10 etapas para adotar a inteligência artificial em seus negócios

A inteligência artificial (IA) é claramente uma força crescente na indústria de tecnologia. A IA está no centro das atenções em conferências e mostra potencial em uma ampla variedade de indústrias, incluindo varejo e manufatura. Novos produtos estão sendo incorporados com assistentes virtuais, enquanto os chatbots estão respondendo às perguntas dos clientes, desde o site do fornecedor do escritório online até a página de suporte do provedor de serviços de hospedagem na web. Enquanto isso, empresas como Google, Microsoft e Salesforce estão integrando a IA como uma camada de inteligência em toda a sua pilha de tecnologias. Sim, a IA definitivamente está tendo seu momento.

Esta não é a IA que a cultura pop nos condicionou a esperar; não são robôs sencientes, nem a Skynet, nem mesmo o assistente de Tony Stark para Jarvis. Esse platô de IA está acontecendo sob a superfície, tornando nossa tecnologia existente mais inteligente e liberando o poder de todos os dados que as empresas coletam. O que isso significa: o amplo avanço no aprendizado de máquina (ML), visão computacional, aprendizado profundo e processamento de linguagem natural (PNL) tornou mais fácil do que nunca criar uma camada de algoritmo de IA em seu software ou plataforma de nuvem.

Para as empresas, os aplicativos práticos de IA podem se manifestar de várias maneiras, dependendo das necessidades da sua organização e das informações de business intelligence (BI) derivadas dos dados coletados. As empresas podem empregar IA para tudo, desde a mineração de dados sociais até o engajamento no gerenciamento de relacionamento com o cliente (CRM) até a otimização da logística e eficiência quando se trata de rastrear e gerenciar ativos.

A ML está desempenhando um papel fundamental no desenvolvimento da IA, observou Luke Tang, gerente geral do programa Global AI + Accelerator da TechCode, que incuba as startups de IA e ajuda as empresas a incorporar a IA sobre seus produtos e serviços existentes.

"No momento, a IA está sendo impulsionada por todo o progresso recente no ML. Não há um único avanço que você possa apontar, mas o valor comercial que podemos extrair do ML agora está fora de cogitação", disse Tang. "Do ponto de vista corporativo, o que está acontecendo no momento pode atrapalhar alguns processos corporativos corporativos relacionados à coordenação e controle: programação, alocação de recursos e geração de relatórios". Aqui, fornecemos dicas de alguns especialistas para explicar as etapas que as empresas podem adotar para integrar a IA à sua organização e garantir que sua implementação seja um sucesso.

1. Familiarize-se com a IA

Aproveite o tempo para se familiarizar com o que a IA moderna pode fazer. O TechCode Accelerator oferece a suas startups uma ampla gama de recursos por meio de parcerias com organizações como a Universidade de Stanford e corporações no espaço de IA. Você também deve tirar proveito da riqueza de informações e recursos online disponíveis para se familiarizar com os conceitos básicos da IA. Tang recomenda alguns dos workshops remotos e cursos on-line oferecidos por organizações como a Udacity como maneiras fáceis de começar a IA e aumentar o seu conhecimento de áreas como ML e análises preditivas em sua organização.

A seguir, são apresentados vários recursos online (gratuitos e pagos) que você pode usar para começar:

• Curso de Introdução à IA da Udacity e Programa de Nanodegree de Inteligência Artificial
• Palestras on-line da Stanford University: Inteligência Artificial: Princípios e Técnicas
• curso on-line de IA do edX, oferecido pela Columbia University
• O Cognitive Toolkit de código aberto da Microsoft (anteriormente conhecido como CNTK) para ajudar os desenvolvedores a dominar algoritmos de aprendizado profundo
• Biblioteca de software TensorFlow de código aberto (SO) do Google para inteligência de máquina
• AI Resources, um diretório de código-fonte aberto da AI Access Foundation
• Página da Associação para o Avanço da Inteligência Artificial (AAAI)
• O Guia Gentil de Aprendizado de Máquina do MonkeyLearn
• Instituto Futuro da Vida de Stephen Hawking e Elon Musk
• OpenAI, uma iniciativa de aprendizado profundo em todo o setor e acadêmico

2. Identifique os problemas que você deseja que a IA resolva

Quando você se familiarizar com o básico, o próximo passo para qualquer empresa é começar a explorar idéias diferentes. Pense em como você pode adicionar recursos de IA aos seus produtos e serviços existentes. Mais importante, sua empresa deve ter em mente casos de uso específicos nos quais a IA pode resolver problemas de negócios ou fornecer valor demonstrável.

