Inteligência colaborativa: Humanos e IA estão unindo forças

Em resumo A perspectiva A inteligência artificial está transformando os negócios - e causando o impacto mais significativo quando aumenta os trabalhadores humanos em vez de substituí-los. Os detalhes As empresas obtêm os maiores ganhos de desempenho quando humanos e máquinas inteligentes colaboram entre si. São necessárias pessoas para treinar as máquinas, explicar seus resultados e garantir seu uso responsável. A IA, por sua vez, pode aprimorar as habilidades cognitivas e a criatividade dos humanos, liberar os trabalhadores de tarefas de baixo nível e ampliar suas capacidades físicas. A receita As empresas devem reimaginar seus processos de negócios, concentrando-se no uso da IA para obter mais flexibilidade ou velocidade operacional, maior escala, melhor tomada de decisões ou maior personalização de produtos e serviços. A inteligência artificial está se tornando boa em muitos trabalhos "humanos" - diagnosticar doenças, traduzir idiomas, prestar atendimento ao cliente - e está melhorando rapidamente. Isso está gerando temores razoáveis de que a IA acabará substituindo os trabalhadores humanos em toda a economia. Mas esse não é o resultado inevitável, ou mesmo o mais provável. Nunca antes as ferramentas digitais foram tão responsivas a nós, nem nós às nossas ferramentas. Embora a IA vá alterar radicalmente a forma como o trabalho é feito e quem o faz, o maior impacto da tecnologia será complementar e aumentar as capacidades humanas, não substituí-las. Certamente, muitas empresas têm usado a TI para automatizar processos, mas aquelas que a implementam principalmente para substituir funcionários verão apenas ganhos de produtividade de curto prazo. Em nossa pesquisa envolvendo 1.500 empresas, descobrimos que as empresas obtêm as melhorias de desempenho mais significativas quando humanos e máquinas trabalham juntos. Por meio dessa inteligência colaborativa, os seres humanos e a IA aprimoram ativamente os pontos fortes complementares uns dos outros: a liderança, o trabalho em equipe, a criatividade e as habilidades sociais dos primeiros, e a velocidade, a escalabilidade e as capacidades quantitativas dos segundos. O que é natural para as pessoas (fazer uma piada, por exemplo) pode ser complicado para as máquinas, e o que é simples para as máquinas (analisar gigabytes de dados) continua praticamente impossível para os seres humanos. Os negócios exigem os dois tipos de recursos. O valor da colaboração As empresas se beneficiam da otimização da colaboração entre humanos e inteligência artificial. Cinco princípios podem ajudá-las a fazer isso: Reimaginar os processos de negócios; adotar a experimentação/envolvimento dos funcionários; direcionar ativamente a estratégia de IA; coletar dados de forma responsável; e redesenhar o trabalho para incorporar a IA e cultivar as habilidades relacionadas dos funcionários. Uma pesquisa com 1.075 empresas de 12 setores constatou que quanto mais desses princípios as empresas adotavam, melhor era o desempenho de suas iniciativas de IA em termos de velocidade, economia de custos, receitas ou outras medidas operacionais. O valor da colaboração As empresas se beneficiam da otimização da colaboração entre humanos e inteligência artificial. Cinco princípios podem ajudá-las a fazer isso: Reimaginar os processos de negócios; adotar a experimentação/envolvimento dos funcionários; direcionar ativamente a estratégia de IA; coletar dados de forma responsável; e redesenhar o trabalho para incorporar a IA e cultivar as habilidades relacionadas dos funcionários. Uma pesquisa com 1.075 empresas de 12 setores constatou que quanto mais desses princípios as empresas adotavam, melhor era o desempenho de suas iniciativas de IA em termos de velocidade, economia de custos, receitas ou outras medidas operacionais. Para tirar o máximo proveito dessa colaboração, as empresas precisam entender como os seres humanos podem aumentar as máquinas de forma mais eficaz, como as máquinas podem aprimorar o que os seres humanos fazem de melhor e como redesenhar os processos de negócios para apoiar a parceria. Por meio de nossa pesquisa e trabalho em campo, desenvolvemos diretrizes para ajudar as empresas a alcançar esse objetivo e colocar em prática o poder da inteligência colaborativa. Humanos auxiliando as máquinas Os seres humanos precisam desempenhar três funções cruciais. Eles devem treinar as máquinas para realizar determinadas tarefas; explicar os resultados dessas tarefas, especialmente