Especialistas compartilham experiências e dicas de como os CIOs podem atrair a combinação certa de cientistas de dados, engenheiros de ML e IA
Muitos líderes de TI consideram a contratação de talentos e a mudança de cultura como dois dos principais obstáculos à transformação dos negócios. Encontrar engenheiros de software, mestres Scrum, líderes de DevOps e outros agentes de mudança em potencial continua sendo um fardo. Mas os especialistas concordam que o principal desafio é contratar especialistas em ciência de dados, incluindo aqueles com conhecimento em aprendizado de máquina (ML) e habilidades em inteligência artificial (IA).
Da assistência médica aos serviços financeiros, todos os setores estão adotando alguma forma de IA para as suas estratégias. Oitenta e quatro por cento dos 500 líderes de negócios entrevistados pela consultoria EY em 2019 disseram que a IA é fundamental para facilitar as operações e reduzir custos, obtendo um melhor entendimento dos clientes e gerando novas receitas. No entanto, o caminho para o sucesso depende muito do pool de talentos, pois 31% desses mesmos líderes afirmaram que a falta de pessoal qualificado é a principal barreira para a adoção da IA.
Para auxiliar as empresas nesse processo, especialistas compartilharam suas experiências e forneceram dicas de como os CIOs podem atrair a combinação certa de cientistas de dados, engenheiros de ML e especialistas em IA.
Alan Jacobson estava ciente da falta de talentos em ciência de dados quando ingressou na Alteryx como diretor de dados. O especialista, que anteriormente passou 25 anos em engenharia e outras funções na Ford Motor, diz que identificar o talento certo para resolver seus problemas de negócios continua sendo um dos maiores desafios organizacionais da atualidade.
“Recrutar talentos é extremamente difícil”, afirma Jacobson. “Há mais demanda que oferta.” Uma das razões para a dificuldade é que os candidatos à ciência de dados, embora possuam habilidades para solucionar problemas, geralmente não possuem conhecimentos específicos.
Um dos principais cientistas de dados de Jacobson na Ford era um sismólogo que se formou no MIT e aprendeu SQL, Python, R e outras linguagens de programação. Outros vêm da agricultura, oceanografia, ciência política e outras áreas que podem parecer improváveis para a utilização de ferramentas de IA.
Amplie. Um bom cientista de dados combina habilidades interpessoais com uma mente analítica. Recomendado por um amigo de confiança, o sismólogo de Jacobson cultivou habilidades sociais enquanto servia no Peace Corps e lecionava em uma escola. “Muitas dessas experiências fizeram dela uma cientista de dados fenomenal”, declara Jacobson.
Identifique os solucionadores de problemas. Um candidato resolveu problemas do mundo real? Um contratado em potencial construiu um produto de software ou publicou uma biblioteca de software de código aberto que outras pessoas usam para resolver problemas? Talvez eles tenham competido em um desafio de codificação no Kaggle ou em outras plataformas. Esses são os principais marcadores para determinar se alguém pode ser uma boa opção para a sua equipe.
Identificar talentos de engenharia que podem criar recursos de IA apresenta um desafio mais restrito, geralmente exigindo habilidades de codificação, trabalhando com estatísticas bayesianas e experiência no desenvolvimento de algoritmos.
Com uma oferta tão limitada de talentos, as vagas de emprego em IA ficam disponíveis por mais de 100 dias, em comparação com a função de desenvolvedor de software, aberta por menos de 70 dias, de acordo com levantamento do Gartner. Pensando nisso, a orientação é ampliar o alcance das vagas para além das maiores cidades, estendendo as propostas para candidatos de outras localidades.
Segundo Jeff Wong, diretor de inovação da EY, a companhia procura engenheiros de IA e cientistas de dados em todo o mundo, incluindo estudantes das mais variadas disciplinas que tenham como foco a resolução de problemas. A EY também investe no treinamento para a nova qualificação da equipe em diversos assuntos, como topologia, criptografia, física e astrofísica.
Apesar de 18 mil de seus 270 mil funcionários serem profissionais de dados, Wong acredita que a EY deve fazer mais para aperfeiçoar os talentos em IA na próxima década.
“Tivemos muita sorte, mas nossa ambição supera nossa capacidade de recrutar talento de IA”, explica Wong, acrescentando que a EY dobrou sua equipe principal de IA a cada quatro meses nos últimos anos. “Nossa ambição é ser a melhor do mundo para os clientes.”
É tudo sobre os dados. Grandes conjuntos de dados são um ótimo atrativo para especialistas que procuram resolver problemas complexos. A EY, por exemplo, está construindo um software de inteligência artificial que digitaliza bilhões de páginas de documentos preenchidos com dados estruturados e não estruturados.
Pense no que você quer fazer. Os CIOs estão todos em diferentes jornadas de dados, mas é essencial que os líderes de TI descubram exatamente o problema que desejam resolver antes de procurarem o talento de IA mais adequado para trabalhar.
Para Mike Pino, parceiro da PwC, o recrutamento de talentos requer uma combinação de abordagens: compra, empréstimo e construção, seguidos pela execução de projetos que criam um sistema de inovação contínua. A abordagem escolhida depende da sua cultura corporativa.
Comprar. Contrate funcionários da IA, mas esteja preparado para pagar grandes valores, especialmente se você estiver localizado em determinadas regiões.
Pedir emprestado. A utilização de talentos de consultorias ou universidades para trabalhar em projetos ou criar produtos pode ajudá-lo a preencher lacunas de curto prazo, observa Pino.
Construir. Você também pode construir talentos internamente. Isso demandará tempo e paciência, mas você pode começar o processo devagar para deixar o talento florescer. A PwC capacitou uma pequena parte de sua equipe para trabalhar na automação de processos robóticos (RPA), e está fazendo um esforço semelhante em IA e ML.
Com o talento na equipe, você pode identificar os melhores para ajudar a construir soluções de IA. Depois, é uma questão de executar esses projetos, monitorar o progresso, solicitar feedback e corrigir as falhas. Todo problema comercial exigirá que você ajuste seus métodos. “Não existe uma abordagem única”, finaliza Pino.
