Human & Machine – The missing middle

Classificação: ⭐⭐⭐⭐

Onde comprarAmazon

“Don´t be a know-it-all, be a learn-it-all”, CEO da Microsoft, Satya Nadella.

“it’s time to discard dusty old notions of humans versus machines, and instead embrace an exciting new world of human and machine.”


Conteúdos


Em resumo

O livro Human + Machine explora o impacto da inteligência artificial (IA) no futuro do trabalho e na interação entre o Homem e a Máquina dentro das empresas. Os autores, Paul R. Daugherty e H. James Wilson, exploram o conceito de como as tecnologias de IA estão a criar uma nova era na indústria e a transformar os modelos de negócio em vários aspetos, desde o atendimento ao cliente e marketing até os processos de tomada de decisão.

Quando se aborda o tema sobre a inteligência artificial, grande parte da conversa tende a concentrar-se na substituição e redução de empregos e no medo de que um dia a IA domine o mundo. A suposição subjacente é que os humanos e as máquinas são concorrentes e que os sistemas de IA, com a sua velocidade, poder de processamento e resistência superiores em tantos contextos, irão substituir-nos diretamente nas empresas – e talvez até mesmo fora do local de trabalho.

No entanto, a ideia principal que o livro apresenta é de que as máquinas não irão substituir o humano. Pelo contrário, o objetivo será aproveitar o poder da IA para potenciar as capacidades humanas

“we’re seeing that AI is instead becoming a tool to extend our own human capabilities. In turn, we’re guiding AI systems to evolve into better tools that further extend our capabilities. Never before in history have our tools been so responsive to us, and we to our tools. (…) the real opportunity is to make work more human, reimagine business with a more human approach, and equip people with superhuman capabilities to perform more effectively.”

Human + Machine: Reimagining Work in the Age of AI

Os veículos autónomos, por exemplo, um dia irão substituir os motoristas de táxi, de entregas e camionistas. Esta substituição pode ser verdade para determinados empregos, mas o que os autores observam é que, embora a IA possa ser implementada para automatizar certas funções, o maior poder da tecnologia reside em complementar e aumentar as capacidades humanas. No processamento de acidentes, por exemplo, a IA não está a substituir a necessidade dos humanos; em vez disso, faz o trabalho tedioso e difícil para o humano de receber dados e fazer uma análise preliminar. Desta forma, liberta as pessoas para que se possam concentrar na resolução de casos complexos. Na sua essência, as máquinas estão a fazer o que fazem melhor: realizar tarefas repetitivas, analisar enormes volumes de dados e a lidar com processos rotineiros.

Enquadramento histórico

1ª onda

Transformação empresarial que desenvolveu processos standard. Esta era foi instaurada aquando da criação da linha de montagem, por Henry Ford, para a fabricação de automóveis em série. Desta forma, cada uma das etapas deste processo geral poderia ser medida, otimizada e padronizada para otimizar a eficiência.

2ª onda

Esta onda consistiu na automatização de processos. Esta era surgiu na década de 1970 e atingiu o auge na década de 1990 com o movimento de engenharia de processos de negócios, graças aos avanços na tecnologia da informação (TI): computadores desktop, grandes bases de dados e softwares para automatização de tarefas rotineiras.

3ª onda

Esta nova era envolve a criação de processos adaptativos. Permite a criação de formas inovadoras de fazer negócios. As grandes empresas em muitas indústrias estão neste momento a reimaginar os seus processos para se tornarem mais flexíveis, mais rápidos e adaptáveis aos comportamentos, preferências e necessidades dos seus clientes e colaboradores. Esta capacidade adaptativa está a ser impulsionada por dados em tempo real. O paradoxo é que, embora estes processos não sejam padronizados ou rotineiros, podem repetidamente produzir melhores resultados. Na verdade, as organizações líderes têm sido capazes de trazer ao mercado produtos e serviços cada vez mais personalizados.

A 3ª onda tem por base a utilização da IA e a criação de processos em torno das capacidades híbridas Homem+Máquina, por forma a que as organizações possam encontrar soluções para beneficiar tanto as empresas como as pessoas.

Exemplo: Fábrica de montagem da BMW

Numa secção da fábrica de montagem da BMW em Dingolfing, Alemanha, um trabalhador e um robot colaboram para construir uma transmissão. O colaborador prepara uma caixa de engrenagem e um braço robótico leve, sensível e consciente do meio envolvente, pega na engrenagem. O trabalhador passa para a sua próxima tarefa, enquanto isso, o robot coloca com precisão a engrenagem dentro da caixa e de seguida vira-se para pegar noutra.

