As tecnologias de inteligência artificial avançaram significativamente nos últimos anos, mas sua adoção continua na infância. Isso torna desafiador o exercício de avaliar o verdadeiro impacto potencial da IA em organizações e setores econômicos. Os que ainda não embarcaram na onda alegam dificuldades para encontrar um modelo de negócio que justifique o investimento em IA.
Em primeiro lugar, é preciso entender o que é inteligência artificial. A expressão cobre uma grande variedade de tecnologias e aplicações. Algumas são extensões de tecnologias anteriores, enquanto outras são totalmente novas; algumas são tratadas de maneira independente, e outras, agrupadas – por exemplo, por funcionalidade (texto, fala, reconhecimento de imagem) ou por aplicações nos negócios (comércio ou cibersegurança).
Conforme as pessoas se acostumam com as novidades, a definição de inteligência artificial vai, inclusive, mudando. O cientista da computação Larry Tessler costuma dizer que “IA é tudo o que ainda não está pronto”. Outra forma de classificar a IA é dividi-la entre estreita, que desempenha uma tarefa específica, e genérica, que seria capaz de desempenhar qualquer tarefa intelectual de um ser humano.
Este relatório se concentra na IA estreita, que interessa aos negócios, e, sob esse chapéu, foca as cinco categorias de tecnologias de IA que mais têm recebido investimentos das empresas:
• Robótica e veículos autônomos.
• Visão computacional.
• Linguagem (inclui processamento de linguagem natural, análise de texto, reconhecimento de voz e tecnologia semântica).
• Agentes virtuais (chatbots).
• Aprendizado de máquina (machine learning) – algoritmos que aprendem com os dados sem nova programação.
Algumas dessas tecnologias se relacionam com o processamento de informações do mundo exterior, como a visão computacional e a linguagem; outras têm a ver com aprender a partir de informações, como o aprendizado de máquina; e há as que envolvem ações a tomar com base em informações, como robótica e veículos autônomos ou agentes virtuais.
No coração dos mais recentes avanços de IA está o aprendizado de máquina (machine learning), juntamente com seu subcampo aprendizado profundo (deep learning). Em 2016, ambos responderam por 60% dos investimentos em IA feitos por empresas não tecnológicas.
**ACHANDO UM MODELO DE NEGÓCIO**
A IA é um bom investimento para as empresas sempre que permite reduzir significativamente seus custos, aumentar suas receitas e melhorar a utilização dos ativos. Nós dividimos as maneiras pelas quais ela pode criar valor em quatro áreas:
• Projeção. A IA possibilita que as empresas antecipem melhor a demanda, otimizem a pesquisa e desenvolvimento (P&D) e aprimorem o fornecimento. • Produção. A IA aumenta a capacidade de produzir bens e serviços a um custo menor e com melhor qualidade.
• Promoção. A IA ajuda a promover as ofertas ao definir o preço certo, a mensagem certa e os clientes- -alvo certos.
• Personalização. A IA facilita a criação de experiências mais personalizadas, ricas e convenientes para os usuários.
Chegamos a essas quatro áreas de criação de valor com base em cases explorados pelas empresas. As atividades de projeção e produção se destacam particularmente. É importante ressaltar que nem todas as organizações conseguem se beneficiar dessas tecnologias; alguns setores mostram exemplos mais evidentes de criação de valor, como veremos adiante.
**PROJEÇÃO**
As empresas precisam antecipar constantemente o futuro para ganhar vantagem competitiva. A IA permite discernir tendências e padrões que elas podem usar de várias maneiras, como prever demanda para armazenar só as quantidades específicas de produtos que venderão, minimizando, assim, o desperdício, ou antecipar as tendências de vendas, para que possam encomendar mais itens que sejam úteis no futuro.
No varejo, por exemplo, os benefícios da previsão da demanda com IA são impressionantes. Nos sistemas de healthcare, há a possibilidade de evitar epidemias com o uso de algoritmos sofisticados. A IA chega a reduzir em 30% a 50% os erros das previsões feitas com as abordagens convencionais. As perdas de vendas por falta de produto podem cair 65%, e a redução de estoque, alcançar 50%. O supermercado online Otto, da Alemanha, usa uma aplicação de IA que prevê a demanda dos próximos 30 dias com 90% de acerto; a confiabilidade é tanta que 200 mil itens são comprados regularmente sem nenhuma intervenção humana.
