Como os CIOs avançam da fase experimental da IA para sua implementação operacional

As empresas estão agora passando da fase experimental da inteligência artificial (IA) para sua implementação em grande escala.

Esse foi o tema de debate durante uma mesa redonda realizada no Simpósio Anual de CIOs do MIT Sloan, em Cambridge, Massachusetts, em 19 de maio.

Mas o que é necessário para viabilizar a ampliação? Começa-se pelo acesso e pelo acompanhamento de como os funcionários da empresa a utilizam, afirmou Mojgan Lefebvre, vice-presidente executiva e diretora de tecnologia e operações da Travelers, durante a mesa redonda. Isso também implica que os executivos priorizem quais casos de uso devem ser ampliados e tenham a disciplina necessária para reconhecer que algo não funciona ou não pode ser ampliado.

Brook Colangelo, CIO da Waters Corp., uma empresa de ciências da vida e diagnóstico e outro dos participantes do painel, concordou e destacou que rigor e escrutínio são cruciais.

Mas os seres humanos continuam fazendo parte da equação, e é possível que a IA nem sempre agregue valor.

“Nem todas as soluções tecnológicas são projetadas para todos os problemas”, afirmou Lefebvre.

As empresas também devem levar em conta os aspectos econômicos antes de se lançarem na ampliação da adoção da IA, ou poderão se ver em apuros, observou Lefebvre.

“Se levarmos em conta a equipe, também é preciso considerar os custos da IA”, afirmou Amy Farrow, CIO da Celigo, uma plataforma de automação inteligente e também palestrante. “Há muitos fatores que devem funcionar em conjunto. Trata-se de uma transformação empresarial, não de uma transformação tecnológica”.

Nos reunimos com Farrow após a sessão para fazer algumas perguntas adicionais.

Qual foi o momento ou o sinal decisivo que indicou que era hora de passar da experimentação com IA para sua implementação em grande escala?

Amy Farrow: Acho que é uma boa pergunta, e vou respondê-la de forma um tanto hipotética, já que estou na Celigo há menos de dois meses. Estas são algumas das coisas que fizemos e algumas das que fiz em meus cargos anteriores. Acredito que o que realmente importa é que haja um valor empresarial comprovado — ou seja, que haja um resultado empresarial vinculado a essa iniciativa. Que haja um responsável. Que se disponha da arquitetura e da governança adequadas, bem como de um mínimo de controles para garantir que o acesso aos dados seja gerenciado, que haja observabilidade e que haja reversibilidade. E que haja um plano para quando as coisas derem errado.

Poderia me explicar sua estrutura de governança de IA?

Farrow: Na verdade, estamos em processo de criação de um conselho de governança de IA. É uma das iniciativas que venho promovendo desde que entrei na empresa. Mas sim, já temos isso definido em termos de controles de segurança, controles de acesso e controles de API e MCP. No entanto, a governança da IA significa muitas coisas para muitas pessoas. Por isso, a razão pela qual desejo criar um conselho é que acredito que devemos abordá-la de maneira holística — sob a perspectiva da gestão de custos, dos casos de uso e da gestão de riscos. E, em seguida, analisá-la sob a perspectiva da escalabilidade. Assim, alguns desses componentes já estão implementados, mas não são abordados de maneira holística em toda a organização.

Quais são os componentes de infraestrutura técnica mais críticos que o senhor teve que criar ou atualizar para dar suporte às operações de IA em toda a empresa?

Farrow: Acredito que os componentes mais importantes para a implantação da IA em toda a empresa sejam investir em seu banco de dados, criar produtos de dados e disponibilizá-los tanto para consumo humano quanto para consumo por parte de agentes. Acredito que nosso próprio produto na Celigo, uma camada de integração, permite que você tenha os controles adequados sobre o acesso apropriado — controle de acesso baseado em funções — e também segmente quais dados um agente pode acessar. Além disso, é possível monitorar e implementar medidas de segurança e aproveitá-las em vários sistemas, não apenas em um. E nossa segurança — como pilha e infraestrutura — também é uma parte importante para se ter confiança na implementação da IA empresarial.

Como vocês redesenharam os fluxos de trabalho e os processos empresariais para incorporar as capacidades de IA de maneira eficaz?

Farrow: Acredito que estamos em um processo. Durante a mesa redonda, falei sobre o nível um, o nível dois e o nível três. O nível três é o objetivo ao qual aspiramos — onde queremos chegar —, que é AI first, realmente redesenhado e reinventado. Diria que, atualmente, estamos mais no nível dois, no sentido de criar inserções de agentes nos fluxos de trabalho, potencialmente com um ser humano no circuito, de forma autônoma quando possível, onde consideramos que o risco é baixo e onde vemos que podemos conter a natureza não determinística da IA. Mas continuamos avançando em direção a esse nível três. Uma das coisas em que estou trabalhando é analisar nosso modelo operacional e colaborar efetivamente com diferentes negócios, para que possamos realmente concretizar o valor da IA empresarial — compreender os resultados adequados e construir levando em conta o contexto de como essa organização deve funcionar. Portanto, na minha opinião, isso será a chave para avançarmos mais em direção ao nível três.

Qual foi o maior erro que cometeu durante a transição da fase experimental para a implementação, e o que aprendeu?

Farrow: Não sei se foi o maior erro, mas acredito que, como em qualquer implementação e mudança tecnológica, a mudança de processos que a acompanha — o treinamento, a gestão da mudança, a mudança de comportamento — é uma parte realmente importante para que haja sucesso. E nas áreas em que tivemos mais sucesso, contávamos com isso. E nas áreas em que talvez tenhamos implementado uma solução, mas não conseguimos perceber o valor, não fomos tão sólidos nessas áreas.

Como você mede o sucesso da IA implementada além das métricas tradicionais de TI?

Farrow: É difícil fazer isso de forma abstrata. Não creio que haja uma métrica simples neste caso. Acredito que, para cada função em cada área que tentamos otimizar — o caso de uso que tentamos otimizar —, deveríamos ser capazes de desenvolver essas métricas. Mas se tivesse que abstraí-lo em um conceito mais geral, consideraria isso como a velocidade dos processos de negócios. Assim, se você atua na área financeira, isso poderia ser o fechamento das contas. Se atua em vendas e marketing, isso poderia ser fechar um negócio ou uma renovação. Acredito que quanto mais velocidade conseguirmos em termos de qualidade e de entrega desse mesmo resultado mais rapidamente, maior será o impacto significativo para o negócio. Também pensamos na escala. Assim, podemos escalar a receita por funcionário — isso realmente demonstra que estamos aproveitando as capacidades no lugar certo. Isso nos proporciona uma melhor curva de escala — seja simplesmente para fazer o negócio crescer ainda mais com o pessoal que temos, ou para algo mais.

Sobre a autora: Sarah Amsler é editora executiva sênior da equipe de Estratégia de TI da Informa TechTarget.