7 maneiras de tornar a empresa mais confortável com inteligência artificial

Conforme as pessoas encarregadas de projetar, construir e implantar inteligência artificial – de engenheiros de dados a desenvolvedores – reconhecem, a IA é um mecanismo poderoso para amplificar o conhecimento, as habilidades e a eficiência humanas. Mas como os proponentes da IA ​​podem empregar IA para consertar uma cultura corporativa moribunda ou tóxica? Esse é provavelmente o desafio mais irritante com lançamentos de IA.

Empreendedores e especialistas na linha de frente da revolução da IA ​​reconhecem que este é um obstáculo que a tecnologia por si só não consegue resolver, “IA não pode resolver questões onde já existem problemas subjacentes, como a cultura de uma empresa ou a falta de confiança de uma base de clientes”, diz Stephan Baldwin, fundador de Centro de Vida Assistida. “Estes são promovidos por princípios que moldam o funcionamento interno e externo diário de uma empresa.”

Um dos desafios, Baldwin aponta, nós “modelos de inteligência artificial agem com base em dados históricos, o que significa que eles estão sujeitos a vieses que nós, humanos, tínhamos ao coletar informações. Às vezes, um processo automatizado não leva em consideração as pessoas que governa . “

O desafio, então, é colocar as pessoas em primeiro lugar em todo e qualquer projeto de IA. Os praticantes de IA fazem as seguintes recomendações para a construção de uma cultura centrada nas pessoas, mas orientada para a IA:

Estenda a propriedade e a responsabilidade pela IA além do departamento de TI. A IA precisa ser uma iniciativa de toda a empresa, com todas as partes envolvidas. “A implantação bem-sucedida e produtiva de IA é um esforço multifuncional muito além da ciência de dados”, diz Dr. Michael Wu, estrategista-chefe de IA em PRÓS. “As equipes estendidas precisam variar desde o lado técnico, envolvendo TI e operações em nuvem para segurança e governança de dados, até o lado comercial, envolvendo gerenciamento de mudanças, treinamento para educação, adoção e melhores práticas.”

Reconheça que a IA é simplesmente um código. Não é uma arte das trevas misteriosa capaz de enganar os humanos. “IA não é mais mágica e as empresas agora parecem entender isso”, diz Beerud Sheth, cofundador e CEO da Gupshup. “A IA não está tentando substituir os humanos, mas possibilitar uma conversa mais humana, com o poder de automação e inteligência que uma máquina poderia ter.”

Direcione a IA para áreas onde ela é mais impactante. As melhores partes da empresa para promover e lançar IA variam muito entre os setores, destaca Wu. “Mas o tema comum é que as organizações devem ter uma fonte confiável de dados limpos e ricos como um subproduto das operações normais de negócios”, diz ele, “Por exemplo, empresas com grandes centros de suporte costumam manter um bom registro operacional das incidências e resoluções. Os dados de transações em organizações de vendas tendem a ser razoavelmente claros, pois são necessários para boas práticas de contabilidade. Esses dados continuarão a alimentar seu AI / ML à medida que aprendem. Por outro lado, embora as organizações de marketing também tenham muitos dados, geralmente são mais barulhentos e exigem limpeza antes de serem usados ​​na produção de IA e ML. ”

Sheth vê a maior parte das atividades em suporte ao cliente, descoberta de produtos e departamentos voltados para funcionários em organizações de clientes. “O progresso considerável na análise de linguagem e aprendizado de máquina permitiu um tempo de resposta rápido para consultas de suporte”, diz ele. “A predição baseada em IA e o gerenciamento de contexto permitem que mecanismos de descoberta precisos sejam expostos por meio de interfaces mais simples, como chats. Os mecanismos de cognição baseados em aprendizado de máquina tornam a resolução de consultas e a resolução de problemas de suporte relacionados a políticas precisas e fáceis de implantar em canais seguros como MS Teams e aplicativos da web progressivos. ”

Investigue e incentive as tecnologias de maior impacto. “Otimização de preços, manutenção preditiva e tecnologias de IA de conversação são mais impactantes porque os dados necessários para treiná-los e continuar a alimentá-los à medida que aprendem tendem a ser abundantes”, disse Wu. “Sua implantação também não exige uma grande mudança na operação comercial. Além disso, como existem muitos fornecedores que oferecem essas soluções, o custo total de propriedade é relativamente baixo em comparação com o impacto na receita que essas tecnologias são capazes de gerar.” Sheth vê o maior potencial da PNL multilíngue, aprendizado de máquina e IA preditiva.

