“Artificial intelligence will reach human levels by around 2029. Follow that out further to, say, 2045, we will have multiplied the intelligence, the human biological machine intelligence of our civilization a billion-fold.”

The Age of Spiritual Machines: When Computers Exceed Human Intelligence

Ray Kurzweil

Se considerarmos o caso de uma grande empresa agrícola que queria implantar a tecnologia da IA ​​para ajudar os agricultores e uma enorme quantidade de dados estava disponível sobre as propriedades do solo, padrões climáticos, colheitas históricas, e o plano inicial era criar um aplicativo de IA que pudesse prever com mais precisão o rendimento futuro das colheitas, mas nas discussões com os agricultores, a empresa aprendeu sobre uma necessidade mais premente. O que os agricultores realmente queriam era um sistema que pudesse fornecer recomendações, em tempo real, sobre como aumentar a produtividade, quais os terrenos e onde cultivar e quanto nitrogénio a usar no solo.

A empresa desenvolveu um sistema de IA para fornecer tais conselhos, e os resultados iniciais foram promissores; os agricultores ficaram felizes com o rendimento das colheitas obtido com a orientação da IA. Os resultados desse teste inicial foram então enviados de volta ao sistema para refinar os algoritmos usados. Assim, como na etapa de descoberta, novas técnicas analíticas e de IA podem auxiliar na co-criação, sugerindo novas abordagens para melhorar os processos. O terceiro passo para as empresas é escalonar e depois sustentar a solução proposta. O SEB, por exemplo, implantou originalmente uma versão da “Aida”, internamente, para ajudar os quinze mil trabalhadores do banco, mas depois, implementou o “chatbot” em um milhão de clientes.

O último estudo realizado nos Estados Unidos com uma sondagem a centenas de empresas, foram identificadas cinco características dos processos de negócios, que as empresas normalmente desejam melhorar que são a flexibilidade, velocidade, escala, tomada de decisões e personalização. Ao reinventar um processo de negócios, é necessário determinar qual dessas características é central para a transformação desejada, como a colaboração inteligente poderia ser aproveitada para resolvê-lo, e quais os ajustamentos e compensações com outras características do processo seriam essenciais.

Os braços “cobot” na Mercedes-Benz, tornam-se uma extensão do corpo do trabalhador e para os executivos da empresa, os processos inflexíveis apresentaram um desafio crescente. Os clientes que maior lucro dava à empresa, vinham a exigir cada vez mais, carroçarias individualizadas da classe S, mas os sistemas de montagem não conseguiam oferecer a personalização que as pessoas queriam. A fabricação de automóveis, tradicionalmente, tem sido um processo rígido com etapas automatizadas, executadas por robôs “pouco inteligentes”. A fim de melhorar a flexibilidade, a Mercedes substituiu alguns desses robôs por “cobots” com IA, e redesenhou os seus processos em torno de colaborações entre seres humanos e máquinas. Os braços robotizados, na fábrica da empresa, perto de Estugarda, guiados por trabalhadores pegam e colocam peças pesadas, tornando-se uma extensão do corpo do trabalhador.

O sistema coloca o trabalhador no controlo da construção de cada carro, fazendo menos trabalho manual e mais um trabalho de pilotagem com o robô. As equipas de máquinas humanas da empresa podem adaptar-se rapidamente. Os “cobots” na fábrica, podem ser reprogramados facilmente com um “tablet”, permitindo que trabalhem em tarefas diferentes, dependendo das alterações no fluxo de trabalho. Tal agilidade, permitiu que o fabricante atingisse níveis sem precedentes de personalização. A Mercedes pode individualizar a produção de veículos de acordo com as escolhas em tempo real que os consumidores fazem nas concessionárias, alterando tudo, desde os componentes do painel do veículo até à pele do assento ou às tampas das válvulas dos pneus, e como resultado, não existem dois carros iguais a sair da linha de montagem da fábrica na Alemanha. Algumas empresas estão a usar a IA para descobrir incógnitas desconhecidas nos seus negócios.