"Quando trabalhamos com uma empresa, começamos com uma visão geral de seus principais problemas e programas de tecnologia. Queremos mostrar como o processamento em linguagem natural, o reconhecimento de imagens, o ML etc. se encaixam nesses produtos, geralmente com uma oficina de algum tipo com a gerência da empresa ", explicou Tang. "As especificidades sempre variam de acordo com o setor. Por exemplo, se a empresa faz vigilância por vídeo, ela pode capturar muito valor adicionando ML a esse processo".

3. Priorize o valor concreto

Em seguida, é necessário avaliar o valor comercial e financeiro potencial das várias implementações possíveis de IA que você identificou. É fácil se perder nas discussões de IA do tipo "torta no céu", mas Tang enfatizou a importância de vincular suas iniciativas diretamente ao valor comercial.

"Para priorizar, observe as dimensões de potencial e viabilidade e coloque-as em uma matriz 2x2", disse Tang. "Isso deve ajudá-lo a priorizar com base na visibilidade de curto prazo e saber qual é o valor financeiro para a empresa. Para esta etapa, você geralmente precisa de propriedade e reconhecimento de gerentes e executivos de alto nível".

4. Reconheça a lacuna de capacidade interna

Há uma grande diferença entre o que você deseja realizar e o que você tem a capacidade organizacional de realmente alcançar dentro de um determinado período de tempo. Tang disse que uma empresa deve saber do que é capaz e do que não é da perspectiva de processos de negócios e tecnologia antes de iniciar uma implementação de IA completa.

"Às vezes isso pode levar muito tempo", disse Tang. "Abordar sua lacuna de capacidade interna significa identificar o que você precisa adquirir e quaisquer processos que precisam ser desenvolvidos internamente antes de começar. Dependendo do negócio, pode haver projetos ou equipes existentes que possam ajudar a fazer isso organicamente para determinadas unidades de negócios."

5. Convide especialistas e monte um projeto piloto

Quando sua empresa estiver pronta do ponto de vista organizacional e técnico, é hora de começar a construir e integrar. Tang disse que os fatores mais importantes aqui são começar pequeno, ter em mente os objetivos do projeto e, o mais importante, estar ciente do que você sabe e do que não sabe sobre IA. É aqui que trazer especialistas externos ou consultores de IA pode ser inestimável.

"Você não precisa de muito tempo para um primeiro projeto; geralmente para um projeto piloto, 2-3 meses é um bom intervalo", disse Tang. "Você deseja reunir pessoas internas e externas em uma equipe pequena, talvez de 4 a 5 pessoas, e esse período mais curto manterá a equipe focada em objetivos diretos. Após a conclusão do piloto, você poderá decidir quanto tempo mais será um projeto mais elaborado e a longo prazo e se a proposta de valor faz sentido para o seu negócio.Também é importante que a expertise de ambos os lados - as pessoas que conhecem o negócio e as pessoas que conhecem a IA - seja mesclada à sua equipe de projeto piloto."

6. Forme uma força-tarefa para integrar dados

Tang observou que, antes de implementar o ML em seus negócios, você precisa limpar seus dados para prepará-los para evitar um cenário de "entrada e saída de lixo". "Os dados corporativos internos geralmente estão espalhados em vários silos de dados de diferentes sistemas legados e podem até estar nas mãos de diferentes grupos de negócios com prioridades diferentes", disse Tang. "Portanto, um passo muito importante para obter dados de alta qualidade é formar uma força de trabalho cruzada, integrar diferentes conjuntos de dados e resolver inconsistências para que os dados sejam precisos e ricos, com todas as dimensões corretas necessárias para o ML".

7. Comece pequeno

Comece a aplicar a IA a uma pequena amostra de seus dados, em vez de assumir muito em breve. "Comece simples, use a IA de forma incremental para provar valor, coletar feedback e depois expandir de acordo", disse Aaron Brauser, vice-presidente de gerenciamento de soluções da M * Modal, que oferece tecnologia de compreensão da linguagem natural (NLU) para organizações de saúde, bem como uma plataforma de IA que se integra aos registros médicos eletrônicos (EMRs).

