Prós e contras de construir sua própria equipe de IA.
Na economia e no mercado de trabalho de hoje, há uma grande oportunidade para a IA agregar valor quando usada para apoiar negócios existentes em grande escala. É claro que, com tanta atenção dada à IA, é difícil separar estratégias acionáveis do exagero e, para CIOs/CTOs, pode ser uma série interminável de perguntas vindas de todos os ângulos.
Talvez você tenha notado que a Inteligência Artificial (IA) está recebendo muito destaque na imprensa atualmente. E se ainda não o fez, eu o receberia de volta de qualquer local remoto em que você esteja morando.
A questão de saber se os líderes tecnológicos deveriam gastar despesas operacionais limitadas em IA no clima atual é um tema mais complexo do que eu poderia abordar nesta discussão, por isso hoje, vamos limitar-nos à IA generativa para uso empresarial.
Formas de IA generativa
Para aqueles familiarizados com o guia do CIO e CTO da McKinsey sobre IA generativa, estamos nos concentrando nos Shapers da etapa quatro. Para o público TL; DR, existem três arquétipos para consumo de modelos de IA por McKinsey; Tomadores, Shapers e Makers. Os tomadores usam soluções de IA comercializadas publicamente disponíveis, como ChatGPT, Microsoft 365 Copilot, GitHub Copilot ou Google’s Bard. Os shapers usam modelos existentes conectados às suas próprias fontes de dados proprietárias, ou seja, conectando o serviço de bot do Azure AI aos seus wikis de suporte, fornecendo recursos de chatbot de suporte aos seus clientes. Os fabricantes estão construindo modelos fundamentais para outros usarem e treinarem; Abra o GPT4 da AI, o PaLM 2 do Google ou o Amazon Bedrock. Numa organização maior, também pode haver grupos de cada arquétipo.
Embora as ferramentas de IA voltadas para os funcionários estejam rapidamente se tornando comuns e com preços em níveis premium de US$ 20 a US$ 30 por usuário por mês, os CIOs podem ficar chocados ao verem que o Microsoft 365 Copilot custa US$ 360 por usuário por ano, potencialmente mais do que o Office 365 por assento assinatura, que ainda deve ser paga também. Como qualquer tecnologia emergente, podemos esperar que os preços reduzam ao longo do tempo, mas haverá um piso, uma vez que a IA generativa ainda requer uma enorme escala de data center.
No campo Taker, seu foco principal será a propriedade intelectual (PI). Quem é o proprietário da propriedade intelectual dos resultados de uma ferramenta de IA focada no consumidor? Como evitar que dados e conhecimentos críticos da sua empresa entrem no modelo de treinamento, como aconteceu com a Samsung? Neste caso, você terá pouca ou nenhuma necessidade de uma equipe de IA personalizada, mas precisará educar a equipe existente sobre o uso permitido dessas ferramentas, configurar as ferramentas para não contribuir para o aprendizado, enquanto sua equipe jurídica analisa a propriedade da propriedade intelectual e risco de se apropriar da propriedade intelectual de outra pessoa.
Se você está no campo dos Makers, já tem engenheiros de IA na equipe e está construindo GPT5, PaLM3 ou alguma outra capacidade de ponta no nível de segurança da Área 51. Você evolui a tecnologia de algoritmos de correlação para aprendizado de máquina e agora interfaces de IA generativas sobre grandes modelos de linguagem.
Isso nos deixa com os Shapers. Então, você decidiu, ou foi informado pelo seu CEO, ou conselho, que precisa investir suas preciosas despesas operacionais de tecnologia em ferramentas generativas de IA. O próximo passo é garantir que essas ferramentas proporcionem um retorno sobre o investimento. Sejamos absolutamente claros: os usos generativos da IA estão por toda parte. Toda empresa que fornece atendimento ao cliente, alguma forma de pesquisa, serviços regulatórios ou jurídicos, ou que possui pessoas reais em seus departamentos de vendas e marketing, tem um caso de uso para implementar IA generativa internamente usando o arquétipo Shaper. A questão não é por que, mas como? Porque se não fizer isso, você perderá no longo prazo.
Investimento entre departamentos
Os projetos de IA generativa devem ser avaliados com o mesmo rigor que qualquer outro investimento tecnológico e permitir testes A/B com ferramentas baseadas na nuvem e mão de obra contratada para medir a eficácia num período muito curto.
- Os chatbots que possuem o mesmo conhecimento que as pessoas podem ajudar a diferir os custos de pessoal à medida que o negócio cresce, desviando chamadas e colocando o foco na qualidade da base de conhecimento de suporte, o que tem sido uma luta em todas as empresas que já existiram. Para determinar o potencial de ROI, encontre o produto com o melhor Wiki de suporte e conecte uma ferramenta de IA generativa baseada em nuvem pública para treinar o chatbot em seu site de suporte. O suporte é uma das funções mais monitoradas em uma empresa com um conjunto maduro de métricas, portanto, avaliar a eficácia do chatbot habilitado para IA contra o chatbot não habilitado para IA ou mesmo um agente humano deve ser relativamente fácil. Os resultados desse esforço determinarão se vale a pena investir mais e o caso de negócio será construído por si próprio.