Noutra parte da fábrica, outro robot aplica uniformemente um adesivo preto espesso na borda das janelas pequenas do carro. Entre as aplicações, um colaborador aproxima-se para limpar o remanescente de cola e colocar vidro novo. Ao observar isto, é como se o robot e o humano fizessem parte de uma dança sincronizada.

Esta visão de homem versus máquina está bastante replicada na cultura social, por exemplo em filmes como 2001: Uma Odisseia no Espaço e a série Terminator.

A ideia de que as máquinas inteligentes são uma ameaça para a humanidade tem uma longa história e resultou na adoção de uma perspectiva algo semelhante por parte de muitos executivos, que pensam exclusivamente nas máquinas como uma ameaça para substituir os humanos.

No entanto, nesta era atual de transformação de processos de negócios, os sistemas de IA não estão a substituir as pessoas; pelo contrário, estão a ampliar as nossas competências e a colaborar connosco para alcançar ganhos de produtividade que anteriormente não eram possíveis.

É com esta ideia de base que entra o conceito de “Missing Middle”.

O que é o Missing middle?

Tem por base a capacidade de as pessoas melhorarem a IA e, por sua vez, as máquinas inteligentes dar “superpoderes” aos humanos.

In the missing middle, humans and machines aren’t adversaries, fighting for each other’s jobs. Instead, they are symbiotic partners, each pushing the other to higher levels of performance

Human + Machine: Reimagining Work in the Age of AI

Os autores referem que muitos empregos se estão a transformar e estão a surgir novos empregos com base nesta ligação homem-máquina. Os novos empregos que crescem a partir destas parcerias estão a acontecer no que o livro denomina de “missing middle” – que estão em grande parte ausentes da investigação económica e dos relatórios sobre empregos atuais.
A imagem abaixo destaca seis tarefas encontradas no “missing middle”. No lado esquerdo, os humanos treinam máquinas para executar tarefas, explicam os resultados das máquinas e sustentam as máquinas de forma responsável. No lado direito, as máquinas amplificam a visão e a intuição humanas ao alavancar dados e análises, interagem com os seres humanos em grande escala utilizando interfaces inovadoras e incorporam atributos físicos que essencialmente ampliam as capacidades de uma pessoa.


Exemplo de nova necessidade no “missing Middle”:

Melissa Cefkin é antropóloga e cientista . O seu papel na Nissan é pensar em coisas que a maioria dos designers de automóveis pode não considerar. Tomemos, por exemplo, regras e convenções de condução, a maioria das quais são bastante definidas (por exemplo, não cruzar uma linha dupla), mas as pessoas muitas vezes violam esses princípios em certas condições (cruzar uma linha dupla para evitar uma colisão). Sendo assim, de que forma deveriam os carros de condução autonóma ser programados para entender exatamente quando e onde quebrar uma regra?

A trabalhar em conjunto com programadores, engenheiros eletrónicos e especialistas em IA, Cefkin espera introduzir algoritmos de IA com características humanas específicas, como a flexibilidade para quebrar regras num caso de necessidade maior. Este é um exemplo de um caso de um número crescente de profissionais cujos empregos não existiam até há relativamente pouco tempo. Ao longo dos anos, os sistemas de IA tornaram-se rapidamente parte do dia a dia dos negócios, recomendando produtos aos clientes, ajudando as fábricas a trabalhar de forma mais eficiente e a diagnosticar e corrigir eventuais problemas nas mais variadas seções das empresas. Esta transformação levou a uma discussão considerável sobre o potencial de desaparecimento de categorias inteiras de empregos nos próximos anos. Mas o que muitas vezes é esquecido na discussão é que muitos empregos como o de Cefkin também serão criados. Um grande número destes trabalhos centrar-se-á no treino de máquinas por humanos e, para desenvolver sistemas de IA capazes de interações complexas com as pessoas, o processo de formação assemelhar-se-á cada vez mais ao percurso de desenvolvimento de uma criança.

These new jobs are not simply replacing old ones. They are entirely novel positions, requiring skills and training never needed before. Specifically, sophisticated AI systems are necessitating new business and technology roles that train, explain, and sustain AI behavior, which fall on the left side of the human + machine hybrid activities.

