INTELIGÊNCIA ARTIFICAL - IA

AULA 6

Profª Aline de Brittos Valdati

CONVERSA INICIAL

O objetivo desta aula é compreender a Inteligência Artificial (IA) aplicada

aos negócios e, ao final, mostrar oportunidades e desafios, passando pelas
habilidades dos profissionais, o apoio à tomada de decisão e vantagem
competitiva. Dessa maneira, o assunto será estruturado em cinco temas:

1) Habilidade dos profissionais para trabalharem com IA – o objetivo é

mostrar quais são os efeitos da IA sobre os cargos e as novas habilidades
enfatizadas.
2) IA aplicada para apoiar a tomada de decisão – evidencia a importância da
IA para o apoio à decisão que já está sendo utilizada nos mais diversos
setores, tanto públicos quanto privados.
3) Vantagem competitiva por meio da IA – mostra que a IA é esperada como
meio para criar vantagem competitiva.
4) Oportunidades que a IA oferece para ambientes de negócios – mostra
setores em que a IA está atuando mais fortemente e outros que são
também oportunidades de atuação.
5) Desafios que a IA enfrenta no ambiente de negócios – apresenta os
principais desafios enfrentados atualmente e/ou no futuro, principalmente
com relação à seguridade dos dados e questões éticas.

CONTEXTUALIZANDO

Aplicar a IA aos negócios exige novas habilidades dos profissionais

envolvidos. No entanto, a discussão não se faz na substituição da mão de obra
humana pela máquina – isso só ocorrerá, de imediato, em tarefas que possam
ser automatizadas. O que está em jogo é capacitar profissionais a
compreenderem a dimensão e as mudanças da IA nos negócios; afinal, ela não
irá substituir o homem, e sim o homem que não trabalha com IA é que será
substituído pelo que atua conforme essa perspectiva. Mediante isso, surgem
oportunidades e desafios os quais iremos ver ao longo desta aula.

TEMA 1 – HABILIDADE DOS PROFISSIONAIS PARA TRABALHAREM COM IA

A busca por profissionais com habilidades de IA está se espalhando

rapidamente. O mundo ainda não tem cientistas de dados e especialistas em
aprendizado de máquina e outras funções relacionadas à IA suficientes
 (Brynjolfsson; McAfee, 2017). Por isso, cresce o número de universidades e
cursos on-line – por exemplo, Udacity, Coursera e fast.ai. Além disso, as
organizações estão treinando o próprio pessoal e agilizando a procura por
pessoas que tenham as características necessárias. É o caso do uso de
plataformas de talentos on-line, como Upwork, Topcoder e Kaggle, para
encontrar especialistas nessa área com experiência verificável (Brynjolfsson;
McAfee, 2017).
Os efeitos da IA na força de trabalho das organizações foram discutidos
por Ransbotham et al. (2017) em uma pesquisa para compreender os desafios
e oportunidades associados ao uso de IA. O estudo foi feito por MIT Sloan
Management Review, em colaboração com Boston Consulting Group, com mais
de três mil executivos de negócios, gerentes e analistas de organizações em
todo o mundo. Realizado em 2017, o levantamento captou informações de
indivíduos em 112 países e 21 indústrias e organizações de vários tamanhos.
Mais de dois terços dos entrevistados eram de fora dos Estados Unidos.
Entre outros resultados, foi constatado que a maioria dos participantes
não espera que a IA leve a uma redução de empregos em sua organização nos
próximos cinco anos. Quase 70% dos entrevistados também disse que não teme
que a IA automatize seu trabalho. Por uma margem semelhante, os
entrevistados esperam que a IA assuma algumas das tarefas atuais
consideradas por eles chatas e desagradáveis. No entanto, concordam que a IA
exigirá que os funcionários aprendam novas habilidades nos próximos cinco
anos e aprimorem as habilidades existentes (Ransbotham et al., 2017), como
apresenta a Figura 1.

Figura 1 – Efeitos da IA na força de trabalho esperada para os próximos cinco

anos

Fonte: Ransbotham et al., 2017.

3
 Nesse contexto, destaca-se o comentário de Erik Brynjolfsson, professor
do MIT Sloan School of Management: “a IA não poderá substituir a maioria dos
empregos em breve. Mas em quase todos os setores, as pessoas que usam IA
estão começando a substituir pessoas que não a usam, e essa tendência só
acelera” (Ransbotham et al., 2017).
Com relação à necessidade de novas habilidades e à substituição de
pessoas que não possuem habilidades relacionadas à IA por aquelas mais
adeptas, Kolbjørnsrud, Amico e Thomas (2016) investigaram como os gerentes
estão lidando com a inserção da IA. Com entrevistas de 1.770 gerentes de 14
países e 37 executivos responsáveis pela transformação digital em suas
organizações, eles identificaram cinco práticas que eles precisam dominar no
contexto do trabalho:

