inteligência artificial em 2019 - idc...inteligência artificial em 201 – um manual para líderes...

Inteligência artificial em 2019

Um manual para líderes de negócio

2Inteligência artificial em 2019 – Um manual para líderes de negócio

IA na empresa 3

O papel da automatização do negócio 5

O poder da cloud hoje é a IA avançada 6

Avanços da IA a seguir 8

Porque devem os negócios ter a IA em atenção? 9

O que pode fazer com a IA? 10

Identificar o potencial da IA interna e externamente 12

IA em serviços financeiros 14

IA em transações financeiras 15

IA no setor da produção 16

IA na indústria automóvel 18

As conversações da IA que os negócios devem ter 20

A nossa responsabilidade 21

Índice


Para entender como as grandes empresas podem usar a inteligência artificial (IA), vamos primeiro ver o que isso significa.

Por que há tanta controvérsia quando se fala de IA? No setor da tecnologia, a crescente procura das empresas por tecnologias que sejam capazes de aumentar a produtividade está a fazer com que os fornecedores de software procurem introduzir a IA nas suas estratégias de produto. Analistas da Gartner acreditam que, até 2020, a tecnologia da IA será difundida em quase todos os novos produtos e serviços.

De acordo com a pesquisa de mercado da IA da Tractica, a receita do mercado de IA em todo o mundo crescerá para quase 46 bilhões de libras até 2025.

IA na empresa

Fonte: Tractica

2016 20202017 20212018 2022 20242019 2023 2025

1049.17

8015.36

1842.54

12364.29

3095.26

18393.51

35413.75

5046.76

26173.63

45564.46

Mer

cado

em

milh

ões,

libra

s do

Rein

o Un

ido

Os analistas da Gartner definem a IA como uma tecnologia que parece simular o desempenho humano tipicamente pela aprendizagem, chegando às suas próprias conclusões, parecendo entender conteúdo complexo, dialogando naturalmente, melhorando o desempenho cognitivo humano ou substituindo pessoas na execução de tarefas não-rotineiras.


O analista Gartner define a IA como uma tecnologia que parece simular o tipo de dado humano, tendo as suas regras de fim, significado e ordem de diálogo não-rotineiras.

Os fatores que impulsionam uma onda de crescimento na IA das grandes empresas incluem:

• A disponibilidade de plataformas de IA que democratizam o acesso, como o Amazon Machine Learning e o Google TensorFlow, significa que as empresas não precisam mais de equipas de ciência de dados para “aplicar IA” e preparar sistemas de dados

• Um maior reconhecimento em vários setores em que a inovação baseada em inteligência artificial pode transformar a empresa, mudando a forma como trabalhamos, com o hype a transformar-se em realidade.

• Um aumento significativo no investimento de empresas de capital de risco ou investidores em start-ups de IA.

O crescimento no uso da tecnologia aumenta de acordo com a sua disponibilidade. Portanto, onde é que estamos no que diz respeito à IA – e para onde nos dirigimos? Primeiro, faz sentido entender onde estamos com a automatização, que já é amplamente usada no mundo dos negócios.


A automatização já contribui significativamente nas empresas atuais, onde as máquinas alimentadas por software seguem regras pré-programadas para executar tarefas repetitivas, como aquelas que os robôs podem fazer numa linha de montagem. Isso pode aumentar a produtividade, mas também oferece benefícios como diminuição dos custos, uma qualidade superior e menor tempo de inatividade.

Fatores que podem afetar a velocidade com que a automatização faz a diferença no seu setor de indústria podem incluir a abertura para mudanças, o custo de novas tecnologias, a dinâmica do mercado de trabalho ou a mudança regulatória e económica.

Como pode ver, possui um enorme potencial para o setor financeiro e para a produção em particular, com 60% dos processos possíveis para automatizar.

O papel do negócio de automatização

Produção Setor financeiro e

seguros

Serviços de saúde e segurança

social

Artes, entretenimento

e lazer

Serviços educativos

60%

43%36%

27%

41%

Fonte: McKinsey & Company

Recentemente, o impacto da IA foi descrito pela McKinsey como “automatização com esteróides”, o que significa que o conjunto de coisas que podemos automatizar com computadores é muito maior – escalar tarefas técnicas complexas para níveis de produção em massa.

Mas, embora os termos automatização e inteligência artificial sejam frequentemente usados de forma intercambiável, é importante entender que significam coisas diferentes. Atualmente, a maioria dos sistemas automatizados são baseados em regras e geralmente não são criados para melhorar de forma independente. Com a IA, estamos basicamente a mover-nos numa direção em que as máquinas precisam de replicar o comportamento humano e tomar as suas próprias decisões.

