Anteriormente, as palavras “inteligência artificial” (IA) nos faziam pensar em um universo distópico governado por robôs. Devemos agradecer à ficção científica popular por isso. Mas agora, quando pessoas como executivos de negócios ouvem a palavra IA, elas pensam em oportunidade.
Em novembro de 2022, o lançamento do ChatGPT, um chatbot de IA conversacional, quebrou a internet. Dois meses após seu lançamento, ganhou o título de base de usuários que mais cresce, com mais 100 milhões de usuários.
Muitas empresas exploraram suas capacidades para otimizar seus fluxos de trabalho. Enquanto alguns o usavam para gerar conteúdo, outros o usavam para automação de processos. E isso é apenas a ponta do iceberg.
Graças ao advento de ferramentas como o DALL-E e o CoPilot do GitHub, mais empresas estão vendo o potencial que a IA tem para ir além do usual “automatizar tudo” slogan que estamos ouvindo.
Para explorar seu verdadeiro potencial em 2023, vamos nos aprofundar na importância da IA nos negócios. Neste artigo, discutiremos o seguinte:
- A história da IA nos negócios
- Histórias populares de sucesso e fracasso
- Casos de uso proeminentes
- Um mini-guia sobre como adotar a IA
Vamos mergulhar.
História da IA nos negócios
Uma pesquisa recente da PwC descobriu que 36% dos líderes já têm processos de negócios habilitados pela IA ou estão adotando a IA em grande escala. No entanto, esse nem sempre foi o caso.
O termo “inteligência artificial” foi cunhado em 1956 por quatro cientistas: John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon. Logo depois, em 1961, Alan Turing, um famoso matemático, escreveu um artigo sobre como os computadores podem simular o processo de pensamento de um ser humano e fazer coisas inteligentes. Esse marco marcou o advento do campo da IA.
Mas com o passar do tempo, a comunidade científica publicou literatura como a Relatório Lighthill e Perceptrons que criticava fortemente a IA e sua falha em atingir os objetivos previamente definidos. Isso levou a uma severa retirada de financiamento de órgãos financiadores nos Estados Unidos e no Reino Unido. Depois de quase 20 anos de interesse significativo na área, ela trouxe o primeiro inverno de IA.
O interesse pela IA reviveu novamente na década de 1970, quando sistemas especializados foram desenvolvidos. Esses sistemas simularam o julgamento e o comportamento de especialistas humanos ou organizações com experiência no domínio. No entanto, as desvantagens tecnológicas resultaram em outro inverno de IA que durou até meados da década de 1990.
No final da década de 1990, o interesse surgiu novamente devido a desenvolvimentos significativos no campo. A IBM lançou o Deep Blue, que derrotou um campeão humano de xadrez em seu próprio jogo. Ao mesmo tempo, várias instituições de pesquisa estavam trabalhando em robôs, veículos autônomos e muito mais, o que trouxe a primavera da IA — a mais longa que ela já durou.
Agora, temos chatbots com inteligência artificial, clonadores de voz, assistentes de reuniãoe muito mais — somente em duas décadas.
Quais são os casos de uso mais proeminentes da IA?
Com mais de sete décadas de progresso, a IA percorreu um longo caminho.
Danny Pan, chefe de ciência de dados da Set Sail diz: “Com a explosão da IA, algumas ferramentas podem ser vistas como enigmáticas. Embora a IA não seja uma moda passageira, algumas ferramentas certamente serão. É essencial provar que uma ferramenta agrega valor ao determinar se é um ativo útil para reter a longo prazo.”
A única maneira de descobrir se uma ferramenta realmente agrega valor comercial é colocando-a em uso. Aqui estão algumas histórias de sucessos e fracassos da IA nos negócios:
- Fabricando os Cheetos perfeitos: o Bonsai da Microsoft
Graças a Projeto Bonsai da Microsoft, a PepsiCo sempre pode criar o Cheeto perfeito. Essa poderosa plataforma de IA usa aprendizado por reforço para aprender com os especialistas da Cheetos.
Por sua vez, ele verifica a qualidade de cada chip, garantindo que tenha o tamanho, o sabor, a forma e o ar perfeitos. Isso garante que o produto atenda aos mais altos padrões de qualidade em cada lote produzido. Esse caso de uso provou o valor da IA na manufatura.
- Servindo as recomendações certas de séries: Netflix
A Netflix usa Algoritmos AI para analisar o tipo de conteúdo que seus clientes assistem. Como resultado, ele oferece recomendações personalizadas adaptadas aos seus interesses. Isso é feito coletando dados sobre os hábitos de visualização e as preferências de conteúdo dos clientes, permitindo que o algoritmo entenda quais opções eles gostariam. Ele fornece uma experiência agradável ao usuário, aumentando a retenção de usuários. Esse caso de uso provou o valor da IA na personalização e no uso dela para reduzir a rotatividade de clientes por produtos de software.