- A pesquisa sobre regulamentações, patentes ou qualquer outra fonte de dados disponível publicamente, apoiada pelo governo ou não, pode liberar os pesquisadores de vasculhar sites para coleta manual de dados, deixando tempo para validar os resultados da coleta de dados e determinar a aplicação no conjunto de produtos. Neste caso, o modelo precisa ser treinado pelos especialistas no assunto sobre quais sites do governo precisam ser revisados e como a regulamentação impacta os produtos ou clientes. O aspecto mais difícil deste modelo é descobrir quais controles devem ser usados para validar os resultados e aprimorar o modo. Mas tem um enorme retorno se for bem feito e ajudará a evitar desgaste nas equipas de investigação ou de regulamentação.
- As funções de vendas e marketing beneficiariam claramente de ter maior visibilidade na segmentação de clientes, objetivos de campanhas de marketing e planejamento de contas de vendas. Seis meses atrás, isso estaria na lista de um piloto, mas com os anúncios recentes da Salesforce com Einstein GPT, Copiloto de Vendas da Microsoft, Business AI da SAP, People.ai com Account GPT e AI Marketo, esse espaço está mudando rapidamente de do arquétipo do Moldador ao Pegador. Dito isto, ainda há valor em pilotar campanhas de marketing simultâneas para geração de demanda. Um que aproveite a IA e que seja tradicional, ao mesmo tempo que fornece a uma equipe vertical ferramentas de CRM habilitadas para IA e treinamento para comparar com o desempenho histórico e a metade da equipe vertical não habilitada para IA.
Nos três exemplos de casos de uso acima, vemos os desafios na definição de onde apostar e financiar investimentos em IA. Nosso exemplo de atendimento ao cliente é provavelmente o mais fácil e possui o modelo de caso de negócios mais limpo. Nosso exemplo de pesquisa exigirá planejamento e experiência significativos e pode ser mais difícil de vender. O exemplo de entrada no mercado, marketing e vendas está evaporando enquanto lemos isso, uma vez que todos os principais fornecedores de plataformas estão correndo para incorporar IA em seus produtos. Este em particular deve ser enviado para sua equipe de aprendizado e desenvolvimento, desde que você tenha as ferramentas e possa financiar um piloto. A responsabilidade aqui agora é aprender como o provedor da plataforma implementou IA no conjunto de ferramentas e como você pode extrair o máximo valor do aumento no custo da licença. Todos os riscos observados anteriormente nos exemplos do Taker estarão presentes aqui também.
Pilotando sua equipe de IA
Agora que fizemos nosso brainstorming sobre capacitação de IA, validamos os casos de uso e avaliamos o mercado, precisamos executar o piloto. O próximo obstáculo é o pessoal. Quem deveríamos ter para trabalhar nisso, seguido rapidamente pela inevitável questão da hospedagem: nosso data center ou nuvem pública? A realidade é que estes tipos de projetos-piloto constituem uma grande oportunidade para combinar profissionais de elevado desempenho/alto potencial com conhecimentos externos durante um período fixo. Descobrimos que uma abordagem sólida é aproveitar o laboratório de inovação e o conselho de arquitetura com funcionários-chave da unidade de negócios impactada, complementados com especialistas externos no assunto.
Isso fornece a melhor de todas as opções. O laboratório de inovação e os arquitetos trazem governança e processos para o piloto. Os contratados externos trazem conhecimento de domínio incipiente, enquanto a equipe principal tem a oportunidade de trabalhar em algo de ponta e, ao mesmo tempo, fazer uma pausa em seu trabalho diário, mesmo que seja apenas de meio período. Neste caso, estamos “construindo” uma equipe de IA composta por especialistas internos, especialistas externos e de alto potencial. Eles se reúnem para um escopo bem definido durante uma duração geralmente fixa para alcançar um resultado específico. Isso não apenas mantém baixos os custos iniciais, mas também há um efeito halo ao ter um trabalho de alto potencial com sua equipe sênior e especialistas externos. Isto paga enormes dividendos em retenção fora do objetivo piloto.
Com uma equipe piloto agora formada, devemos abordar a questão da hospedagem. Dada a natureza de um piloto, só faz sentido aproveitar uma solução de nuvem pública. Independentemente de qual provedor de nuvem você prefere, eles têm alguma capacidade de hospedar sua plataforma piloto de IA. Isso poderia ser aproveitar uma de suas soluções empacotadas ou seguir uma rota mais tradicional de hospedar um modelo de terceiros em clusters virtuais. A nuvem pública faz sentido para qualquer abordagem porque, se o piloto falhar, ela poderá ser rapidamente encerrada e eliminar o desperdício de seu orçamento.
Após definir o escopo do seu piloto, contratar pessoas internas e externas e usar uma pilha de hospedagem flexível, é hora de implementar, treinar o modelo, educar as pessoas impactadas e medir os resultados. Isso pode levar apenas algumas semanas ou alguns trimestres e, em algum momento, você terá que trazer todas as partes interessadas de volta e revisar os resultados. As decisões tomadas nessa reunião determinarão seus próximos passos. Se o piloto não foi nada assombroso, você poderá ter a oportunidade de refinar e medir novamente, ou pode dizer desligá-lo.
Supondo que o caminho foi feliz e o piloto cumpriu ou excedeu os critérios de aceitação, você está agora no ponto de inflexão. Você não precisará apenas de pessoal para manter o piloto em andamento, mas talvez até mesmo expandir para outros grupos. Por exemplo, no exemplo do atendimento ao cliente, você será vítima de seu próprio sucesso com uma enxurrada de novas solicitações de capacitação de IA, já que todo gerente geral aumentará a receita e reduzir despesas operacionais. É aí que você sabe que é hora de utilizar o plano de pessoal para construir uma equipe de IA sob medida, não baseada em conjecturas, mas em vez de benefícios tangíveis para sua organização.