Não há dúvida de que a inteligência artificial é uma tecnologia revolucionária que pode gerar novos recursos e benefícios incríveis para todos os tipos de negócios. No entanto, ao implementar esse recurso, as empresas precisam estar cientes de que não podem contar apenas com a parte “artificial”.
O melhor modelo do mundo para a solução de inteligência artificial pode ser criado, mas se não tiver o envolvimento humano periódico integrado para a validação ou gestão de mudanças, ou não tiver incorporado o retreinamento do modelo, perderá lentamente o valor do que foi desenvolvido. Com o tempo, todas as soluções de inteligência artificial sofrem desvios e degradação do desempenho. Com frequência, um modelo já está obsoleto e desatualizado desde que foi implementado pela primeira vez.
A solução é incorporar processos humanos de monitoramento e correção na ferramenta para que seja mantido o valor e melhorado os resultados proativamente. Os detalhes da interferência de especialista vão variar dependendo do tipo de solução. Por exemplo, o monitoramento de conversas por robôs (chatbot), extração de informações de documentos ou aplicativos de previsão diária terão diferentes escalas de tempo e necessidade de frequência de validação. Já as ferramentas regulatórias provavelmente terão uma tolerância significativamente menor para desvios de dados e erros de previsão e exigirão atenção mais frequente. No entanto, independentemente do modelo, ele exigirá validação e interação humana em intervalos regulares para reter os benefícios.
Em um mundo ideal, o modelo de inteligência artificial seria treinado com uma variedade suficiente de informações para continuar tendo um bom desempenho e generalizar para novos dados no futuro. No entanto, se a distribuição das informações atuais se afastar muito dos dados utilizados pela ferramenta, isso poderá ter um impacto negativo na efetividade e na precisão dos resultados.
Avaliar as mudanças, determinar quando elas se tornam um problema e definir como corrigir a entrada requerem dois conjuntos de habilidades. O especialista em inteligência artificial identifica quais desvios ou mudanças nos dados são problemáticos. Já o cientista de dados determina quando um ajuste no modelo é necessário para manter o alto desempenho da inteligência artificial. Por exemplo, as previsões da inteligência artificial estão apresentando informações com precisão sobre as renovações de assinatura? As consultas de atendimento ao cliente estão sendo tratadas de forma eficaz pelo robô? Somente eles podem observar os resultados que a ferramenta está apresentando, validá-los e identificar áreas que exigem retreinamento.
Construir esta etapa no processo de monitoramento desde o início permite que sejam localizados e corrigidos possíveis problemas antes que cheguem aos usuários. No entanto, na grande maioria dos casos, a intervenção de um especialista é necessária para identificar, abordar e corrigir os déficits de desempenho.
Um outro mito sobre inteligência artificial é que os novos dados podem simplesmente ser realimentados para retreinar o modelo automaticamente. Isso geralmente não é tão simples. As informações utilizadas para nesse processo precisam ser avaliadas e organizadas para garantir melhores resultados. Normalmente, uma correção no modelo exigirá a introdução de novos dados. Isso, por sua vez, exige a revisão de especialistas no assunto para garantir que sejam incluídos corretamente.
O cientista de dados moldará os conjuntos de dados visando garantir que o modelo forneça a solução de maneira mais eficaz e eficiente para a meta de negócios. Juntos, eles adicionam inteligência ao recurso para mantê-lo com um desempenho máximo. Isso é a inteligência artificial aumentada em ação.
*Ricardo Santana é sócio-líder de análise de dados da KPMG e Luciano Prado é sócio-líder de arquitetura de tecnologia da KPMG
Discussão sobre post