Human + Machine: Reimagining Work in the Age of AI

As atividades híbridas entre humano e máquina

3 pontos para desenvolver a IA3 pontos para potenciar a produtividade
Treinar, Explicar e SustentarAmplificar, Interagir e personificar
“Humans complement machines” (Do humano para a IA)

1 – Treinar

O humano (um ou vários) treina ativamente o sistema para este desempenhar determinadas tarefas que poderão, ou não, ser humanizadas. O Robot poderá devolver dados ao humano de forma progressiva.

Os algoritmos de IA devem ser treinados para replicar o comportamento humano. Os chatbots de suporte ao cliente, por exemplo, precisam de ser ajustados para detectar as complexidades e subtilezas da comunicação humana. No Yahoo!, treinadores humanos estão a tentar ensinar o sistema de processamento de linguagem da empresa que as pessoas nem sempre querem dizer literalmente o que dizem. Até agora, eles desenvolveram um algoritmo que pode detectar sarcasmo em redes sociais e sites com uma precisão de pelo menos 80%.


Exemplo:

Neste tópico de train, poderemos ter um emprego denominado de “trainer de empatia”. Um trainer de empatia é um indivíduo que ensinará sistemas de IA a demonstrar compaixão. Isto pode parecer absurdo, mas a startup Koko, que surgiu do MIT Media Lab, desenvolveu um sistema de aprendizagem de máquina que pode ajudar chatbots como o Siri da Apple e o Alexa da Amazon a responder com simpatia e profundidade às necessidades das pessoas. Neste momento há pessoas a treinar o algoritmo Koko para responder com mais empatia às pessoas que podem, por exemplo, ficar frustradas porque sua bagagem foi perdida, porque compraram um produto com defeito ou porque o seu serviço de TV por cabo continua a piscar. O objetivo é que o sistema seja capaz de orientar as pessoas sobre um problema ou situação difícil enquanto utiliza a quantidade adequada de empatia, compaixão e talvez até humor.

Sem a ferramenta do Koko, a Alexa responderá às ansiedades do utilizador devolvendo respostas repetitivas, como “Lamento ouvir isso” ou “Às vezes, conversar com um amigo pode ajudar”. Com o Koko, a Alexa torna-se muito mais útil. Numa transcrição literal da Alexa com o Koko a responder a uma pessoa que diz estar preocupada com a possibilidade de chumbar num próximo exame, a Alexa diz: “Os exames são muito stressantes, mas um pouco de ansiedade pode-nos ajudar a ter sucesso. Isso aguça as nossas mentes… É a forma do seu corpo se preparar para a ação. Na verdade, é uma coisa muito boa. Talvez possa pensar nos seus nervos como a sua arma secreta. É mais fácil falar do que fazer, eu sei. Mas acho que se sairá muito melhor do que pensa. Para aplicações de atendimento ao cliente que usam IA, um bot bem treinado e empático pode diferenciá-lo da concorrência.


Para este tipo de trabalho que advém da necessidade de treinar os sistemas de IA (treinadores de empatia, personalidade, etc) não tem de ser alguém com enormes conhecimentos de IT ou Programação. Estes podem ser poetas, filósofos, etc. Ensinam a IA a decifrar vários tipos de personalidade humana para que ela responda de forma diferente tendo em conta a personalidade de cada indivíduo… não é interessante?

2 – Explicar

O humano analisa e monitoriza o algoritmo por forma a descobrir heurísticas explicativas para o comportamento da máquina. O humano dá sentido ao resultado da máquina, verifica a consistência e a conformidade com todas as partes envolvidas.

Um dos cargos para este tópico é o de analista de algoritmos. Esta pessoa terá a função de ajudar a explicar o funcionamento interno de algoritmos complexos às empresas que implementam sistemas avançados de IA. Por exemplo, esta pessoa deverá saber a razão  para que um determinado algoritmo tenha tomado uma determinada decisão.

Transparency Analyst. Um analista de transparência é responsável por classificar as razões pelas quais um determinado algoritmo de IA atua como uma caixa preta. Diferentes razões produzem diferentes níveis de transparência e auditabilidade. Por exemplo, alguns algoritmos são intencionalmente concebidos para serem caixas negras por forma a proteger a propriedade intelectual proprietária, enquanto outros são caixas negras devido à natureza complicada do código ou à escala de dados e à tomada de decisões que o algoritmo está a gerir. Um analista de transparência é alguém que classifica sistemas e mantém uma base de dados ou biblioteca de informações sobre a acessibilidade de um sistema.
Outro cargo é o Explainability Strategist – Esta pessoa deve explicar porque determinada tecnologia de IA deve ser implementada em detrimento de outra para uma aplicação específica.

