Pequenas empresas que não investiram em IA provavelmente não fizeram pesquisas suficientes

Apenas 21% das pequenas empresas implementaram soluções baseadas em inteligência artificial (IA), de acordo com um relatório da Bluewolf (uma empresa IBM). A AI Investment Gap Survey entrevistou 177 tomadores de decisão em todo o mundo para determinar se eles já haviam adotado a IA e o aprendizado de máquina (ML), e a profundidade de sua compreensão dessas tecnologias. Embora 33% das pequenas empresas planejem investir em IA nos próximos 12 meses (elevando o número total de adotantes da IA ​​no próximo ano para 54%), o total ainda é menor do que o das grandes empresas. Além disso, 30% das grandes empresas já investiram em IA, enquanto 44% planejam começar a investir nos próximos 12 meses. Isso eleva o total para 74%, ou 20% a mais que o total de pequenas empresas.

Vanessa Thompson, vice-presidente sênior de Customer Experience Insights da Bluewolf, disse que existe uma lacuna de conhecimento entre empresas que adotaram ferramentas de IA e aquelas que não planejam adotá-las. Ela chama esse abismo de "lacuna no investimento em IA" e a descreve como uma "discrepância entre executivos de nível C que entendem a IA e aqueles que ainda não a implantaram em seus negócios", de acordo com uma declaração escrita.

Como o Bluewolf vende ferramentas de IA, caberia a eles sugerir que a única razão pela qual as pessoas não compram ferramentas de IA é porque não sabem sobre elas. Para verificar a afirmação de Thompson, conversei com Brandon Purcell, analista sênior de insights de clientes da Forrester Research, sobre quais outros problemas, se houver, podem existir para causar a diferença entre aqueles que adotaram a IA e aqueles que não adotaram. A Purcell e a Forrester Research conduziram seus próprios estudos semelhantes sobre a adoção da IA. Embora seus números totais sejam semelhantes aos da IBM - 51% das empresas adotaram ou estão expandindo a IA e 20% dizem que planejam adotar nos próximos 12 meses - Purcell apresentou algumas outras razões convincentes pelas quais as pequenas empresas podem estar atrasadas a curva de adoção da IA.

O custo da IA

Purcell referenciou as restrições de investimento como um fator importante, especialmente "no que se refere ao conjunto de habilidades. Pequenas empresas não têm recursos para contratar cientistas de dados", disse ele. Esses são os trabalhadores que extrairão informações dos dados que são inseridos e retirados do software corporativo.

Eles também determinarão se a IA está lendo com precisão seus dados e realizando ações com base em sua própria inteligência. O salário médio de um cientista de dados é de US $ 113.436 por ano, de acordo com a Glassdoor, que é (no grande esquema dos ricos) um pouco menos do que o salário médio de um CEO americano (US $ 166.000, de acordo com a PayScale). Portanto, se você é um CEO de uma pequena empresa que opera com margens reduzidas e não deseja cortar seu próprio salário, seria difícil racionalizar gastar seis dígitos em um cientista de dados - e gastar dinheiro em um sistema de software que pode transformar dados em AI.

Mas não é apenas o dinheiro envolvido que proíbe empresas menores de investir em software orientado à IA. "Em uma nota relacionada, há um fator de dados", disse Purcell. "A IA floresce quando você tem grandes quantidades de dados. Pequenas empresas não têm tantos dados para fazer isso."

Pense assim: você sabe como o Facebook sabe quais amigos marcar quando você publica uma foto? Isso ocorre porque o Facebook coleta informações de todas as suas postagens marcadas anteriormente. Você já assistiu a um filme recomendado pela Netflix? A Netflix sabia recomendar esse filme com base nas suas seleções anteriores. O Facebook e a Netflix podem fazer essas recomendações com base no ML, que é o primo em primeiro grau da IA. Embora sejam semelhantes, ambos os termos são frequentemente usados ​​de forma intercambiável (e incorreta).

Aqui está a diferença básica entre os termos: os sistemas de ML usam inteligência para melhorar o desempenho, oferecendo recomendações e maneiras de otimizar processos, enquanto os sistemas que utilizam a IA dão autonomia ao software para executar tarefas e tomar decisões sem a supervisão humana. ML é a Netflix fazendo recomendações de filmes, enquanto a AI é um carro que leva você ao trabalho enquanto tira uma soneca no banco de trás. Como uma pequena empresa que está apenas começando a gerar dados, as vantagens da IA ​​serão minúsculas em comparação com o que uma empresa da Fortune 500 poderá ver ao ativar seu software de IA.

Bluewolf está errado?

Então, o Bluewolf recebeu poucas informações em sua pesquisa? As pequenas empresas sabem sobre IA, mas simplesmente não têm dinheiro ou dados para se empolgar com isso? Purcell não acha que a pesquisa de Bluewolf está errada. De fato, ele credita à IBM Watson o criador da computação cognitiva, o termo genérico que engloba IA, ML e outros aplicativos que imitam o cérebro humano.

"Eles gastaram muito dinheiro para criar essa categoria, mas têm grandes concorrentes no espaço: Google, Amazon, Facebook, Microsoft", disse Purcell. "Essas empresas também estão concentradas em grandes quantidades de dados usados ​​para treinar sistemas de IA. A definição de AI de Hollywood é o robô sensível. Ainda não o usamos. Mas, quando se trata de implementar a IA no nível corporativo para IA prática., A IBM está se destacando na criação dessas ferramentas ".

Equívocos sobre Hollywood, IA e robôs nos matando durante o sono são uma provável razão pela qual as pequenas empresas se esquivam de aprender mais sobre as ferramentas de IA. Se você é um vendedor de camisetas em Oklahoma, de que serve um carro autônomo ou um futuro robô armado com uma arma a laser? No entanto, quando considerados em seu contexto menos conhecido, Purcell e Thompson veem casos de uso práticos para pequenas empresas - casos de uso sobre os quais as pequenas empresas ainda não foram educadas.

Com algo que Thompson e Bluewolf chamam de "inteligência aumentada", as pequenas empresas não precisam necessariamente do conhecimento de dados ou do tesouro de informações para tirar proveito da IA. O Bluewolf define inteligência aumentada como a capacidade dos aplicativos de raciocinar, inferir e extrair idéias, mesmo com conjuntos de dados não estruturados, como linguagem e imagem. Mesmo no início da coleta de dados de uma empresa, as soluções de inteligência aumentada são capazes de aprender à medida que avançam, independentemente de quão poucas informações estejam sendo inseridas no sistema.

"A inteligência aumentada ajuda os usuários finais a prever o que fazer em seguida, fornecendo a eles um perfil do que seus clientes precisam", disse Thompson. "Vemos o aumento como uma maneira de tornar a IA uma realidade para empresas de qualquer tamanho".

Isso inclui coisas como combinar dados externos e internos para aumentar o conhecimento que a tecnologia de inteligência aumentada está usando para tomar decisões de negócios. Por exemplo, combinando padrões de compras locais externos e dados climáticos com dados de padrões de compras proprietários e de clientes, as empresas de comércio eletrônico podem oferecer campanhas hiper-personalizadas. Nesse cenário, um cientista de dados seria útil, mas não necessário, e um grande número de dados de clientes tornaria a campanha ainda mais poderosa. Mas isso não impediria a campanha de ser mais poderosa do que teria sido sem a combinação de fontes de dados internas e externas.