A TI vem recebendo uma enxurrada de novas tecnologias nos últimos anos, cada qual com diversas ferramentas a elas associadas, em especial, a inteligência artificial. Apesar de não ter uma tecnologia recente, as inovações dos últimos anos tornaram o uso da IA mais intuitivo, versátil e disseminado. Nesse contexto, ela ainda tem contornos de novidade e, por isso, serão necessárias mais provas de conceito (POCs) para avaliar adequadamente seu potencial, aplicabilidade, riscos e fraquezas.
Como não estamos falando de uma tecnologia de baixo custo, é importante não só estabelecer critérios precisos para sua adoção, mas também definir metas claras que, uma vez empregadas, possam avaliar a eficácia dessas soluções. Como o uso de KPIs adequadas.
Tais indicadores precisam constar no PDTI (plano diretor de tecnologia da informação) ou, ainda, em um planejamento mais específico – um PDIA (plano diretor de inteligência artificial), algo que a Lozinsky Consultoria tem sido pioneira em conduzir junto de seus clientes. Mas esse é assunto para outro artigo.
Antes de colocar a mão no bolso e adotar estratégias e projetos embarcados com IA, as empresas devem, portanto, entender qual funcionamento será dado a essas soluções. Para isso, vale considerar duas principais estratégias:
- A primeira é preditiva: uma estratégia que deve pensar qual conjunto de informações será analisado por uma IA de modo a ajudá-la a prever os próximos movimentos do mercado em que a empresa está inserida, de sua linha de produção, da tendência de alguma determinada linha do negócio, por exemplo;
- A segunda é investigativa: a partir de indicadores e informações analíticas de processos e resultados da empresa, a IA deve levantar dados que permitam identificar se a organização está em um bom caminho ou não para atingir suas metas, por exemplo de obter o retorno financeiro esperado pelos sócios. Nesse caso, estamos falando de uma inteligência de dados que ofereça visualização em tempo real, ou tão real quanto possível, de quais resultados a empresa está obtendo e como.
Uma vez estabelecidas as estratégias, é preciso associar métricas a elas. Pensar em um conjunto universal de KPIs é difícil, visto que haverá peculiaridades importantes a depender do segmento de atuação da empresa, de seus processos e de sua cultura.
Ainda assim, há um ponto de partida para defini-los: devem ser indicadores capazes de levar o negócio a uma tomada de decisão, e que envolvam dados que o cérebro humano não possa concatenar de forma rápida e confiável.
Digo isso para lembrar que uma das principais características da inteligência artificial é sua capacidade de relacionar dados, sejam eles diretamente interligados ou díspares. Não faz sentido aplicar a IA em algo que o engenho humano faz melhor ou sem esforço. Por isso, a IA deve ser empregada de modo a aproveitar o máximo dessa característica.
Com esses indicadores em mãos, os tomadores de decisão podem agir de modo mais assertivo, com menos esforços e mais agilidade. Note que assertividade, recursos empregados e agilidade são elementos que podem, todos, ser medidos de forma objetiva, logo também podem e devem ter KPIs associados a eles.
Muito mais que chatbots e IA generativa
Dentro dessa estratégia, há ainda outros pontos a serem considerados. Um dos mais importantes é entender que o ideal não é que a IA entregue apenas números referentes aos resultados da empresa, e sim que responda se esses números levam a organização para um cenário de maior lucratividade, por exemplo.
Se o uso das ferramentas de AI ainda se limita a consolidar enormes bases de dados ou sustentar chatbots, este é um sintoma de que as lideranças ainda não interpretaram corretamente o que é vital para o negócio. A empresa, nesse caso, está apenas seguindo o burburinho do momento.
A pressão pela adoção da inteligência artificial existe. Qualquer organização que possua viés de inovação, e até de urgência, como em saúde, finanças e varejo, a demanda pela IA é uma realidade. Já setores que não têm essa premissa inovadora, e aqui cito o exemplo da construção civil, são menos pressionados. Isso não quer dizer que eles não possam se beneficiar: nenhum segmento está à margem a ponto de prescindir da IA.
Como qualquer inovação, inteligência artificial não deve ser assunto exclusivo de TI. A área é, sim, responsável por organizar o desenvolvimento dessa ferramenta dentro da empresa, mas deve fazê-lo com os olhos totalmente voltados para o uso do negócio. Ao mesmo tempo, a TI, sozinha, não pode tomar decisões pelo negócio; o envolvimento das outras áreas, portanto, é imprescindível.
Esse entendimento já ficou claro – ou deveria ter ficado – quando as ferramentas de business intelligence chegaram ao mercado. Naquele momento, a TI era responsável por organizar a coleta de dados de BI, mas não cabia a ela avaliar quão relevantes aqueles dados eram. Ela participava do processo, obviamente, mas a leitura dos dados exigia envolvimento do negócio. Sem isso, o uso do BI se tornava estéril.
No caminho para a adoção eficiente da inteligência artificial, a TI precisa exercer um papel misto de orientação (quanto ao emprego da ferramenta) e articulação (para envolver as áreas responsáveis pela tomada de decisão). Se um desses papéis não for adequadamente cumprido, os investimentos em IA vão redundar em uma tecnologia sem usabilidade. E o investimento é alto demais para deixar que chegue a esse ponto.