A “GNS Healthcare (GNS)” é uma empresa privada de análise de dados, sediada em Cambridge, nos Estados Unidos, que aplica “software” de aprendizagem de máquinas para encontrar relações negligenciadas, entre os dados nos registos de saúde dos pacientes e em outros locais. O “software” depois de identificar um relacionamento, elabora várias hipóteses para explicá-lo e, em seguida, sugere quais delas são mais prováveis. Tal abordagem, permitiu que o GNS descobrisse uma nova interacção medicamentosa escondida em anotações de pacientes não estruturados, não se tratando de uma peneira de dados para encontrar associações, pois a plataforma de aprendizagem de máquinas não vê apenas padrões e correlações nos dados. É de considerar que para algumas actividades de negócios, o prémio está na velocidade e uma dessas operações é a detecção de fraudes com cartões de crédito. As empresas têm apenas alguns segundos para determinar se devem aprovar uma determinada transacção. Se for fraudulenta, provavelmente terão que repor essa perda, mas se negarem uma transacção legítima, perdem a taxa da compra e irritam o cliente.

O “The Hongkong and Shanghai Banking Corporation (HSBC)”, como a maioria dos grandes bancos, desenvolveu uma solução baseada em IA que melhora a velocidade e a precisão da detecção de fraudes. A IA monitora e marca milhões de transacções diariamente, usando dados sobre o local de compra e o comportamento do cliente, endereços IP e outras informações para identificar padrões subtis que sinalizam possíveis fraudes. O HSBC implementou pela primeira vez o sistema nos Estados Unidos, reduzindo significativamente a taxa de fraudes e falsos positivos não detectados e, em seguida, implementou-o no Reino Unido e na Ásia. Um sistema de IA diferente usado pelo Danske Bank melhorou a sua taxa de detecção de fraudes em 50 por cento e diminuiu os falsos positivos em 60 por cento. A redução no número de falsos positivos, liberta os investigadores para concentrar os seus esforços em transacções equívocas, que a IA sinalizou, onde o julgamento humano é necessário.

A luta contra a fraude financeira é como uma corrida armamentista, pois uma melhor detecção conduz a criminosos mais perigosos, levando por conseguinte a uma melhor detecção, que continua o ciclo. Assim, os algoritmos e modelos de pontuação para combater fraudes têm uma vida útil muito curta e exigem actualização contínua. Além disso, diferentes países e regiões usam modelos diferentes e por essas razões, legiões de analistas de dados, profissionais de “Tecnologia de Informação (TI)” e especialistas em fraudes financeiras são necessárias no sistema de meios de ligação entre os seres humanos e as máquinas, para manter o “software” na dianteira dos criminosos. A baixa escalabilidade, para muitos processos de negócios, é o principal obstáculo para a melhoria e é particularmente verdadeiro em processos que dependem de trabalho humano intensivo com assistência mínima da máquina.

É de considerar, por exemplo, o processo de recrutamento de trabalhadores da “Unilever” que é uma multinacional britânica-neerlandesa de bens de consumo, que estava à procura de uma forma de diversificar a sua força de trabalho de cento e setenta mil pessoas. Os recursos humanos da empresa, determinaram que precisavam de se concentrar em contratações de nível básico e, de seguida, contratar o melhor para a gestão, mas os processos existentes na empresa não foram capazes de avaliar potenciais candidatos em número suficiente, ao mesmo tempo que davam atenção individual a cada aspirante para garantir uma população diversificada de talentos excepcionais. A “Unilever” combinou recursos humanos e de IA para dimensionar a contratação individualizada, e na primeira fase do processo de inscrição, os candidatos são convidados a brincar com jogos “on-line” que ajudam a avaliar características como a aversão ao risco.

