Para serem bem-sucedidas, empresas impulsionadas por dados devem conciliar as funções de humanos e máquinas

O último relatório Futuro do Trabalho do Fórum Econômico Mundial aborda como os avanços tecnológicos, como a inteligência artificial, o aprendizado de máquina e o Big Data, poderão influenciar o mercado de trabalho mundial nos próximos cinco anos. De acordo com o relatório, a redistribuição de trabalho entre humanos e máquinas poderá suprimir 75 milhões de empregos, mas provavelmente também criará cerca de 133 milhões de novas vagas.

Essa grande mudança no mercado de trabalho pode preocupar aqueles que acreditam que a tecnologia é uma ameaça ao seu emprego. Na realidade, com tecnologias mais inteligentes, poderemos nos concentrar nas formas de agregar mais valor a nossas organizações. A criatividade e o pensamento estratégico continuam sendo vantagens exclusivamente humanas. Quando essas qualidades são combinadas à maior capacidade de processamento das máquinas, há muito espaço para sermos otimistas sobre o futuro.

Estamos longe de uma realidade na qual poderemos confiar nas máquinas para tomar decisões comerciais com o mesmo bom senso e a mesma compreensão contextual de um ser humano. Hoje, confiamos nas máquinas para automatizar tarefas e análises em áreas que são altamente paramétricas e com riscos mínimos. Nos casos em que a intervenção ou a supervisão humana é necessária, dependemos do apoio das máquinas para aprofundar nossa compreensão e tomar decisões com mais confiança.

A inteligência artificial e o aprendizado de máquina podem ajudar muito os seres humanos. Por exemplo:

• Automatizando tarefas operacionais: o aprendizado de máquina e a inteligência artificial fizeram grandes progressos em aplicações em que os algoritmos são alimentados por tarefas repetitivas e altamente especializadas. Considere, por exemplo, sites que apresentam sugestões do tipo “você também pode gostar de...” para conteúdos ou produtos relacionados ou até mesmo programas de detecção de fraudes. Embora as variáveis usadas para identificar gastos não autorizados sejam mais complexas do que as recomendações de livros, o que esses algoritmos têm em comum é o fato de serem altamente adaptados para executar uma tarefa específica com uma precisão surpreendente graças à sua capacidade superior de processamento.
• Oferecendo pontos de partida mais inteligentes: ao monitorarem amplamente os comportamentos dos usuários, os sistemas podem apresentar configurações padrão mais inteligentes e recomendar ações que podem ser adaptadas e personalizadas com o passar do tempo com base nas reações das pessoas. Fazemos isso hoje em aplicações analíticas em que é possível descobrir informações com mais rapidez aplicando técnicas eficazes de um conjunto de dados a outras fontes de dados com características semelhantes.
• Simplificando a análise sofisticada: as plataformas de análise estão aproveitando o aprendizado de máquina para colocar recursos de análise avançados ao alcance de usuários sem conhecimentos em ciência de dados. Por exemplo, as máquinas podem selecionar a opção certa entre os melhores algoritmos de previsão e clustering dependendo de qual oferece o maior grau de precisão. Os modelos subjacentes podem ser expostos e explicados, mantendo a transparência e permitindo ajustar os modelos, se necessário.
• Proporcionando uma visão mais completa: as máquinas não dormem e podem executar cálculos e tarefas repetitivas extremamente bem. Capazes de realizar análises muito mais minuciosas, os computadores podem vasculhar com eficácia todos os lugares possíveis em busca de informações. Esse tipo de visão completa pode nos ajudar a evitar o viés de confirmação em nossas análises.

Os computadores ainda não superaram os humanos quando se trata de planejamento de longo prazo, pensamento abstrato/criativo ou tomada de decisões que exigem contexto ou experiência especializada. Por exemplo, um processo executado por uma máquina pode alertar sobre um cliente que apresenta alta rotatividade. Porém, a perda desse cliente talvez seja algo positivo, pois ele não estava comprando suficientes produtos lucrativos. Somos melhores do que as máquinas para chegar à conclusão de que há várias formas de interpretar a rotatividade de clientes.

Em outro exemplo, um vendedor pode ignorar determinados clientes em potencial com base em lições que aprendeu com vendas anteriores. Esse tipo de instinto não pode ser facilmente desenvolvido por uma máquina. A máquina provavelmente sinalizará uma oportunidade perdida, mas o representante de vendas terá a sabedoria necessária para não perder seu tempo.

A capacidade de entender causa e efeito continua sendo o ponto forte dos humanos. Embora as máquinas estejam cada vez mais aptas a identificar correlações ocultas em conjuntos de dados limitados, ainda precisamos de pessoas para discernir causalidade de coincidência. A análise preditiva oferece ótimas oportunidade de explorar cenários hipotéticos, mas ainda precisa do bom senso humano para aprovar as ações prescritivas da máquina.

Em nossa jornada para unir e equilibrar os recursos analíticos de pessoas e máquinas, haverá muitas funções importantes para os seres humanos. Não é surpresa que milhões de empregos emergentes girem em torno dos dados, inclusive a maioria dos trabalhos previstos pelo relatório do Fórum Econômico Mundial. O escopo só se ampliará à medida que os casos de uso dos dados evoluírem.

Precisaremos da criatividade humana para fazer as perguntas certas e ajustar os resultados produzidos pela análise inteligente. Precisaremos cada vez mais de pessoas para monitorar e manter a ética da IA e do aprendizado de máquina. Outras pessoas se concentrarão em viabilizar maiores níveis de capacitação em dados para tornar a análise de dados mais acessível e útil para usuários com diferentes níveis de conhecimentos.

Por mais inteligente a tecnologia se torne, não podemos nos esquecer do propósito central da análise: orientar a tomada de decisões. Depois que soubermos as medidas que devemos tomar, poderemos identificar quando delegar as decisões: quando convém automatizar, quando é necessário supervisionar e quando devemos aplicar somente as habilidades humanas. As organizações mas bem-sucedidas não serão as que automatizam a maioria das tarefas, mas aquelas que entendem como as máquinas e os dados podem capacitar melhor as pessoas que tomam as decisões.