Artigo: Quais são as fronteiras da inteligência artificial na tomada de decisão das empresas?

Bruno Rezende – 21.09.2021 – Inteligência artificial na tomada de decisão evoluiu e hoje o debate gira em torno de seus limites e em sua capacidade; veja cinco forma de usá-la

A tecnologia de inteligência artificial evoluiu tanto nos últimos anos que a discussão em torno dela precisou mudar. Não se debate mais se esse conceito é ou não importante para as empresas, mas sim quando e como deve ser implementado nos processos internos. Independentemente do porte ou da área de atuação, as organizações precisam buscar recursos para adotar soluções desse tipo em suas estruturas. O Brasil, inclusive, assumiu o protagonismo na América Latina. A pesquisa Global AI Adoption Index 2021, realizada pela IBM, mostra que quatro em cada dez profissionais de TI (40%) utilizam em seu negócio – no restante da região, esse percentual é de 21%.

O tema está em constante transformação, com muitas novidades aparecendo todos os dias. Saber quais são os próximos desafios representa um diferencial e tanto para gestores e empresas. Mas quais são essas próximas fronteiras a serem ultrapassadas? Confira os cinco tópicos que devem guiar o uso de inteligência artificial na tomada de decisão:

1 – Dados locais, nacionais e internacionais

A primeira dica consiste na definição e delimitação geográfica do negócio. A capacidade de processamento de um grande volume de informações levou as soluções de inteligência artificial para organizações de escala global, cruzando dados de diferentes países. Contudo, à medida que empresas de menor porte também passam a adotar essa tecnologia, é preciso redefinir essa coleta de dados para regiões mais específicas, atendendo de forma assertiva à área de atuação.

2 – Inteligência artificial na tomada de decisão

Com tantos recursos disponíveis e uma evolução tecnológica que permite isso, as soluções de inteligência artificial para tomada de decisão devem extrapolar sua função inicial de processar um grande volume de informações e automatizar processos. De fato, com a capacidade tecnológica existente hoje, essas ferramentas devem ser utilizadas em sua plenitude, ou seja, auxiliando na descoberta de insights e previsões em diferentes setores e segmentos. Em suma: elas precisam atuar próximas dos gestores nas tomadas de decisão, oferecendo as informações necessárias para a realidade da organização.

3 – Uma ciência escalável

Podemos compreender a escalabilidade como a capacidade de algo crescer exponencialmente sem aumentar o investimento para isso. O sonho da grande maioria das empresas é se tornar escalável. Um dos grandes desafios das soluções de inteligência artificial é justamente este: a possibilidade de chegar a um número maior de empresas e segmentos sem demandar grandes investimentos. A inteligência artificial deve ser capaz de escalar sua atuação, atendendo desde grandes organizações até empresas menores.

4 – Inteligência artificial “inteligente”

Encontrar soluções que capturam dados não é difícil. Eles estão abundantes, disponíveis e são fáceis de conseguir. Várias soluções prometem realizar essa tarefa em diferentes situações. A questão é que isso não chega mais a ser um diferencial estratégico para as organizações. Mais importante do que a quantidade de dados é a qualidade e a capacidade de extrair inteligência. Ferramentas de IA devem ser cada vez mais inteligentes, assimilando novos padrões e formatos com o passar do tempo.

5 – Compliance e governança

Por fim, as tecnologias de IA precisam se adequar também ao cenário de regulação na utilização de dados que grande parte do mundo está adotando. A União Europeia, por exemplo, lançou a GDPR há alguns anos, enquanto que a Lei Geral de Proteção aos Dados Pessoais (LGPD) já é realidade no Brasil desde 2020. O respeito às regras e boas práticas não apenas evita problemas com a lei, como também proporciona uma imagem mais positiva da organização perante investidores e stakeholders.

*Bruno Rezende é CEO da 4Intelligence, startup de soluções que apoiam a tomada de decisão por meio da análise de dados.