“Costumo dizer aos meus alunos para não se deixarem enganar pelo nome 'inteligência artificial' - não há nada de artificial nisso. A IA é feita por humanos, destinada a comportar-se como seres humanos e, em última análise, a impactar a vida humana e a sociedade humana.” Fei-Fei Li, professor de “Computer Science” na Universidade de Stanford

Potencial de automatização em todos os setores

27%36%41%43%

60%


Essencialmente, a IA é uma referência às tecnologias de informação que se relacionam e que são inspiradas na forma como os humanos usam o seu cérebro e o seu sistema nervoso para raciocinar e tomar decisões.

Hoje, a inteligência artificial está a ficar inteligente. A tecnologia está a chegar ao ponto em que é possível pensar em computadores com uma inteligência real e com um potencial de entender a linguagem natural e tomar decisões por si mesmos.

Isto é possível graças à adoção da cloud e ao uso de forma massiva dos sistemas de informação. A cloud permite que as empresas acedam a uma enorme quantidade de dados, e por outro lado que os seus sistemas interajam, à escala necessária, para depois fornecer serviços baseados nesses mesmo dados. Cientistas dos sistemas de Informação, com o uso de matemática e computadores poderosos, podem agora desenhar modelos de dados cada vez mais complexos.

Isso deu origem a ramos da IA como a aprendizagem profunda, que tenta imitar a atividade em camadas de neutrons no neocórtex, a área do cérebro onde o pensamento ocorre. Isso permite que o software reconheça padrões em representações digitais de som e imagem, por exemplo.

Isso significa que as máquinas inteligentes podem potencialmente escapar do que lemos na ficção científica e dar origem à transformação de indústrias tão variadas quanto a produção, os transportes, finanças e a saúde.

A cloud alimenta a IA avançada de hoje

Inteligência Artificial

Machine Learning

Aprendizagem com supervisão Aprendizagem profundaRobótica leve

Aprendizagem sem supervisão

Redes convencionais neuraisRobótica Swarm

Robós humanóides

Aprendizagem por reforço Redes recorrentes neuraisRobótica de toque

Robôs serpentinas

Robótica Redes artificiais neurais

Fonte: McKinsey & Company


Existem três tipos importantes de inteligência artificial que você deve entender:

Machine LearningIsso envolve o design de algoritmos que permitem que os computadores atuem sem precisarem de ser explicitamente programados. Esses computadores poderão analisar grandes volumes de dados complexos – reconhecendo padrões, prevendo e ajustando onde necessário.

RobóticaÉ por este motivo que os robôs são desenvolvidos e treinados para interagir com pessoas de maneiras previsíveis. Os robôs já são amplamente utilizados em fábricas que executam trabalhos de alta precisão, como soldagem, e podem ter um valor especial na execução de tarefas que são perigosas para os seres humanos.

Redes artificiais neuraisÉ onde os algoritmos são construídos para imitar o neocórtex do cérebro, onde o pensamento ocorre. A aprendizagem profunda está a ser usada em áreas úteis para empresas, como reconhecimento de imagem – carros autónomos, por exemplo, podem ser programados para identificar e responder ao que podem “ver” nas estradas.

As novas tecnologias ligadas à IA poderiam contribuir com até 13,8 biliões de dólares para a economia mundial até 2030, de acordo com a PwC, alimentando a produtividade e o crescimento globais. Isso é mais do que a produção combinada atual da China e da Índia.

35%

65%


A ascensão da IA foi apoiada por um aumento exponencial de grandes capacidades analíticas e de dados apoiadas pelos avanços no poder da computação. Os aplicativos de IA precisam de grandes volumes de dados para fornecer resultados precisos – os sistemas de IA ficam “mais inteligentes” em proporção direta à quantidade de dados consumidos. Juntamente com o poder da computação, os sistemas de rede de computação distribuída agora podem interagir com plataformas de infraestrutura e aplicativos em nuvem e analisar dados extraídos de fontes como os sensores da Internet das Coisas (IoT).

Aqui está uma seleção do tipo de avanços e pesquisas em andamento dentro da IA.

Inteligência artificial emocionalO desenvolvimento nas últimas décadas tem-se concentrado em computadores que desenvolvem raciocínio linguístico, matemático e lógico. No entanto, recentemente, o foco tem sido mais no desenvolvimento de sistemas que são “humanos” ou “emocionalmente inteligentes”. Estamos a ver um aumento nos assistentes inteligentes, com o trabalho a ser feito em sistemas capazes de exibir emoções humanas – os sensores são agora capazes de observar e reconhecer características faciais e gestos, por exemplo.