1) Prática 1: deixe a administração burocrática para a IA: está

relacionada ao fato de que muitas tarefas administrativas de coordenação
e controle, como horários de funcionários, férias, saídas, relatórios e
monitoramento, serão automatizadas pela IA.
2) Prática 2: foco em atividades criativas e de julgamento: diz respeito
ao fato de que as habilidades orientadas ao julgamento do pensamento,
experimentação criativa, análise e interpretação de dados, e
desenvolvimento de estratégias foram identificadas como necessárias
para terem sucesso e diferenciarem-se no cargo de gerência.
3) Prática 3: trate as máquinas Inteligentes como colegas: está
relacionada ao fato de as máquinas inteligentes poderem aumentar
enormemente o apoio à tomada de decisão dos gerentes, os quais devem
vê-las como aliadas.
4) Prática 4: trabalhe como um designer: refere-se à capacidade de
aproveitar a criatividade dos outros, reunir diversas ideias em soluções
integradas, viáveis e atraentes, além de incorporar o design thinking às
práticas de suas equipes e organizações.
5) Prática 5: desenvolver habilidades e redes sociais: refere-se a
parceiros, clientes e comunidades serem capazes de provocar e reunir
diversas perspectivas, insights e experiências (Kolbjørnsrud; Amico;
Thomas, 2016).

Além da readaptação das pessoas que ocupam funções hoje

estabelecidas, com a disseminação da IA, são várias novas profissões a serem
4
 criadas. O estudo global da Accenture com mais de mil grandes empresas
identificou o surgimento de três novas categorias de empregos exclusivamente
humanos criados pela IA (Wilson; Daugherty; Bianzino, 2017), conforme
elencadas no Quadro 1, a seguir.

Quadro 1 – Novas profissões criadas pela IA

Instrutor de Ensina os sistemas de IA a olharem além do

significado significado literal de uma comunicação – por
exemplo, detecção de sarcasmo
TREINADORES

Modelador de Modela o comportamento da máquina após o

interação comportamento do funcionário para que, por
exemplo, um sistema de IA possa aprender com
as ações de um contador como corresponder
automaticamente os pagamentos às faturas

Instrutor de Treina os sistemas de IA para desenvolverem

cosmovisão uma perspectiva global, de modo que várias
perspectivas culturais são consideradas ao
determinar, por exemplo, se um algoritmo é justo

Designer de Projeta decisões inteligentes com base no

contexto contexto comercial, na tarefa do processo e no
indivíduo, fatores profissionais e culturais
EXPLICADORES

Analista de Classifica os diferentes tipos de opacidade (e

transparência efeitos correspondentes nos negócios) dos
algoritmos de IA usados e mantêm um inventário
dessas informações

Estrategista de Determina se a AI deve ser implantada (em

utilidade da IA comparação com scripts e mecanismos de regras
tradicionais) para tarefas específicas de
aplicações

Ético da Avalia o impacto não econômico de máquinas

SUSTENTÁRIOS

automação inteligentes

Economista em Avalia o custo do desempenho ruim da máquina

automação

Gerente de Promove algoritmos com bom desempenho em

relações de maior escala nos negócios e rebaixa algoritmos
máquina com baixo desempenho

Fonte: Wilson; Daugherty; Bianzino, 2017.

Mediante o que foi apresentado até então, é fato que a IA está mudando
as habilidades necessárias para um número significativo de funções e criando

5
 novas. Por isso, é preciso se preocupar com a educação, ou seja, com o
desenvolvimento dessas novas habilidades.
A educação do futuro deve ter foco na criatividade, raciocínio lógico e
pensamento divergente (Sarfati, 2016). Como vimos, as corporações precisarão
de um número menor de pessoas, mas mais criativas, com maior raciocínio
lógico e maior capacidade de resolver problemas.
Sobre o raciocínio lógico, este será requisito para a formação de
profissionais – exemplo disso são algumas escolas já introduzirem disciplinas de
programação e lógica (Sarfati, 2016). Em relação ao pensamento divergente, o
objetivo é que, já durante a formação, os alunos sejam estimulados a “gerar
diversas soluções para o mesmo problema” (Sarfati, 2016, p. 28).
Assim, “o modelo de negócio de escolas (ensino fundamental, médio ou
superior) terá que mudar para um modelo mais inovador, flexível, com currículos
obrigatórios mínimos e mais vivência fora da sala de aula” (Sarfati, 2016, p. 28).
Deverá se adaptar às necessidades que a nova economia – promovida, em
grande parte, pela IA – está criando, para as quais novas habilidades são
exigidas.

