Como uma equipe de IA de sucesso realmente se parece

À medida que mais empresas dimensionam projetos de IA, transformando provas de conceito em impulsionadores da transformação dos negócios, uma imagem mais clara do que é necessário para ter sucesso com IA do mundo real está tomando forma.

Quando se trata de equipes de IA, um conjunto amplo de habilidades é mais necessário do que o conhecido anteriormente, com uma necessidade particular de pessoas com experiência em operações e na tradução de conceitos de IA em termos de negócios e vice-versa. Em outras palavras, o sucesso da IA não depende mais apenas de um grupo de cientistas de dados.

Na verdade, as empresas precisam de equipes combinadas para ter sucesso com IA, diz Louise Herring, Sócia da McKinsey & Co. “Se você olhar para o lado técnico, a ênfase está cada vez mais em como podemos ter certeza de que temos código pronto para produção e temos elementos disponíveis para reutilização em toda a organização”, afirma. “Mas a principal área de ênfase que vemos antes de tudo é sobre os tradutores: pessoas que podem fazer a conexão entre o negócio e o lado técnico”.

Aqui, um pouco de como várias organizações estão montando equipes de IA para resolver problemas de negócios – e como os avanços na tecnologia de IA estão mudando as habilidades básicas necessárias para o sucesso.

Os papéis fundamentais de uma equipe de IA de sucesso

Projetos de IA bem-sucedidos exigem membros da equipe com uma ampla gama de habilidades, diz Herring, incluindo cientistas de dados, engenheiros de dados, engenheiros de machine learning, product owners, especialistas em gerenciamento de mudanças e tradutores.

Com provas de conceito e projetos-piloto, os desafios de dados são diferentes. As implantações de IA escaláveis e prontas para produção precisam de dados em grandes quantidades, de fontes mais díspares e em alta velocidade.

“Cientistas e engenheiros de dados são os heróis anônimos”, diz ela. “Você tem paisagens legadas e não é tão fácil encontrar os dados e extraí-los – e garantir que o pipeline de dados esteja configurado e pronto para escalar”.

De acordo com um relatório de maio da IBM e da Morning Consult, quase 90% dos profissionais de TI afirmam que ser capaz de executar projetos de IA onde quer que os dados residam é a chave para a adoção da tecnologia. A complexidade e os silos de dados são as segundas maiores barreiras para a adoção de IA, descobriu o relatório, depois da falta de experiência em IA.

Os engenheiros de machine learning pegam o código produzido por cientistas de dados e o transformam em algo pronto para produção.

As equipes de IA de sucesso também precisam de product owners, e, dependendo do grau de intervenção necessária, especialistas em gerenciamento de mudanças, diz Herring. Mas a habilidade principal é a do tradutor.

“Ainda é algo que vejo faltando nas organizações”, diz ela. “Mas eles precisam de tradutores para maximizar o valor de seu caso de uso”.

Às vezes, os tradutores vêm do lado da IA, por exemplo, cientistas de dados que foram integrados em unidades de negócios.

“Mas eles normalmente vêm do lado comercial”, diz ela. “Eles precisam entender profundamente o negócio e, de certa forma, é mais fácil aprender os princípios da ciência de dados. Algumas organizações realmente criaram academias para ensinar habilidades de ciência de dados, para que entendam o suficiente para interagir com segurança com cientistas e engenheiros de dados”.

De acordo com uma pesquisa divulgada pela Deloitte no ano passado, metade das habilidades de IA mais solicitadas estão relacionadas à conexão de projetos de IA com as necessidades de negócios. Esses “tradutores” incluem líderes de negócios bem versados em IA, especialistas em gerenciamento de mudanças, designers de experiência do usuário e especialistas no assunto.

No lado da IA, de acordo com a Deloitte, as habilidades mais solicitadas são pesquisadores de IA, desenvolvedores de software, cientistas de dados e gerentes de projeto.

O poder das equipes combinadas

A empresa de marketing on-line Urban Airship oferece um exemplo clássico das mudanças em curso no modo como as organizações de sucesso abordam a IA. Quando a empresa começou a pensar em usar inteligência artificial há dez anos, ela contratou um doutorado.

“O primeiro modelo de machine learning que apresentamos girava em torno da influência”, diz Mike Herrick, Vice-Presidente Sênior de Produto e Engenharia da empresa. É fácil rastrear se uma pessoa clica em um link em seu e-mail. Mas rastrear se eles visitam o site depois, e por meio de algum outro canal, é muito mais difícil, diz ele, e foi aí que o machine learning entrou.