Aprendizagem sequencialOs seres humanos têm a capacidade de desenhar e analisar experiências passadas para resolver problemas. Isso tem sido difícil para os computadores, já que é impossível criar sistemas de IA que possam aprender habilidades uns sobre os outros. Por exemplo, se uma máquina se tornar excelente numa tarefa (como jogar xadrez), não poderá aprender outro jogo sem sobrescrever essa habilidade. Pesquisas em torno da “aprendizagem sequencial” estão a ser feitas por várias empresas para permitir que os sistemas de IA preservem as conexões neurais criadas a partir da aprendizagem de uma tarefa, antes de passarem para outra coisa.

Aprendizagem profundaO trabalho foi feito no desenvolvimento de sistemas de aprendizagem profunda que permitem que as máquinas façam sentido e aprendam os dados conforme experimentam – efetivamente dando-lhes a capacidade de ouvir e entender como seres humanos. A aprendizagem profunda está a ser usada em setores como a saúde, onde pode servir para analisar dados para criar tratamentos personalizados e segurança cibernética, permitindo a deteção abrangente e sofisticada de malware.

Avanços de IA para seguir


Porque deveriam as empresas importar-se com a IA?Muitas das teorias e ideias técnicas por trás da IA existem há muitos anos. No entanto, o poder computacional aumentou de tal forma que muitos dos benefícios que a IA poderia dar às empresas estão finalmente a tornar-se em realidade em vários setores.

Essa tendência, impulsionada pela transformação digital, significa que os líderes devem preocupar-se com a IA, se estiverem a pensar seriamente sobre a saúde de longo prazo dos seus negócios. As preferências do cliente mudam constantemente e as expectativas de serviço e suporte continuam a aumentar. A IA irá liderar a transformação de muitos negócios, e irá aumentar potencialmente organizações que fazem negócio de uma maneira que nunca vimos antes.

De acordo com o Big Data Survey de 2017 do Aberdeen Group, as empresas com melhor desempenho eram mais propensas a explorar investimentos nessas tecnologias progressivas.

Análise preditiva/prescritiva

Infraestrutura de data lake

Melhor-na-classe Todos os outros

Processamento de linguagem natural (PLN)

Análise em tempo real/streaming

54%46%

38% 38%

31%

19% 17%25%

% d

os e

ntre

vista

dos,

clas

sifica

ram

tecn

olog

ias

com

o “a

lta p

riorid

ade”

par

a in

vest

imen

to

Fonte: Pensar fora da caixa de big data: O que pode a IA fazer por si? Novembro de 2017, Aberdeen Group

Inovação como a análise preditiva e o processamento de linguagem natural (NLP) estão ao alcance de empresas de todos os tamanhos.

No mundo do consumidor, já conhecemos bem a PNL de conversação na forma de ferramentas como o Apple Siri, o Google Now, o Amazon Echo e o Microsoft Cortana. Isso também é conhecido como entendimento da linguagem natural (NLU), permitindo que os sistemas definam o contexto e a intenção do utilizador. Em vez da sintaxe formalizada das linguagens de computador, os computadores podem comunicar com pessoas numa linguagem humana.


O que pode fazer com IA?Como a tecnologia muda tão depressa, é difícil adivinhar para onde é que a IA está a ir. O hype torna difícil para os líderes de negócios compreenderem completamente o que está a acontecer nesse mercado crescente e emergente. Então, ao invés de estar envolvido nas últimas tendências, é melhor concentrar-se nessas questões:

1. A aplicação da IA pode fazer com que a sua empresa funcione de forma mais eficaz e eficiente?

2. A IA pode resolver os seus problemas de negócios?

Se a IA ainda não tiver respostas para a sua empresa, tudo bem. Mas a probabilidade de a IA resolver alguns dos seus maiores desafios aumenta à medida que a tecnologia se aproxima da maturidade. Para alcançar o sucesso na implantação da IA,

deve haver um foco claro em atingir as metas de negócios. Os objetivos da empresa devem ser a força motriz.

Se está a pensar em aplicativos de negócios de inteligência artificial práticos, pode ver como os computadores processam e identificam padrões nos dados com muito mais eficiência do que os humanos, permitindo uma visão muito melhor. Isso é extremamente valioso para as empresas, onde o insight é a nova moeda.

Os serviços de IA padronizados e “prontos para uso” podem abordar cenários simples como reconhecimento de imagem e voz em texto, mas os cenários preditivos avançados que fornecem mais valor comercial precisam de soluções muito mais sofisticadas e personalizadas, adaptadas às necessidades operacionais e de negócios específicas.

