Pesquisa PwC sobre negócios de IA 2022

O que os líderes de IA estão fazendo certo

O sucesso da IA está se tornando regra, não exceção. Na quarta pesquisa anual sobre negócios de IA da PwC, a maioria das empresas que trabalha com essa tecnologia mostra que vem colhendo bons resultados: provas de conceitos (PoC, na sigla em inglês) promissoras prontas para serem escaladas, casos de uso ativos e até mesmo ampla adoção de processos baseados em IA. Algumas empresas se destacam. Elas são muito mais propensas a fazer um uso avançado de IA e alcançar resultados de negócios valiosos, que produzem não apenas um modelo de IA funcional, mas também um alto ROI.

O que diferencia essas empresas, segundo indicam os dados, é que, em vez de se concentrar primeiro em um objetivo e depois passar para o próximo, elas avançam com a IA em três áreas ao mesmo tempo: transformação de negócios, tomada de decisões aprimorada e sistemas e processos modernizados. Entre os mil entrevistados da nossa pesquisa, 364 líderes de IA estão adotando essa abordagem holística e colhendo bons frutos.

IA holística: os líderes abordam três resultados de negócios em conjunto

As empresas que adotam uma abordagem mais holística da IA, visando alcançar três objetivos de negócios, obtêm mais sucesso do que aquelas que adotam uma abordagem mais fragmentada.

Quem está avançando mais rápido com a IA

Comparados com empresas que abordam a IA de maneira fragmentada, esses líderes (pouco mais de um terço de nossa pesquisa) têm muito mais probabilidade (36% x 20%) de relatar uma ampla adoção da IA. Eles são aproximadamente duas vezes mais propensos a dizer que obtêm valor substancial com iniciativas de IA para melhorar a produtividade, a tomada de decisões, a experiência do cliente, a inovação de produtos e serviços, a experiência dos funcionários e muito mais. 

Ao reunir diversos líderes de toda a organização, uma abordagem holística torna mais fácil escalar e compartilhar dados. Esse tipo de abordagem reúne especialistas em IA com equipes de análise, engenheiros de software e cientistas de dados. Incluir a experiência de negócio ajuda a alinhar os resultados com as prioridades do negócio, aumenta a adesão em toda a organização e leva a projetos que geram um impacto real a um custo razoável.

Essa abordagem holística sustenta um ingrediente crítico do sucesso da IA: investir e gerenciar dados, IA e nuvem de forma unificada. A IA pode agregar mais valor em escala quando incorporada a sistemas de aplicativos que funcionam sem parar, analisando e agindo com dados de dentro e de fora da organização. Esses sistemas, por sua vez, precisam ter poder de computação em nuvem, que pode ser escalado ou reduzido de acordo com a demanda. Uma abordagem das iniciativas de IA que englobe negócios, tecnologia e prioridades de tomada de decisão ajuda a trabalhar com dados, IA e nuvem juntos de ponta a ponta.

Essa abordagem unificada de IA se alinha bem com uma abordagem unificada de dados, ou seja, indicar uma pessoa (como um diretor de dados) ou uma equipe centralizada como responsável pelo compartilhamento e pela governança de dados. Isso pode ajudar a conectar dados à IA para beneficiar o maior número possível de linhas de negócios. Ao todo, 36% das empresas com uma abordagem holística da IA planejam usar essa tecnologia este ano para ajudar a criar uma malha de dados: uma visão de 360 graus, pronta para ação, de todos os dados que afetam suas organizações. 

Nessa estrutura, muitos líderes de IA planejam se concentrar em cinco prioridades, todas relacionadas a um tema: gerar resultados de negócios valiosos e concretos.

1. Pense melhor, mais rápido e a longo prazo: tome decisões com apoio da IA

A decisão apoiada por IA é poderosa por uma simples razão: ela permite incorporar e analisar muito mais informações do que você (ou qualquer ser humano) poderia por conta própria. Para ajudar a otimizar os preços, por exemplo, a IA pode inserir uma enorme quantidade de dados históricos sobre vendas de produtos, margens, custos de fornecedores e satisfação do cliente e, em seguida, produzir estimativas rigorosas de possíveis cenários futuros. Ela é capaz de projetar como concorrentes e fornecedores podem alterar seus preços em resposta às decisões. Combinada com os sensores da Internet das Coisas (IoT), a IA pode prever o desempenho e as necessidades de manutenção das máquinas, permitindo melhores decisões operacionais. Com o aumento da “IA na borda” – IA combinada com computação de ponta para que os algoritmos de IA sejam executados no próprio dispositivo ou próximo a ele – essas decisões também podem ser extremamente rápidas.