A empresa então adicionou inteligência preditiva para descobrir o melhor momento para entrar em contato com um cliente específico e com que frequência os clientes devem ser contatados. A mais recente adição à plataforma do Urban Airship é sobre o uso de IA para iniciar e gerenciar uma jornada do cliente em várias etapas.

Hoje, diz Herrick, pelo menos 40% dos novos negócios vêm dessa ferramenta. “Temos recursos exclusivos que nos diferenciam da concorrência. E isso nos ajuda a reter nossos clientes porque estamos agregando valor a eles”.

As habilidades necessárias para os projetos de IA da empresa incluem não apenas habilidades de ciência de dados, mas também gerenciamento de produto, design de interface de usuário, engenharia de software e marketing de produto, diz ele. “IA e ML realmente exigem uma equipe multifuncional para entregar esse tipo de tecnologia. Isso foi comprovado por nossas experiências”.

Uma equipe de IA composta por diferentes tipos de especialistas é uma estratégia escalonável, acrescenta. “Às vezes você pode conseguir alguém que tem todas as habilidades, mas elas são extremamente raras. E se eles têm todas as habilidades, eles não podem fazer todas as coisas”.

Ter membros da equipe que entendem bem os business cases também ajudou a empresa a adaptar seus produtos para serem mais úteis no fornecimento de análises da maneira que seus clientes precisavam.

A ascensão do tradutor

Por duas décadas, a Company Nurse tem ajudado empresas e instituições educacionais a lidar com acidentes de trabalho, com uma equipe de profissionais médicos a apenas um telefonema de distância.

A empresa agora lida com 100.000 transações relacionadas à saúde por semana. Com a pandemia, a Company Nurse começou a oferecer soluções de triagem digital.

“Na verdade, estamos rastreando sintomas de saúde diariamente”, diz Henry Svendblad, CTO da Company Nurse. “E muitas escolas estão nos usando não apenas para seus professores, mas também para os alunos, como parte de seus programas de ‘retorno à escola com segurança’”.

No ano passado, a empresa começou a aplicar IA a alguns de seus desafios de negócios. Os projetos de IA incluem um sistema que classifica documentos confidenciais de saúde e um sistema de conversão de voz em texto para o call center.

O uso de IA permitiu à empresa classificar milhões de documentos, o que ajudará a enfermeira da empresa a implementar melhores medidas de segurança cibernética. E no call center, houve uma redução de mais de 10% no tempo médio de atendimento. Os planos futuros incluem o uso de inteligência para comparar resultados de saúde com as informações inicialmente fornecidas nas ligações, para identificar possíveis fraudes e para ajudar novos agentes a se tornarem mais produtivos.

A enfermeira da empresa usa fornecedores externos para ajudar com isso, incluindo a plataforma Einstein da Concentric, Genesys e da Salesforce. A empresa também possui uma equipe de dados para preparar seus dados para ingestão nos sistemas de IA, bem como especialistas no assunto.

Mas uma função crítica é preencher a lacuna entre as tecnologias de IA e o caso de negócios. “Essa é minha função como CTO”, diz Svendblad. “Eu tento casar: ‘Como isso afeta nossos negócios?’ com ‘Essa tecnologia realmente produzirá resultados?’”

E ao reunir recursos internos e externos, conjuntos de dados e ferramentas de terceiros, o Svendblad também está assumindo uma função de IA emergente: arquiteto de soluções.

“Os arquitetos de soluções estão pensando nas tecnologias de ML e IA de que precisam para resolver problemas”, afirma Dan Simion, Vice-Presidente de IA e Analytics da Capgemini. “O que está acontecendo agora é que existem muitas soluções, uma tonelada de tecnologias”.

Os arquitetos de soluções não apenas descobrem qual tecnologia usar, diz ele, “mas também como as tecnologias funcionam umas com as outras. Eles montaram o quebra-cabeça”.

Gestão da mudança e negócios ágeis

O maior erro que as pessoas cometem é pensar que IA é um projeto de tecnologia, diz Tamim Saleh, Sócio Sênior da McKinsey & Co.

“Eles tratam isso como um projeto de TI”, diz ele. “Eles acham que podem reunir um pequeno grupo de tecnólogos e matemáticos e a mágica vai acontecer. Você pega uma caixa preta e dá para o negócio e grandes coisas acontecerão”.

Não funciona assim. “Cerca de 50% do esforço em qualquer projeto de IA são as pessoas”, diz ele. “Mudar a gestão. Treinamento”.

