Como uma equipe de IA bem sucedida realmente se parece

30

Esqueça as listas de doutores em ciência de dados dos gigantes da tecnologia. À medida que a IA se move para a empresa, equipes combinadas com habilidades de negócios se tornam mais importantes para impulsionar o valor dos negócios.

À medida que mais empresas dimensionam projetos de IA, transformando a prova de conceitos em drivers de transformação de negócios, uma imagem mais clara do que é preciso para ter sucesso com a IA do mundo real está tomando forma.

Quando se trata de equipes de IA, um conjunto mais amplo de habilidades são necessárias do que o anteriormente conhecido, 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 de apenas um grupo de cientistas de dados.

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

Aqui está uma olhada em como várias organizações estão reunindo equipes de IA para resolver problemas de negócios — e como os avanços na tecnologia de IA estão mudando as habilidades de base necessárias para o sucesso.https://imasdk.googleapis.com/js/core/bridge3.464.0_en.html#goog_187590025Volume 0% 

Os papéis fundamentais de uma equipe de IA bem sucedida

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 aprendizado de máquina, proprietários de produtos, especialistas em gerenciamento de mudanças e tradutores.

Com prova de conceitos e projetos-piloto, os desafios de dados são diferentes. Implantações de IA prontas para produção e escaláveis precisam de dados em quantidades maiores, de fontes mais diferentes e em alta velocidade.

“Cientistas de dados e engenheiros de dados são os heróis desconhecidos”, diz ela. “Você tem paisagens herdadas 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 dizem que ser capaz de executar projetos de IA onde quer que os dados residam é fundamental para a adoção da tecnologia. A complexidade dos dados e os silos são a segunda maior barreira à adoção da IA, segundo o relatório, após falta de expertise em IA.

Engenheiros de aprendizagem de máquina pegam o código produzido por cientistas de dados e o transformam em algo pronto para produção.

Equipes de IA bem-sucedidas também precisam de proprietários de produtos e, dependendo do grau de intervenção necessária, especialistas em gerenciamento de mudanças, diz Herring. Mas a habilidade chave 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 incorporados em unidades de negócios.

“Mas eles normalmente vêm do lado dos negócios”, diz ela. “Eles precisam entender profundamente o negócio, e é mais fácil, de certa forma, 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 se envolverem com confiança com cientistas e engenheiros de dados.”

De acordo com uma pesquisa divulgada pela Deloitte no ano passado,metade das habilidades de IA mais demandadas estão relacionadas à conexão de projetos de IA com 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 em assuntos.

Do lado da IA, de acordo com a Deloitte, as habilidades mais procuradas são pesquisadores de IA, desenvolvedores de software, cientistas de dados e gerentes de projetos.

O poder das equipes misturadas

A empresa de marketing online Urban Airship fornece um exemplo dos livros didáticos das mudanças em curso na forma como as organizações bem-sucedidas abordam a IA. Quando a empresa começou a pensar em usar inteligência artificial há dez anos, contratou um Doutorado.

“O primeiro modelo de aprendizado de máquina que introduzimos foi em torno da influência”, diz Mike Herrick, vice-presidente sênior de produtos 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 mais tarde, e através de algum outro canal, é muito mais difícil, diz ele, e é aí que o aprendizado de máquina entrou.

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

Hoje, diz Herrick, pelo menos 40% dos novos negócios vêm dessa ferramenta. “Tem sido enorme. Temos capacidades únicas que nos diferenciam contra nossa concorrência. E isso nos ajuda a reter nossos clientes porque estamos fornecendo valor para eles.”

As habilidades necessárias para os projetos de IA da empresa incluem não apenas habilidades em ciência de dados, mas também gerenciamento de produtos, design de interface de usuário, engenharia de software e marketing de produtos, diz ele. “A IA e a ML realmente são necessários para uma equipe multifuncional para entregar esse tipo de tecnologia. Foi suportado por nossas experiências.

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

Ter membros da equipe que entendem bem os casos de negócios também ajudou a empresa a adaptar seus produtos para ser mais útil na análise de uma forma que seus clientes precisavam.

