É comum o entusiasmo de diversas empresas e com o uso de inteligência artificial e aprendizado de máquina e, convenhamos, quem poderia culpá-las? Com a premissa empolgante que incluem desde melhorar as receitas, maior competitividade, diferenciação de mercado e economia nos custos – como não se interessar?
NT: Inteligência artificial, tem diversas aplicações englobando Machine Learning (aprendizado de máquina) e Deep Learning (aprendizado profundo). Somente em 2022 os investimentos podem chegar a 62,5 bilhões de dólares, de acordo com o mais recente relatório da consultoria Gartner. A cifra representa um crescimento de 21% em relação ao valor de 2021, quando o faturamento global foi de 51,5 bilhões de dólares. (VIANNA, 2022)
Não é surpresa que haja uma corrida de empresas para adotar as soluções de IA,. E isso significa que, para alguns, a questão do que é mais prioritário: IA ou Governança de Dados, de forma similar ao que deveria vir primeiro: o ovo e da galinha.
Sinceramente, quem não priorizaria um recurso que vai trazer tantos benefícios, por que iria investir em governança de dados, que demanda tempo para colher os benefícios, perto do potencial da IA? Mas para mim, há uma resposta clara:
A inteligência artificial funciona imitando os processos humanos ingerindo grandes quantidades de dados de “teste” e de “treinamento” e analisando-os para correlações e padrões e usando esses padrões para fazer previsões sobre estados futuros.
Por exemplo, um chatbot – do tipo que você pode encontrar no site de um varejista online ou no lugar de suporte técnico – recebe exemplos de chats de texto e pode aprender a produzir trocas realistas com as pessoas e ser capaz de oferecer suporte, ou uma ferramenta de reconhecimento de imagem pode aprenda a identificar e descrever objetos em imagens revisando milhões de exemplos.
Os algoritmos desde os mais simples a complexos, se concentram na aquisição de dados e na criação de regras de como a IA transformará os dados em informações acionáveis, seguindo instruções até finalizar a tarefa definida.
O aspecto de raciocínio da programação de IA se concentra na escolha do algoritmo certo para alcançar o resultado desejado e o processo de autocorreção é projetado para ajustar contínuos para garantir resultados mais precisos possíveis.
Isso tudo significa uma coisa: a IA precisa dos dados certos para aprender.
Portanto, como consequência, se houver dados ausentes ou imprecisos, podem impactar negativamente os modelos que por sua vez tomarão as decisões erradas e as consequências podem ser caras e talvez até desastrosas financeiramente e para a imagem da empresa.
Se há investimentos em IA e, claramente interesse em seu uso efetivo ao máximo, aconselho que haja um programa de governança de dados para atingir seus objetivos. É bem simples: certifique-se de que sua casa está em ordem, ou seja, que seus dados são adequados, antes de começar a embarcar em uma jornada de IA.
NT: IA usa muitos dados, e precisa olhar o passando para prever o futuro, portanto sem dados não tem como exitir IA, e sem uma cultura de dados, vai ser mais difícil ainda que haja um uso efetivo destes dados, mais um ponto em que a Governança é a parceira que atua de forma conjunta.
NT: É difícil imaginar alguma empresa que não use nenhum recurso de IA, mas infelizmente, temos inúmeros casos insatisfatórios por exemplo: quem nunca teve um atendimento pífio num atendimento realizados por chatbot, um sistema de reconhecimento facial que não reconhece o usuário, uma compra bloqueada quando há limite no cartão, entre outros inúmeros exemplos que vemos cotidianamente. E ainda pior são os casos gerados pelos vieses discriminatórios e abusivos.
NT: Temos um universo de oportunidades com a IA, e isso é ótimo, e é visível como transformou nossas vidas, empresas como Nubank, Quinto Andar, Ifood, Uber são grandes exemplos que mudaram o cenário não só no Brasil, (e somos eternamente gratos!) e ainda tem um crescimento imensurável pela frente.
Se tiver um bom programa de governança de dados, com atuações efetivas em ética, segurança, aculturamento e qualidade, melhores serão os dados para os projetos de IA, e mais benefícios serão conquistados além de tornar melhor e ágil o trabalho da equipe de ciência de dados.
E caso tiver alguma dúvida ou sugestões para futuros vídeos ou posts, envie-me um e-mail – question@nicolaaskham.com.
Artigo traduzido e com alguns “pitacos” mas originalmente Do I need Data Governance before Artificial Intelligence? de autoria de Nicola Askham.
Seja o primeiro a comentar