“Se, por exemplo, observarmos cenários preditivos baseados em IA, devem ir além da alimentação de dados e adicionar parâmetros ao sistema para obter resultados preditivos. Para fornecer resultados de negócio realmente impactantes, as organizações precisam de implantar recursos de aprendizagem de máquina que usam dados ao longo do tempo para treinar iterativamente os modelos e melhorar a precisão e a qualidade da saída. As organizações devem, portanto, concentrar-se em implantar as soluções de tecnologia de IA que serão perspicazes, acionáveis e valiosas para elas.”Mark Troester, vice-presidente de estratégia da Progress


“Tenho visto muitas empresas em muitos setores canalizarem dezenas de milhões de dólares para um braço de inovação e não acabarem com muitos resultados práticos, ou alterações intangíveis nas suas ofertas de produtos ou modelos de negócios.”Arshak Navruzyan, ex-diretor de tecnologia da Sentient Technologies


Na pesquisa de QI Digital da PwC em 2017, apenas 20% dos executivos disseram que as suas organizações tinham as habilidades necessárias para ter sucesso com a IA. Como resultado, o poder da IA tem sido amplamente inacessível para a maioria das empresas. Com gigantes da Silicon Valley como o Facebook e o Google a aproveitar o melhor dos melhores quando se trata de pessoas habilitadas em tecnologia de IA, onde é que fica o resto do mundo corporativo?

Embarcar numa estratégia de recrutamento agressiva é uma opção, mas as empresas podem estar em melhores condições de treinar as pessoas certas internamente, já que reduz o risco de novas contratações não funcionarem. Aqueles que são sérios sobre a IA precisam de tratá-la como uma competência central. Não se trata simplesmente de criar um “laboratório de IA”. As empresas bem-sucedidas terão feito um investimento sério, pensando na maneira de atrair e incentivar talentos talentosos de IA para trabalhar para eles e fazer crescer as suas carreiras.

As habilidades que os potenciais recrutas possuem são muito especializadas e têm muita procura. A experiência em aprendizagem de máquina não é residente em todos os programadores de computador ou cientistas. É improvável que, se não tiver tratado a IA até agora, já exista alguém na sua força de trabalho que possa assumir essa função.

A chave é identificar a necessidade cedo. É provável que seja preciso tempo e dinheiro até encontrar a pessoa certa, e o salário associado a esses especialistas requer a devida diligência de que sua educação e experiência estejam à altura.

No entanto, o recrutamento é apenas metade do problema. Os especialistas em IA são tão bons quanto as plataformas com as quais estão emparelhados. Dependendo da complexidade do seu negócio, precisará de uma plataforma de IA que faça a diferença quando se trata dos problemas que precisa de resolver. Consultores e fornecedores podem ajudá-lo a tomar essa decisão, mas também precisará de fazer a sua própria pesquisa.

Identifique o talento da IA interna e externamente


“As empresas não devem mais tratar a IA como domínio exclusivo dos cientistas de dados. Devem, pelo contrário, adotar uma abordagem mais holística que vá além dos silos que tratam as equipas de análise e desenvolvimento de aplicações como separadas.

Quem desenvolve as aplicações, precisa de se tornar mais informado sobre o ciclo de vida da ciência de dados e os designers de aplicações precisam pensar em como a inteligência artificial e insights preditivos podem orientar a experiência da aplicação.

Ao garantir que as equipas dentro da organização possam trabalhar juntas, os negócios podem ter acesso a um conjunto muito mais amplo de habilidades e talentos.”

Mark Troester, vice presidente de estratégia da Progress


Os serviços financeiros são uma indústria dependente de números e dados, o que naturalmente torna as empresas envolvidas no setor grandes candidatas para a interrupção trazida pela IA. Muitos trabalhos já foram feitos usando algoritmos de aprendizagem profunda em grandes quantidades de dados históricos para automatizar tarefas, evitar fraudes e gerar insights.

IA em serviços financeiros

Fundos de coberturaAs empresas de fundos de cobertura já voltaram a sua atenção para a inteligência artificial para métodos como o comércio quantitativo, que usa algoritmos e computadores para negociar ativos de clientes. A aprendizagem de máquina, por exemplo, pode permitir que os sistemas detetem padrões que não são percetíveis pelos seres humanos, através do processamento de milhões de pontos de dados em tempo real.