As empresas de energia, que têm de combinar oferta e demanda em tempo real, conseguem fazer grandes economias ao ter previsões de geração mais precisas no curto prazo: elas reduzem desperdícios e emissões de gases de efeito estufa e aumentam a resiliência do sistema. A National Grid, empresa de smart grids do Reino Unido, está trabalhando com a DeepMind, startup de IA comprada pelo Google em 2014, para prever oscilações de oferta e demanda com base em inputs como variáveis relacionadas com o clima e seus medidores inteligentes. O objetivo é reduzir o consumo nacional de energia em 10% e maximizar o uso de energia renovável. Uma curiosidade é que as empresas que têm medidores inteligentes também estão usando a IA da DeepMind para desligar o ar-condicionado por breves períodos, em geral nos horários de pico de consumo – assim, a tecnologia consegue eliminar a necessidade de ativar a capacidade de geração máxima.
**PRODUÇÃO**
A segunda área onde a IA pode criar valor é na produção, ou seja, a transformação de recursos em entregas, tanto de produtos (semicondutores, motores, bens de consumo) como de serviços (educação, healthcare, distribuição de energia, varejo). A IA pode ajudar as empresas a produzir com otimização de ativos e de processos continuamente, montando as melhores equipes mistas de pessoas e robôs, melhorando a qualidade e a confiabilidade do que é produzido, reduzindo o tempo de inatividade para manutenção – o que aumenta a produtividade.
O papel óbvio para a IA na produção talvez seja facilitar a substituição de seres humanos por meio da automação. No entanto, em muitas situações, isso não ocorre: a IA complementa as equipes de pessoas.
O Ocado, supermercado online do Reino Unido, ilustra bem como isso acontece. Em seu centro de distribuição, robôs dirigem milhares de caixas cheias de produtos sobre um labirinto de esteiras transportado ras e as entregam a embaladores humanos apenas na hora de encher as sacolas de compras. Outros robôs jogam as sacolas nas vans de entrega, cujos motoristas são orientados até as casas dos clientes por um aplicativo de IA que escolhe a melhor rota com base nas condições do trânsito e do clima.
A Rethink Robotics se dedica a desenvolver robôs colaborativos, ou seja, que interagem com seres humanos na produção. Por conta de algoritmos de aprendizado, uma pessoa consegue “programar” um robô simplesmente mostrando-lhe o que deve fazer. Esse instrutor humano de robôs pode pegar o braço da máquina e guiá-lo no movimento desejado. Robôs colaborativos são particularmente relevantes para tarefas não totalmente automatizáveis – por exemplo, na área de educação, a correção de provas objetivas, como as de matemática. A produtividade pode subir até 20%.
**PROMOÇÃO**
A terceira área onde a IA pode criar valor é na promoção. Se tiverem os tipos certos de dados, as empresas podem usar a inteligência artificial para comercializar bens e serviços de maneira dinâmica, elevando os preços quando a demanda aumenta ou o consumidor parece disposto a pagar mais e diminuindo-os quando ocorre o contrário.
Programas de gestão de desempenho já têm dinamizado os preços dos assentos das companhias aéreas, dos quartos de hotel e de outros produtos perecíveis há anos, mas agora, com IA, permitirão que os vendedores estendam preços dinâmicos ao mercado de não perecíveis. Hoje, os requisitos da gestão de preços inteligente são elevados: os clientes esperam um bom preço, e o nível de transparência em produtos de marca está próximo de 100%. Consumidores hiperconectados continuamente comparam preços online, mesmo quando em uma loja de tijolos e cimento.
A pergunta básica a responder é: que preço o cliente está disposto a pagar? O preço ideal para um produto depende de muitos fatores: dia da semana, temporada, hora do dia, clima, canal e dispositivo, preços dos concorrentes e muito mais. O desafio é definir o preço ótimo a tempo. O preço certo no momento certo aumenta a satisfação do cliente e leva a mais vendas e maior lucro. E o contrário também é verdadeiro.
O que a IA pode fazer é determinar a elasticidade do preço para cada item e ajustar automaticamente os preços de acordo com a estratégia de produto escolhida.
Da mesma forma, os distribuidores de energia podem usar IA para criar benefícios personalizados, como taxas baixas ou serviços extras, a fim de manter os usuários mais valiosos. Embora a sensibilidade dos clientes a preço seja muito importante para atrair novas contas e reduzir a evasão, o aprendizado de máquina também pode contribuir com outro componente crítico para as estratégias de marketing: determinar quais clientes são mais lucrativos e tratá-los de maneira diferenciada. Eles geralmente compõem uma pequena proporção (menos de 20%) da base de clientes de uma empresa.
**PERSONALIZAÇÃO**
A quarta área onde a IA pode criar valor é na busca da perfeição da experiência do usuário e na criação de fontes de valor para torná-la mais rica, mais personalizada e mais conveniente. Fazer com que os melhores clientes se sintam especiais e bem-vindos é um modo de fidelizá-los e aumentar seu consumo, mas até hoje isso era algo difícil e caro – e, assim, reservado apenas aos clientes mais lucrativos. Tecnologias de IA como visão computacional e aprendizado de máquina permitem criar uma versão reduzida da experiência perfeita para muito mais pessoas.