Por exemplo, em um projeto recente, um cliente da indústria siderúrgica queria ajudar a melhorar as previsões de demanda. “Inicialmente, os previsores não estavam interessados”, diz ele, acrescentando que foi necessário envolvê-los na criação do modelo para ajudá-los a perceber que ele não os substituiu. “Isso os aprimorou”, diz ele. “Mas para chegar lá foi uma combinação entre envolvê-los no design e na execução do projeto”.

Se o modelo for uma caixa preta, onde os usuários não entendem a lógica por trás do algoritmo, eles não o adotarão, diz ele. “E você acaba fazendo pilotos e gastando dinheiro e não escalando soluções”.

Ou uma empresa pode ter um piloto em uma parte do negócio, mas não se espalha para outras geografias ou grupos de produtos.

Um cliente bancário treinou 1.800 pessoas para serem tradutores, diz Saleh. “O CEO foi um visionário e, como resultado, acelerou drasticamente a implantação da IA no banco”.

Projetos de IA bem-sucedidos também podem exigir que as empresas reestruturem algumas de suas operações. Um cliente de serviço público, por exemplo, criou um modelo de marketing fantástico que pode fazer 500 campanhas em uma hora, mas o negócio foi estruturado em torno de gerenciamento de campanhas e equipes de marketing separadas, então o modelo não foi capaz de aproveitar a velocidade que a IA agora tornou possível, diz Saleh.

“O negócio precisava mudar”, diz ele. “Eles próprios tiveram que se tornar ágeis, para que pudessem tomar decisões realmente rápido”.

Quando as empresas lançam aplicativos de IA, muitas vezes elas precisam se perguntar se estão organizadas de uma forma que lhes permita fazer uso total da tecnologia. “E quase sempre a empresa chega à conclusão de que pode se organizar de maneira muito diferente e tomar decisões com muito mais rapidez”, diz Saleh.

Incluir experiência externa

Equipes combinadas são essenciais para empresas que desejam operacionalizar a IA, diz Mark Beccue, Principal Analista de IA e PNL da Omdia. Mas muitas habilidades são difíceis de encontrar.

“Os cientistas de dados, principalmente os experientes, são escassos e continuarão escassos por muito tempo”, diz ele. “Portanto, mesmo com a construção de equipes que combinam outros conjuntos de habilidades, há uma tendência para a IA terceirizada”.

Como resultado, organizações como a Company Nurse estão procurando fornecedores externos para fornecer ferramentas, plataformas e experiência. E as ferramentas estão cada vez melhores. Marcação e limpeza de dados, por exemplo, podem ser terceirizadas, diz Beccue, e plataformas e ferramentas de IA baseadas em nuvem do-it-yourself, bem como opções no-code, estão ajudando a democratizar a IA.

Os provedores de soluções SaaS e end-to-end também estão trazendo recursos de IA para a empresa, diz ele. Salesforce, Adobe e Oracle, por exemplo, estão incorporando recursos de IA em suas ferramentas, incluindo analytics preditiva e assistentes virtuais. E empresas como Nuance, Interactions e IPSoft estão oferecendo assistentes virtuais que não requerem nenhum conhecimento interno de ciência de dados.

“Para muitos casos de uso de IA, essa abordagem continuará a fazer sentido no futuro previsível”, diz ele.

Algumas empresas verão grandes ganhos usando produtos e componentes de fornecedores externos, diz Scott Likens, Líder de Tecnologia Emergente da PricewaterhouseCoopers. “Isso pode ajudar a eliminar custos, tomar decisões mais rapidamente e ajudar a tomar decisões que eles não podiam tomar antes”.

Construir uma equipe interna de IA é caro, acrescenta, devido ao mercado atual de talentos de IA e ML. Mas fazer esse investimento pode ajudar as empresas a se diferenciar no mercado e otimizar o uso de IA para atender às suas necessidades comerciais específicas.

As organizações podem acelerar a construção de sua equipe de IA envolvendo pessoas menos experientes, diz Ken Seier, Arquiteto-Chefe de Dados e IA da empresa de consultoria Insight.

Isso é o que sua empresa está fazendo, diz ele. “Estamos ficando superinteligentes internamente sobre como usar cada vez mais recursos juniores em nossa própria organização”.

Uma estratégia é adotar um modelo de mentoria, diz ele.

“Vou executar um projeto e ter outro cientista de dados para acompanhá-lo”, diz ele. “Então, seus mais talentosos estão ajudando o próximo nível abaixo e você termina com um ótimo movimento de inicialização, onde seus companheiros de equipe estão crescendo o mais rápido que podem e há um backup em cada nível”.