5 posições que as empresas precisam para navegar na transformação digital

“Os últimos 10 anos foram sobre a construção de um mundo que prioriza os dispositivos móveis. Nos próximos 10 anos, mudaremos para um mundo que prioriza a IA.”, Sundar Pichai, CEO do Google, outubro de 2016

A Inteligência Artificial (IA) está em um ponto de inflexão, liderando uma mudança decisiva para a inteligência digital, descobrindo padrões nunca vistos, desenhando novas inferências e identificando novos relacionamentos a partir de grandes quantidades de dados.

Essa mudança da atual Era Programática para a nova Era da IA será transformadora e disruptiva para empresas e mercados inteiros. Para conseguir isso, as soluções de IA/cognitivas exigirão conjuntos de habilidades e descrições de trabalho totalmente novos. As empresas de escala precisam se preparar para esses novos empregos e transformar suas organizações para esse futuro.

5 novos empregos para os quais você precisa contratar para transformar a era programática em cognitiva:

De: Era Programática	Para: IA/Era Cognitiva
Administrador de banco de dados (DBA)	Curador de Taxonomia (ou Digital)
Engenheiro de sistemas	Arquiteto Cognitivo
Analista de informações	DEADS: Data Engineer e Data Scientist
Administrador de conteúdo	Processamento de Linguagem Natural / Cientista Cognitivo
Programador	Engenheiro de aprendizado de máquina

 

Como pano de fundo, cada pessoa cria um gigabyte de exaustão digital todos os dias – web/pesquisa, celular, localização, social, transação, áudio, visão, etc. Os departamentos de TI tradicionais são sobrecarregados pelo Big Data e desafiados a acompanhar. Isso, juntamente com os avanços nos serviços cognitivos, está criando uma oportunidade de negócios atraente (e risco associado) para a criação de valor.

Atualmente, operamos na era da 'computação programática', em que a análise de dados envolve a busca heuristicamente de padrões em conjuntos de dados limitados e, em seguida, a execução de operações no resultado. Computadores convencionais têm dificuldade em trabalhar com Big Data porque sua programação requer informações estruturadas (dados organizados em planilhas, bancos de dados etc.), enquanto o 80% das informações do mundo é esse escape digital não estruturado.

Para ilustrar, digamos que você seja um varejista online que queira um programa de computador que identifique imagens de uma 'bota'. Atualmente não é possível especificar algoritmicamente todos os recursos que permitirão a identificação correta. As imagens das botas variam de acordo com a marca, tipo, estilo, gênero, forma, tamanho, cor, plano de fundo, iluminação e uma infinidade de outros atributos. Há muitas variáveis para escrever um conjunto de regras. Mesmo que pudéssemos, não seria escalável, pois precisaríamos escrever um programa para cada tipo de inicialização e UPC que queríamos identificar.

Digite AI/Cognitive que representa uma nova era na computação.  A promessa da IA é mudar a complexidade do gerenciamento de sistemas do programador para o programa. Esses sistemas adotam uma abordagem diferente – eles entendem-razão-aprendem (URL).

O Processamento de Linguagem Natural (NLP), por exemplo, é usado para entender informações não estruturadas. Os desenvolvedores não programam sistemas cognitivos em um sentido convencional, mas sim um corpus de informação é criado para um conjunto de domínio específico. Esses sistemas são construídos por pares de valores selecionados. Por exemplo, você ensina a um sistema cognitivo que a Argentina é um país, que a Patagônia é uma região e assim por diante. Os sistemas cognitivos tendem a adquirir conhecimento, construir conexões neurais e melhorar por meio do aprendizado supervisionado ao longo do tempo. À medida que a interação do usuário aumenta, a experiência é adquirida e os erros são minimizados. Um valor corporativo significativo é criado por meio da formação desse corpus específico de domínio de informações de IP.

Deep Learning (ramo do Machine Learning) utiliza uma 'rede neural' que recebe uma entrada, analisa, faz uma determinação e é informada se sua determinação está correta. Se a saída estiver errada, as conexões entre os neurônios são ajustadas algoritmicamente, o que mudará as previsões futuras. Inicialmente a rede estará errada muitas vezes. Mas, conforme alimentamos os exemplos, as conexões entre os neurônios serão curadas para que a rede neural faça determinações corretas na maioria das vezes.

Um assistente cognitivo de varejo é um aplicativo Cognitive/AI de amostra. O objetivo é permitir que um consumidor faça uma pergunta em linguagem natural como “Que bota devo comprar para fazer caminhadas na Patagônia em junho?” O assistente digital entenderia/raziaria que a viagem é durante o inverno chuvoso e recomendaria adequadamente . Esses sistemas: aprendem em escala, entendem com significado, raciocinam com propósito e interagem com humanos de maneira natural, com o objetivo de melhorar experiência do cliente.