Gestão de riquezaNa gestão de património, observamos um crescimento no número de consultores robóticos criados usando algoritmos simples e baseados em regras, e usados para selecionar fundos negociados em bolsa com base em dados históricos, como idade, apetite de risco e renda. Uma nova geração movida pela IA poderia oferecer muito mais – uma capacidade de auto-aprender e criar melhores conselhos individuais e personalizados.

Gestão financeiraO setor bancário tem visto o uso generalizado do Robotic Process Automation (RPA), que substitui o trabalho de análise de rotina e ajuda a reduzir os tempos de processamento das transações, aumentar a produtividade e eliminar o erro manual. O futuro poderia ver o RPA combinado com a aprendizagem de máquina para automatizar tarefas que normalmente exigem interação humana.

Deteção de fraudeO crescimento dos dispositivos conectados e o risco de fraude e hacking levaram as instituições financeiras a procurar técnicas de aprendizagem de máquina para ajudar a combater a criminalidade. As técnicas de IA ajudam as organizações a estudar o comportamento dos clientes, comparando dados a outros indicadores na construção de uma imagem de uma transação.


A IA pode ser usada para analisar rastros digitais produzidos por transações financeiras, o que significa que as equipas de finanças não devem ter dificuldade em ver para onde vai o dinheiro depois de sair da empresa.

Aplicativos de IA, como aprendizagem de máquina, aprendizagem profunda e mineração de dados, podem revolucionar a visibilidade de gastos. Essas tecnologias podem permitir que os profissionais tomem mais decisões estratégicas sobre fornecimento, orçamento, aprovações e muito mais. A visibilidade total dos gastos é importante quando uma empresa está a enfrentar mudanças no seu modelo de negócios, precisa de se adaptar às mudanças na procura e nas operações, ou está sob pressão para descobrir bolsões ocultos internos de economia potencial.

As empresas podem usar tecnologias de aprendizagem de máquina para capturar imagens de documentos físicos e não estruturados (transações financeiras registadas em papel, e-mails, PDFs), extrair dados e mover tudo sob o mesmo teto para a inteligência de gastos da empresa. Uma vez extraídos e traduzidos para a linguagem das máquinas, os dados de transação podem fluir para os algoritmos de aprendizagem de máquina antes de aterrar em ferramentas de big data, armazéns de dados baseados na cloud e outras possibilidades permitidas pelo imenso poder de computação.

IA em transações financeiras

“As empresas poderiam ter os seus dados gastos extraídos, combinados, validados, classificados e aprimorados com informações relacionadas aos negócios, tudo com automação de aprendizagem de máquina durante todo o processo. Os especialistas em finanças e aquisições da empresa precisariam apenas de verificar a precisão e responder a perguntas ocasionais para garantir que o modelo continuasse a funcionar. Erros comuns, custo elevado do tempo de processamento e imprecisões causadas por vieses humanos deixariam de existir.”Gert Sylvest, co-fundador, Tradeshift


A indústria de produção digital e a Indústria 4.0 estão em alta, com inovações como impressão 3D/produção aditiva, robôs industriais, veículos autónomos, drones, realidade aumentada/virtual e IoT. São todos sobre tornar a produção mais ágil, flexível e personalizada. As fábricas “inteligentes” são baseadas num conjunto de conceitos de fabricação que inclui conectividade total, agilidade, subconjuntos e produtos que se deslocam em veículos guiados automatizados (AGVs).

Agora, na produção, vemos a IA na forma de aprendizagem de máquina usada em ferramentas analíticas preditivas. As ferramentas de IA funcionam bem com exercícios de reconhecimento de padrões (que são monótonos para os humanos) e sugerem as melhores ações seguintes baseadas em certas regras, permitindo que as pessoas se foquem no trabalho estratégico com mais valor.

“No futuro, as tecnologias IA, como reconhecimento de padrões ou deteção de valores discrepantes, poderão ser usadas em dados de produção, qualidade e inventário para fornecer informações surpreendentes, que o utilizador tradicional de software corporativo não teria procurado sistematicamente ou não teria esperado ou detetado. Esses dados poderiam então ser introduzidos no sistema corporativo em cloud e sobrepostos a dados de produção, processos ou mão-de-obra ao nível de business intelligence (BI), onde as tecnologias de inteligência artificial podem ser usadas para obter mais informações e prescrições valiosas.PJ Jakovljevic, analista principal, Technology Evaluation Centers

IA no fabrico

10529.00

59748.54


Manutenção prevísivelEsta é uma área onde o reconhecimento avançado de padrões e os algoritmos de aprendizagem da máquina podem ajudar os fabricantes a baixar os custos de manutenção, a melhorar o tempo e a melhorar os níveis de serviço ao cliente. Os streams de dados do sensor da máquina podem ser introduzidos em software de modelagem avançado e comparado com dados de operação em tempo real, alertando sobre desvios a partir de comportamento esperado do equipamento. Isto pode proporcionar avisos antecipados de quaisquer problemas no equipamento antes que possam causar problemas, permitindo aos operadores encontrarem os problemas e poupar muito dinheiro.