quando os resultados são contraintuitivos ou controversos; e sustentar o uso responsável das máquinas (por exemplo, evitando que os robôs prejudiquem os seres humanos). Treinamento. Os algoritmos de aprendizado de máquina devem ser ensinados a realizar o trabalho para o qual foram projetados. Nesse esforço, enormes conjuntos de dados de treinamento são acumulados para ensinar aplicativos de tradução automática a lidar com expressões idiomáticas, aplicativos médicos a detectar doenças e mecanismos de recomendação para apoiar a tomada de decisões financeiras. Além disso, os sistemas de IA devem ser treinados para interagir da melhor forma com os seres humanos. Embora as organizações de todos os setores estejam agora nos estágios iniciais de preenchimento das funções de instrutor, as principais empresas de tecnologia e grupos de pesquisa já têm equipes de treinamento maduras e experiência. Veja o caso da Cortana, assistente de IA da Microsoft. O bot precisou de treinamento extensivo para desenvolver a personalidade certa: confiante, atencioso e prestativo, mas não mandão. Instilar essas qualidades exigiu inúmeras horas de atenção de uma equipe que incluía um poeta, um romancista e um dramaturgo. Da mesma forma, foram necessários instrutores humanos para desenvolver as personalidades da Siri, da Apple, e da Alexa, da Amazon, para garantir que elas refletissem com precisão as marcas de suas empresas. A Siri, por exemplo, tem apenas um toque de atrevimento, como os consumidores podem esperar da Apple. Agora, os assistentes de IA estão sendo treinados para exibir características humanas ainda mais complexas e sutis, como a simpatia. A start-up Koko, um desdobramento do MIT Media Lab, desenvolveu uma tecnologia que pode ajudar os assistentes de IA a parecerem solidários. Por exemplo, se um usuário estiver tendo um dia ruim, o sistema Koko não responde com uma resposta pronta como "Sinto muito em ouvir isso". Em vez disso, ele pode pedir mais informações e oferecer conselhos para ajudar a pessoa a ver seus problemas sob uma perspectiva diferente. Se a pessoa estiver se sentindo estressada, por exemplo, o Koko pode recomendar que ela pense nessa tensão como uma emoção positiva que pode ser canalizada para a ação. Explicação. Como as IAs chegam cada vez mais a conclusões por meio de processos que são opacos (o chamado problema da caixa preta), elas precisam de especialistas humanos na área para explicar seu comportamento a usuários não especialistas. Esses "explicadores" são particularmente importantes em setores baseados em evidências, como direito e medicina, em que um profissional precisa entender como uma IA ponderou as informações para, por exemplo, uma sentença ou recomendação médica. Os explicadores são igualmente importantes para ajudar as seguradoras e as autoridades policiais a entender por que um carro autônomo tomou medidas que levaram a um acidente - ou não conseguiu evitá-lo. E os explicadores estão se tornando parte integrante dos setores regulamentados - na verdade, em qualquer setor voltado para o consumidor em que o resultado de uma máquina possa ser questionado como injusto, ilegal ou simplesmente errado. Por exemplo, o novo Regulamento Geral de Proteção de Dados (GDPR) da União Europeia dá aos consumidores o direito de receber uma explicação para qualquer decisão baseada em algoritmo, como a oferta de taxa em um cartão de crédito ou hipoteca. Essa é uma área em que a IA contribuirá para aumentar o número de empregos: Especialistas estimam que as empresas terão de criar cerca de 75.000 novos empregos para administrar as exigências do GDPR. Sustentação. Além de ter pessoas que possam explicar os resultados da IA, as empresas precisam de "sustentadores" - funcionários que trabalhem continuamente para garantir que os sistemas de IA estejam funcionando de forma adequada, segura e responsável. A IA pode impulsionar nossas habilidades analíticas e de tomada de decisão e aumentar a criatividade. Por exemplo, uma série de especialistas, às vezes chamados de engenheiros de segurança, concentra-se em antecipar e tentar evitar danos causados por IAs. Os desenvolvedores de robôs industriais que trabalham ao lado de pessoas têm prestado muita atenção para garantir que eles reconheçam os seres humanos próximos e não os coloquem em perigo. Esses especialistas também podem revisar a análise dos explicadores quando as IAs causam danos, como quando um carro autônomo se envolve em um acidente fatal. Este artigo também aparece em: HBR's 10 Must Reads 2020 Livro