Estratégias com Inteligência Artificial (IA)

Ajay Agrawal, Joshua Gans e Avi Goldfarb, no livro “Máquinas de previsão: a economia simples da inteligência artificial”, afirmam: a liderança de C-suite não deve delegar completamente a estratégia de IA ao departamento de TI, pois ferramentas poderosas de IA podem ir além de aumentar a produtividade das tarefas executadas no serviço de execução contra a estratégia da organização e levar à mudança da própria estratégia.

A IA pode levar a uma mudança estratégica se três fatores estiverem presentes:

(1) há um trade-off principal no modelo de negócios (por exemplo, loja-depois-envio versus envio-depois-loja);

(2) o trade-off é influenciado pela incerteza (por exemplo, as vendas mais altas do envio-depois-loja são superadas pelos custos mais altos de itens devolvidos devido à incerteza sobre o que os clientes comprarão); e

(3) uma ferramenta de inteligência artificial ao reduzir a incerteza inclina o balanço do trade-off para a estratégia ótima mudar de um lado para o outro (por exemplo, uma IA reduzir a incerteza, prevendo o que um cliente irá comprar em escala de tal forma os retornos de um modelo de envio-depois-loja superarem os do modelo tradicional).

Outra razão pela qual a liderança de C-suite é necessária para a estratégia de inteligência artificial é a implementação de ferramentas de inteligência artificial em uma parte do negócio também poder afetar outras partes. É possível experimentar um efeito colateral da transição para um modelo de envio-depois-loja ser a integração vertical no negócio de coleta de itens devolvidos, talvez com uma frota de caminhões atuando como captador semanal em todos bairros. Em outras palavras, poderosas ferramentas de inteligência artificial podem resultar em redesenho significativo dos fluxos de trabalho e do limite da empresa.

As máquinas de previsão aumentarão o valor dos complementos, incluindo julgamento, ações e dados. O valor crescente do julgamento pode levar a mudanças na hierarquia organizacional – pode haver retornos mais altos para colocar papéis diferentes ou pessoas diferentes em posições de poder.

Além disso, as máquinas de previsão permitem gerentes ir além da otimização de componentes individuais para otimizar metas de nível mais alto e, assim, tomar decisões mais próximas dos objetivos da organização. Possuir as ações afetadas pela previsão pode ser uma fonte de vantagem competitiva, permitindo empresas tradicionais capturarem parte do valor da IA.

No entanto, em alguns casos, onde ferramentas poderosas de inteligência artificial oferecem uma vantagem competitiva significativa, os novos participantes podem se integrar verticalmente à propriedade da ação e alavancar sua inteligência artificial como base para a competição.

Uma escolha estratégica fundamental é determinar onde seu negócio termina e outro negócio começa, decidindo sobre o limite da empresa, por exemplo, parcerias de companhias aéreas, terceirização de fabricação de peças automotivas, etc. Incerteza influencia essa escolha. Como as máquinas de previsão reduzem a incerteza, elas podem influenciar o limite entre sua organização e os outros.

Ao reduzir a incerteza, as máquinas de previsão aumentam a capacidade de redigir contratos e, assim, aumentam o incentivo para as empresas contratarem equipamentos de capital e mão-de-obra com foco em dados, previsão e ação.

No entanto, as máquinas de previsão diminuem o incentivo para as empresas terceirizarem o trabalho com foco no julgamento. A qualidade do julgamento é difícil de especificar em um contrato e difícil de monitorar.

Se o julgamento pudesse ser bem especificado, então ele poderia ser programado e não precisaríamos de humanos para fornecê-lo. Como o julgamento provavelmente é o principal papel do trabalho humano à medida que a IA se difunde, o emprego interno aumentará e a contratação de mão-de-obra diminuirá.

A IA aumentará os incentivos para possuir dados. Ainda assim, a contratação de dados externos pode ser necessária quando as previsões fornecidas pelos dados internos não forem estrategicamente essenciais para sua organização. Nesses casos, pode ser melhor comprar previsões diretamente, em vez de comprar dados e, então, gerar suas próprias previsões.

Mudar para uma primeira estratégia IA significa reduzir a prioridade anterior. Em outras palavras, a IA em primeiro lugar não é uma palavra da moda: representa uma troca real. A primeira estratégia da IA ​​coloca a maximização da precisão da previsão como o objetivo central da organização, mesmo se isso significar comprometer outras metas, como maximizar a receita, o número de usuários ou a experiência do usuário.

A IA pode levar à inovação disruptivas, porque as empresas incumbentes costumam ter incentivos econômicos mais fracos se comparados aos das startups para adotar a tecnologia. Os produtos habilitados para IA geralmente são inferiores no início, porque leva tempo para treinar uma máquina de previsão para executar, bem como um dispositivo codificado seguir instruções humanas, em vez de aprender sozinho.

No entanto, uma vez implantada, uma IA pode continuar a aprender e melhorar, deixando para trás os produtos de seus concorrentes não inteligentes. É tentador para empresas estabelecidas adotar uma abordagem de esperar para ver, ficando de lado e observando o progresso da IA ​​aplicada à sua indústria. Isso pode funcionar para algumas empresas, mas outras terão dificuldade em recuperar o atraso quando seus concorrentes avançarem no treinamento e na implantação de suas ferramentas de inteligência artificial.