Se instalar manutenção previsível em aplicações IoT, os sensores podem continuar a juntar, limpar, analisar e guardar dados de operação. O algoritmo de aprendizagem da máquina e previsível pode então monitorizar a saúde dos componentes críticos. Se a IA prever uma falha, irá enviar um pedido de manutenção que pode incluir o tempo de falha esperado.

O conceito de manutenção previsível de bens internos também pode ser estendido à monitorização de produtos vendidos a serem utilizados no site do cliente. Os dispositivos de sensores IoT podem monitorizar o desempenho de produtos e os hábitos do utilizador, e, através dos algoritmos de IA, serem previsíveis e proativos.

Como exemplo, a IA pode ajudar o fabricante de máquinas de lavar a saber exatamente que peça da máquina falhou na casa de alguém. Normalmente, os consumidores têm de esperar que um técnico de reparação diagnostique o problema, e esperar ainda mais tempo pela peça encomendada. Durante esse tempo, não têm acesso à máquina. Com a IA, um fabricante de aparelhos pode prever a possível falha e agir antes que aconteça o mau funcionamento.

Contratos de nível de serviçoPor meio de contratos de acordo de nível de serviço (SLA), os fabricantes podem aumentar os fluxos de receita além da venda única de um produto. Com o “produto como um serviço”, pode gerar receita a partir de subscrição de produtos – vendendo pés cúbicos em vez de processadores ou horas de operação do motor em vez de motores.

Essa configuração pode aumentar a proposta de valor de um fabricante com serviços que vão além de uma simples venda.

Previsão e planeamento orientados pela procuraA aprendizagem de máquina pode ajudar com melhores previsão e planeamento orientados pela procura, especialmente com itens de procura irregular, novos itens, promoções e incorporação do sentimento social. As ferramentas de análise preditiva no software de planeamento de recursos empresariais (ERP) e de gestão da cadeia de suprimentos (SCM) também podem ser usadas para prever riscos específicos de fornecimento, como queda de qualidade, solvência e outros problemas de fornecedores.

Reduzir taxas de sucataAparelhos de inspeção visual de aprendizagem profunda, juntamente com algoritmos de aprendizagem de máquina, podem ajudar a detetar e prever padrões de qualidade e problemas no controlo estatístico de processo (SPC).

Os fabricantes poderiam reduzir as taxas de sucata com base na análise de causa básica baseada na aprendizagem de máquina e reduzir os custos de teste usando métodos de otimização de IA. O controlo de qualidade em processo e a disponibilidade de peças também são possíveis com cenários de IA, pois envolvem a intersecção de aquisição de dados, contextualização, análise e regras de fluxo de trabalho.

Gestão de chão de fábricaQuando implantados na gestão de ordens de chão de fábrica, os algoritmos de IA podem recomendar o caminho mais eficiente para mover materiais, enquanto minimizam o consumo de energia e a necessidade de verificações de qualidade. Como a configuração do produto ou o ambiente do chão de fábrica muda, o software corporativo pode replanear o próximo local para uma máquina de produção, montagem ou estação de inspeção, com base na disponibilidade. A IA também pode ser usada para o desmantelamento preditivo de peças numa linha de montagem, com o objetivo de automaticamente desfazer as peças o mais cedo possível – reduzindo os custos de fabrico, evitando retrabalhos desnecessários.


IA na indústria automóvel

As soluções de inteligência artificial estão a ser cada vez mais usadas para soluções de software e hardware em vários setores, graças aos avanços no poder de computação e à proliferação de grandes volumes de dados. O setor automóvel tem aproveitado, com a IA a ser usada em tecnologia de suporte a painéis de instrumentos de veículos, linhas de montagem de fábricas e projetos de veículos. Muitos carros são equipados com sensores que capturam dados em tempo real, usados para dar suporte a um sistema de IA ao fornecer informações de segurança a um motorista.

A IA é usada para alimentar carros autónomos ou automáticos – Google, Tesla e Uber são três dos grandes jogadores nessa área. Isso certamente parece uma área de crescimento – de acordo com o provedor global de informações IHS Markit, poderemos ver cerca de 21 milhões de carros autónomos em 2035.