sobre Liderança e Gestão de Pessoas 24.95 Adicionar ao carrinho Salvar Compartilhe Outros grupos de sustentadores garantem que os sistemas de IA respeitem as normas éticas. Se for descoberto que um sistema de IA para aprovação de crédito, por exemplo, está discriminando pessoas de determinados grupos (como aconteceu), esses gerentes de ética são responsáveis por investigar e resolver o problema. Desempenhando um papel semelhante, os responsáveis pela conformidade de dados tentam garantir que os dados que alimentam os sistemas de IA estejam em conformidade com o GDPR e outras regulamentações de proteção ao consumidor. Uma função relacionada ao uso de dados envolve garantir que as IAs gerenciem as informações de forma responsável. Como muitas empresas de tecnologia, a Apple usa IA para coletar detalhes pessoais sobre os usuários à medida que eles se envolvem com os dispositivos e o software da empresa. O objetivo é melhorar a experiência do usuário, mas a coleta de dados sem restrições pode comprometer a privacidade, irritar os clientes e entrar em conflito com a lei. A "equipe de privacidade diferencial" da empresa trabalha para garantir que, embora a TI busque aprender o máximo possível sobre um grupo de usuários em um sentido estatístico, ela esteja protegendo a privacidade dos usuários individuais. Máquinas auxiliando os seres humanos As máquinas inteligentes estão ajudando os seres humanos a expandir suas habilidades de três maneiras. Elas podem ampliar nossos pontos fortes cognitivos; interagir com clientes e funcionários para nos liberar para tarefas de nível mais alto; e incorporar habilidades humanas para ampliar nossas capacidades físicas. Ampliação. A inteligência artificial pode aumentar nossas habilidades analíticas e de tomada de decisões, fornecendo as informações certas no momento certo. Mas ela também pode aumentar a criatividade. Veja como a IA Dreamcatcher da Autodesk aumenta a imaginação até mesmo de designers excepcionais. Um designer fornece à Dreamcatcher critérios sobre o produto desejado - por exemplo, uma cadeira capaz de suportar até 300 libras, com um assento a 18 polegadas do chão, feita de materiais que custem menos de US$ 75, e assim por diante. A senhora também pode fornecer informações sobre outras cadeiras que considere atraentes. O Dreamcatcher produz, então, em grandes quantidades, milhares de designs que atendem a esses critérios, muitas vezes gerando ideias que o designer talvez não tenha considerado inicialmente. A TI pode então orientar o software, informando quais cadeiras ela gosta ou não, o que leva a uma nova rodada de designs. Durante todo o processo iterativo, o Dreamcatcher realiza os inúmeros cálculos necessários para garantir que cada design proposto atenda aos critérios especificados. Isso libera o designer para se concentrar na utilização dos pontos fortes exclusivamente humanos: julgamento profissional e sensibilidade estética. Interação. A colaboração homem-máquina permite que as empresas interajam com funcionários e clientes de maneiras novas e mais eficazes. Agentes de IA como a Cortana, por exemplo, podem facilitar a comunicação entre as pessoas ou em nome delas, como transcrever uma reunião e distribuir uma versão pesquisável por voz para aqueles que não puderam comparecer. Esses aplicativos são inerentemente escaláveis - um único chatbot, por exemplo, pode fornecer atendimento de rotina ao cliente para um grande número de pessoas simultaneamente, onde quer que elas estejam. Ferramentas relacionadas As pesquisas mais recentes: IA e aprendizado de máquina Livro de Tecnologia e Operações 49.95 Adicionar ao carrinho Salvar Compartilhe O SEB, um importante banco sueco, agora usa um assistente virtual chamado Aida para interagir com milhões de clientes. Capaz de lidar com conversas em linguagem natural, a Aida tem acesso a vastos armazenamentos de dados e pode responder a muitas perguntas frequentes, como, por exemplo, como abrir uma conta ou fazer pagamentos internacionais. Ela também pode fazer perguntas de acompanhamento aos autores das chamadas para resolver seus problemas e analisar o tom de voz do autor da chamada (frustrado ou agradecido, por exemplo) e usar essas informações para prestar um serviço melhor posteriormente. Sempre que o sistema não consegue resolver um problema - o que acontece em cerca de 30% dos casos - eleencaminha a pessoa que está ligando para um representante humano do atendimento ao cliente e monitora essa interação para aprender a resolver problemas semelhantes no futuro. Com