Garanta justiça em IA por meio de maior transparência. Para obter aceitação e suporte para IA em toda a empresa, os resultados entregues precisam ser tão justos e livres de preconceitos quanto possível. “Transparência e justiça são essenciais para o sucesso de uma IA porque geram confiança ao informar funcionários e clientes sobre como estão sendo governados”, disse Baldwin. “Existem muitos exemplos de IA não funcionando corretamente e, como empresa, a última coisa que você deseja é não ser capaz de explicar por que um erro aconteceu.” Ainda assim, mais precisa ser feito nesse sentido, diz Wu. “Muitos setores que estão começando a aproveitar a IA estão mais focados em fazer com que sua IA funcione e obter um ROI positivo primeiro com os dados limitados de que dispõem. Para esses setores, a justiça não é uma prioridade imediata, embora seja rotineiramente parte das narrativas corporativas. todo mundo fala sobre priorizar a ética e a justiça da IA, nem todo mundo toma medidas subsequentes para combater o preconceito. “

Incentive a conscientização e o treinamento para IA justa e prática entre os gerentes e a equipe de TI. Os líderes e funcionários de TI também devem receber mais treinamento e conscientização para aliviar o preconceito da IA, insiste Sheth. “A IA é tão boa quanto os dados que fornecemos a ela. Como os humanos são responsáveis ​​pelos dados de treinamento, há uma boa chance de que nossos algoritmos de IA possam ser corrompidos pelo viés humano ou refletir qualquer tipo de outro padrão desfavorável detectado ao longo do tempo. Nós pode determinar vários modelos que podem ajudar a tomar decisões melhores e justas, mas junto com isso os líderes de negócios devem estar cientes de tais desafios e tomar as decisões certas para ajudar a eliminar o preconceito com relação aos dados. ”

Incentive a conscientização e o treinamento para uma IA justa e prática em todos os níveis da organização. A IA pode ser um empreendimento empresarial, mas os líderes de TI podem liderar o caminho para garantir que a IA entregue como deveria. “Treinamento e educação para líderes e equipes de TI é um bom começo, mas geralmente não é suficiente”, disse Wu. “Aliviar o preconceito da IA ​​deve ser tarefa de todos, assim como a segurança de dados, pois é semelhante à ética de negócios de uma empresa.”

Ao mesmo tempo, acrescenta, “os funcionários muitas vezes precisam de algum incentivo para motivá-los a exibir novos comportamentos profissionais antes de se tornarem uma segunda natureza. Esses incentivos nem sempre precisam ser monetários. Por exemplo, a gamificação empresarial pode ser empregada para aumentar a conscientização e o interesse na mitigação do viés da IA. Pode ser uma alavanca dentro de uma empresa para gamificar a consciência do problema do viés da IA, gerar comportamentos positivos que ajudam a identificar esses preconceitos e até mesmo crowdsource para soluções em potencial. ”

A revisão regular dos resultados da IA ​​também é obrigatória para o sucesso, diz Sheth. “Na verdade, esta tem sido uma das lições aprendidas com dificuldade para que as empresas de IA sempre tenham humanos no circuito.” Ele recomenda “revisões regulares de resultados de IA selecionados aleatoriamente, garantindo que todos os estratos sejam representados adequadamente na amostragem aleatória. Os usuários finais podem nem sempre ter tempo e inclinação para dar feedback sobre resultados de IA abaixo do ideal. Avalie ativa e regularmente o desempenho de seus modelos. O o feedback dos revisores é automaticamente realimentado para a próxima rodada de treinamento de modelos. Essa prática impede que os modelos fiquem obsoletos e irrelevantes. “