Maximizando Eficiência: Aproveitando Automação para Transformar Processos de Negócios

Empresas não podem ignorar as riquezas representadas em seu capital humano: essas criaturas falíveis com sua capacidade única de ousar e sonhar, intuir e assumir riscos e, acima de tudo, reconhecer quando estão caminhando para a catástrofe.

O verão passado marcou um marco sombrio na história da inteligência artificial: a primeira morte causada por um veículo autônomo. Um Tesla Model S, operando em piloto automático total, colidiu na traseira de um caminhão em uma rodovia na Flórida, matando o "motorista" humano.

Segundo o blog da empresa, a causa desse acidente trágico foi a incapacidade da IA de distinguir "o lado branco do reboque do caminhão contra um céu brilhante". Como a Tesla aponta, esta foi a primeira fatalidade em mais de 130 milhões de milhas dirigidas no piloto automático, menos da metade da taxa mundial de 60 milhões de milhas por morte para motoristas humanos.

Se a Tesla e outros fabricantes de carros autônomos conseguirem manter essa taxa baixa, certamente representará uma grande melhoria de segurança. No entanto, a natureza desse acidente — que quase certamente teria sido evitado por um motorista humano — levanta sérias questões sobre quanta agência os humanos devem ceder às máquinas.

Leia também: 5 desafios da automação inteligente em escala

À medida que a tecnologia se torna mais inteligente, inevitavelmente será requerida a tomar decisões que resultam na morte de pessoas. Veículos como carros e caminhões autônomos terão que ser programados para tomar decisões morais, como responder instantaneamente ao "problema do bonde" que confundiu éticos por muitos anos.

Nem toda questão sobre IA e automação é uma questão de vida ou morte, mas há importantes questões práticas e éticas a responder antes de podermos ter certeza de que essas tecnologias aumentarão, em vez de diminuir, nossas vidas.

Este é um fato cada vez mais reconhecido pelas próprias empresas. Pesquisa da Infosys descobriu que mais da metade (53%) dos entrevistados sente que questões éticas estão impedindo a IA de ser tão eficaz quanto poderia ser, enquanto apenas um terço (36%) diz que considerou totalmente as implicações éticas dessas novas tecnologias.

Essas preocupações variam desde os efeitos dessas tecnologias na privacidade de funcionários e clientes, até o impacto no emprego (por exemplo, tornando grandes faixas da força de trabalho humana redundantes). Há também questões — fortemente destacadas na história da Tesla acima — sobre até onde a inteligência artificial pode substituir operadores humanos.

É tão fácil ser seduzido pelo poder prometido da tecnologia quanto romantizar as capacidades únicas do cérebro humano. A menos que as empresas possam reconciliar essas duas inteligências muito diferentes, é improvável que desbloqueiem todos os benefícios que podem ser alcançados fazendo humanos e tecnologia se complementarem.

Leia também: 2018 será o ano da automação nas empresas

Um dos principais desafios enfrentados pela humanidade é quanta autonomia decidimos dar às máquinas, e em quais situações a inteligência artificial é melhor aplicada do que a mente humana.

À primeira vista, a capacidade da tecnologia de processar enormes conjuntos de dados e aproveitar o processamento de linguagem natural para fornecer interações realistas com clientes faz delas o substituto perfeito para humanos lentos, caros e propensos a erros.

Mas isso ignora as falhas inerentes da tecnologia, desde o chatbot Tay da Microsoft, que rapidamente aprendeu a ser racista, até o carro autônomo que não consegue distinguir entre o céu e uma peça de metal de 20 toneladas em movimento rápido.

O fato permanece que máquinas ainda só podem nos fornecer insights, e apenas pessoas têm a sabedoria para aplicar esse insight apropriadamente para qualquer contexto de negócio ou pessoal. Se a vida das pessoas fosse sempre governada por considerações racionais e empíricas, então poderia haver um argumento para máquinas substituírem humanos onde possível.

Como todos sabemos, no entanto, simplesmente não é o caso. A Infosys é uma empresa que se depara com essas questões todos os dias. Ela ajuda um grande número de empresas com iniciativas de machine learning, e o que rapidamente ficou claro para nós é a importância da contextualização.

Na maioria dos casos, processar números simplesmente não é suficiente; para ser eficaz, deve ser acompanhado por um entendimento profundo da cultura e modelo de negócio da empresa, seus desafios únicos e estruturas de dados/reportes.

Leia também: Mais dispositivos, mais problemas? Não com automação de TI

Humanos continuarão a ter um papel vital em fazer as perguntas certas; interrogar, interpretar e aplicar os dados; e formular as hipóteses certas para as máquinas.

Evangelistas de tecnologia frequentemente negligenciam mencionar que a precisão de qualquer algoritmo de machine learning é tipicamente 60-70% na primeira passagem — isso precisa ser seguido por ajuste fino e mais trabalho.

Até agora, isso soa como meramente um argumento para contratar mais cientistas de dados, em vez de um hino à capacidade dos trabalhadores humanos. Mas não deveria exigir um grande salto de imaginação para olhar as limitações da tecnologia mencionadas acima e ver como estas se aplicam a outras áreas de uma organização.

Elas variam desde o topo da hierarquia até o trabalhador mais júnior. Pergunte a qualquer empresário bem-sucedido e ele lhe dirá sobre a importância de assumir riscos calculados baseados, até certo ponto, na intuição; falarão sobre a importância do pensamento lateral para resolver problemas de negócios complexos; podem enfatizar como suas melhores ideias e flashes de inspiração surgem de padrões de pensamento completamente inesperados.

Para um profissional de RH, dados darão insights importantes sobre desempenho e produtividade individuais; provavelmente não dirão por que estão performando mal, ou a maneira mais empática e eficaz de conduzir conversas sobre como esse trabalhador pode melhorar.

Da mesma forma, um operador de atendimento ao cliente se beneficiará de ter acesso a todos os dados necessários para investigar a reclamação, mas ainda exigirá treinamento, intuição e humanidade para resolver o assunto de uma forma que deixe o cliente satisfeito.

Leia também: Automação: uma necessidade de rede

A verdade é que dados são meramente uma ferramenta que pessoas podem usar para melhorar a forma como fazem seu trabalho, seja configurando um hedge fund ou lidando com um cliente insatisfeito.

Empresas não podem ignorar as riquezas representadas em seu capital humano: essas criaturas falíveis com sua capacidade única de ousar e sonhar, intuir e assumir riscos e, acima de tudo, reconhecer quando estão caminhando para a catástrofe.

Fornecido por Jonathan Ebsworth, chefe de Tecnologias Disruptivas na Infosys Consulting