Por exemplo, um cliente de supermercado convencional coloca um cacho de bananas em seu carrinho e câmeras (ou sensores) podem retransmitir essa informação para uma aplicação de IA. Esta, já “ciente” do que o comprador gosta com base em suas compras anteriores, pode, por meio de uma tela no carrinho, sugerir ao comprador que as bananas ficariam deliciosas com fondue de chocolate e lembrá-lo de onde estão os ingredientes necessários.
Isso está virando realidade. A Amazon construiu uma loja física em Seattle, Estados Unidos, que permite aos consumidores tirar comida das prateleiras e caminhar para fora do estabelecimento sem parar em nenhum checkout. A loja, chamada Amazon Go, baseia-se na visão computacional para rastrear os compradores depois de sua saída e associá-los a produtos retirados das prateleiras. Quando os clientes saem, a Amazon debita de sua conta-corrente o custo dos itens na sacola e envia para eles um recibo por e-mail.
**CINCO CASOS DE USO**
Cenários traçados para os setores de varejo, energia, manufatura, healthcare e educação ajudam a visualizar o que, de algum modo, já é possível fazer
**VAREJO.** Software de reconhecimento facial, aprendizado de máquina e linguagem natural permitem que agentes virtuais cumprimentem o consumidor quando ele entra na loja, antecipem seus pedidos e orientem seu percurso. O aprendizado de máquina personaliza promoções para combinar com o perfil desse cliente, que recebe ofertas em seu smartphone. Um carrinho de compras autônomo segue a pessoa na loja e pode encontrar o caminho até seu carro ou acionar um robô ou drone para entrega em domicílio. Telas interativas e tabletops habilitados com visão computacional e aprendizado profundo recomendam produtos e serviços complementares que se adequam ao perfil do cliente.
A loja atualiza seus preços em tempo real com aprendizado de máquina, usando dados dos concorrentes, de clima e de níveis de estoque para aumentar as receitas. Robôs “movidos a” IA reconhecem prateleiras vazias e as reabastecem de imediato; outros robôs não deixam o estoque cair a zero.
**ENERGIA.** Sensores e aprendizado de máquina maximizam a eficiência da geração de energia com ajustes minuto a minuto, adaptando-se às mudanças nas condições do vento e do sol, por exemplo. A previsão baseada em aprendizado de máquina antecipa picos de oferta e demanda e, assim, maximiza o uso de energia renovável. Cabos inteligentes combinados com aprendizado de máquina permitem o envio de energia em tempo real, adaptando-o de acordo com a carga da rede naquele momento e as necessidades de consumo. Drones e robôs do tamanho de um inseto identificam defeitos, preveem falhas e inspecionam plantas sem interromper a produção.
Os poucos técnicos que permanecem na empresa passam mais tempo na resolução de problemas; eles nem têm de registrar manual mente o estado do equipamento em uma inspeção – os documentos são registrados e enviados automaticamente. A força de trabalho de campo recebe atualizações em tempo real para diminuir o tempo de resposta e reduzir o impacto das interrupções.
Agentes virtuais automatizam os call centers e segmentam sozinhos os consumidores, com base no histórico de serviço. O aprendizado de máquina oferece aviso antecipado de dívidas. Os dados do medidor inteligente e o aprendizado de máquina permitem que os serviços públicos ofereçam serviços baseados no uso, no tempo e em outros fatores.
**MANUFATURA.** O uso de “fábricas virtuais” encurta os ciclos de desenvolvimento de produtos. A análise preditiva e o aprendizado de máquina aumentam a eficiência da engenharia na solução de problemas de design. É possível evitar falhas e aumentar a segurança das pessoas automatizando atividades de risco. O fornecimento de insumos otimizado por algoritmos de IA reduz os custos de estoque com melhor planejamento de oferta e demanda.
A IA permite repensar processos de manufatura e práticas de linha de montagem para reduzir custos e acelerar a entrega de produtos. Agentes virtuais em tablets podem passar instruções para minimizar erros de montagem e reduzir a curva de aprendizado de novos funcionários. Fabricantes podem realizar serviços de pós-venda exatamente quando estes são necessários, com a ajuda da internet das coisas (IoT) e de ferramentas analíticas preditivas.
**HEALTHCARE.** Um programa de machine learning analisa a saúde do paciente remotamente por meio de um dispositivo móvel, compara os resultados com registros médicos e recomenda uma rotina de exercícios ou alerta sobre possíveis doenças. Dispositivos de diagnóstico autônomo, baseados em várias tecnologias de IA, realizam exames simples sem assistência humana, aliviando médicos e enfermeiros de atividades rotineiras, e detectam doenças mais rápido e com maior precisão, usando o histórico do paciente.