a Aida cuidando das solicitações básicas, os representantes humanos podem se concentrar em resolver problemas mais complexos, especialmente aqueles de clientes insatisfeitos que podem precisar de mais apoio. Incorporação. Muitas IAs, como a Aida e a Cortana, existem principalmente como entidades digitais, mas em outras aplicações a inteligência é incorporada em um robô que aumenta um trabalhador humano. Com seus sofisticados sensores, motores e atuadores, as máquinas habilitadas para IA agora podem reconhecer pessoas e objetos e trabalhar com segurança ao lado de humanos em fábricas, depósitos e laboratórios. Na manufatura, por exemplo, os robôs estão evoluindo de máquinas industriais potencialmente perigosas e "burras" para "cobots" inteligentes e conscientes do contexto. Um braço de cobot pode, por exemplo, lidar com ações repetitivas que exigem levantamento de peso, enquanto uma pessoa executa tarefas complementares que exigem destreza e julgamento humano, como a montagem de um motor de engrenagem. A Hyundai está ampliando o conceito de cobot com exoesqueletos. Esses dispositivos robóticos vestíveis, que se adaptam ao usuário e ao local em tempo real, permitirão que os trabalhadores industriais realizem seus trabalhos com resistência e força sobre-humanas. Reimaginando seus negócios Para obter o máximo de valor da IA, as operações precisam ser redesenhadas. Para isso, as empresas devem primeiro descobrir e descrever uma área operacional que possa ser melhorada. Pode ser um processo interno incômodo (como a lentidão do RH para preencher vagas de funcionários) ou pode ser um problema anteriormente intratável que agora pode ser resolvido usando IA (como identificar rapidamente reações adversas a medicamentos em populações de pacientes). Além disso, várias novas técnicas analíticas avançadas e de IA podem ajudar a revelar problemas antes invisíveis que são passíveis de soluções de IA. Revelando problemas invisíveis Certa vez, o ex-secretário de Defesa dos EUA, Donald Rumsfeld, fez a famosa distinção entre "conhecidos conhecidos", "desconhecidos conhecidos" e "desconhecidos desconhecidos" - coisas que o senhor nem sabe que não sabe. Algumas empresas agora estão usando a IA para descobrir incógnitas desconhecidas em seus negócios. Caso em questão: A GNS Healthcare aplica um software de aprendizado de máquina para encontrar relações negligenciadas entre os dados nos registros de saúde dos pacientes e em outros lugares. Depois de identificar uma relação, o software produz em grandes quantidades hipóteses para explicá-la e, em seguida, sugere qual delas é a mais provável. Essa abordagem permitiu que a GNS descobrisse uma nova interação medicamentosa oculta em anotações não estruturadas de pacientes. O CEO Colin Hill ressalta que não se trata de uma mineração de dados comum para encontrar associações. "Nossa plataforma de aprendizado de máquina não se limita a ver padrões e correlações nos dados", diz ele. "A TI tem a ver com a descoberta de vínculos causais." Revelando problemas invisíveis Certa vez, o ex-secretário de Defesa dos EUA, Donald Rumsfeld, fez a famosa distinção entre "conhecidos conhecidos", "desconhecidos conhecidos" e "desconhecidos desconhecidos" - coisas que o senhor nem sabe que não sabe. Algumas empresas agora estão usando a IA para descobrir incógnitas desconhecidas em seus negócios. Caso em questão: A GNS Healthcare aplica um software de aprendizado de máquina para encontrar relações negligenciadas entre os dados nos registros de saúde dos pacientes e em outros lugares. Depois de identificar uma relação, o software produz em grandes quantidades hipóteses para explicá-la e, em seguida, sugere qual delas é a mais provável. Essa abordagem permitiu que a GNS descobrisse uma nova interação medicamentosa oculta em anotações não estruturadas de pacientes. O CEO Colin Hill ressalta que não se trata de uma mineração de dados comum para encontrar associações. "Nossa plataforma de aprendizado de máquina não se limita a ver padrões e correlações nos dados", diz ele. "A TI tem a ver com a descoberta de vínculos causais." Em seguida, as empresas devem desenvolver uma solução por meio da cocriação - fazendo com que as partes interessadas imaginem como podem colaborar com os sistemas de IA para melhorar um processo. Considere o caso de uma grande empresa agrícola que queria implantar a tecnologia de IA para ajudar os agricultores. Havia uma enorme quantidade de dados disponíveis sobre as propriedades do solo, padrões climáticos, colheitas