Um tipo específico de dados pode ser informações sobre determinadas especialidades médicas. "Seja seletivo no que a IA lerá", disse o Dr. Gilan El Saadawi, diretor de informações médicas (CMIO) da M * Modal. "Por exemplo, escolha um determinado problema que deseja resolver, concentre a IA nele e faça uma pergunta específica para responder e não jogue todos os dados nele".

8. Inclua o armazenamento como parte do seu plano de IA

Depois de obter uma pequena amostra de dados, você precisará considerar os requisitos de armazenamento para implementar uma solução de IA, de acordo com Philip Pokorny, Diretor Técnico (CTO) da Penguin Computing, uma empresa que oferece computação de alto desempenho (HPC), AI e ML.

"Melhorar algoritmos é importante para alcançar resultados de pesquisa. Mas sem grandes volumes de dados para ajudar a construir modelos mais precisos, os sistemas de IA não podem melhorar o suficiente para atingir seus objetivos de computação", escreveu Pokorny em um documento intitulado "Decisões críticas: um guia para Criando a solução completa de inteligência artificial sem arrependimentos ". "É por isso que a inclusão de armazenamento rápido e otimizado deve ser considerada no início do design do sistema de IA".

Além disso, você deve otimizar o armazenamento de IA para ingestão de dados, fluxo de trabalho e modelagem, sugeriu ele. "Reservar um tempo para revisar suas opções pode ter um enorme impacto positivo na maneira como o sistema funciona quando on-line", acrescentou Pokorny.

9. Incorpore a IA como parte de suas tarefas diárias

Com o insight e a automação adicionais fornecidos pela IA, os funcionários têm uma ferramenta para tornar a IA parte de sua rotina diária, e não algo que a substitua, de acordo com Dominic Wellington, evangelista de TI global da Moogsoft, um provedor de IA para operações de TI (AIOps) "Alguns funcionários podem ser cautelosos com a tecnologia que pode afetar seu trabalho, por isso é importante apresentar a solução como uma maneira de aumentar suas tarefas diárias", explicou Wellington.

Ele acrescentou que as empresas devem ser transparentes sobre como a tecnologia funciona para resolver problemas em um fluxo de trabalho. "Isso proporciona aos funcionários uma experiência 'oculta', para que possam visualizar claramente como a IA aumenta seu papel, em vez de eliminá-lo", disse ele.

10. Construa com equilíbrio

• A inteligência artificial tem um problema de viés e é nossa falha A inteligência artificial tem um problema de viés e é nossa falha
• Inteligência Artificial da IBM adota Champs de debate humano Inteligência artificial da IBM adota Champs de debate humano
• AI oferece enorme potencial, mas não vai acontecer da noite para o dia AI oferece enorme potencial, mas não vai acontecer da noite para o dia

Quando você está construindo um sistema de IA, é necessário combinar as necessidades da tecnologia e do projeto de pesquisa, explicou Pokorny. "A consideração geral, mesmo antes de começar a projetar um sistema de IA, é que você deve construir o sistema com equilíbrio", disse Pokorny. "Isso pode parecer óbvio, mas, com muita frequência, os sistemas de IA são projetados em torno de aspectos específicos de como a equipe imagina alcançar seus objetivos de pesquisa, sem entender os requisitos e as limitações do hardware e software que apoiariam a pesquisa. O resultado é menos sistema acima do ideal, mesmo disfuncional, que falha em atingir os objetivos desejados ".

Para atingir esse equilíbrio, as empresas precisam criar largura de banda suficiente para armazenamento, unidade de processamento gráfico (GPU) e rede. A segurança também é um componente frequentemente esquecido. A IA, por sua natureza, requer acesso a amplas faixas de dados para realizar seu trabalho. Certifique-se de entender que tipos de dados estarão envolvidos no projeto e que suas salvaguardas de segurança habituais - criptografia, redes privadas virtuais (VPN) e anti-malware - podem não ser suficientes.

"Da mesma forma, você precisa equilibrar como o orçamento geral é gasto para realizar pesquisas com a necessidade de proteção contra falhas de energia e outros cenários por meio de redundâncias", disse Pokorny. "Você também pode precisar aumentar a flexibilidade para permitir o redirecionamento do hardware conforme os requisitos do usuário mudam."