TEMA 2 – IA APLICADA PARA APOIAR A TOMADA DE DECISÃO

Umas das grandes utilizações da IA é na tomada de decisão, auxiliando

gestores e executivos, pois aumenta enormemente esse tipo de trabalho,
ajudando no suporte a decisões, simulações dirigidas, bem como atividades de
pesquisa (Kolbjørnsrud; Amico; Thomas, 2016).
Dessa forma, a relevância econômica e social do auxílio na tomada de
decisão com base na IA não deixa dúvidas. Ela fornece base para decisões
econômicas e estratégicas, por meio do processamento de um volume
significativo de dados, sem a qual, humanamente, seria impossível ou muito
demorado. Outro ponto positivo na utilização desses tipos de algoritmos de IA é
a mitigação de riscos nos negócios (Buchner, 2006; Mendes, 2014).
Segundo Doneda (2018), a utilização da IA para tomada de decisão se
destaca ainda mais quando um setor econômico é caracterizado por um alto grau
de assimetria de informação. O autor cita como exemplo os setores de crédito e
seguros privados.
É claro que não é só o setor de crédito que a usa intensivamente para
tomada de decisão. Sua relevância e uso estão aumentando no setor privado
6
 como um todo. Segundo Ferreira (2013, p. 6), empresas hoje possuem a
necessidade de “tratarem os dados, a informação e o conhecimento, de forma
cada vez mais eficiente para darem suporte à tomada de decisão”.
O’Brien (2002, p. 29) afirma que o fornecimento de informação e dados
para a tomada de decisão eficaz pelos gerentes deve advir dos sistemas
gerenciais. Eles apoiam as necessidades de tomada de decisão tanto em nível
estratégico (principal) quanto tático (média) e operacional (supervisor).
Nesse contexto, segundo Doneda et al. (2018, p. 4), o uso desse tipo de
sistema apoiado pela IA

pode ser um meio de simplificar decisões, aumentar a eficiência e

personalizar a produção, bem como ampliar as possibilidades de
monetização de serviços digitais a partir da personalização do
conteúdo e do marketing digital.

O setor público também utiliza a tomada de decisão baseada na IA em

serviços oferecidos, pois não só a indústria 4.0 se beneficia da inteligência das
máquinas, mas as discussões sobre o governo 4.0 ante a digitalização e abertura
se intensificam cada vez mais. Assim como no setor privado, o apoio à tomada
de decisão automatizada tem como benefícios redução de custos, otimização de
tarefas e, por consequência, melhoria do atendimento à população. Além destes,
alguns exemplos do potencial uso da IA no setor público são citados por Doneda
et al. (2018, p. 4) sintetizados aqui como: no combate à evasão fiscal; no
combate ao terrorismo, licitação pública, controle de entrada e saída de
aeroportos; e outros.
Doneda et al. (2018) e Barocas (2015) chamam a atenção também para
os desafios e vieses da tomada de decisão, pois o algoritmo só é tão bom quanto
os dados que lhe servem como base (Barocas, 2015, p. 1). Segundo Doneda et
al. (2018), a qualidade da decisão automatizada (saída) por um algoritmo tem
correlação direta com a qualidade dos dados que ele processa (entrada). Por
isso, se o algoritmo se baseia em dados históricos repletos de preconceitos, ele
reproduzirá, de forma automatizada, os mesmos padrões preconceituosos.
O pressuposto para esse processo automatizado de tomada de decisão é
o acesso a uma enorme quantidade de dados; por isso, esse assunto está quase
sempre associado à discussão sobre big data. O termo big data se refere às
possibilidades de acesso a grandes quantidades de dados de diferentes tipos,
qualidade e formas de coleta (volume), bem como alta velocidade de
processamento (velocity). Além disso, trata-se da base de novos modelos de

7
 negócios e possibilidades de várias criações de valor (value), na medida em que
pode ser usado em conjunto com outras tecnologias, como a Internet das coisas
e a computação em nuvem (Mayer-Schönberger, 2001).
Doneda et al. (2018) ressalta que, além dos benefícios da tomada de
decisão – como agilidade e redução de custos –, automatizar as decisões pode
afetar os direitos dos indivíduos como autonomia e personalidade, igualdade e
privacidade. Por mais que exista alguma regulamentação para a proteção de
dados pessoais, o autor argumenta que é necessário propor soluções que irão
além das regras de privacidade. Para ele, é necessário construir uma agenda
relacionada aos princípios éticos da IA e das decisões automatizadas apoiadas
por ela (Doneda et al., 2018).
Essas e outras questões são alguns dos desafios enfrentados pela IA,
como veremos no último tema desta aula.