Outra decisão estratégica diz respeito ao momento, ou seja, quando liberar ferramentas de IA para “ir à luta”. As ferramentas de IA são, inicialmente, treinadas em casa, longe dos clientes. No entanto, elas aprendem mais rápido quando são implantadas em uso comercial porque estão expostas a condições operacionais reais e, geralmente, a volumes maiores de dados.

O benefício de implantar mais cedo é o aprendizado mais rápido, e o custo é maior risco. Risco para a marca ou segurança do cliente, expondo os clientes a IAs imaturas e não adequadamente treinadas.

Em alguns casos, a desvantagem é clara, como na caixa de entrada do Google, em que os benefícios do aprendizado mais rápido superam o custo do desempenho insatisfatório. Em outros casos, como a condução autônoma, o trade-off é mais ambíguo, dado o tamanho do prêmio por ter sido liberado cedo um produto comercial pesado contra o alto custo de um erro se o produto for liberado antes de estar pronto.

A IA carrega muitos tipos de risco. Resumimos seis dos tipos mais importantes aqui.

  1. Previsões de IAs podem levar à discriminação. Mesmo que tal discriminação seja inadvertida, cria responsabilidade.
  2. IAs são ineficazes quando os dados são escassos. Isso cria um risco de qualidade, particularmente do tipo “desconhecido conhecido”, no qual uma previsão é fornecida com confiança, mas é falsa.
  3. Dados de entrada incorretos podem enganar as máquinas de previsão, deixando seus usuários vulneráveis ​​a ataques de hackers.
  4. Assim como na biodiversidade, a diversidade de máquinas de previsão envolve um trade-off entre resultados no nível individual e do sistema. Menos diversidade pode beneficiar o desempenho em nível individual, mas aumenta o risco de falha maciça na previsão sistêmica.
  5. As máquinas de previsão podem ser interrogadas, expondo-o ao roubo de propriedade intelectual e a atacantes poderem identificar pontos fracos.
  6. O feedback pode ser manipulado para as máquinas de previsão aprenderem o comportamento destrutivo.

O surgimento da IA ​​apresenta a sociedade com muitas escolhas. Cada um representa uma troca. Nesse estágio, enquanto a tecnologia ainda está engatinhando, há três trade-offs particularmente salientes no nível da sociedade.

O primeiro trade-off é produtividade versus distribuição. Muitos sugeriram a IA nos tornar mais pobres ou piores. Isso não é verdade. Economistas concordam a respeito do avanço tecnológico nos tornar melhores e aumentar a produtividade. IA irá melhorar a produtividade de forma inequívoca.

O problema não é criação de riqueza, mas sim a distribuição. A IA pode exacerbar o problema da desigualdade de renda por dois motivos.

Primeiro, assumindo certas tarefas, as IAs podem aumentar a competição entre os humanos pelas tarefas restantes, diminuindo os salários e reduzindo ainda mais a fração da renda obtida pelo trabalho versus a fração obtida pelos proprietários de capital.

Em segundo lugar, as máquinas de previsão, como outras tecnologias relacionadas a computadores, podem ser influenciadas por habilidades, de modo as ferramentas de IA aumentarem desproporcionalmente a produtividade de trabalhadores altamente qualificados.

O segundo trade-off é inovação versus concorrência. Como a maioria das tecnologias relacionadas a software, a IA tem economias de escala. Além disso, as ferramentas de inteligência artificial são frequentemente caracterizadas por algum grau de retornos crescentes (efeito de rede): uma melhor precisão de previsão leva a mais usuários, mais usuários geram mais dados e mais dados levam a melhor precisão de previsão.

As empresas têm maiores incentivos para construir máquinas de previsão se tiverem mais controle, mas, junto com as economias de escala, isso pode levar à monopolização. Inovação mais rápida pode beneficiar a sociedade, sob uma perspectiva de curto prazo, mas pode não ser ideal a partir de uma perspectiva social em curto e/ou longo prazo.

O terceiro trade-off é desempenho versus privacidade. As IAs funcionam melhor com mais dados. Em particular, eles são mais capazes de personalizar suas previsões se tiverem acesso a mais dados pessoais. A provisão de dados pessoais será muitas vezes à custa da privacidade reduzida.

Algumas jurisdições, como a Europa, optaram por criar um ambiente capaz de proporcionar aos seus cidadãos mais privacidade. Isso pode beneficiar seus cidadãos e pode até criar condições para um mercado mais dinâmico de informações privadas, onde os indivíduos podem decidir com mais facilidade se desejam negociar, vender ou doar seus dados privados. Por outro lado, isso pode criar atritos em locais onde a opção é dispendiosa e prejudica empresas e cidadãos europeus em mercados onde os IA com melhor acesso a dados são mais competitivos.

Para todos os três trade-offs, as jurisdições terão de pesar ambos os lados da troca e as políticas de design mais alinhadas com sua estratégia global e as preferências de seus cidadãos.

Deixe uma Resposta

Preencha os seus detalhes abaixo ou clique num ícone para iniciar sessão:

Logótipo da WordPress.com

Está a comentar usando a sua conta WordPress.com Terminar Sessão /  Alterar )

Google photo

Está a comentar usando a sua conta Google Terminar Sessão /  Alterar )

Imagem do Twitter

Está a comentar usando a sua conta Twitter Terminar Sessão /  Alterar )

Facebook photo

Está a comentar usando a sua conta Facebook Terminar Sessão /  Alterar )

Connecting to %s