- Recomendações de tratamento inseguro do câncer: IBM Watson
O Watson for Oncology da IBM foi um fracasso multimilionário. Ele foi treinado apenas usando um pequeno conjunto de dados hipotéticos do paciente em vez de informações reais do paciente. Esse descuido levou a consequências desastrosas, com vários exemplos de conselhos de tratamento perigosos e incorretos sendo identificados. Devido à sua incapacidade de atender ao caso de uso pretendido, o projeto de 62 milhões de dólares acabou sendo descartado. Esse caso de uso mostrou a importância de fornecer um conjunto de dados grande e imparcial aos modelos de IA para obter a saída correta. Pequenos conjuntos de dados não fornecem dados fundamentais suficientes para que o modelo de IA tome decisões precisas.
- Chatbot corrupto do Twitter: Tay da Microsoft
O fracasso do chatbot Tay (Thinking About You) da Microsoft provou ser uma lição sobre a importância de oferecer dados de treinamento corretos. Os algoritmos que alimentaram o bot foram projetados para aprender com as conversas que ele teve com as pessoas no Twitter.
Menos de 24 horas após seu lançamento, começou a twittar mensagens ofensivas e odiosas devido às suas interações com trolls da Internet. Isso expôs uma falha fundamental no design de Tay: a falta de sistemas de filtragem. A Microsoft precisa desligar imediatamente para evitar maiores danos à sua reputação. Esse caso de uso provou que os modelos de IA devem ser treinados usando dados moderados para evitar tais problemas. O modelo é tão bom quanto os dados com os quais foi treinado.
Casos de uso de IA para pequenas empresas
As aplicações da inteligência artificial no mundo real são muito amplas. Vamos ver como as pequenas empresas podem aproveitar a IA:
Automatize a pontuação e o gerenciamento de leads
Pequenas empresas podem usar chatbots de IA conversacionais para capturar informações de leads e adicioná-las ao software de gerenciamento de relacionamento com o cliente (CRM). Essa tecnologia pode economizar tempo, aumentar a eficiência e melhorar a satisfação do cliente.
Você pode programá-lo para fazer perguntas como nome, endereço de e-mail, número de telefone ou outros pontos de dados desejados. Você também pode adicionar perguntas de qualificação de leads, como tipo de negócio, orçamento e muito mais. Essas respostas podem então ser transferidas automaticamente para o CRM da empresa, eliminando a necessidade de entrada manual de dados.
Além disso, você pode integrar ferramentas de IA para negócios, como o ChatGPT, ao seu sistema de gerenciamento de leads. Você pode treinar o modelo de ML com base em dados internos, como tempo médio gasto na página, número de cliques, interações nas redes sociais, tipo de dispositivo e dados demográficos. Com base nisso, ele pode pontuar leads e determinar quais deles têm maior probabilidade de conversão.
Capture notas de reuniões automaticamente
Muitas pessoas passam muito tempo em reuniões. No entanto, eles estão constantemente alternando o contexto entre fazer anotações e tentar ouvir os outros participantes. Para evitar isso, você pode usar soluções baseadas em IA, como Supernormal para aproveitar ao máximo suas reuniões.
Por exemplo, ele pode gravar toda a reunião e capturar pequenos destaques que refletem os minutos importantes da sua ligação. Além disso, você pode transcrever a chamada, criar notas detalhadas e enviá-las aos participantes relevantes.
Simplifique os fluxos de trabalho de conteúdo
As pequenas empresas geralmente têm recursos e funcionários limitados. Isso faz com que a criação de conteúdo em grande escala para marketing digital campanhas difíceis. Felizmente, as ferramentas de IA podem gerar rapidamente conteúdo de alta qualidade que seja envolvente e persuasivo.
Da escrita à edição e à otimização, existem várias ferramentas de IA para empresas disponíveis para cada parte do seu fluxo de trabalho de conteúdo. Você pode gerar postagens de blog usando ferramentas de escrita de IA que têm modelos ou fluxos de trabalho para ajudar você a começar.
Depois de gerar a cópia, você pode executá-la por meio de um editor de inteligência artificial que analisa a cópia em busca de erros gramaticais, aderência às diretrizes de estilo e muito mais. O objetivo é reduzir o tempo necessário para produzir um ativo de conteúdo, mantendo a qualidade e os custos baixos.