históricas e assim por diante, e o plano inicial era criar um aplicativo de IA que previsse com mais precisão o rendimento das safras futuras. Mas, em conversas com os agricultores, a empresa descobriu uma necessidade mais urgente. O que os agricultores realmente queriam era um sistema que pudesse fornecer recomendações em tempo real sobre como aumentar a produtividade - quais culturas plantar, onde plantá-las, quanto nitrogênio usar no solo e assim por diante. A empresa desenvolveu um sistema de IA para fornecer essas recomendações, e os resultados iniciais foram promissores; os agricultores ficaram satisfeitos com a produtividade das culturas obtida com a orientação da IA. Os resultados desse teste inicial foram então inseridos novamente no sistema para refinar os algoritmos utilizados. Assim como na etapa da descoberta, novas técnicas analíticas e de IA podem ajudar na cocriação, sugerindo novas abordagens para melhorar os processos. A terceira etapa para as empresas é dimensionar e depois sustentar a solução proposta. O SEB, por exemplo, originalmente implantou uma versão do Aida internamente para ajudar 15.000 funcionários do banco, mas depois lançou o chatbot para um milhão de clientes. Por meio de nosso trabalho com centenas de empresas, identificamos cinco características dos processos de negócios que as empresas normalmente querem melhorar: flexibilidade, velocidade, escala, tomada de decisões e personalização. Ao reimaginar um processo de negócios, determine qual dessas características é central para a transformação desejada, como a colaboração inteligente poderia ser aproveitada para abordá-la e quais alinhamentos e compensações com outras características do processo serão necessários. Na Mercedes-Benz, os braços cobot tornam-se uma extensão do corpo do trabalhador humano. Flexibilidade. Para os executivos da Mercedes-Benz, os processos inflexíveis representavam um desafio crescente. Cada vez mais, os clientes mais lucrativos da empresa exigiam sedãs S-class individualizados, mas os sistemas de montagem da montadora não conseguiam oferecer a personalização que as pessoas queriam. Tradicionalmente, a fabricação de automóveis tem sido um processo rígido com etapas automatizadas executadas por robôs "burros". Para melhorar a flexibilidade, a Mercedes substituiu alguns desses robôs por cobots habilitados para TI e redesenhou seus processos com base na colaboração homem-máquina. Na fábrica da empresa perto de Stuttgart, na Alemanha, braços cobots guiados por trabalhadores humanos pegam e colocam peças pesadas, tornando-se uma extensão do corpo do trabalhador. Esse sistema coloca o trabalhador no controle da construção de cada carro, fazendo menos trabalho manual e mais um trabalho de "pilotagem" com o robô. As equipes homem-máquina da empresa podem se adaptar rapidamente. Na fábrica, os cobots podem ser reprogramados facilmente com um tablet, permitindo que eles realizem tarefas diferentes, dependendo das mudanças no fluxo de trabalho. Essa agilidade permitiu que o fabricante atingisse níveis de personalização sem precedentes. A Mercedes pode individualizar a produção de veículos de acordo com as escolhas em tempo real que os consumidores fazem nas concessionárias, alterando tudo, desde os componentes do painel do veículo até o couro do assento e as tampas das válvulas dos pneus. Como resultado, não há dois carros iguais saindo da linha de montagem na fábrica de Stuttgart. Aprimorando o desempenho Em organizações de todos os tipos de setores, os seres humanos e a IA estão colaborando para melhorar cinco elementos dos processos de negócios. Elemento Processo de negócios Empresa ou organização Tipo de colaboração FLEXIBILIDADE Fabricação de automóveis Mercedes-Benz Os robôs de montagem trabalham com segurança ao lado de humanos para personalizar carros em tempo real. Design de produtos Autodesk O software sugere novos conceitos de design de produtos à medida que o designer altera parâmetros como materiais, custo e requisitos de desempenho. Desenvolvimento de software Gigster AI ajuda a analisar qualquer tipo de projeto de software, independentemente do tamanho ou da complexidade, permitindo que os seres humanos estimem rapidamente o trabalho necessário, organizem especialistas e adaptem fluxos de trabalho em tempo real. VELOCIDADE Detecção de fraudes HSBC A IA examina as transações com cartões de crédito e débito para aprovar instantaneamente as legítimas e sinalizar as questionáveis para avaliação humana. Tratamento de câncer Roche A IA agrega dados