Adotar IA com função preditiva sem maturidade de dados é flertar com o perigo

Uma pesquisa divulgada na segunda quinzena de outubro pela Câmara Americana de Comércio (Amcham Brasil), realizada com quase 700 empresas, aponta que, entre os líderes empresariais, o uso de inteligência artificial (IA) será o tema tecnológico mais relevante para as empresas em 2024. Nada menos que 60% das lideranças apontaram as tecnologias preditivas como principal tendência disruptiva para o próximo ano, sendo que 68% das empresas participantes da pesquisa informaram já fazer algum uso de IA nos seus negócios.

Essa pesquisa indica claramente que a IA não é apenas uma hype, pelo contrário. A IA, bem como outras tecnologias, como machine learning, ou mesmo métodos como análises de séries temporais, que podem ser empregadas em atividades preditivas, têm avançado rapidamente e crescido em eficiência. Agregar essas tecnologias aos negócios tem trazido resultados efetivos e ajudado muitas empresas a automatizar processos, como call center por exemplo, gerar insights que contribuem para desenvolver novas ações e produtos, antecipar tendência e alavancar vendas.

A preocupação com o uso de tecnologias com finalidade preditivas, entretanto, tem provocado certa ansiedade e muitas empresas estão tentando avançar no uso delas queimando etapas. É uma tentativa que, em alguns casos, até pode dar certo, mas há um grande risco embutido nessa tática, que pode trazer sérios problemas.

Para que a IA e demais tecnologias ou métodos, com função analítica de tendências, possam ser exploradas em todo o seu potencial, é decisivo que elas rodem sobre uma estrutura big data (quanto mais informação melhor para o aprendizado), disponibilizada em um repositório de dados depurado, atualizado e confiável. Também é fundamental que já exista, na empresa, um mínimo de cultura data driven. Será bem difícil avançar no uso de tecnologias preditivas se as equipes não estiverem habituadas a tomar decisões baseadas em dados e, principalmente, convencidas da importância desse processo para obter insights que contribuam para alcançar ganhos de escala e produtividade.

Sem isso, todo o esforço em implantar a IA com objetivo preditivo pode resultar em frustração e, pior, fortalecer a posição daqueles que ainda insistem em qualificar a IA como uma hype, um modismo passageiro, além de aumentar a resistência das equipes no uso da nova tecnologia.

Para fazer bom uso dessas tecnologias ou métodos de análises de tendências, é fundamental que as empresas estejam preparadas para coletar, depurar, validar, manter atualizado e disponibilizar dados, além de desenvolver em suas equipes a cultura de tomar decisões baseadas em dados. Em outras palavras, as empresas que já implantaram a cultura data driven têm possibilidades de obter maior eficiência com uso de tecnologias preditivas. É temerário, para dizer o mínimo, fazer apostas nos insights apresentados por essas tecnologias quando elas se baseiam em dados não depurados, desatualizados ou incompletos.

Portanto, para que a IA tenha bons resultados, as empresas precisam avaliar primeiro a quantidade de dados disponíveis, o grau de maturidade desses dados, além de fazer os ajustes necessários para depurar e disponibilizar dados em volume expressivo e constantemente atualizados. Paralelamente, é fundamental implementar a cultura data driven e, após isso, a empresa estará adequadamente preparada para avançar no uso dessas tecnologias.

Isso pode até angustiar alguns executivos, em especial os que já estão pressionados para utilizar as novas tecnologias, mas garantir a maturidade e governança mínimas na gestão dos dados da empresa é um passo fundamental para a obtenção de bons resultados.

Não é necessário implantar a cultura data driven em todos os processos e operações da empresa de uma vez para avançar no uso de IA. Isso pode ser feito por etapas. Escolha um setor importante e comece por ali. Implante as tecnologias, capacite as equipes, organize a governança, obtenha bons resultados, forme embaixadores da mudança, divulgue internamente as conquistas e avance. Cada área que atingir uma maturidade mínima na gestão de dados estará habilitada a realizar prototipagens no uso de ferramentas preditivas. É um processo de aprendizado.

Ok, sei que você não precisa acreditar em mim. Então vou buscar apoio na ferramenta de IA da moda, o ChatGPT. Fiz à inteligência artificial generativa a seguinte pergunta: “Podemos afirmar, com segurança, que uma empresa data driven está mais bem preparada para obter bons e efetivos resultados no uso das tecnologias preditivas?”

Vejamos o que a IA nos respondeu:

Sim, podemos afirmar, com segurança, que uma empresa data-driven está mais bem preparada para obter bons e efetivos resultados no uso de tecnologias preditivas. Aqui estão algumas razões pelas quais essa afirmação é válida:

1. Fundamentação em dados sólidos: empresas data-driven têm uma base sólida de dados que é coletada, armazenada e gerenciada de forma eficaz. Ter dados de alta qualidade é essencial para alimentar algoritmos de aprendizado de máquina e análises preditivas, pois a qualidade dos dados afeta diretamente a precisão das previsões.

2. Cultura de tomada de decisão baseada em dados: Essas empresas promovem uma cultura em que a tomada de decisões é orientada por dados. Isso significa que os gestores e funcionários estão mais inclinados a confiar nas informações derivadas dos dados do que em suposições ou intuição.

3. Uso eficiente de ferramentas tecnológicas: Essas empresas estão melhor preparadas para implementar tecnologias preditivas, devido à sua experiência em trabalhar com ferramentas de análise avançada e aprendizado de máquina. Elas já têm uma infraestrutura de TI sólida que suporta a implementação e o gerenciamento de modelos preditivos.

Se a resposta do ChatGPT ajudou a convencer você sobre a importância de avançar primeiro na maturidade dos dados antes de implementar tecnologias com potencial preditivo, é sinal que a IA é, de fato, uma ferramenta poderosa. Pense nisso e se prepare adequadamente para fazer bom uso dela.

*Maurício Sotero é engenheiro de controle e automação pela UFMG, com Executive MBA em Gestão de Negócios pela Fundação Dom Cabral e é formado em liderança pela Stanford Graduate School of Business. Atualmente é sócio e diretor de Operações da MG Info.