A huge consideration here is accuracy versus “explainability.” A deep-learning system, for example, provides a high level of prediction accuracy, but companies may have difficulty explaining how those results were derived. In contrast, a decision tree may not lead to results with high prediction accuracy but will enable a significantly greater explainability.

Human + Machine: Reimagining Work in the Age of AI

A responsabilidade do Explainability Strategist deve ser analisar e definir a melhor solução para cada negócio.

3 – Sustentar

O Humano deve garantir o bom funcionamento da IA por forma a que esta cumpra eficazmente as suas funções e otimize as tarefas humanas. Deve impor limites e restições e/ou criar exceções sempre que necessário para a sustentabilidade de todas as partes envolvidas.

Os Context Designers, por exemplo, fazem parte deste segmento e têm como função desenhar os sistemas de IA por forma a garantir que estes funcionem da forma pretendida.

Outro exemplo são os IA Safety engineers que antecipam e estudam qualquer evento de perigo ou ocorrência perigosa entre algum sistema de AI e o humano.

Outro cargo interessante que o livro descreve é o de Ethics Compliance Manager. Esta posição tem como principal responsabilidade, monitorizar o comportamento do sistema de IA tendo em conta as normas dos valores humanos e morais.

Por exemplo, um algoritmo de pesquisa que responde apenas com imagens de mulheres brancas quando alguém pergunta “avó amorosa”. O Ethics Compliance Manager deve procurar saber o motivo destes resultados despoletados pela IA e, em seguida, implementar as correções apropriadas.

Machine Relations Managers. Um cargo curioso, mas que, com a disseminação dos robots e de sistemas controlados por IA, acaba por ser natural a necessidade de alguém para gerir a sua performance e desempenho. Estes são indivíduos que funcionam como gestores de RH, sendo que supervisionam os sistemas de IA, e não os trabalhadores humanos. O seu trabalho passa por criar regularmente avaliações de desempenho de todos os sistemas de IA que a organização implementa.

Estes são apenas alguns dos novos cargos que irão surgir num futuro próximo. Muitos deles já existem nas empresas com maior incremento de inovação digital.

“AI gives humans superpowers” – (Da IA para o Humano)

AI tools don’t just automate routine workplace tasks—although they can do that, too—but that they create a symbiotic relationship between people and machines that upends the standard work flow.

Human + Machine: Reimagining Work in the Age of AI

1 – Amplificar

Sistemas de IA que entregam dados (normalmente em tempo real) para ajudar numa determinada tarefa do humano. “It’s like your brain but better”

Por exemplo, as empresas farmacêuticas estão a utilizar a amplificação para monitorizar o controlo de qualidade de medicamentos farmacêuticos depois de serem comercializados para a população em geral.

Esses agentes de IA geralmente são projetados para ter personalidade e podem funcionar em grande escala – ou seja, podem ajudar muitas pessoas ao mesmo tempo.

Estas ferramentas de IA  servem para melhorar a eficácia das atividades e o processo de tomada de decisão das pessoas.

2 – Interagir

Sistemas de IA que utilizam interfaces (por exemplo de voz) para facilitar as interações entre pessoas.


Exemplo:

O banco Sueco SEB utiliza um assistente virtual, de seu nome AIDA que interage diretamente com 1 milhão de clientes do banco SEB. O diretor estratégico da SEB referiu que logo nas primeiras três semanas, o software manteve mais de quatro mil conversas com setecentas pessoas e foi capaz de resolver a maioria dos problemas.

A AIDA consegue utilizar uma linguagem natural nas suas conversas, e monitoriza o tom de voz da pessoa com quem está a conversar para que se consiga adaptar à pessoa em questão. O software adapta-se e vai aprendendo novas capacidades através da “observação” de humanos que trabalham no suporte ao cliente. Isto significa que as suas capacidades melhoram e aumentam ao longo do tempo.


3 – Personificar

Trata-se da combinação de IA com outras ferramentas que permite criar máquinas que trabalham em conjunto com humanos num espaço físico e colaborativo.

