AI pode fornecer detecção antecipada de problemas de negócios. Veja qual postura seguir em sua empresa
Os desenvolvimentos de inteligência artificial (AI, na sigla em inglês) geralmente se concentram em novos recursos para “detectar e prever”. Mesmo para morte e impostos, duas coisas que há certezas, os avanços da tecnologia podem aber melhor quando esses eventos certos acontecerão, quanto custarão e quando as pessoas tentam evitá-los.
Nos negócios, a AI tem um potencial considerável de ser como uma “bola de cristal”. A tecnologia já está aprimorando drasticamente as habilidades e reduzindo os custos de previsão em muitas áreas funcionais. Por exemplo, interrupções na cadeia de suprimentos, potenciais candidatos a empregos, possíveis compras de clientes e atividade nefasta de computadores.
Porém, a previsão é mais incerta, difícil e cara do que a detecção. E a maioria das empresas (subestimando imensamente) não é tão bem administrada que uma melhor detecção e uma reação mais rápida por si só não são extremamente valiosas. Embora o valor possa ser menor para detecção do que para previsão, o ROI pode ser maior.
Mudar a perspectiva das bolas de cristal para os detectores de fumaça pode ajudar o gerente de dados de várias maneiras, segundo Sam Ransbotham, professor associado de sistemas de informação na Carroll School of Management do Boston College e editor convidado do MIT Sloan Management Review.
De acordo com ele, detectores de fumaça incentivam a ação e fornecem sinais precoces do que já está acontecendo, não o que pode acontecer. Detectores de fumaça não preveem incêndios. Eles nos alertam imediatamente quando há um. Nós temos processos existentes para o fogo: escapar ou apagá-lo.
Da mesma forma, as empresas ainda podem se beneficiar da detecção rápida de problemas, mesmo que sejam imprevisíveis. E assim como apagar é mais fácil quando detectores de fumaça alertam rapidamente, os gerentes têm mais opções para melhores resultados se tiverem mais tempo.
Nós não sabemos como as bolas de cristal funcionam. A maioria dos gerentes não sabe como a inteligência artificial funciona também. A AI esconde camadas que dificultam a compreensão dos gerentes. “Conhecer” um resultado sem entender o raciocínio subjacente torna mais difícil confiar nos resultados.
Em contraste, os detectores de fumaça fazem sentido. Mesmo sem um entendimento detalhado, as pessoas sabem que precisam estar localizadas centralmente com acesso ao fluxo de ar – ninguém esperaria que um detector de fumaça em uma caixa em um armário faria sentido.
Ao pensar de forma semelhante sobre como a AI pode fornecer detecção antecipada de problemas de negócios, os talentos podem pensar naturalmente sobre os dados que podem informar a detecção. Onde estão os sinais de dados atualmente ausentes? Onde os sinais de dados são de baixa qualidade? Onde os sinais de dados estão dando falsos alarmes? Essas questões levam naturalmente a medidas práticas para melhorar os dados que alimentam as chamas da AI moderna.
Como os gestores recomendam investimento em soluções que envolvam inteligência artificial, os investimentos são baseados no valor esperado. O valor esperado inclui não apenas o valor, mas também a incerteza. A previsão é provavelmente mais incerta que a detecção. Será preciso muito valor extra da previsão para compensar essa incerteza.
Pior, os problemas de mensuração podem prejudicar o investimento voltado para o conhecimento do futuro desde o início. Com base na previsão do futuro, a gestão proativa agirá para mudar esse futuro. Quando o evento previsto não acontece, é porque a previsão estava incorreta ou porque a ação gerencial foi bem-sucedida?
Por exemplo, em vez de tentar prever quais clientes vão se movimentar, os gerentes podem mudar para detectar melhor quais clientes estão insatisfeitos. As implicações podem ser semelhantes, mas as mudanças na satisfação são mensuráveis, enquanto os clientes que iam sair, mas não o saíram, não são mensuráveis.
A previsão pode ser mais valiosa, mas a um custo e incerteza maiores que podem resultar em um ROI menor.
