Empresas mais inovadoras lideram os investimentos em inteligência artificial

A conclusão está na pesquisa global “Tech Horizon: Leadership perspectives on technology and transformation”, realizada pela EY. Ela indica que, apesar de todo o hype em torno da IA, a adesão, na média, ainda é tímida na comparação com outras tecnologias.

Mas quando se olha com mais atenção para os dados, percebe-se que um grupo específico de organizações prioriza os investimentos em IA. E são precisamente as líderes em inovação. Ou seja: as empresas que não conseguiram colocar a inteligência artificial em suas rotinas e em seus processos estão perdendo o passo em relação às que conseguem implementar ações de transformação digital.

São elas que lideram o movimento que, segundo projeção da empresa de consultoria e pesquisas Gartner, deverá em 2021 gerar US$ 2,9 trilhões em valor e 6,2 bilhões de produtividade no mundo. O estudo data de 2019 e prevê que, até 2030, a função mais relevante, e que vai gerar 44% do valor global de negócios em AI, será a de suporte para a tomada de decisões.

Seis desafios

Apelidada em diferentes ocasiões de “nova eletricidade”, mas nem sempre bem compreendida no ambiente corporativo, a IA tem o potencial de transformar todos os setores. Pode aumentar a eficiência na produção, na gestão de recursos humanos, na logística, no atendimento ao consumidor, além de viabilizar a criação de novos modelos de negócios. Mas por que então parte expressiva das organizações encontra dificuldades na implementação da tecnologia?

São seis as principais dificuldades, explica Luiz Covo, sócio de Digital Data & Analytics da EY. A primeira, com a qual toda empresa iniciante no uso de IA costuma esbarrar, é a falta de dados. “Para desenvolver projetos com IA, é preciso ter uma infraestrutura preparada. Ou então todo projeto vai precisar de um trabalho de engenharia de dados próprio, o que deixa o processo muito caro”. O único caminho viável no longo prazo, diz o especialista, é investir em governança de dados.

Superado o primeiro desafio, e instaurada uma aplicação que funciona, vem a segunda dor: “Uma coisa é provar o conceito, outra coisa é ter a capacidade de colocar em produção. Se a extração de dados é manual, por exemplo, a qualidade das informações cai, a aplicação apresenta problemas e cai em descrédito entre as equipes”.

A terceira dificuldade é manter o sistema funcionando. “As consultorias, como a própria EY, têm entrado para dar suporte nesta etapa. É difícil formar times de cientistas de dados para sustentar as aplicações, e esse é um processo complexo, que pode ser gerenciado a partir de um parceiro”.

Ainda assim, de nada adianta solucionar todos esses problemas se as pessoas não forem preparadas para extrair o melhor da solução. “Muitos projetos morrem porque as pessoas simplesmente não sabem o que fazer com eles”, diz Luiz Covo. Por fim, depois que as pessoas deixam de se sentir ameaçadas em seus empregos e passam a utilizar a automação para alavancar suas tarefas, chega o quinto ponto, o de integrar diferentes aplicações.

“As empresas que estão conseguindo criar valor são aquelas que estão colocando a automação na esteira, em escala”, diz o especialista. Chega, então, uma última etapa: entender, caso a caso, qual é o limite da automação. “O processo nunca vai ser inteiramente automatizado, até porque os dados dizem mais sobre o passado da empresa do que sobre o que ela pretende para o futuro. É crucial delinear os limites e projetar onde a atuação humana é essencial”.

Caminho sem volta

A EY pode contribuir com as organizações nesse processo. A empresa disponibiliza consultoria em serviços de consultoria de automação inteligente e IA, de forma a facilitar a adoção, mantendo uma visão holística dos processos para, visando a melhoria dos serviços.

Também presta serviços de consultoria em IoT, uma tecnologia que atua como a ponte entre o mundo físico e o digital, e dá suporte à instalação de serviços com blockchain. Ajuda, ainda, a desenvolver ações de inovação em mobilidade como serviço, de forma a inovar, comercializar e escalar, concentrando nos resultados e adotando uma série de princípios-chave de inovação.

“IA é um tema antigo, debatido por várias décadas”, lembra Covo. “Nos anos 70, esbarrou na falta de capacidade computacional. Essa dificuldade foi superada, e a nuvem proporcionou o poder de acessar essa capacidade de forma modular”. O ambiente é propício, portanto, ainda que esbarre em questões culturais.

“Muitas das técnicas de data science aplicadas ao meio corporativo vinham da academia. São ambientes muito diferentes: a academia costuma utilizar de excesso de rigor e pouco pragmatismo. Em contrapartida, as corporações costumavam ser excessivamente pragmáticas e pouco rigorosas na gestão de dados”.