É usual ver esta realidade em fábricas e armazéns com pessoas. Podem ser braços robóticos, carros autónomos para transporte, drones, etc.

Os humanos passam a ter outro tipo de tarefas quando trabalham de forma colaborativa com as máquinas.

As empresas passam a ter colaboradores com as suas capacidades potenciadas pela IA e obtêm mais opções para repensar a sua estratégia e modelo de negócio.

Na prática, os robots colaborativos (cobots) assumem tarefas repetitivas e de precisão, bem como o trabalho pesado, enquanto que uma pessoa acrescenta inteligência e destreza à operação. Os cobots, desta forma, estão literalmente a alargar as capacidades físicas dos trabalhadores.

AI augmentation allows workers to perform more human, less robotic activities.

Human + Machine: Reimagining Work in the Age of AI

As características necessárias para a 3ª onda (MELDS)

Como se forma e educa as pessoas para os novos tipos de interações no local de trabalho? Que novas competências são necessárias para trabalhar em conjunto com IA?

Que tipo de mentalidade devem os líderes incutir nas pessoas para que estas sintam que fazem parte desta nova realidade?

Os autores acreditam que os 5 princípios cruciais para a transformação das empresas impulsionada pela IA são os seguintes:

1 – Mindset

Os líderes devem adotar a mentalidade adequada, com foco não apenas na melhoria dos processos de negócios, mas também na sua reinvenção completa. Repensar a forma de como o trabalho deve ser executado.

Mindset para abordar e impulsionar a ideias disruptivas e inovadoras. Uma nova forma de fazer ou ver algo. Para isso são necessários 3 passos:

  1. Descobrir e Descrever
    • É importante não ficar agarrado a ideias e formas antigas de executar tarefas. Descobrir e descrever novas perspectivas e re-imaginar novas formas de executar tarefas (Por exemplo através de sessões de design-thinking).
  2. Co-criação
    • Incorporar os stakeholders no processo de criação dos modelos mentais de re-invenção de processos da empresa.
  3. Escalar e Manter
    • Após a implementação, os esforços deverão ser concentrados em escalar processos e na melhoria contínua.

2 – Experimentação

É necessário promover uma cultura de experimentação de IA que lhes permita perceber rapidamente de que forma a tecnologia pode mudar um determinado processo.

A Amazon Go (Loja de conveniência automatizada) é um bom exemplo de experimentação que começou com a fase de testes dentro da própria Amazon para os seus colaboradores.

Amazon fosters a culture of experimentation. It allows crazy ideas to flourish

  1. Construir – Medir – Aprender
    • O processo de construir – medir – aprender. Por exemplo, a Walmart tem uma “incubadora” de testes chamada No.8. Local onde equipas multidisciplinares criam e testam novas tecnologias relevantes para o negócio da Wallmart. (como robótica, realidade virtual e aumentada, Machine Learning e vários tipos de inteligência artificial). E, no processo, a loja N.8 está a criar um ambiente onde os testes são incentivados, os dados são analisados e daí, retiradas ilações e aprendizagens. Este processo repete-se sucessivamente.

3 – Liderança

Deve haver a liderança adequada na promoção da IA de forma responsável, gerindo a confiança e expectativas, as preocupações legais e éticas que acompanham a IA e considerando as consequências sociais de algumas mudanças no processo.

  1. Balizar e definir limites para a utilização da IA.
    • É bom conhecer os limites do que a IA pode ou não fazer. Certifique-se de que toda a organização conhece estes limites.
  2. Utilizar pontos de verificação Humanos.
    • 92% dos técnicos de automação não confiam completamente em robots. Parte do problema é a incerteza humana sobre o que o robot está a planear fazer a seguir. A solução para a maioria será entregar dados e outputs que tragam mais clareza ao trabalho feito pelos robots (retirar o medo da black box)
  3. Minimizar a “Moral Crumple Zone”
    • Num carro, a zona de deformação (Crumple Zone) é a parte do veículo projetada para sofrer impactos, por forma a que o motorista tenha menos probabilidade de se ferir gravemente. Com certos tipos de sistemas de gestão de IA, são as pessoas – funcionários, clientes, fornecedores, etc. – que sofrem quando o sistema falha. Isso prejudica toda a empresa.
  4. Considerar questões legais, psicológicas, etc.
    • De forma mais geral, quando se dá aos funcionários a capacidade de controlar o resultado de um sistema de IA – o que faz com que se sintam como participantes ativos de um processo – estes tendem a confiar mais facilmente na IA. Dar aos utilizadores algum controlo sobre o algoritmo aumenta a probabilidade de estes sentirem que o algoritmo é uma ferramenta que realmente aumenta as suas capacidades. Isto faz com que seja mais provável que utilizem a ajuda da IA no futuro.

