadores de dados. As GPUs, desenvolvidas para jogos, agora são utilizadas para acelerar o processamento de sistemas de IA;
• Gestão das tomadas de decisão, onde novos e mais rápidos algoritmos aceleram a convergência de informações para melhores tomadas de decisão;
• Plataforma para Aprendizagem Profunda (Deep Learning), que utiliza conceitos avançados de redes neurais em múltiplas camadas de abstração para o reconhecimento de padrões e classificação de grandes conjuntos de dados para identificar perfis de comportamento, entre outras análises;
• Biometria, que permite interações naturais entre as pessoas e as máquinas, incluindo imagens, reconhecimento faciais, fala e linguagem corporal, entre outros;
• Automação de processos administrativos – Robotic Process Automation (RPA), que utiliza scripts e outros métodos de automação para aumentar a produtividade das áreas de negócios, com redução significativa de custos;
• Análise de texto e processamento de linguagem natural (NLP), que permite a análise de texto, compreendendo a estrutura das frases e seu significado, otimizando a aprendizagem de máquina e análises estatísticas.

O novo “normal” é quando a maioria das empresas utiliza estes recursos e atingem um novo patamar de produtividade e qualidade nas tomadas de decisão. O desafio para estas empresas será encontrar novos diferenciais para apoiar o crescimento.

Em pouco tempo os consumidores começarão sua interação com as empresas através de soluções de Machine Learning. Isto já acontece com alguns serviços de relacionamento com bancos e companhias telefônicas (acho que o nome deveria ser provedores de Internet móvel). Estamos entrando no mundo dos Chatbots, assistentes digitais que estabelecem conversas via Chat entre os clientes e robôs. O Amazon Echo, assistente digital de conversação usando o software de inteligência artificial Alexa, já tem mais de três milhões de usuários. Isto sem falar do Siri da Apple, Cortana da Microsoft, Watson da IBM e Google Assistant, presentes nos smartphones e computadores. Ou seja, as máquinas inteligentes serão nossos representantes no futuro. Será que as empresas estão dando a devida atenção para isto?

Uma pesquisa da consultoria americana Accenture, com mais de 5.400 executivos de TI e de negócios em 2017, mostra que 79% dos entrevistados concordam que ferramentas de inteligência artificial ajudarão suas organizações e 85% afirmaram que investirão intensivamente nos próximos três anos.

Com isto, teremos que agregar novas interfaces no relacionamento com os clientes, além dos designs gráficos das telas de Web. Teremos que adicionar mais especialistas nas nossas equipes de desenvolvimento, como fonoaudiólogos, linguistas, antropólogos, sociólogos, entre outros especialistas ligados as questões humanas, com o objetivo de ensinar as máquinas a serem mais humanas. Este movimento de transferência do atendimento de humanos para máquinas, eliminará vários postos de trabalho, entretanto criará outros, como vimos.

Com o avanço exponencial da tecnologia, o Alexa do Amazon Echo já responde uma pergunta em cerca de 1,5 segundos. Tempo suficientemente confortável para uma conversa contínua entre humanos e máquina.

Não se iluda achando que isto é coisa apenas para as grandes empresas. Os novos serviços de Machine Learning estão disponíveis nos grandes provedores de serviços de tecnologia, como AWS (Amazon Web Services), Azure da Microsoft e Google Cloud. Isto significa que startups podem desenvolver novos negócios usando Machine Learning e ferramentas de conversação digital.

Para entrar neste novo contexto de relacionamento com clientes as empresas precisam aperfeiçoar seus modelos de gestão do conhecimento. Para ensinar as Machines Learning é necessário organizar o conhecimento interno da empresa antes de iniciar o aprendizado das máquinas. Tipicamente, apenas 20% das informações de uma empresa são estruturadas, normalmente, aquelas que estão em sistemas informatizados. Isto é insuficiente para desenvolver projetos mais amplos de relacionamento com clientes. Com isto, torna-se necessário ampliar a gestão do conhecimento nas organizações.

Como as máquinas aprendem, em pouco tempo adquirem mais conhecimento sobre a organização e podem alavancar novos negócios, melhorar a produtividade, aumentar a competitividade e reduzir custos.

Para finalizar e respondendo à pergunta se as empresas estão preparadas? Acredito que poucas empresas estão preparadas, entretanto, já é um sinal a conscientização e o desenvolvimento de projetos experimentais para iniciar o processo de transformação digital.

As tomadas de decisão podem seguir regras pré-definidas e resultados esperados ou tomadas a partir da intuição das pessoas. A primeira é planejada e testada, a segunda é utiliza nossa intuição a partir de um conjunto dados e experiência. Quanto maior o número de dados, maior será a qualidade das tomadas de decisão. Se questionarmos um motorista de táxi (ou Uber) qual o melhor trajeto para um determinado destino, provavelmente, ele usará o Waze para responder à pergunta, mesmo ele conhecendo várias alternativas. O fato é que ele não tem as informações em tempo real sobre os congestionamentos, acidentes, carros quebrados, blitz da polícia e outros dados, coletadas pelo Waze a partir de informações voluntárias dos motoristas. Ou seja, a qualidade da tomada de decisão depende dos dados que temos no momento.

Um processo tradicional e estático de tomada de decisão segue regras pré-definidas para chegar a uma conclusão e, posteriormente, uma ação. As árvores de decisão sempre têm um ramo que direciona para um especialista, quando os dados não satisfazem suas regras. Com o feedback, os especialistas ajustam o processo para que em uma nova ocorrência o algoritmo possa tratar o dado. A figura 1 mostra um processo tradicional simplificado.

Uma evolução do processo de tomada de decisão é utilizar uma Machine Learning para avaliar a situação em tempo real para ajustar as regras e tomar decisões mais precisas. Os algoritmos usados nas máquinas de aprendizado simplificam o processo de construção de árvores de decisão complexas, podendo utilizar características indiretas de um objeto ou evento para identificar ou prever uma situação. A figura 2 mostra um processo de tomada de decisão com uma Machine Learning.

Entretanto, a questão da falta e qualidade das informações ainda permanece. Se não alimentarmos as máquinas de aprendizagem com dados de qualidades não teremos resultados precisos. Para isto precisamos integrar na plataforma tecnológica outras tecnologias, como Big Data, IoT e acesso a dados externos as organizações.

Antes de investir em soluções de Machine Learning avalie a maturidade da gestão do conhecimento da sua organização e o esforço e custo de integrar outras tecnologias.