TEMA 3 – VANTAGEM COMPETITIVA POR MEIO DA IA

A maioria dos executivos e gerentes acredita que a IA permite que suas

empresas obtenham vantagem competitiva. A afirmação vem da pesquisa de
Ransbotham et al. (2017) da MIT Sloan Management Review, com três mil
executivos de negócios, gerentes e analistas de 112 países, como já
apresentada anteriormente.
Em consonância, na opinião de Brynjolfsson e Mcafee (2017), têm mais
vantagem competitiva organizações que conseguem integrar mentes humanas
e recursos com a IA e não trabalhar de forma isolada. Além disso, a integração
deve ocorrer em todos os níveis e setores da organização que são apropriados
(Brynjolfsson; McAfee, 2017).
Em continuação, os autores acreditam que a mudança que a IA provocou
no mundo dos negócios se compara à causada pela máquina a vapor e pela
eletricidade. Mas não é o acesso às novas tecnologias em si, nem mesmo aos
melhores profissionais, que se dá a vantagem competitiva (Brynjolfsson; McAfee,
2017), mas a mente aberta o bastante para enxergar além do status quo e
visualizar abordagens diferentes e inteligentes o suficiente para colocá-las em
prática. Por isso, os autores afirmam que um dos maiores legados da IA é a
criação de uma nova geração de líderes de negócios (Brynjolfsson McAfee,
2017).

8
 Na opinião deles, a IA, especialmente o aprendizado de máquina, é a
tecnologia de propósito geral mais importante atualmente. O impacto dessas
inovações nos negócios e na economia será refletido não apenas em suas
contribuições diretas, mas também em sua capacidade de viabilizar e inspirar
inovações complementares. Novos produtos e processos estão sendo
possibilitados por melhores sistemas de visão, reconhecimento de fala, solução
inteligente de problemas e muitos outros recursos que o aprendizado de máquina
oferece (Brynjolfsson; McAfee, 2017).
As empresas e executivos mais ágeis e adaptáveis serão os que
prosperarão nesse ambiente. As organizações que conseguirem perceber
rapidamente as oportunidades e responder a elas terão a vantagem competitiva
no cenário da IA. Portanto, a estratégia de sucesso é estar disposto a
experimentar e aprender rapidamente (Brynjolfsson; McAfee, 2017). Os autores
são enfáticos ao dizer que se os gerentes não estão realizando experimentos na
área de aprendizado de máquina, não estão fazendo seu trabalho.
Investir em processos de inovação é uma das formas que as organizações
buscam diferenciar-se das demais e criar vantagem competitiva (Tidd; Bessanti;
Pavit, 2015). Nesse sentido, para Cockburn, Henderson e Stern (2018)
argumentam que, além de a IA aumentar muito a eficiência da economia
existente, ela pode ter um impacto ainda maior, servindo como um novo "método
de invenção" de uso geral que pode remodelar a natureza do processo de
inovação e da organização do P&D (Cockburn; Henderson; Stern, 2018).
Os autores sugerem que isso provavelmente levará a uma substituição
significativa das pesquisas mais rotineiras e intensivas em mão de obra por
outras que tirem vantagem da interação entre grandes conjuntos de dados
gerados passivamente e algoritmos de previsão aprimorados (Cockburn;
Henderson; Stern, 2018).
Ao mesmo tempo, as possíveis recompensas comerciais por dominar
esse modo de pesquisa provavelmente darão início a um período de corrida,
impulsionado por poderosos incentivos para que empresas individuais adquiram
e controlem grandes conjuntos de dados críticos e algoritmos específicos de
aplicativos (Cockburn; Henderson; Stern, 2018). Dessa forma, os autores ainda
sugerem que que políticas que incentivem a transparência e o compartilhamento
de conjuntos de dados essenciais entre atores públicos e privados possam ser

9
 ferramentas para estimular a produtividade da pesquisa e a concorrência
orientada à inovação no futuro.
Para que a IA se torne um recurso relevante em estratégias futuras, as
empresas devem descobrir como humanos e computadores podem desenvolver
os pontos fortes uns dos outros com vistas a criar vantagem competitiva. Isso
não é fácil: as empresas precisam de acesso privilegiado aos dados – muitas
não têm agora – e aprender a fazer com que pessoas e máquinas trabalhem
efetivamente juntas, capacidade que poucas possuem atualmente. Além disso,
devem criar estruturas organizacionais flexíveis, o que significa mudanças
culturais para a empresa e o funcionário (Ransbotham et al., 2017).
Hoje, praticamente qualquer empresa precisa de um plano em relação à
IA. A maioria não o tem, e aquelas mais lentas vão ficar para trás e podem
encontrar o campo cada vez mais difícil de criar vantagem competitiva
(Ransbotham et al., 2017).

TEMA 4 – OPORTUNIDADES QUE A IA OFERECE PARA AMBIENTES DE

NEGÓCIOS

A criação de novos negócios é uma das expectativas em relação à adoção

da IA pelas organizações. Boa parte dos executivos e gestores acredita que a IA
permite a implantação de novos modelos de negócios (Ransbotham et al., 2017),
além de operar em diversos campos da nossa vida – da saúde ao transporte, da
agricultura à educação (Doneda et al., 2018).
Os dados da McKinsey Global Institute, combinados com entrevistas e
pesquisas de especialistas, revelaram cerca de 600 usos distintos para IA nos
principais setores. Destes, cerca de 400 requerem algum nível de aprendizagem
de máquina e 300 exigem recursos de aprendizagem de máquina profunda (deep
learning) (Batra; Queirolo; Santhanam, 2018). Nesse sentido, sugere
oportunidades de aplicações, principalmente no governo, setor de bancos e
varejo, como descrito nos parágrafos seguintes.