Descrição do trabalho mais detalhada das novas funções para as quais você precisa contratar:

• Curador de Taxonomia (ou Digital):  Este termo é retirado do campo das Ciências da Saúde, pioneiros na adoção da IA, onde um taxonomista identifica e classifica os dados. Essa posição aplica o processo de curadoria de conteúdo de um corpus de informação específico do domínio. Os dados são ingeridos e o conteúdo é curado na forma de pares de perguntas/respostas. Tarefas adicionais incluem a construção de índices, gráficos de conhecimento e curadoria contínua com base na interação do usuário. O processo frequentemente envolve a triagem através de grandes quantidades de informações públicas e proprietárias e apresentá-las em um formato útil e significativo relacionado a uma área de tópico de domínio específico. O conteúdo com curadoria é frequentemente apresentado em formato digital, como em um Portal de Aprendizagem.
• Arquiteto Cognitivo: Responsável por projetar, criar, manter e comunicar o roteiro geral e a arquitetura da Solução Cognitiva. Isso inclui estratégia de Big Data (dados estruturados internos e não estruturados externos); identificar componentes de dados, selecionar mecanismos de análise e todas as interações de sistema e dados. A pilha inclui serviços de Big Data, Advanced Analytics e AI. A IA inclui uma ampla gama de técnicas que vão desde Machine Learning, Deep Learning, Serviços Cognitivos, Processamento de Linguagem Natural e serviços de reconhecimento de fala e visão. Os Serviços Cognitivos são oferecidos por empresas de software líderes como IBM (Watson), Microsoft, Google (DeepMind), Amazon (Lex), Facebook (FAIR), Salesforce (Einstein), start-ups e instituições de pesquisa acadêmica.
• DEADS (Engenheiro de Dados e Cientista de Dados: Responsável pelo design e implementação de processos para conjuntos de dados usados para fins de modelagem, mineração de dados e medição. Isso inclui conceitos de Big Data, como Data Swamps. Lagos e Reservatórios, cada um com graus variados dos 3 Vs do Big Data – Volume, Variedade e Velocidade. Hadoop e Spark são estruturas populares.
• Cientista de Processamento de Linguagem Natural (ou Cognitivo): Usa serviços de PNL, como conversão de fala em texto, para extrair dados não estruturados. As fontes de dados são frequentemente dados não estruturados externos, como redes sociais, áudio, web, clima etc. Esses dados precisam ser convertidos em um formato estruturado para fins de geração de relatórios, análises e insights. As técnicas incluem: modelagem preditiva para análise de sentimentos, agrupamento para análise de documentos e detecção de anomalias. Um exemplo é o Twitter, onde os Tweets são convertidos para medir o sentimento ou a detecção de eventos da vida (ir para a faculdade).
• Engenheiro de aprendizado de máquina: O objetivo do ML/DL é desenvolver um mecanismo preditivo para um caso de uso específico. Um algoritmo recebe informações sobre um domínio (digamos, filmes que uma pessoa assistiu) e pondera a entrada para fazer uma previsão (probabilidade de assistir a um filme diferente no futuro). Ao passar a tarefa de otimização (ponderação) para o algoritmo, o computador aprende com o tempo – a qualidade preditiva melhora com a experiência. O próprio Deep Learning (subconjunto de ML) possui mais de 15 abordagens, como Random Forest, Bayesian Networks e Support Vector Machines. As habilidades necessárias incluem Python (linguagem ML popular), probabilidade/estatística, Big Data e computação distribuída.
• Campos adicionais de IA com novos requisitos de trabalho incluem: Agentes de Customer Experience (Digital) construindo Chatbots, UI/IX (User Experience), Automation Engineer (robótica), Automotive (veículos autônomos), com Healthcare tendo requisitos únicos.

Muitas das posições em ML/DL exigem habilidades matemáticas avançadas. Os trabalhos de curador, por outro lado, conhecimento no assunto do domínio de valor, o que não requer necessariamente graus avançados. Ginni Rometty, CEO da IBM, apresentou recentemente esses empregos 'New Collar' em uma carta aberta ao presidente eleito Trump (https://www.ibm.com/blogs/policy/ibm-ceo-ginni-romettys-letter-us- presidente eleito/). 

Nos próximos anos, a Applied AI será incorporada nativamente na maioria das funções corporativas. Considere, por exemplo, a gama de processos que serão incorporados à função de Recursos Humanos (RH) da seguinte forma:

• O recrutamento pode ser aprimorado com direcionamento aprimorado, correspondência inteligente de cargos, alinhamento de habilidades e avaliação parcialmente automatizada;
• Dados externos não estruturados, como publicação de mídia social, podem ser usados para desenvolver perfis de personalidade de candidatos que podem ser combinados de forma mais eficiente com os requisitos do trabalho;
• A capacitação da força de trabalho pode ser melhorada à medida que se recomenda o conteúdo mais adequado ao funcionário;
• O gerenciamento da força de trabalho pode ser aprimorado pelo planejamento preditivo das necessidades de pessoal e das prováveis ausências;
• A alocação da força de trabalho pode se tornar mais eficiente Por exemplo, a equipe de varejo pode ser posicionada de forma mais eficiente com base em: condições locais (EG, chuva diminui o tráfego de pessoas na loja), eventos promocionais locais (EG, Cinco de Mayo) criam variedade e oportunidades promocionais;
• A rotatividade de funcionários pode ser reduzida prevendo que funcionários valiosos podem estar em risco de sair.

Com o tempo, espere que a adoção de IA/cognitivo se normalize. A IA se tornará uma parte padrão do kit de ferramentas, melhorando inicialmente os processos existentes e, em seguida, reinventando-os como parte de um processo de transformação digital mais amplo.

Então por onde começar? Em última análise, é a estratégia, e não a tecnologia, que impulsionará a criação de valor. Uma avaliação estratégica é recomendada para construir uma visão abrangente, determinar oportunidades e identificar lacunas de habilidades. A partir daí, podem ser incubadas oportunidades de frutos de baixo custo. O caminho transformador da incubação à integração deve incluir considerações de liderança, cultura e mudança organizacional. Uma pergunta-chave é: você é o disruptor ou quer ser interrompido? As empresas precisam acelerar o processo de Transformação Digital Cognitiva e adquirir habilidades no ritmo da criação de valor de negócios (ou mediação de riscos).

Como sempre, estou interessado em seus pensamentos ou perguntas…