de pacientes de sistemas de TI diferentes, acelerando a colaboração entre especialistas. Segurança pública Governo de Cingapura A análise de vídeo durante eventos públicos prevê o comportamento da multidão, ajudando os socorristas a lidar com incidentes de segurança rapidamente. ESCALA Recrutamento Unilever A triagem automatizada de candidatos amplia drasticamente o conjunto de candidatos qualificados para avaliação dos gerentes de contratação. Atendimento ao cliente Virgin Trains O bot responde às solicitações básicas dos clientes, dobrando o volume processado e liberando os humanos para resolver problemas mais complexos. Gerenciamento de cassinos GGH Morowitz O sistema de visão computadorizada ajuda os humanos a monitorar continuamente cada mesa de jogo em um cassino. TOMADA DE DECISÕES Manutenção de equipamentos General Electric Os "gêmeos digitais" e o aplicativo de diagnóstico Predix fornecem aos técnicos recomendações personalizadas para a manutenção de máquinas. Serviços financeiros Morgan Stanley Os consultores robôs oferecem aos clientes uma gama de opções de investimento com base em informações de mercado em tempo real. Previsão de doenças Escola de Medicina Icahn no Monte Sinai O sistema Deep Patient ajuda os médicos a prever o risco de doenças específicas dos pacientes, permitindo a intervenção preventiva. PERSONALIZAÇÃO Experiência do hóspede Carnival Corporation O dispositivo de IA vestível agiliza a logística das atividades do navio de cruzeiro e antecipa as preferências dos hóspedes, facilitando o suporte personalizado da equipe. Cuidados com a saúde Pfizer Sensores vestíveis para pacientes com Parkinson monitoram os sintomas 24 horas por dia, 7 dias por semana, permitindo um tratamento personalizado. Varejo de moda Stitch Fix A IA analisa os dados dos clientes para orientar os estilistas humanos, que dão aos clientes recomendações individualizadas de roupas e estilo. Velocidade. Para algumas atividades comerciais, o prêmio é a velocidade. Uma dessas operações é a detecção de fraudes com cartões de crédito. As empresas têm apenas alguns segundos para determinar se devem aprovar uma determinada transação. Se ela for fraudulenta, provavelmente terão de arcar com o prejuízo. Mas se negarem uma transação legítima, perderão a taxa da compra e irritarão o cliente. Como a maioria dos grandes bancos, o HSBC desenvolveu uma solução baseada em IA que melhora a velocidade e a precisão da detecção de fraudes. A IA monitora e pontua milhões de transações diariamente, usando dados sobre o local da compra e o comportamento do cliente, endereços IP e outras informações para identificar padrões sutis que sinalizam uma possível fraude. O HSBC implementou o sistema pela primeira vez nos Estados Unidos, reduzindo significativamente a taxa de fraudes não detectadas e falsos positivos, e depois o implementou no Reino Unido e na Ásia. Um sistema de TI diferente usado pelo Danske Bank melhorou sua taxa de detecção de fraude em 50% e diminuiu os falsos positivos em 60%. A redução no número de falsos positivos libera os investigadores para concentrarem seus esforços em transações equivocadas que a IA sinalizou, onde o julgamento humano é necessário. A luta contra a fraude financeira é como uma corrida armamentista: Uma detecção melhor leva a criminosos mais desviados, o que leva a uma detecção melhor, que continua o ciclo. Assim, os algoritmos e os modelos de pontuação para combater a fraude têm uma vida útil muito curta e exigem atualização contínua. Além disso, diferentes países e regiões usam modelos diferentes. Por esses motivos, são necessárias legiões de analistas de dados, profissionais de TI e especialistas em fraude financeira na interface entre humanos e máquinas para manter o software um passo à frente dos criminosos. Escala. Para muitos processos de negócios, a baixa escalabilidade é o principal obstáculo à melhoria. Isso é particularmente verdadeiro para os processos que dependem de trabalho humano intensivo com assistência mínima de máquinas. Considere, por exemplo, o processo de recrutamento de funcionários da Unilever. A gigante dos bens de consumo estava procurando uma maneira de diversificar sua força de trabalho de 170.000 pessoas. O TI determinou que precisava se concentrar em contratações de nível básico e, em seguida, acelerar o processo de seleção dos melhores para a gerência. Mas os processos existentes na empresa não eram capazes de avaliar os possíveis recrutas em número suficiente - ao mesmo tempo em que davam atenção individual a