A ascensão do tradutor

Há duas décadas, a Enfermeira empresa tem ajudado empresas e instituições de ensino a lidar com lesões no local 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 Enfermeira empresa passou a oferecer soluções de triagem digital.

“Na verdade, estamos rastreando os 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 alunos, como parte de seus programas de ‘retorno à escola com segurança’.”

Publicações Relacionadas

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

O uso da IA permitiu que a empresa classificasse milhões de documentos, o que ajudará a Enfermeira da Empresa a implementar melhores medidas de segurança cibernética. E no call center, viu uma redução de mais de 10% nos tempos médios de manuseio. Planos futuros incluem o uso de inteligência para comparar os resultados de saúde com as informações inicialmente fornecidas nas chamadas, para identificar possíveis fraudes e para ajudar novos agentes a se tornarem mais produtivos.

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

Mas um papel crítico é a de fazer a ponte entre as tecnologias de IA e o caso dos negócios. “Essa é a minha função como CTO”, diz Svendblad. “Eu tento casar, ‘Como isso impacta nosso negócio?’ com ‘Será que essa tecnologia realmente produzirá resultados?'”

E ao reunir recursos internos e externos, conjuntos de dados e ferramentas de terceiros, a Svendblad também está assumindo um papel de IA recém-emergente: arquiteto de soluções.

“Os arquitetos de soluções estão pensando nas tecnologias de ML e IA que precisam para resolver problemas”, diz Dan Simion, vice-presidente de IA e análises da Capgemini. “O que está acontecendo agora é que há muitas soluções por aí, uma tonelada de tecnologias.”

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

Gestão de mudanças e o negócio ágil

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

“Eles tratam como um projeto de TI”, diz ele. “Eles acham que podem reunir um pequeno grupo de tecnólogos e matemáticos e a magia vai sair. Você tem uma caixa preta e dá-a para o negócio e grandes coisas vão acontecer.

Não funciona assim. “Cerca de 50% do esforço em qualquer projeto de IA são pessoas”, diz ele. “Gestão de mudanças. Treinamento.”

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

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

Ou uma empresa poderia 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 era 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 utilitário, por exemplo, criou um modelo de marketing fantástico que pode fazer 500 campanhas em uma hora, mas o negócio foi estruturado em torno de equipes separadas de gerenciamento de campanhas e marketing, por isso não foi capaz de aproveitar a velocidade que a IA agora tornou possível, diz Saleh.

“O negócio teve que mudar”, diz ele. “Eles mesmos tiveram que se tornar ágeis, para que pudessem tomar decisões muito rápido.”

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

Inclua conhecimento externo

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

“Os cientistas de dados, especialmente os experientes, são escassos e permanecerão 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 conhecimentos. E as ferramentas estão melhorando o tempo todo. A marcação e limpeza de dados, por exemplo, podem ser terceirizadas, diz Beccue, e plataformas e ferramentas de IA baseadas em nuvem do faça você mesmo, bem como opções sem código, estão ajudando a democratizar a IA.

SaaS e provedores de soluções completas também estão trazendo recursos de IA para a empresa, diz ele. Salesforce, Adobe e Oracle, por exemplo, estão construindo recursos de IA em suas ferramentas, incluindo análise preditiva e assistentes virtuais. E empresas como Nuance, Interactions e IPSoft estão oferecendo assistentes virtuais que não exigem nenhuma experiência interna em ciência de dados.

“Para muitos casos de uso de IA, essa abordagem continuará a fazer sentido para o futuro previsível”, diz ele.

Algumas empresas verão grandes ganhos usando produtos e componentes de fornecedores externos, diz Scott Likens, líder emergente de tecnologia da PricewaterhouseCoopers. “Pode ajudar a tirar custos, tomar decisões mais rapidamente e ajudar a tomar decisões que eles não poderiam tomar antes.”

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

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 consultoria Insight.

É o que a empresa dele está fazendo, diz ele. “Estamos ficando super inteligentes 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 a segui-lo”, diz ele. “Então, seus mais talentosos estão ajudando o próximo nível para baixo e você acaba com um grande movimento de bootstrapping, onde seus companheiros de equipe estão crescendo o mais rápido que podem e há um backup em todos os níveis.”

você pode gostar também