Algumas decisões de negócios complexas ainda são tomadas sem usar muito a IA, mas isso pode mudar em breve. A análise de IA tem muito a oferecer às fusões e aquisições, por exemplo, automatizando partes da due diligence, prevendo respostas regulatórias prováveis e projetando os resultados de uma empresa combinada sob várias condições. As oportunidades para a IA apoiar as decisões ESG (ambientais, sociais e de governança) também são abundantes. Uma estimativa da pegada de carbono de um investimento pode ser muito mais precisa, por exemplo, se os modelos de IA projetarem suprimentos de energia futuros, padrões climáticos e impactos de segunda ordem na cadeia de suprimentos. 

O que as empresas podem fazer

• Comece com resultados. Ao considerar novos modelos de IA na tomada de decisões, não comece com os dados que você tem. Comece com o resultado de negócios que você busca e, em seguida, procure dados e análises para apoiá-lo. Considere quais tomadores de decisão usarão o modelo para alcançar esse resultado, onde o modelo se encaixará no processo de decisão, como ele se integrará à nuvem e como você vai monitorar, dimensionar, melhorar e, em última análise, retirá-lo de cena. 
• Deixe que a IA torne seus dados úteis. Depois de identificar os dados necessários, deixe a IA ajudar você a encontrá-los e usá-los. Muitas empresas estão se afogando em dados não estruturados e “confusos”. Seja em documentos, imagens ou vídeos, a IA pode percorrer esse oceano de dados, extrair exatamente o que os tomadores de decisão precisam e apresentar esses dados – e apenas esses dados – às pessoas certas no momento adequado.
• Primeiro foco, depois escala. Uma abordagem holística não significa “tudo ao mesmo tempo”. Uma maneira eficaz de usar a IA em decisões altamente complexas, como ESG, é começar com um elemento específico, como a pegada de carbono de uma única instalação. Você pode, a partir disso, expandir para outras instalações e outros fatores ESG.

2. Simule tudo: aproveite o poder virtual da IA

É quase uma unanimidade: 96% dos entrevistados da pesquisa planejam usar simulações de IA, como gêmeos digitais, este ano. As simulações de IA são poderosas porque podem fazer mais do que fornecer informações detalhadas e em tempo real sobre o desempenho atual. Elas podem aumentar a velocidade e ajudar a reduzir o risco de suas operações futuras. Ao modelar um grande número de cenários em paralelo, as simulações permitem que você projete rapidamente eventos prováveis e reproduza suas principais ações no mundo real sem correr riscos. Por exemplo, quando você executa simulações com fornecedores, clientes, concorrentes e o clima, pode prever melhor a dinâmica e as disrupções de preços da cadeia de suprimentos e, assim, formular um plano para lidar com elas.

A abordagem holística oferece vantagens especialmente para simulações mais complexas, como prever as condições do mercado e enfrentar os desafios da cadeia de suprimentos. Com o tempo, as simulações também podem ajudar a superar os desafios de talentos. Quase dois quintos das “empresas holísticas” já estão usando simulações de IA para ajudar a contratar e treinar funcionários. As simulações de realidade virtual baseadas em IA permitem um melhor recrutamento virtual, acesso a talentos em lugares distantes, melhor monitoramento de trabalhadores remotos e o upskilling até mesmo de funções práticas. 

O que as empresas podem fazer

• Crie dados sintéticos. Os modelos de machine learning exigem grandes quantidades de dados que os modelos de simulação podem criar. Para reconhecimento facial, por exemplo, em vez de captar imagens dos rostos de vários ângulos, níveis de contraste e brilho, as simulações podem gerar essas situações para treinar modelos de machine learning. Dados sintéticos fornecidos por simulações de IA podem turbinar outras iniciativas de IA e análises.
•  Transforme os gêmeos digitais em uma plataforma. Para usar efetivamente o poder da IA com a finalidade de criar simulações relevantes para os negócios, avalie (como parte da integração da IA com plataformas de dados e nuvem) tornar os gêmeos digitais uma plataforma. Isso vai ajudar a entender seus vários conjuntos de dados no contexto dos negócios, clientes e produtos.
• Alinhe seus especialistas. Seus especialistas em simulação provavelmente têm formação em engenharia, enquanto seus cientistas de dados normalmente serão cientistas mais experimentais. Reunir esses especialistas com líderes de negócios é fundamental para resolver problemas de simulação. 