Algoritmos de IA otimizam as operações e os estoques hospitalares, usando tanto fatores médicos como ambientais para prever o comportamento dos pacientes e as probabilidades de doenças.
Agentes virtuais sob a forma de quiosques interativos cadastram pacientes e os encaminham para os médicos apropriados, melhorando sua experiência e reduzindo o tempo de espera.
Planos de tratamento personalizados, elaborados com machine learning, aumentam a eficácia da terapia ao adaptá-la às necessidades de cada pessoa. Insights da IA sobre as análises de saúde da população possibilitam evitar futuros custos de hospitalização.
**EDUCAÇÃO.** Professores virtuais personalizam o ensino e reduzem o gap educacional entre os estudantes – eles podem resolver 40% das dúvidas. O reconhecimento de padrões e o aprendizado de máquina conectam talentos com oportunidades no mercado de trabalho, reduzindo o custo da gestão de recursos humanos. A IA ajuda os governos a prever a demanda do mercado de trabalho e direcionar o currículo escolar para fortalecer o tipo de conhecimento que os empregadores requerem.
O aprendizado adaptativo resolve as limitações da sala de aula convencional, capturando informações sobre o que cada aluno conhece e elaborando planos de aula personalizados com base no conhecimento e no progresso individuais. As universidades utilizam o aprendizado de máquina para reduzir a evasão, identificando estudantes com problemas.
**GANHOS POTENCIAIS E DESAFIOS**
Um varejista pode aumentar em 30% as vendas online com a precificação dinâmica e a personalização viabilizadas pela IA e reduzir em 20% seu estoque graças à previsão com deep learning. Com machine learning, uma geradora pode elevar a produção de energia em 20%. Fabricantes podem ampliar o Ebit em 13% ao usar machine learning para detectar fontes de novas receitas em serviços e para otimizar os esforços de vendas. Em healthcare, a produtividade dos enfermeiros pode crescer de 30% a 50% com apoio de várias ferramentas de IA, e a expectativa de vida dos pacientes talvez avance 1,3 ano com a personalização do tratamento. Na educação, as matrículas podem subir 1% com chatbots fazendo follow-up e 85% das correções de provas podem ser bem-feitas com machine learning e modelagem preditiva, aumentando a produtividade dos professores.
As perspectivas de captura de valor são boas e várias tecnologias de IA vêm chegando à maturidade. Resta os diferentes setores de atividade definirem quais são as mais adequadas, o mais rápido possível, para as empresas começarem a desenvolver sua infraestrutura, seus talentos e seu conhecimento de IA.
Os desafios não são só corporativos. Se quisermos usufruir os benefícios e nos proteger dos riscos, há vários desafios para o governo e para a sociedade:
**Incentivar a adoção generalizada da IA.** Empresas da vanguarda tech vão adotar a IA antes e mais amplamente do que as outras. Mas só a adoção generalizada evitará o aumento da desigualdade, pois o crescimento salarial (por conta das melhorias da produtividade do trabalho) será mais bem distribuído.
**Enfrentar as questões de emprego e distribuição de renda.** A automação alimentada pela IA pode ter impacto profundo nos empregos e nos salários. Os governos devem repensar modelos de apoio social. Algumas ideias a considerar são: o compartilhamento de trabalho, os impostos negativos sobre renda e a renda básica universal.
**Resolver questões éticas e regulatórias.** Corre-se um sério risco de os preconceitos do mundo real serem incorporados aos dados de treinamento do algoritmo de IA. Uma vez que o mundo real é racista, sexista e tendencioso de muitas maneiras, a inteligência artificial também pode sê-lo. Há ainda preocupações com os próprios algoritmos: qual o direito das pessoas de entender o processo de tomada de decisão deles? Quem será responsável por suas conclusões? A privacidade deve ser outro foco de atenção – vai desde quem deve ter a propriedade dos dados até as salvaguardas necessárias para proteger dados altamente sensíveis das pessoas, como os de saúde.
**Assegurar a disponibilidade dos dados de treinamento.** É fundamental haver abundância de dados para treinar os sistemas de IA. A abertura de dados do setor público pode estimular a inovação do setor privado. A definição de padrões de dados comuns também ajudará bastante.
**Implantar IA nos governos.** A inteligência artificial traz enormes benefícios potenciais para o setor público, tanto quanto para o setor privado. O planejamento, a segmentação e a personalização aprimorados podem proporcionar o tão necessário aumento na eficácia dos serviços governamentais e na ciência feita pelo setor público.
Para que sua empresa tenha ganhos verdadeiramente impressionantes com a IA, você precisa integrar a capacidade tecnológica adequada em seus principais processos, usá-la para tornar os funcionários mais produtivos e estruturá-la em toda a sua cadeia de valor. E deve ter paciência: esses ganhos não ocorrerão da noite para o dia. Há uma curva de aprendizado, afinal.