Elabore e-mails e linhas de assunto para várias finalidades
Usando ferramentas de IA como o ChatGPT, as equipes de vendas e marketing podem escrever e-mails frios convincentes e linhas de assunto otimizadas em minutos. Tudo o que você precisa fazer é fornecer uma solicitação com os seguintes detalhes:
- Destinatário previsto
- Objetivo do e-mail
- Informações de personalização
- Pontos problemáticos
- Chamada à ação
Com base nessa entrada, ele pode gerar um e-mail frio e uma linha de assunto que você ajusta ainda mais com base em suas preferências. Isso permite que as equipes de vendas e marketing se concentrem na pesquisa e na construção de relacionamentos, em vez de escrever o e-mail. Também é útil para criar respostas predefinidas para tarefas administrativas e de suporte.
Selecionar candidatos em potencial
Você pode automatizar o processo de contratação, desde a seleção de currículos e rastreamento de candidatos até o agendamento de entrevistas. As ferramentas de IA podem automatizar tarefas manuais de recursos humanos, como a classificação de currículos. Além disso, ele pode analisar as respostas e recomendar quem contratar se for treinado com dados imparciais.
Na fase de entrevista, você pode automatizar tarefas como enviar um e-mail de agendamento, um e-mail de acompanhamento e uma análise das gravações de chamadas. Essa abordagem economiza tempo dos gerentes de contratação, acelera o processo de contratação e permite que eles se concentrem no trabalho de alto nível.
Casos de uso de IA para corporações
Em seus livro recente, Henry A. Kissinger (presidente da Kissinger Associates), Eric Schmidt (ex-CEO do Google) e Daniel Huttenlocher (reitor da Faculdade de Computação Schwarzman do MIT) dizem: “Devido à experiência e aos recursos de computação necessários para treinar modelos de aprendizado de máquina, criar uma IA requer os recursos de grandes empresas ou estados-nação”.
Isso é verdade, pois grandes corporações têm acesso a inúmeros recursos, facilitando o aproveitamento do verdadeiro potencial da IA. É também por isso que seus casos de uso são mais abrangentes e personalizados de acordo com suas necessidades. Aqui estão alguns exemplos do mesmo:
Personalização do comércio eletrônico
Grandes corporações já usam a IA para personalizar as recomendações dos clientes e aumentar seus resultados financeiros. Empresas como a Alibaba usam algoritmos de personalização internos para analisar os dados do cliente e gerar recomendações personalizadas. Esse nível de personalização faz com que os clientes voltem, o que é evidente pelo fato de ter gerado uma receita de $129,98 bilhões em 2022.
Processamento de reclamações de seguros
Quando se trata de casos de uso mais sérios de IA, o processamento de reclamações de seguros é importante. Anteriormente, os clientes precisavam esperar dias ou até semanas para processar suas reivindicações de seguro. Em alguns casos, eles não recebem metade do que esperavam, gerando desconfiança na empresa.
Empresas como Bideo resolva esse problema usando IA. Seu produto pode realizar uma avaliação completa por meio de imagens e arquivos de vídeo para coletar evidências, avaliar danos e fornecer estimativas precisas de custos de reparo em minutos. Também pode ser usado para detecção de fraudes. Isso resulta em uma situação ganha-ganha para a seguradora e o cliente, levando a processos melhores.
Ecossistemas baseados em IA para vários casos de uso
Empresas como a Airbus criaram suas próprias Ecossistema baseado em IA para potencializar suas operações. Alguns dos casos de uso incluem:
- Otimização das rotas de voo de suas aeronaves
- Reduzir o uso de combustível
- Realize manutenção preditiva em seus aviões
- Use sistemas de voo autônomos
- Assistentes robóticos para astronautas
- Otimizando os serviços de catering para impulsionar a sustentabilidade
Isso é possível por meio de fluxos de dados em tempo real da aeronave enquanto ela está no ar. Esses modelos analisam seus sistemas e acelerar o processo de tomada de decisão. Por exemplo, a manutenção preditiva ajuda a identificar possíveis problemas antes que eles aconteçam, reduzindo os custos operacionais.
Como adotar a IA de forma incremental em toda a sua empresa
Agora que você conhece os vários casos de uso, dependendo do tamanho da empresa, vamos ver como você pode começar a adotar a IA em sua organização:
Etapa 1: Determine quais problemas você precisa resolver
Para começar com a IA, primeiro você precisa entender o que sua empresa precisa. Muitas vezes, as empresas tendem a pensar nisso de trás para frente. Eles querem que a IA resolver problemas—mesmo que não tenham certeza de qual problema ele precisa resolver.
Em seu livro Inteligente até ficar idiota, Emmanuel Maggiori, engenheiro de software freelancer, diz: “Em um mundo ideal, primeiro se tem um problema e depois se encontra a melhor solução para ele. No entanto, no mundo da IA, muitas vezes, as pessoas primeiro trazem a solução para a mesa — a IA — sem nem mesmo saber o que fazer com ela.”