 Governo: pode utilizar a IA desde a identificação de atividades suspeitas

em locais públicos, por meio de análise de imagens (foto/vídeo),
verificação de possíveis ataques cibernéticos até para fins militares,
incluindo drones e no controle de tráfego aéreo (Batra; Queirolo;
Santhanam, 2018). Ademais, seu emprego inclui também as atividades

10
 de gestão e automatização na tomada de decisão a fim de deixar alguns
processos relacionados ao governo mais ágeis e reduzir custos, como
vimos anteriormente.
 Bancos: a utilização da IA por instituições financeiras e bancos se dá
principalmente para a detecção de fraudes que inclui comportamentos
suspeitos de movimentação de contas. Melhora a tomada de decisão, pois
os algoritmos de IA podem processar um número muito maior de
informação e geralmente com maior precisão do que os funcionários
humanos. Nesse sentido, podem identificar padrões e prever transações
fraudulentas (Batra; Queirolo; Santhanam, 2018).
 Varejo: a IA pode ajudar na detecção de roubo, no aprimoramento do
autoatendimento por meio de um catálogo eletrônico e sistema interligado
de pagamento. Além disso, um número considerável de varejistas já está
utilizando sistemas com câmeras e sensores para detectar quando os
compradores levam ou devolvem itens da loja e para aumentar a
cobertura dos vendedores, os quais monitoram por câmera clientes que
necessitam de ajuda específica. O auxílio da IA no futuro pode ser
estendido para aperfeiçoar sistemas que identificam clientes com alto
potencial de compra, observando a expressão facial (humor), roupas e
número de acompanhantes (Batra; Queirolo; Santhanam, 2018).

Apesar de essas áreas serem o foco de investimentos em IA, o avanço

dela não tem limites. Como dito por Doneda et al. (2018), vem transformando da
saúde ao transporte, da agricultura à educação. Nesse sentido, algumas áreas
são descritas a seguir.

 Saúde:

A aplicação de novos métodos de IA à assistência médica, por meio da

análise de imagens médicas e da previsão de resultados de registros,
é promissora e, se bem-sucedida, poderá salvar muitas vidas nos
próximos 10 a 20 anos. (Doneda et al., 2018, p. 13)

Exemplos são muitos, e Trigo-Guedes e Palma-dos-Reis (2018)

apresentaram dois em que a IA auxiliou no agendamento de cirurgias e
na redução da lista de espera. Na Unidade de Saúde no Colorado
(Estados Unidos) e do Hospital de Nova Iorque, foi possível controlar e
reduzir as listas de espera hospitalares em mais de 50%. Além disso,
contribuiu no diagnóstico de doenças por meio da leitura de imagem e

11
 diagnósticos, como no caso da utilização do Watson pelo Hospital Mãe de
Deus para colaborar no diagnóstico de câncer1.
 Agricultura: a IA tem o potencial de ajudar a sustentabilidade da
agricultura e de otimizar a produção de alimentos em todo o mundo,
analisando as regiões agrícolas e identificando o que é necessário para
melhorar o rendimento das culturas (Chen et al., 2016; Doneda et al.,
2018). A chamada agricultura de precisão (ou agricultura 4.0) tem como
característica a utilização de técnicas de IA para aumentar a produtividade
e a sustentabilidade. São várias as possibilidades e, nesse sentido, são
exemplos os trabalhos de Galvão et al. (2018), com a aplicação da visão
computacional para detecção de doenças fúngicas, e e Soares et al.
(2014), com a aplicação de redes neurais artificiais na estimativa da
retenção de água do solo (Soares et al., 2014).
 Transporte: a IA aplicada aos transportes está sendo desenvolvida
amplamente com base nos carros autônomos, conhecido projeto de
grandes empresas de tecnologia como Google. Mas, segundo Doneda et
al. (2018), baseado em McGoocan (2017), também está sendo usada
para o planejamento de transportes, que envolve desde a otimização de
serviços básicos como horários de ônibus e metrô, até o controle das
condições de tráfego.

Por fim, Brynjolfsson e Mcafee (2017) acreditam que há também grandes

oportunidades nos sistemas de aprendizagem de máquina que já estão
discernindo o estado emocional de uma pessoa com base no tom de voz ou
na expressão facial. Segundo eles, ler as pessoas com precisão é um trabalho
sutil, mas não é mágico. Requer percepção e cognição – exatamente as áreas
em que a aprendizagem de máquina é atualmente forte e se fortalece o tempo
todo.

