Adopción de IA en las empresas: ¿cuáles son los retos y cómo superarlos?

Adoção de IA nas empresas: ¿cuáles son los retos y como superá-los?

A Ricoh Latin America apresenta cinco barreiras de adoção de IA e como as empresas podem superar as de cara em 2020

Julio Urrutia, Diretor de Consultoria da Ricoh América Latina

O manual de entrada de dados, detecção de spams, diagnósticos médicos pouco precisos, segmentação deficiente de clientes, manutenção preditiva, são alguns problemas de negócios que muitas empresas experimentam dia a dia, mas a medida que mais organizações adotam a Inteligência Artificial em seus múltiplos processos de negócios, aumenta também a visibilidade dos benefícios de negócios que trazem esta tecnologia disruptiva e ajuda a facilitar a tomada de melhores decisões. Segundo um estudo recente1, prevê-se que os ingressos do setor de inteligência artificial no mundo cresçam de 8,1 milhões de dólares em 2018 para 105,8 milhões de dólares em 2025.

Na Ricoh, estamos trabalhando para levar seu potencial ao máximo. Este ano, realizamos um teste de conceito de implementação de IA em nossos processos de fabricação, o qual custou à empresa um valor estimado de $ 400.000,00 dólares ao ano em custos de fabricação. Pero sin duda, como dice el refrán, "un viaje de mil milhas comienza con un solo paso". Se esta frase for traduzida para o mundo empresarial, um menu, essas primeiras etapas podem ser os mais desafiadores.

Desde sistemas hereditários até garantir a inversão e até mesmo a implementação do IA no local de trabalho, existe uma série de ações que devem ser superadas em uma etapa temporária do processo. Neste contexto, na Ricoh Latin America apresentamos cinco barreiras de adoção de IA e como as empresas podem superar as de cara em 2020:

1) Sistemas hereditários: Muchas organizaciones confian en la infraestructura, aplicaciones o dispositivos heredados para entregar algunas de sus operaciones de TI. Atualizar tudo de uma vez é um grande desafio. Esta infra-estrutura herdada do menu se tornou um impedimento para adotar o aprendizado automático ou a inteligência artificial. Felizmente, o cálculo na nuvem, ou mais especificamente, a nuvem híbrida, mudou esta situação. A nuvem híbrida é quando uma organização utiliza infraestrutura de TI local e hospedada na nuvem. Esta é uma situação cada vez mais comum.

Adotar a inteligência artificial e o aprendizado automático não significa que deva atualizar toda a área de TI. Mas você precisa adotar a nuvem para análise de dados e inteligência artificial. A moderna tecnologia de "Data Lake" funciona bem em um ambiente híbrido, onde o nube pode ser usado para análise de sistemas operacionais locais. A outra vantagem das soluções no nube é que as atualizações e os novos recursos são implementados automaticamente, o que conduz a menos configurações incorretas, vulnerabilidades de segurança e incompatibilidades, o que é importante ter em conta o momento de implementar tecnologias emergentes.

2) Escasez de habilidades: Atualmente, existe uma escasez de habilidades em torno da IA e o aprendizado automático e isso pode dificultar os esforços para desenvolver todos os seus recursos. É importante dar às pessoas dentro do negócio (e não apenas TI!) a oportunidade de se envolver. Isso resulta em uma excelente maneira de encontrar pessoas que estão entusiasmadas com o IA e querem aprender mais.

Também se deve criar o ambiente adequado para desenvolver e fomentar uma cultura inovadora. Desde impulsar a colaboração até garantir que as pessoas tenham tempo para explorar e experimentar novas ideias.

3) Falta de apoio da alta gerência: Um dos fatores clave a ter em conta para implementar IA para as partes interessadas principais é que deve ter em conta a sua audiência e suas prioridades. Normalmente, os tomadores de decisão não estão interessados nos detalhes técnicos e operacionais. Se concentra nos objetivos comerciais mais amplos e na rapidez com que você pode alcançá-los. Os casos de uso específicos e realistas junto com o ROI projetado são muito mais úteis do que um "panorama geral". Mais dados e métricas podem ser usados para respaldar seu caso, melhor.

4) Desenvolver uma estratégia coordenada de dados: O que você vê trabalhando com clientes é que os projetos de ciência de dados podem terminar isolados. Manter os projetos em execução e em funcionamento se torna uma tarefa difícil e é menos provável que supere o estágio piloto. O importante é demonstrar uma abordagem robusta e escalonável.

Uma vez que a plataforma está listada, ela pode implementar novos modelos e integrar novas áreas de operação mais rapidamente, o que acelera o processo de fazer com que a AI seja dominante em toda a organização.

5) Falta de compreensão no negócio: O equipamento de inteligência artificial ou aprendizado automático deve ser visível na organização. Realize apresentações e relatórios regularmente para explicar a estratégia e os objetivos são claros. Esta função consiste em explicar como funciona, o que pode fazer e fazer todo o possível para incluir as pessoas nesta viagem.

Existe certa preocupação com os efeitos da AI no mercado de trabalho. Pero informa recentemente sugieren que la IA criará milhas de empleos. Demonstrar aos companheiros que IA pode ajudá-los, não substituí-los, é uma boa prática. O sonho de uma semana de trabalho de 4 dias com o mesmo salário é um bom exemplo para compartilhar. Eso é algo que todos desejam e a IA pode nos ajudar a chegar lá.