Pense nos problemas que você precisa resolver. Você quer automatizar seus fluxos de trabalho? Ou você está procurando uma saída de alto nível com os dados existentes? Com base nisso, restrinja um produto que agregará valor real ao seu negócio.
Aqui está uma estrutura da PwC que mostra como é inovadora Líderes de negócios de IA estão escolhendo um produto:
Etapa 2: fale com especialistas em IA antes de implementá-la
Depois de ter uma ideia das necessidades de sua empresa, consulte um especialista em IA. Eles identificam possíveis armadilhas e criam estratégias para evitá-las.
Athina Zisi, diretora de operações da Cassino de energia diz: “Buscamos feedback e conselhos de especialistas e outras organizações que implementaram ferramentas semelhantes. Garantimos que a implementação de ferramentas baseadas em IA não afetasse negativamente nossa força de trabalho e que aumentasse e aprimorasse as capacidades de nossa equipe.”
Além disso, fornecedores especializados podem recomendar sistemas de IA que melhor atendam às necessidades da empresa, mantendo as implicações éticas no mínimo e proporcionando uma experiência positiva ao cliente.
Etapa 3: realizar uma análise de custo-benefício
Depois de saber o que está procurando, faça uma análise de custo-benefício de suas opções. Isso deve ajudar você a entender se a ferramenta vale o investimento.
Pan diz: “As ferramentas de IA devem passar pelo mesmo processo de avaliação que qualquer outra ferramenta. As ferramentas de IA, como todas as ferramentas, devem agregar valor quantificável ao negócio.”
Pense também nos impactos de longo prazo da adoção de soluções de IA. Você precisa considerar os retornos financeiros imediatos e quaisquer economias ou oportunidades futuras de investimento em ofertas de IA.
Milosz Krasinski, diretor administrativo da Consultoria Web da Chilli Fruit, oferece uma dica útil. Ele diz: “Sugiro que proprietários de pequenas empresas testem o máximo de testes gratuitos que puderem. Testar suas habilidades pode ser um bom lugar para ver o que é útil e importante para SUA empresa.”
Etapa 4: Implemente ferramentas baseadas em IA e monitore o progresso
Quando as empresas adotam a IA, é crucial que elas não apenas implementem as ferramentas, mas também monitorem seu progresso.
Giorgio Daher, membro do conselho consultivo da Boletim principal, diz que há vários desafios na adoção da IA. Aqui estão alguns exemplos de desafios:
- Não entendendo a distinção entre IA restrita e ampla
- Não ter dados limpos e bem gerenciados para alimentar a IA (não importa o quão inteligente seja a IA, se você estiver fornecendo dados incorretos, ela fornecerá insights inadequados)
- Preocupações éticas (por exemplo, se você usa IA para riscos e conformidade, quem é responsável se houver uma violação ou erro?)
Para evitar isso, avalie regularmente o desempenho, ajuste os modelos e crie ciclos de feedback para melhorar a precisão. Ao continuar se ajustando, você poderá garantir que a ferramenta funcione bem em seu contexto de negócios.
Etapa 5: analisar, iterar e escalar seu uso
É crucial adotar uma abordagem incremental em vez de esperar um uso generalizado. Ao fazer isso, você pode provar o valor da IA testando-a em uma pequena amostra de seus grandes conjuntos de dados antes de expandir significativamente.
Ele permite que você acompanhe o progresso e faça melhorias iterativas para maximizar o uso. A chave é começar aos poucos, focar em tarefas ou problemas específicos e monitorar continuamente o desempenho enquanto procura maneiras de otimizar ainda mais o uso da IA.
O futuro da IA nos negócios
É claro que, apesar dos invernos de IA que vimos no passado, a IA está rapidamente se tornando a norma para empresas de todos os tamanhos. Desde o início das simulações até os poderosos algoritmos atuais, ela se tornou uma parte crucial das operações comerciais. Seus casos de uso só aumentarão à medida que mais dados forem disponibilizados e melhores ferramentas forem desenvolvidas.
Salva Jovells, gerente de marketing da Hóquei, acredita que o futuro da IA incluiria APIs abertas para que possam ser integradas e personalizadas, educação sobre como usá-las e regulamentação sobre seus limites.
Por outro lado, Daher acredita que a IA continuará passando por “invernos” e “primaveras”. Ele diz: “A noção de que ele substituirá os humanos é exagerada. Acho que a IA aumentará as capacidades humanas, permitindo que os humanos dediquem sua inteligência muito mais matizada a empreendimentos de maior valor.”
Esse é o período mais longo de interesse contínuo que vimos na tecnologia de IA. Embora haja muito potencial, ainda precisamos avaliar os riscos da IA em sua totalidade. No entanto, para criar um caso de negócios para a IA, é melhor primeiro entender seus recursos e depois aproveitá-los em seu caso de uso para obter uma vantagem competitiva.