TEMA 5 – DESAFIOS QUE A IA ENFRENTA NO AMBIENTE DE NEGÓCIOS

A IA tem recebido recentemente atenção privilegiada por parte de meios

de comunicação, acadêmicos e círculos políticos (principalmente devido a

1
Para saber mais sobre a utilização do Watson pelo Hospital Mãe de Deus, acesse o link
<https://www.maededeus.com.br/noticias/hospital-gaucho-e-o-1-da-america-do-sul-a-utilizar-
plataforma-de-inteligencia-artificial-contra-o-cancer/>. Acesso em: 10 jan. 2020.
12
 conquistas significativas em aplicações de machine learning). No entanto, há
uma série de desafios a serem enfrentados.
Iniciaremos as discussões com as questões trazidas por Doneda et al.
(2018) estritamente relacionadas às pessoas, como remoção da
responsabilidade humana, desvalorização de competências humanas, erosão da
autodeterminação humana, facilitação de condutas humanas controversas ou
mesmo malévolas, e preconceito e injustiça. São todas questões delicadas, na
qual não há consenso ainda, mas é necessária reflexão a respeito. Para tanto
elas são trazidas no Quadro 2.

Quadro 2 – Possíveis problemas e riscos advindos com a IA

Problemas e
Descrição
riscos
“Refere-se ao fato de sempre que um sistema de
inteligência artificial puder ser responsabilizado por uma
falha ou má conduta – dada a complexa ‘cadeia’ de
Remoção da
designers, fornecedores e usos automatizados que essas
responsabilidade
tecnologias envolvem sem intervenção humana – essa
humana
tendência poderá tornar mais difícil a responsabilização
das pessoas por falhas específicas da IA” (Doneda et al.,
2018, p. 11)

“Os desenvolvimentos tecnológicos da IA também podem

Desvalorização
desvalorizar competências humanas, nomeadamente em
de competências
domínios sensíveis e intensivos, como o diagnóstico
humanas
médico e a aviação” (Doneda et al., 2018, p. 11)

“A IA pode corroer a autodeterminação pessoal, pois

Erosão da pode induzir a mudanças não planejadas e indesejadas
autodeterminação nos comportamentos humanos para acomodar rotinas
humana que facilitam a automação e a vida das pessoas”
(Doneda et al., 2018, p. 12)

“Potencial risco para que essa tecnologia caia nas mãos

Facilitação de erradas e para usos mal-intencionados da IA, o que
condutas representaria grave ameaça à segurança e prosperidade
humanas de todos nós. Uma forma de impedir o uso malévolo da
controversas ou IA é adotar a consideração e o entendimento de que
mesmo devemos tratar as pessoas como fins em si mesmas, e
malévolas nunca apenas como um simples meio” (Doneda et al.,
2018, p. 12)

“Os sistemas de IA – sem salvaguardas adequadas –

Preconceito e podem herdar e propagar preconceitos existentes nos
(in)justiça dados em que foram treinados. É o caso de modelos
treinados em dados em que as minorias são sub-
representadas e, portanto, não aparecem bem refletidas,
13
 o que levanta questões de potencial preconceito e
discriminação, nomeadamente em decisões
automatizadas em matéria de emprego, habitação,
crédito e justiça criminal” (Doneda et al., 2018, p. 12)
Fonte: elaborado com base em Doneda et al., 2018, p. 11-12.

Saindo da perspectiva do ser humano, alguns desafios já são presentes

na IA relacionados à interpretabilidade (Brynjolfsson; McAfee, 2017) e à
privacidade e regulamento sobre os dados (Ransbotham et al., 2017).
Os sistemas de aprendizado de máquina geralmente têm baixa
interpretabilidade, o que significa que os humanos têm dificuldade em descobrir
como os sistemas chegaram a suas decisões. As máquinas nem sempre podem
dar uma justificativa do motivo pelo qual determinado candidato foi aceito ou
rejeitado para um emprego, ou um medicamento específico foi recomendado.
Ironicamente, mesmo quando começamos a superar o paradoxo de Polany,
estamos enfrentando um tipo de versão reversa: as máquinas sabem mais do
que podem nos dizer (Brynjolfsson; McAfee, 2017).
Segundo os autores, isso cria três riscos:

1) As máquinas podem ter vieses ocultos, derivados não de qualquer

intenção do projetista, mas dos dados fornecidos para treinar o sistema.
2) Diferentemente dos sistemas tradicionais construídos sobre regras
lógicas explícitas, os sistemas de redes neurais lidam com verdades
estatísticas, em vez de verdades literais. Isso pode dificultar provar com
total certeza que o sistema funcionará em todos os casos – especialmente
em situações que não foram representadas nos dados de treinamento. A
falta de verificabilidade pode ser uma preocupação em aplicações de
missão crítica, como o controle de uma usina nuclear, ou quando decisões
sobre a vida estão envolvidas.
3) Quando o sistema de aprendizagem de máquina comete erros,
diagnosticar e corrigir exatamente o que está errado pode ser difícil. A
estrutura que levou à solução pode ser complexa e a solução pode estar
longe de ser ótima se as condições sob as quais o sistema foi treinado
mudarem (Brynjolfsson; McAfee, 2017).