3. Meça: avalie e preveja o ROI da IA

Durante muito tempo, a IA representou um problema sério para os negócios: um ROI inexpressivo. As empresas construíam modelos de IA que funcionavam, mas não focavam os problemas de negócios certos. Essa questão se torna mais aguda à medida que as empresas avançam para além da “IA convencional” – com seus retornos atraentes imediatos – e passam para casos de uso mais sofisticados. Quanto mais complexo o desafio, mais os líderes empresariais precisam direcionar suas iniciativas de IA para o problema certo. A principal razão para essa dificuldade tem sido o desafio de medir ou mesmo definir o ROI da IA. Como, por exemplo, quantificar o valor de uma decisão estratégica melhor? Ou como estipular um preço exato para a disrupção da cadeia de suprimentos que nunca acontece porque os modelos de IA avisam com antecedência que ela ocorrerá? 

Confiança crescente: capacidade de avaliar e prever o ROI da IA

As empresas estão agora cada vez mais aptas a responder a essas e outras questões, graças aos novos métodos de avaliação. Eles podem captar não apenas retornos “hard” – como aumento de produtividade – e custos “hard” – como gastos com novos hardwares –, mas também retornos “soft” – como uma experiência aprimorada para o funcionário – e custos “soft” – como maior demanda de tempo dos especialistas no assunto. Ao promover escala, insights compartilhados e práticas de liderança compartilhadas, a abordagem holística da IA também facilita a previsão do ROI de novas iniciativas. Se você trabalhar para medir e aumentar o ROI da IA, poderá tirar proveito da própria IA: as simulações poderão modelar as incertezas que cercam outras iniciativas de IA, ajudando a alocar melhor os recursos.

O que as empresas podem fazer

• Seja completo. Ao usar os novos métodos para avaliar e prever o ROI da IA, leve em consideração as incertezas (como a taxa de erro exata dos modelos de IA), as mudanças no desempenho do modelo e as necessidades de manutenção ao longo do tempo. Também considere como diferentes iniciativas de IA podem afetar os resultados umas das outras.
• Crie um portfólio. Para ajudar a evitar surpresas de ROI, adote uma abordagem de portfólio: como é possível fazer com investimentos financeiros ou inovação de produtos, crie e avalie uma combinação de iniciativas que aumentarão a probabilidade de fornecer os resultados gerais de que você precisa.
• Gerencie o ciclo de vida. Para prever e aumentar ainda mais o ROI da IA, procure gerenciar não projetos individuais de IA, mas um ciclo de vida integrado de dados-IA-nuvem (DAC, na sigla em inglês). Isso pode ajudar você a aprimorar continuamente a estratégia, ajustar sua execução e encontrar novos casos de uso para dados. Assim será possível evitar surpresas negativas e identificar novas fontes de valor.

4. Proteja-se: torne sua IA responsável

Noventa e oito por cento dos entrevistados têm pelo menos alguns planos para tornar sua IA responsável em 2022. Os sistemas de IA responsáveis fazem o que você pede a eles, nem mais, nem menos. Quando bem implementados, os processos de IA responsáveis podem avaliar seus modelos quanto à explicabilidade, robustez, preconceito, equidade e transparência. A governança de IA responsável também oferece verificações, balanços e protocolos de escalonamento, quando você avalia e valida modelos de IA. No entanto, embora quase todas as empresas tenham ambições de IA responsáveis, para cada uma das principais práticas, menos de metade dos entrevistados planeja ações. Os líderes holísticos de IA vêm se saindo melhor, mas há espaço para aperfeiçoamentos.

Considerando que há um amplo entendimento sobre a urgência da IA responsável, a falta de ação provavelmente se deve aos desafios que sua implantação impõe. A IA responsável requer experiência em tecnologia e negócios. Os profissionais de IA podem, por exemplo, não se dar conta do impacto sobre a conformidade ou a marca, quando a IA toma decisões com base em conjuntos de dados históricos, que podem estar repletos de preconceitos. Especialistas em negócios e riscos podem não ter as habilidades técnicas para prever o desempenho de algoritmos altamente complexos quando as circunstâncias mudam. Como a IA altera continuamente sua própria tomada de decisão com base em novos dados, ela exige governança e proteção que acompanhem esse movimento. 