cada candidato - para garantir uma população diversificada de talentos excepcionais. Veja como a Unilever combinou recursos humanos e de IA para dimensionar a contratação individualizada: Na primeira rodada do processo de inscrição, os candidatos são convidados a jogar jogos on-line que ajudam a avaliar características como aversão ao risco. Esses jogos não têm respostas certas ou erradas, mas ajudam a IA da Unilever a descobrir quais indivíduos podem ser mais adequados para uma determinada posição. Na próxima rodada, os candidatos são solicitados a enviar um vídeo no qual respondem a perguntas elaboradas para o cargo específico no qual estão interessados. Suas respostas são analisadas por um sistema de IA que considera não apenas o que eles dizem, mas também sua linguagem corporal e tom. Os melhores candidatos dessa rodada, conforme julgado pela IA, são então convidados pela Unilever para entrevistas presenciais, após as quais os humanos tomam as decisões finais de contratação. Ainda é muito cedo para dizer se o novo processo de recrutamento resultou em funcionários melhores. A empresa tem acompanhado de perto o sucesso dessas contratações, mas ainda são necessários mais dados. No entanto, está claro que o novo sistema ampliou muito a escala de recrutamento da Unilever. Em parte porque os candidatos a emprego podem acessar facilmente o sistema pelo smartphone, o número de candidatos dobrou para 30.000 em um ano, o número de universidades representadas subiu de 840 para 2.600 e a diversidade socioeconômica dos novos contratados aumentou. Além disso, o tempo médio entre a candidatura e a decisão de contratação caiu de quatro meses para apenas quatro semanas, enquanto o tempo que os recrutadores gastam analisando as candidaturas caiu 75%. Este artigo também aparece em: Artificial Intelligence: The Insights You Need from Harvard Business Review Livro de Tecnologia e Operações 22.95 Adicionar ao carrinho Salvar Compartilhar Tomada de decisões. Ao fornecer aos funcionários informações e orientações personalizadas, a IA pode ajudá-los a tomar decisões melhores. Isso pode ser especialmente valioso para os trabalhadores nas trincheiras, onde tomar a decisão certa pode ter um enorme impacto no resultado final. Considere a maneira pela qual a manutenção de equipamentos está sendo aprimorada com o uso de "gêmeos digitais" - modelos virtuais de equipamentos físicos. A General Electric constrói esses modelos de software de suas turbinas e outros produtos industriais e os atualiza continuamente com o fluxo de dados operacionais do equipamento. Ao coletar leituras de um grande número de máquinas em campo, a GE acumulou uma grande quantidade de informações sobre desempenho normal e anormal. Seu aplicativo Predix, que usa algoritmos de aprendizado de máquina, agora pode prever quando uma peça específica de uma máquina individual pode falhar. Essa tecnologia mudou fundamentalmente o processo de manutenção de equipamentos industriais, que exige muita decisão. O Predix pode, por exemplo, identificar um desgaste inesperado do rotor de uma turbina, verificar o histórico operacional da turbina, informar que o dano quadruplicou nos últimos meses e avisar que, se nada for feito, o rotor perderá cerca de 70% de sua vida útil. O sistema pode então sugerir ações apropriadas, levando em conta a condição atual da máquina, o ambiente operacional e os dados agregados sobre danos e reparos semelhantes em outras máquinas. Juntamente com suas recomendações, o Predix pode gerar informações sobre seus custos e benefícios financeiros e fornecer um nível de confiança (digamos, 95%) para as suposições usadas em sua análise. Sem o Predix, os trabalhadores teriam sorte se detectassem o dano no rotor em uma verificação de manutenção de rotina. É possível que isso não fosse detectado até que o rotor falhasse, resultando em um desligamento dispendioso. Com o Predix, os funcionários de manutenção são alertados sobre possíveis problemas antes que eles se tornem sérios e têm as informações necessárias na ponta dos dedos para tomar boas decisões - decisões que, às vezes, podem economizar milhões de dólares para a GE. Personalização. Proporcionar aos clientes experiências de marca individualmente personalizadas é o santo graal do marketing. Com a IA, essa personalização agora pode ser alcançada com uma precisão antes inimaginável e em grande escala. Pense na forma como o serviço de streaming de música Pandora usa algoritmos de IA para gerar listas de reprodução personalizadas para cada um de seus