No entanto, a vantagem dos sistemas baseados em máquinas é que eles

podem ser aprimorados ao longo do tempo e fornecerão respostas consistentes
quando apresentados com os mesmos dados (Brynjolfsson; McAfee, 2017).

14
 Sobre a privacidade e regulamento, refere-se ao fato de que os dados e
os algoritmos que constituem a IA não podem ser simplesmente precisos e de
alto desempenho; eles também precisam satisfazer as preocupações de
privacidade e atender aos requisitos regulamentares (Ransbotham et al., 2017).
Garantir a privacidade dos dados depende de se terem fortes práticas de
governança deles. As empresas líderes de mercado na utilização da IA são muito
mais propensas a ter boas práticas de governança de dados do que aquelas que
adotam esporadicamente a IA. Essa grande lacuna representa outra barreira
para as organizações que estão atrasadas no desenvolvimento de seus recursos
de IA (Ransbotham et al., 2017) e um desafio para todo o campo da IA.
Além desses desafios, Sarfati (2016) traz questões sociais, uma vez que
a IA pode ser um divisor de águas entre os trabalhadores e pode aumentar as
desigualdades sociais. No entanto, são também temas controversos que não
cabe a nós decidirmos adotá-los como verdade, mas sim conhecê-los.
Com relação a ser um divisor de águas entre trabalhadores, é referente
ao fato argumentado por Sarfati (2016, p. 28) no qual:

o emprego menos qualificado passa a ser menos relevante com a

criação de soluções automatizadas mais baratas e eficientes. Nos
últimos 15 anos, por exemplo, a economia americana cresceu 15% e o
nível de emprego caiu 1%. O desemprego entre indivíduos com
diploma universitário nunca foi superior a 4,4%, enquanto o
desemprego entre os que não possuem diploma foi de 9,5%. Em outras
palavras, há uma clara tendência de aprofundamento das diferenças
sociais entre a “classe criativa” e os “analfabetos tecnológicos”.

Outro risco é o aprofundamento das diferenças econômicas entre

países que importam e exportam seus trabalhos com base em commodities e
aqueles desenvolvidos que possuem produção qualificada o suficiente para
agregar valor aos produtos. Ainda segundo Sarfati (2016, p. 28)

em uma economia global, que precisará cada vez menos de trabalhos

“commoditizados”, os países com poucos recursos correm o risco de
ficar ainda mais à margem do desenvolvimento econômico, criado a
partir de grandes centros de inovação.
Logo, os desafios são grandes com relação à sociedade e aos
trabalhadores, mas só podem ser enfrentados por quem de fato abraçar a
revolução. Para os países, isso implica criar um ecossistema acolhedor ao
empreendedor de alto impacto, em que não haja barreiras burocráticas, em que
o fracasso seja visto como uma nova oportunidade de sucesso, em que o Estado
promova políticas de incentivo ao capital de risco e em que a educação fomente
a criatividade e o espírito empreendedor. Países antes vistos como
15
 subdesenvolvidos têm obtido sucesso nessa linha, como é o caso de Israel, a
startup nation, além de outros países que têm seguido a mesma linha, como
Irlanda e Cingapura (Sarfati, 2016).
Para finalizar, a revolução econômica e social da inteligência artificial
impõe imensos desafios, mas também proporciona grandes oportunidades.
Cabe aos países se prepararem para transformar as dificuldades em
desenvolvimento e caminhar rumo à evolução (Sarfati, 2016).

TROCANDO IDEIAS

No decorrer da aula, discutimos sobre algumas habilidades necessárias

para os trabalhadores com o advento da IA como criatividade, habilidades
cognitivas relacionadas ao raciocino lógico e pensamento divergente. Nessa
perspectiva, busque identificar em uma pesquisa outras habilidades que
necessitaremos e, utilizando o fórum, compartilhe com os colegas, apontando a
importância desta para o trabalhador no futuro.
Aproveite o momento também para realizar uma autoanálise: será que eu
possuo as habilidades necessárias para diferenciar-me em relação ao mercado
em que a IA está sendo incorporada?

NA PRÁTICA

1) Analise as afirmações a seguir e marque V (verdadeiro) ou F (falso).

Quando/se for falsa, aponte o que estiver errado e traga informações para
complementá-la ou corrigi-la.
a) ( ) Na pesquisa de Ransbotham et al. (2017), a maioria dos entrevistados não
espera que a IA leve a uma redução de empregos em sua organização nos
próximos cinco anos, por isso eles também não acham relevante que haja
investimento em novas habilidades.
_______________________________________________________________
_______________________________________________________________
b) ( ) Doneda et al. (2018) e Barocas (2015) chamam a atenção para os desafios
e vieses da tomada de decisão automatizada. Isso porque o algoritmo só é tão
bom quanto os dados que lhe servem como base (Barocas, 2015, p. 1). Ou seja,
a qualidade da decisão (saída) é proporcionalmente relacionada a qualidade dos
dados de entrada.