O que as empresas podem fazer

• Adote a governança do ciclo de vida. Para acompanhar os modelos de IA em rápida mudança, implemente a governança de ponta a ponta do ciclo de vida integrado de dados-IA-nuvem. Essa governança deve integrar riscos, IA e líderes de negócios, com novos procedimentos, funções e responsabilidades para cada uma de suas três linhas de defesa. Muitas vezes, você pode empregar e aprimorar grande parte da governança e dos controles de TI existentes, mas muitos líderes de negócios e de risco talvez precisem aprender alguns conceitos básicos de IA e ciência de dados. 
• Avalie o impacto. Para facilitar o trabalho de equipes integradas e a governança do ciclo de vida, considere as avaliações de impacto algorítmicas. Ao avaliar o ciclo de vida de IA de ponta a ponta, elas podem captar riscos, identificar necessidades de governança, aumentar a responsabilidade e facilitar as decisões de fazer/não fazer.
• Minimize o preconceito. Muitas empresas hoje se concentram compreensivelmente nos fundamentos da IA responsável: garantir que a IA seja segura e faça o que deveria. Mas, como a IA apoia cada vez mais decisões críticas para os negócios, provavelmente será cada vez mais importante diminuir preconceitos da IA, para que seus modelos de IA tratem todos os stakeholders de forma justa. 

5. Recrute, retenha e automatize: resolva os desafios do mercado de trabalho com IA

A IA pode ajudar a superar os desafios do mercado de trabalho? Noventa e oito por cento das empresas parecem acreditar que sim. Elas estão acelerando a IA para aumentar a automação e reduzir as necessidades gerais de contratação ou desenvolvendo um plano para isso. A IA enfrenta seu próprio desafio no mercado de trabalho: a necessidade de recrutar e reter talentos de IA, escassos e muitas vezes caros. Setenta e nove por cento das empresas estão desacelerando algumas iniciativas de IA, devido à disponibilidade limitada de talentos que dominem essa tecnologia, ou desenvolvendo um plano para isso. No entanto, mesmo que os especialistas em IA e ciência de dados se tornem cada vez mais procurados, essa desaceleração de algumas iniciativas de IA pode ser evitada.

Acelerando a IA para reduzir as necessidades gerais de contratação

As empresas que adotam uma abordagem holística da IA são muito mais propensas do que aquelas que adotam uma abordagem fragmentada a continuar com as iniciativas de IA a todo vapor, apesar da escassez de talentos (23% x 14%). Isso pode estar relacionado ao fato de elas serem muito mais propensas a buscar práticas de liderança, como requalificar talentos internos para trabalhar com IA (43% x 33%) e reorganizar equipes para fazer melhor uso da escassa experiência de IA (41% x 32%). Talvez porque as iniciativas de IA bem-sucedidas estejam fornecendo recursos (por meio de economia de custos ou receita aprimorada) para mais contratações, elas também tendem mais a recrutar ativamente mais talentos específicos de IA (42% x 32%). Por fim, as empresas com abordagem holística de IA também tendem mais do que as outras (44% x 30%) a planejar a adoção de mais fornecedores terceirizados – como provedores de serviços gerenciados com sua força de trabalho de IA escalável e multifacetada – para obter experiência.

O que as empresas podem fazer

• Faça mais com menos usando a IA. O uso da IA com maior valor no mercado de trabalho atualmente é ajudar as pessoas a fazer um trabalho melhor, reduzindo a pressão para preencher cargos difíceis de ocupar. Isso é verdade tanto para tarefas de rotina – que a automação apoiada por IA pode executar para economizar o tempo dos funcionários –, quanto para funções avançadas específicas de IA. A IA pode, por exemplo, realizar até mesmo tarefas sofisticadas de ciência de dados, ajudando a compensar a escassez de cientistas de dados.
• Deixe os funcionários mais felizes. Ao reduzir a necessidade de trabalho mecânico, a IA pode tornar a vida profissional dos funcionários mais fácil e atraente. Ao dar a eles a oportunidade e o treinamento para trabalhar com IA de ponta, você pode ajudar a aumentar o valor de seus profissionais, assim como aumentar o valor que eles podem oferecer a você. A IA pode até ajudar a fornecer suporte emocional no local de trabalho, combatendo a perda de produtividade e o esgotamento.
• Invista em pessoas orientadas por dados. A maneira mais rápida de lidar com a escassez de talentos de IA é, na maioria das vezes, contratar especialistas que tenham algumas das habilidades de que você precisa e, depois, fornecer o restante. Avalie ensinar ciência de dados a cientistas da computação, engenharia de software a cientistas de dados, ciência de dados relevantes para IA a estatísticos e um pouco de todos esses campos a líderes de negócios. Além de preencher as lacunas de talentos, essa abordagem pode melhorar a cooperação entre os grupos que a IA exige.