Os jogos não têm respostas certas ou erradas, mas ajudam a IA da “Unilever”, a descobrir quais os indivíduos que podem ser mais adequados para uma determinada posição. Os candidatos, na fase seguinte, são convidados a enviar um vídeo em que respondem a perguntas específicas, para a posição em que estão interessados. As suas respostas são analisadas por um sistema de IA, que considera não apenas o que dizem, mas também a sua linguagem corporal e tom de voz. Os melhores candidatos dessa fase, conforme o decidido pela IA, são então convidados à “Unilever” para realizarem entrevistas pessoais, após as quais os seres humanos tomam as decisões finais de contratação.

É muito cedo para dizer se o novo processo de recrutamento resultou na contratação dos melhores trabalhadores. A empresa tem acompanhado de perto o sucesso dessas contratações, mas ainda são necessários mais dados. É claro, no entanto, que o novo sistema ampliou enormemente a escala do recrutamento da “Unilever”, em parte, porque os candidatos a emprego podem ter acesso facilmente ao sistema por “smartphone”. O número de candidatos duplicou para trinta mil em um ano, o de universidades representadas subiu de oitocentas e quarenta para duas mil e seiscentas, e a diversidade socioeconómica das novas contratações aumentou. Além disso, o tempo médio entre a aplicação e a decisão de contratação, baixou de quatro meses para apenas quatro semanas, enquanto o tempo que o pessoal que recruta a fazer a revisão dos aplicativos baixou 75 por cento. O facto de fornecer aos trabalhadores informações e orientações personalizadas, a IA pode ajudá-los a tomar melhores decisões, que pode ser especialmente valioso para os trabalhadores, pois onde fazer a escolha certa tem um enorme impacto.

É de considerar a forma pela qual a manutenção de equipamentos está a ser aprimorada com o uso de “gémeos digitais”, que são modelos virtuais de equipamentos físicos, ou cópias elaboradas das linhas de produção. A “General Electric (GE)” constrói esses modelos de “software” das suas turbinas e outros produtos industriais e actualiza-os continuamente, com a transmissão de dados operacionais do equipamento. Ao recolher leituras de um grande número de máquinas, a GE acumulou uma grande quantidade de informações sobre o desempenho normal e aberrante. O seu aplicativo “Predix”, que usa algoritmos de aprendizagem da máquina, pode prever quando uma peça específica em uma máquina pode falhar.

A tecnologia mudou fundamentalmente o processo decisivo de manutenção de equipamentos industriais. A “Predix” pode, por exemplo, identificar algum desgaste inesperado do rotor, em uma turbina, verificar o histórico operacional da turbina, informar que o dano quadruplicou nos últimos meses e avisar que, se nada for feito, o rotor perderá cerca de 70 por cento da sua vida útil. O sistema pode, então, sugerir acções apropriadas, tendo em consideração a condição actual da máquina, o ambiente operacional e os dados agregados sobre os danos e reparações semelhantes em outras máquinas. A “Predix” conjuntamente, com as suas recomendações, pode gerar informações sobre os custos e benefícios financeiros e fornecer um nível de confiança (por exemplo, de 95 por cento) para as hipóteses usadas na sua análise.

Os trabalhadores sem o “Predix” teriam sorte de descobrir o dano do rotor em uma verificação de manutenção de rotina. É possível que não seja detectado até que o rotor falhe, resultando em uma interrupção custosa. Os funcionários de manutenção, com a “Predix” são alertados sobre possíveis problemas antes de se tornarem sérios, e têm as informações necessárias na ponta dos dedos para tomar boas decisões, que por vezes podem economizar milhões de dólares à GE. A questão da personalização é importante, pois fornecer aos clientes experiências de marcas personalizadas individualmente é o santo graal do marketing e com a IA, essa personalização pode ser alcançada com precisão inimaginável e em larga escala.