16
 _______________________________________________________________
_______________________________________________________________
c) ( ) Segundo Cockburn, Henderson e Stern (2018), a IA pode auxiliar nos
processos de inovação e, por consequência, atribuir vantagem competitiva. Uma
das formas para isso é a substituição de pesquisas mais rotineiras e intensivas
em mão de obra por outras que interagem com grandes conjuntos de dados.
_______________________________________________________________-
_______________________________________________________________
d) ( ) Segundo Batra, Queirolo e Santhanam (2018), a aprendizagem de máquina
e a deep learning serão as tecnologias com maiores oportunidades da IA.
_______________________________________________________________
_______________________________________________________________
e) ( ) A regulação dos dados é um desafio enfrentado principalmente pelas
grandes empresas que possuem aplicações em IA, pois elas não possuem
governança de dados.
_______________________________________________________________
_______________________________________________________________

2) Nesta aula, discutimos sobre as diferentes aplicabilidades da IA em diversos

setores. Identifique ao menos uma das tarefas em seu dia a dia que já foi ou
pode ser impactada pela IA. Para enriquecer e compartilhar o conhecimento,
apresente o que foi encontrado no ambiente virtual desta disciplina.

FINALIZANDO

Nesta aula, vimos algumas implicações da Inteligência Artificial no

contexto dos negócios. Primeiramente, sob o ponto de vista das mudanças que
ela traz aos trabalhadores, exigindo que estes desenvolvam novas habilidades
sobre aprendizagem de máquina para estar preparados a trabalhar nessa
perspectiva. Como a IA deverá automatizar muitas tarefas feitas hoje, a
criatividade e o senso crítico e pensamento divergente serão habilidades
destacadas.
Também vimos que a tomada de decisão apoiada por máquinas está
auxiliando na redução de custos e efetividade tanto em setores privados quanto
bancários e governo. Mostramos ainda que a IA é fonte de vantagem competitiva
para aquelas empresas que saberão iniciar o desenvolvimento no tempo certo,
17
 inseri-las em seus processos de inovação e estar abertas a novos modelos de
negócio.
Por fim, identificamos as diversas áreas nas quais podemos atuar na IA.
Devido à sua capilaridade, os setores vão desde os industriais aos da saúde,
passando pela agricultura e transporte. No entanto, a IA também possui muitos
desafios presentes e futuros, principalmente relacionados a questões legais
sobre os dados e aos indivíduos.

18
 REFERÊNCIAS

BATRA, G.; QUEIROLO, A.; SANTHANAM, N. Inteligência Artificial o tempo de

agir é agora. McKinsey, jan. 2018. Disponível em:
<https://www.mckinsey.com/industries/advanced-electronics/our-
insights/artificial-intelligence-the-time-to-act-is-now>. Acesso em: 20 dez. 2019.

BRYNJOLFSSON, E.; MCAFEE, A. The business of artificial

intelligence. Harvard Business Review, 2017.

COCKBURN, I. M.; HENDERSON, R.; STERN, S. The impact of artificial

intelligence on innovation. National Bureau of Economic Research, 2018.

DONEDA, D. C. M. et al. Considerações iniciais sobre inteligência artificial, ética

e autonomia pessoal. Pensar – Revista de Ciências Jurídicas, v. 23, n. 4, p. 1-
17, 2018.

GALVÃO, G. F. P. et al. Visão computacional para detecção de doenças fúngicas

na agricultura. ÚNICA Cadernos Acadêmicos, v. 2, n. 1, 2018.

KOLBJØRNSRUD, V.; AMICO, R; THOMAS, R. J. How artificial intelligence will

redefine management. Harvard Business Review, v. 2, 2016.

RANSBOTHAM, S. et al. Reshaping business with artificial intelligence: closing

the gap between ambition and action. MIT Sloan Management Review, v. 59,
n. 1, 2017.

SARFATI, G. Prepare-se para a revolução: economia colaborativa e inteligência

artificial. GV-executivo, v. 15, n. 1, p. 25-28, 2016.

SOARES, F. C. et al. Redes neurais artificiais na estimativa da retenção de água

do solo. Ciência Rural, v. 44, n. 2, p. 293-300, 2014.

TRIGO-GUEDES, R.; PALMA-DOS-REIS, A. Ensaios sobre a sociedade pós-

Inteligência Artificial. 2018.

WILSON, H. J.; DAUGHERTY, P.; BIANZINO, N. The jobs that artificial

intelligence will create. MIT Sloan Management Review, v. 58, n. 4, p. 14, 2017.

19