Através da aprendizagem profunda, as empresas estão a desenvolver tecnologias que permitem que os carros aprendam com as experiências e se adaptem a situações em tempo real sem a intervenção de um humano. Engenheiros de software não podem cobrir todas as variáveis que um motorista de robô pode enfrentar – por isso, aprender profundamente IA é necessariamente uma condução autónoma para o trabalho.

Para que a aprendizagem profunda funcione, os algoritmos precisam de ser alimentados com enormes quantidades de dados, e foi por isso que a conectividade de veículos se tornou tão importante. Muitas empresas automóveis estão a acumular milhas com carros autónomos simplesmente para obter dados para usar em algoritmos que permitem que os carros se adaptem a qualquer situação que possa imaginar.

Com a grande quantidade de dados coletados por veículos conectados e necessários para alimentar a tecnologia da IA em segurança e carros autónomos, por exemplo, muitas empresas automóveis voltaram-se para a cloud, à medida que se afasta das estruturas tradicionais de TI e oferece grandes quantidades de energia e dados. No futuro, o crowdsourcing desses dados poderia abrir o caminho para mais interrupções e uma revolução quando se trata de inovação.


“A indústria automóvel não será a mesma em 10 anos. As marcas automóveis de ponta estão constantemente a trabalhar em inovações como controlo de cruzeiro e quebra adaptativa, e há uma quantidade crescente de trabalho a ser feito em recursos de piloto automático autónomo. Há um papel para o carro da próxima geração se envolver mais ativamente no processo de direção, mesmo que um humano ainda esteja no volante.”Arshak Navruzyan, ex-diretor de tecnologia da Sentient Technologies


A IA possui um grande potencial para negócios – pode fornecer insights reais e aplicações do mundo real. Devido ao aumento de energia de processamento e as possibilidades ilimitadas da cloud, estamos num ponto onde a IA já energiza plataformas web, aplicações móveis e dispositivos pessoais.

Já estamos a ver uma eficiência maior no trabalho com a automação, permitindo que os bots realizem trabalhos propensos a erros manuais. Em alguns setores, estamos a ver melhor segurança com as máquinas a assumir tarefas perigosas e repetitivas. A IA tem um grande potencial para aumentar a produtividade, sem precisar de aumentar o número de funcionários.

Os negócios têm um papel na comunicação dos benefícios da IA e de como é útil no que diz respeito à automação de tarefas, serviço a cliente ou suporte interno. Mas isso também significa que têm o papel de colocar as salvaguardas certas em prática para que as pessoas possam estabelecer confiança real com uma tecnologia.

As empresas podem educar por:

• Simplificação e compreensão acelerada de colaboradores da IA ao partilhar casos de estudo positivos através de canais como reuniões presenciais, e-mail ou intranet.

• Entrega de informações IA, educação, formação e certificação para as pessoas que trabalham diretamente com a tecnologia.

• Passos de comunicação levados a cabo para testar a IA quanto a falhas de desempenho, salvaguardando o trabalho efetuado com a tecnologia para potenciais utilizadores.

• Assegurar que a IA pode manter as suas próprias operações éticas, adaptando quando pedidos pouco usuais de interações aparecem.

• Anunciar a um utilizador humano que está a interagir com a IA, explicar o valor para alguém dentro do contexto de uma interação, e compreender qualquer diferença nas circunstâncias.

Os negócios também precisam de ser honestos e transparentes acerca do impacto que a IA pode ter nos trabalhos, tornando numa conversa positiva. Conforme as tarefas ficam automáticas, têm a responsabilidade de requalificar os colaboradores nas indústrias onde irão trabalhar em conjunto com a IA.

Na prática, a indústria precisa de enfatizar o compromisso para tornar a formar os colaboradores atuais para um futuro incerto e perceber que a criação de novos trabalhos da IA irá trazer uma força de trabalho digitalmente nativa.

As conversações IA que os negócios devem ter

“Temos de treinar as pessoas a testar sistemas de IA, e a criar estes tipos de segurança e mecanismos justos. É algo que podemos fazer agora. Temos de colocar alguma urgência antes de priorizar a segurança e a justiça antes destes sistemas serem instalados nas populações humanas.”Kate Crawford, Professora de Investigação distinguida na Universidade de Nova Iorque


As empresas de tecnologia como a Sage têm uma oportunidade única de moldar a IA positivamente para benefício do público, liderando a comunidade internacional no desenvolvimento ético da IA, em vez de aceitar passivamente as consequências.