É de pensar como o serviço de “streaming” de música “Pandora” usa algoritmos de IA para criar listas de reprodução personalizadas para cada um dos seus milhões de utilizadores de acordo com suas preferências em músicas, artistas e géneros, ou se considerarmos a “Starbucks”, que, com a permissão dos clientes, usa a IA para reconhecer os seus dispositivos móveis, e ter acesso ao seu histórico de pedidos para ajudar a fazer recomendações de serviços. A tecnologia da IA ​​faz melhor, analisando e processando grandes quantidades de dados para recomendar certas ofertas ou acções, que não é possível ao ser humano, A “Carnival Corporation”, é a maior empresa de viagens de lazer do mundo, que oferece aos viajantes férias extraordinárias com um valor excepcional, com uma frota de cento e dois navios que visitam mais de setecentos portos em todo o mundo, e está a aplicar a IA para personalizar a experiência de cruzeiro para milhões de turistas, através de um dispositivo “wearable” chamado “Ocean Medallion” e uma rede que permite que dispositivos inteligentes se conectem.

A máquina processa dinamicamente os dados que fluem do medalhão e dos sensores e sistemas em todo o navio, para ajudar os hóspedes a tirar o máximo proveito das suas férias. O medalhão agiliza os processos de embarque e desembarque, rastreia as actividades dos hóspedes, simplifica a compra conectando os seus cartões de crédito ao dispositivo, e actua como uma chave, como também se conecta a um sistema que antecipa as preferências dos hóspedes, ajudando os membros da equipa a oferecer um serviço personalizado a cada hóspede, sugerindo roteiros personalizados de actividades e experiências gastronómicas.

A questão da necessidade de novas tarefas e talentos, passa por re-imaginar um processo de negócios que envolve mais do que a implementação da tecnologia da IA; também requer um compromisso significativo para desenvolver trabalhadores com habilidades de fusão, ou seja os que permitem que se trabalhe efectivamente no sistema de comunicação homem-máquina. As pessoas, para começar, devem aprender a delegar tarefas à nova tecnologia, como os médicos confiam nos computadores para ajudar na leitura de raios X e ressonância magnética. Os trabalhadores também devem saber combinar as suas habilidades humanas distintas, com as de uma máquina inteligente para obter um resultado melhor do que qualquer um poderia alcançar só, como na cirurgia assistida por robô.

Os trabalhadores devem ser capazes de ensinar novas habilidades aos agentes inteligentes e passar por formação para trabalhar bem nos processos aprimorados por IA. Assim, por exemplo, devem saber a melhor forma de formular perguntas a um agente de IA para obter as informações de que precisam. É de esperar que, no futuro, as funções da empresa sejam redesenhadas ao redor dos resultados desejados dos processos reinventados, e as empresas sejam cada vez mais organizadas ao redor de diferentes tipos de habilidades, e não à volta de dísticos de trabalho rígidos. A “AT&T” iniciou essa transição ao mudar de serviços de rede telefónica fixa para redes móveis e começa a treinar cem mil trabalhadores para novas colocações.

A empresa, como parte desse esforço, reformulou completamente seu organograma, e aproximadamente, dois mil empregos foram simplificados em um número muito menor de categorias abrangentes, englobando habilidades similares. Algumas dessas habilidades são o que se pode esperar (por exemplo, proficiência em ciência e disputas de dados), enquanto outras são menos óbvias (por exemplo, a capacidade de usar ferramentas simples de aprendizagem da máquina para serviços de venda cruzada). A maioria das actividades no sistema de comunicação homem-máquina, exige que as pessoas façam coisas novas e diferentes (como treinar um “chatbot”) e façam de forma diferente (usar esse “chatbot” para fornecer um melhor atendimento ao cliente).

Actualmente, apenas um pequeno número de empresas começou a re-imaginar os seus processos de negócios para optimizar a inteligência colaborativa. Mas a lição é clara, pois as organizações que usam máquinas, apenas para deslocar trabalhadores através da automação perderão todo o potencial da IA. Tal estratégia é mal orientada desde o início. Os líderes de amanhã serão aqueles que abracem a inteligência colaborativa, transformando as suas operações, mercados, indústrias e a força de trabalho.