milhões de usuários, de acordo com suas preferências de músicas, artistas e gêneros. Ou considere a Starbucks, que, com a permissão dos clientes, usa a IA para reconhecer seus dispositivos móveis e consultar seu histórico de pedidos para ajudar os baristas a fazer recomendações de serviço. A tecnologia de TI faz o que faz de melhor, filtrando e processando grandes quantidades de dados para recomendar determinadas ofertas ou ações, e os seres humanos fazem o que fazem de melhor, exercendo sua intuição e julgamento para fazer uma recomendação ou selecionar a melhor opção em um conjunto de escolhas. A Carnival Corporation está aplicando a IA para personalizar a experiência de cruzeiro para milhões de turistas por meio de um dispositivo vestível chamado Ocean Medallion e uma rede que permite a conexão de dispositivos inteligentes. O aprendizado de máquina processa dinamicamente os dados que fluem do medalhão e dos sensores e sistemas em todo o navio para ajudar os hóspedes a aproveitar ao máximo suas férias. O medalhão agiliza os processos de embarque e desembarque, rastreia as atividades dos hóspedes, simplifica as compras conectando seus cartões de crédito ao dispositivo e funciona como uma chave do quarto. O TI também se conecta a um sistema que antecipa as preferências dos hóspedes, ajudando os membros da tripulação a oferecer um serviço personalizado a cada hóspede, sugerindo itinerários personalizados de atividades e experiências gastronômicas. A necessidade de novas funções e talentos Reimaginar um processo de negócios envolve mais do que a implementação da tecnologia de TI; também exige um compromisso significativo com o desenvolvimento de funcionários com o que chamamos de "habilidades de fusão" - aquelas que lhes permitem trabalhar de forma eficaz na interface homem-máquina. Para começar, as pessoas precisam aprender a delegar tarefas à nova tecnologia, como acontece quando os médicos confiam nos computadores para ajudar na leitura de raios X e ressonâncias magnéticas. Os funcionários também devem saber como combinar suas habilidades humanas distintas com as de uma máquina inteligente para obter um resultado melhor do que qualquer uma delas poderia alcançar sozinha, como na cirurgia assistida por robô. Os funcionários devem ser capazes de ensinar novas habilidades aos agentes inteligentes e passar por treinamento para trabalhar bem em processos aprimorados por IA. Por exemplo, eles devem saber a melhor forma de fazer perguntas a um agente de IA para obter as informações de que precisam. E deve haver funcionários, como os da equipe de privacidade diferenciada da Apple, que garantam que os sistemas de IA de suas empresas sejam usados de forma responsável e não para fins ilegais ou antiéticos. Esperamos que, no futuro, as funções da empresa sejam redesenhadas em torno dos resultados desejados de processos reimaginados, e as corporações serão cada vez mais organizadas em torno de diferentes tipos de habilidades, em vez de títulos rígidos de cargos. A AT&T já iniciou essa transição ao passar dos serviços de telefonia fixa para as redes móveis e começar a treinar novamente 100.000 funcionários para novos cargos. Como parte desse esforço, a empresa reformulou completamente seu organograma: Cerca de 2.000 cargos foram simplificados em um número muito menor de categorias amplas que abrangem habilidades semelhantes. Algumas dessas habilidades são as esperadas (por exemplo, proficiência em ciência de dados e manipulação de dados), enquanto outras são menos óbvias (por exemplo, a capacidade de usar ferramentas simples de aprendizado de máquina para cross-selling de serviços). CONCLUSÃO A maioria das atividades na interface homem-máquina exige que as pessoas façam coisas novas e diferentes (como treinar um chatbot) e que façam coisas diferentes (usar esse chatbot para oferecer um melhor atendimento ao cliente). Até agora, no entanto, apenas um pequeno número de empresas que pesquisamos começou a reimaginar seus processos de negócios para otimizar a inteligência colaborativa. Mas a lição é clara: as organizações que usam as máquinas apenas para substituir os funcionários por meio da automação não aproveitarão todo o potencial da IA. Essa estratégia é equivocada desde o início. Em vez disso, os líderes de amanhã serão aqueles que adotarem a inteligência colaborativa, transformando suas operações, seus mercados, seus setores e, não menos importante, suas forças de trabalho.

Inteligência colaborativa: Humanos e IA estão unindo forças

Resumo.

Partner Center