4 – Dados

É fundamental reconhecer a importância crucial dos dados. Não apenas os dados que a própria empresa “fornece” à IA, mas também de um ponto de vista mais amplo no que respeita aos dados disponíveis.

  1. Pensar de forma dinâmica
    • A informação tem de ser dinâmica, envolvida constantemente no processo e analisada em tempo real.
  2. Ampliar o acesso e potenciar a variedade
    • Deve-se procurar abrir o leque de fontes de dados e encontrar variedades nos tipos de análise.
  3. Aumentar a velocidade
    • Dados acedidos com maior frequência ficam em servidores mais rápidos. Dados acedidos menos vezes ficam em servidores mais lentos.
      • Exemplo das fotos do facebook. A rede social chegou à conclusão de que 8% de todas as fotos do Facebook representam 82% do tráfego. Isto significa que as fotos mais acedidas ficam num servidor de alta performance enquanto que as fotografias menos acedidas ficam num servidor mais lento. Desta forma a empresa poupa em energia e os clientes não sentem qualquer diferença.
  4. Promover a descoberta
    • Que tipo de benefícios a empresa está a ter com os dados? Quem está a beneficiar dos dados? Toda a empresa ou apenas um determinado departamento?
  5. Preencher o missing middle
    • O fornecimento de dados requer mais do que tecnologia avançada e um fluxo de dados competente. É necessário conhecimento humano e skills adequados para uma gestão competente da informação.

5 – Skills

As competências necessárias para a realização de tarefas híbridas entre Homem + Máquina:

  1. Tempo para humanização
    • Capacidade para aumentar o tempo disponível para executar tarefas destinadas aos humanos como relações interpessoais, criatividade e tomadas de decisão nos modelos de negócio.
  2. Normalização responsável
    • Definir o propósito e a perceção da interação Homem-Máquina no que respeita às pessoas, negócios e sociedade.
  3. Integração de julgamento – Capacidade de decisão
    • A capacidade de decidir o decorrer de uma ação ou tarefa quando o sistema de IA ou uma máquina não sabe o que fazer.
  4. Interrogação inteligente
    • A capacidade de conhecer a melhor forma de questionar a IA, por forma a receber as informações pretendidas. A interrogação inteligente inclui saber quando os resultados não fazem sentido ou que determinadas entradas de dados podem distorcer os resultados.
  5. Trabalho em conjunto com IA
    • Capacidade de trabalhar em conjunto com sistemas de IA por forma a potenciar a capacidade para executar uma tarefa por forma a otimizar a performance do negócio e da própria carreira.
  6. Fusão holística
    • A capacidade de desenvolver interações fortes entre os sistemas de IA e os humanos por forma a que os processos se tornem o mais naturais possíveis, como se a IA fosse uma extensão do seu cérebro ou movimentos.
  7. Aprendizagem recíproca

“With AI, machines are learning from humans, and humans in turn, learn again from machines.”

Na era atual de trabalho híbridos homem-máquina, uma das características mais importantes, para um trabalhador humano ou para uma máquina, não é necessariamente ter uma determinada skill para um trabalho, mas ser capaz de aprender.

“Don´t be a know-it-all, be a learn-it-all”, diz o CEO da Microsoft, Satya Nadella.

  1. Reimaginar implacavelmente
    • A capacidade de re-imaginar a forma como a IA pode transformar e melhorar o trabalho, a organização de processos, modelos de negócio e até todo um setor industrial.

Human + Machine – Exemplos

Indústria – IA na produção, Logística e distribuição

Nos armazéns da Amazon, os robots não apenas ajudam a levantar e empilhar caixas plásticas cheias de diferentes produtos, mas também fazem o trabalho pesado de transportar produtos de forma autónoma pelas instalações e entregá-los aos humanos, que não têm de se movimentar dentro das instalações. Estes então selecionam os produtos certos para dar resposta aos diferentes pedidos. É a partir deste nível de eficiência que a empresa consegue oferecer aos seus clientes o serviço de entregas no próprio dia.


