Como implementar inteligência artificial nas empresas?

Victória Navarro
22 de fevereiro de 2021 - 6h00

Além de possibilitar a criação de soluções para automação, a inteligência artificial é capaz de aumentar a produtividade da mão de obra e impulsionar inovações. Seja para uso dentro da companhias, seja para facilitar o relacionamento com os clientes, a tecnologia permite que sistemas tomem decisões de forma independente, precisa e apoiada em dados digitais.

Segundo o estudo AI + Tour, realizado pela Microsoft em diversos países da América Latina, em 2019, com a inteligência artificial, o Brasil conseguiu aumentar o Produto Interno Bruto (PIB) em até 7,1% ao ano. Quando o assunto é cibersegurança e ecossistema tecnológico, o País é o segundo melhor classificado. Já em capital humano e ambiente de inovação, está, respectivamente, em sétimo e sexto lugares.

Entretanto, mesmo com potencial de acelerar o crescimento de qualquer região, ainda é necessário integrar inteligência humana à artificial; garantir que startups, grandes empresas, pesquisadores acadêmicos e agências governamentais trabalhem mais em conjunto; e promover debates éticos a fim de padrões mais tangíveis e melhores práticas no desenvolvimento de máquinas inteligentes.

Para David Laloum, sócio e CSO do Distrito, quando o assunto é a melhora de processos internos, a inteligência artificial pode promover a aplicação de modelos preditivos, como padrão de ações pré-estabelecido: “Todas as áreas de marketing, vendas, logísticas e outras tantas deveriam fazer uso de inteligência artificial em seus processos de trabalho. Esta tecnologia traz insights essenciais para ganho de eficiência e otimização de resultados”.

Além de otimizar trabalhos, a tecnologia pode agilizar a tomada de decisão e concatenar uma série de informações aparentemente desconexas em um insight relevante para a empresa. “Não irá existir um produto pronto, que simplesmente será conectado, resolverá os problemas e nós garantirá eficiência, mas sim algo pensado e personalizado para cada negócio”, complementa Kim Silvestre, head de transformação digital da Ace Startups.

Quando o intuito é colocar o cliente no centro da estratégia, chatbots, reconhecimento de voz, identificação de imagens, monitoramento de redes sociais e produção automatizada de conteúdos podem trazer bons resultados. Porém, o profissional do Distrito destaca “entender, através da coleta de dados, por exemplo, quando usar um chatbot e quando usar um atendente real para falar com seus clientes, é o benefício dessas aplicações”. Kim ressalta que a inteligência artificial traz muitos benefícios para a segmentação em escala e uma otimização nos esforços de marketing, mas não substitui a força e o impacto da criatividade.

Segundo o estudo AI + Tour, da Microsoft, em 2019, com a inteligência artificial, o Brasil conseguiu aumentar o PIB em até 7,1% ao ano (crédito: reprodução)

O papel dos dados e da mão de obra qualificada
Entre os obstáculos encontrados no mercado publicitário para a implementação de inteligência artificial, estão: competências técnicas, uma vez que nem sempre as empresas contam com profissionais qualificados; a nova Lei Geral de Proteção de Dados, responsável por modificar o modo como o mercado trata os dados e enxerga os potenciais riscos e ataques; e a integração com os processos já existentes, já que exige investimento.

“Internamente, as barreiras são mais culturais, ou seja, falta da cultura data driven, e processuais, ou seja, sistemas com legados antigos e pouco estruturados. Externamente, as barreiras são de privacidade e riscos cibernéticos em gera”, explica o head de transformação digital da Ace Startups. “A experiência e o instinto são fundamentais, mas quando combinamos esses fatores aos dados, eles ficam muito mais potentes”, adiciona David.

Para trazer de fato a inteligência artificial para dentro de grandes empresas, primeiramente, diz Kim, é necessário entender o porquê da intenção. “Sem descobrir a real dor que se quer resolver com a tecnologia, essa se tornará obsoleta rapidamente”, afirma. Depois, é importante compreender o melhor tipo de tecnologia a ser usada — ciência de dados, machine learning ou deep learning — e como ela resolverá o problema — cruzamento de informações para insights, predições ou segurança. “Com esse conjunto de definições a implementação deve seguir um ciclo contínuo baseado em testes”, diz. “Em geral, a aplicação de tecnologia demanda grandes investimentos e ter a possibilidade de corrigir o caminho durante a implementação é essencial”, complementa.

*Crédito da foto no topo: Pixabay/Pexels