Globalmente, vemos empresas de IA inovadoras, investigação académica e um ecossistema de start-up vigoroso. Devemos aproveitar ao máximo esse ambiente, mas é essencial que a ética ocupe um lugar central no desenvolvimento e uso da IA.

A IA não está isenta de riscos e deve haver movimentos para mitigá-los. Uma abordagem ética garante que o público confie nessa tecnologia e veja os benefícios de usá-la. Também irá prepará-los para desafiar o seu uso indevido.

A nossa responsabilidade

Na Sage, temos cinco princípios fundamentais quando se trata de desenvolver para a IA

1. A IA deve refletir a diversidade dos utilizadores que atendePrecisamos de criar uma IA inatamente diversa. Como uma comunidade de tecnologia industrial, precisamos de desenvolver mecanismos eficazes para filtrar o nosso viés, assim como qualquer sentimento negativo nos dados que a IA aprende, e garantir que a IA não perpetua estereótipos.

2. IA deve ser realizada para reportar – tal como os utilizadoresAprendemos que os utilizadores constroem relações com a IA e começam a confiar após algumas interações significativas. Com confiança vem a responsabilidade. A IA precisa de ser responsabilizada pelas suas ações e decisões, tal como os humanos.

A tecnologia não deve ser permitida a tornar-se demasiado esperta para ser responsabilizada. Não aceitamos este tipo de comportamento de outras profissões “especialistas”, por que é que a tecnologia tem de ser a exceção?

3. Compensar a IA por ‘mostrar trabalho’Qualquer sistema de IA a aprender de maus exemplos pode ser inapropriada socialmente – temos de nos lembrar que a maioria da IA atualmente não sabe o que está a dizer. Apenas ouvir e aprender amplamente a partir de dados diversos irá resolver isto.

Uma das abordagens é desenvolver um mecanismo de recompensa quando treinar a IA. O reforço das medidas de aprendizagem devem ser construídas não só no que a IA ou robôs fazem para alcançar um

resultado, mas também em como a IA e robôs se alinham com os valores humanos para alcançar esse resultado em particular.

4. A IA deve nivelar o campo de jogoA IA proporciona novas oportunidades para democratizar o acesso à tecnologia, especialmente devido à sua capacidade de escalar. A tecnologia de voz e os robôs sociais fornecem novas soluções acessíveis, especificamente a pessoas com deficiência ocular, dislexia e mobilidade limitada.

A nossa comunidade tecnológica de negócio tem de acelerar o desenvolvimento destas tecnologias para nivelar o campo de jogo e alargar a reserva de talentos que temos disponível tanto nas profissões de contabilidade e tecnológica.

5. A IA irá substituir, mas também criarO melhor caso de uso para IA é a automação – suporte ao cliente, fluxos de trabalho e processos baseados em regras são os cenários perfeitos em que a IA se desenvolve, a IA aprende mais depressa que os humanos e é muito boa em tarefas repetitivas e mundanas e, a longo prazo, é mais barata que os humanos.

Haverá novas oportunidades criadas pela robotização de tarefas, e precisamos de treinar humanos para essas perspetivas – permitindo que as pessoas se concentrem naquilo em que são boas – construindo relações e cuidando dos clientes. Nunca devemos esquecer a necessidade da empatia humana em profissões centrais, como a aplicação da lei, a enfermagem, o cuidado e a tomada de decisões complexas.


Em suma, as empresas que adotam AI devem pensar em:

• Pesquisar e entender que soluções e abordagens funcionam melhor para elas. Deve haver estruturas éticas e roteiros voltados para a tecnologia nas estratégias de investimento corporativo desde o início.

• Identificando benefícios que agregam valor e complementam os recursos humanos, a IA pode fornecer a setores específicos, clientes e comunidades.

• Assumir a responsabilidade de comunicar a IA ética ao mundo.


Descubra mais Sage Business Cloud X3:

https://www.sage.com/pt-pt/ sage-business-cloud/sage-x3/

©2019 The Sage Group plc ou os seus licenciadores. Sage, logos da Sage, produtos da Sage e nomes de serviços aqui mencionados são marcas comerciais da The Sage Group plc ou dos seus licenciadores. Todas as outras marcas registadas são propriedade dos seus respetivos proprietários.

https://www.sage.com/pt-pt/sage-business-cloud/sage-x3/

https://www.sage.com/pt-pt/sage-business-cloud/sage-x3/

https://www.facebook.com/SagePortugal/

https://www.youtube.com/user/SagePortugal

https://twitter.com/sageportugal

https://www.linkedin.com/company/sage-software

inteligência artificial em 2019 - idc...inteligência artificial em 201 – um manual para líderes...

Documents