Serviços – A IA nos modelos de negócio

A Unilever utiliza um sistema de IA chamado HireVue que ajuda no processo de recrutamento. O candidato deverá enviar um vídeo, onde deve responder a algumas questões referentes à posição em que se está a candidatar. Este vídeo será analisado pelo software de IA que, não só analisa o discurso, mas também a linguagem corporal e o tom de voz. Os melhores candidatos para o cargo são então chamados aos escritórios da empresa, onde poderão ser avaliados por humanos que tomarão a decisão final de contratação.

Este é um excelente exemplo de colaboração entre humano-máquina.


Inovação – A IA na I&D e na inovação em modelos de negócio

A empresa GNS Healthcare conseguiu criar hipóteses a partir de uma quantidade enorme de dados para encontrar relações na condição de saúde dos pacientes. Conseguiu criar em 3 meses o resultado de um estudo de 2 anos com medicamentos.

O que os humanos fariam:

Desenvolver a hipótese – por exemplo, o medicamento A mais o medicamento B conduzem ao evento adverso C – e depois testá-la. Através desta abordagem, os investigadores teriam descoberto que dois medicamentos comuns para idosos interagem mal, mas o estudo demorou dois anos a desenvolver-se e confirmou apenas a hipótese limitada sobre a interação apenas entre esses dois medicamentos.

O que fez o sistema de Inteligência Artificial:

A GNS avaliou dados anónimos de cerca de 200.000 pacientes e de uma vasta gama de medicamentos no mercado. A plataforma de Machine Learning examinou aproximadamente 45 quatrilhões de hipóteses e, depois de apenas três meses, a combinação de medicamentos com maior probabilidade de levar a interações problemáticas surgiu como resultado final.


Marketing e Vendas – A IA no apoio ao cliente, Vendas e Marketing

A Ralph Lauren construiu um espelho que exibe detalhes sobre um determinado produto que a pessoa esteja a experimentar. Também pode alterar a iluminação (luz natural intensa, pôr do sol, ambiente de clube e assim por diante) para que os clientes possam ver sua aparência em diferentes ambientes. O espelho pode, também, indicar se os artigos estão disponíveis noutras cores ou tamanhos.

No futuro, os retalhistas poderão aproveitar a IA para fornecer um atendimento completamente personalizado ao cliente – um manequim ou um espelho que permita a consulta do seu histórico de compras e ajuda um vendedor humano a sugerir peças de roupa de que possa gostar.

Este tipo de interação pressupõe uma forte colaboração entre o humano e a máquina. Com a tecnologia de IA a fazer o que faz de melhor (filtrar e processar dados para recomendar certas ações) e os humanos a fazer o que fazem de melhor (tomada de decisões e influência social).


Conclusão

Quando se fala sobre a inteligência artificial, grande parte da discussão tende a ser sobre a substituição de postos de trabalho de humanos por máquinas ou sistemas de IA. A suposição subjacente é que os humanos e as máquinas são concorrentes e que os sistemas de IA, com todo o seu poder, irão substituir diretamente as pessoas nas empresas – e talvez até mesmo fora do local de trabalho.

No entanto, a ideia que os autores pretendem transmitir é que esta análise carece do conceito de “missing middle”: a união entre humanos e máquinas para formar novos tipos de empregos e experiências de trabalho. Isto forma o “meio que falta” que tem estado ausente em grande parte do atual debate polarizado sobre empregos que colocou os humanos de um lado e máquinas do outro. E é dentro deste meio-termo que as empresas de ponta têm reinventado os seus processos de trabalho e conseguindo melhorias extraordinárias no desempenho.
A Inteligência Artificial está-se a tornar numa ferramenta que permite ampliar as nossas próprias capacidades humanas. Por sua vez, estamos a orientar os sistemas de IA para que estes evoluam para ferramentas melhores e que potenciem ainda mais as nossas capacidades. Nunca antes na história as nossas ferramentas responderam tanto a nós, e nós às nossas ferramentas. A verdadeira oportunidade está em tornar o trabalho mais humano, re-imaginar os negócios com uma abordagem mais humana e dotar as pessoas com capacidades sobre-humanas para um desempenho mais eficaz.

“it’s time to discard dusty old notions of humans versus machines, and instead embrace an exciting new world of human and machine.”

Human + Machine: Reimagining Work in the Age of AI

Imagens, ideias e expressões retiradas do livro Human + Machine: Reimagining Work in the Age of AI

Tags:

Deixe um comentário