Anteriormente, as palavras "inteligência artificial" (IA) nos faziam pensar em um universo distópico governado por robôs. Devemos agradecer à ficção científica popular por isso. Mas agora, quando pessoas como executivos de negócios ouvem a palavra IA, eles pensam em oportunidade.
Em novembro de 2022, o lançamento do ChatGPT, um chatbot de IA conversacional, quebrou a internet. Em dois meses desde seu lançamento, conquistou o título de base de usuários de crescimento mais rápido, com mais de 100 milhões de usuários.
Muitas empresas exploraram suas capacidades para otimizar seus fluxos de trabalho. Enquanto alguns o usaram para gerar conteúdo, outros o usaram para automação de processos. E isso é apenas a ponta do iceberg.
Graças ao advento de ferramentas como DALL-E e o CoPilot do GitHub, mais empresas estão vendo o potencial que a IA tem para ir além do usual "automatizar tudo" slogan que temos ouvido.
Para explorar seu verdadeiro potencial em 2023, vamos nos aprofundar no significado da IA nos negócios. Neste artigo, discutiremos o seguinte:
A história da IA nos negócios
Histórias de sucesso e fracasso populares
Casos de uso proeminentes
Um mini-guia sobre como adotar IA
Vamos nos aprofundar.
História da IA nos negócios
Uma pesquisa recente da PwC descobriu que 36% dos líderes já possuem processos de negócios habilitados por IA ou estão adotando IA em grande escala. No entanto, nem sempre foi assim.
O termo “inteligência artificial” foi cunhado em 1956 por quatro cientistas: John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon. Logo depois, em 1961, Alan Turing, um famoso matemático, escreveu um artigo sobre como os computadores podem simular o processo de pensamento de um ser humano e fazer coisas inteligentes. Este marco marcou o advento do campo da IA.
Mas com o passar do tempo, a comunidade científica publicou literatura como o Relatório Lighthill e o Perceptrons, que foi fortemente crítica em relação à IA e sua falha em atingir objetivos anteriormente definidos. Isso levou a uma severa retirada de recursos financeiros das agências de financiamento nos Estados Unidos e no Reino Unido. Após quase 20 anos de interesse significativo no campo, isso trouxe o primeiro inverno da IA.
O interesse na IA reviveu novamente nos anos 1970, quando sistemas especialistas foram desenvolvidos. Esses sistemas simulavam o julgamento e o comportamento de especialistas humanos ou organizações com expertise de domínio. No entanto, as limitações tecnológicas resultaram em outro inverno da IA que durou até meados dos anos 1990.
No final dos anos 1990, o interesse surgiu novamente devido a desenvolvimentos significativos na área. A IBM lançou o Deep Blue, que venceu um campeão humano de xadrez em seu próprio jogo. Ao mesmo tempo, várias instituições de pesquisa estavam trabalhando em robôs, veículos autônomos e mais, o que trouxe a primavera da IA—o mais longo que já durou.
Agora, temos chatbots com IA, clonadores de voz, assistentes de reunião, e muito mais—somente em duas décadas.
Quais são os casos de uso mais proeminentes da IA?
Com mais de sete décadas de progresso, a IA percorreu um longo caminho.
Danny Pan, Chefe de Ciência de Dados na SetSail, diz: “Com a explosão da IA, algumas ferramentas podem ser percebidas como artificiais. Embora a IA não seja uma moda passageira, certamente algumas ferramentas serão. É essencial provar que uma ferramenta agrega valor ao determinar se é um ativo útil para manter a longo prazo.”
A única maneira de descobrir se uma ferramenta realmente agrega valor aos negócios é colocando-a em uso. Aqui estão algumas histórias de sucessos e fracassos da IA nos negócios:
Fabricando o Cheetos perfeito: Bonsai da Microsoft
Graças ao Projeto Bonsai da Microsoft, a PepsiCo pode sempre criar o Cheeto perfeito. Esta poderosa plataforma de IA usa aprendizado por reforço para aprender com especialistas em Cheetos.
Por sua vez, ele verifica a qualidade de cada batata chip—garantindo que ela tenha o tamanho, sabor, formato e ar perfeitos. Certifica-se de que o produto atenda aos mais altos padrões de qualidade em cada lote que produzem. Este caso de uso provou o valor da IA na fabricação.
Servindo as recomendações de séries certas: Netflix
A Netflix usa algoritmos de IA para analisar o tipo de conteúdo que seus clientes assistem. Como resultado, oferece recomendações personalizadas adaptadas aos seus interesses. Isso é feito coletando dados sobre os hábitos de visualização e preferências de conteúdo dos clientes, permitindo que o algoritmo entenda quais opções eles gostariam. Proporciona uma experiência de usuário agradável—aumentando a retenção de usuários. Este caso de uso provou o valor da IA na personalização e no uso dela para reduzir o churn de clientes para produtos de software.
Recomendações de tratamento de câncer inseguras: IBM Watson
O Watson for Oncology da IBM foi um fracasso multimilionário. Ele foi apenas treinado usando um pequeno conjunto de dados hipotéticos de pacientes em vez de informações reais de pacientes. Este descuido levou a consequências desastrosas, com vários exemplos de aconselhamentos de tratamento perigosos e incorretos sendo identificados. Devido à sua incapacidade de cumprir o caso de uso pretendido, o projeto de $62 milhões foi eventualmente descartado. Este caso de uso mostrou a importância de fornecer um conjunto de dados grande e imparcial para que modelos de IA obtenham o resultado correto. Conjuntos de dados pequenos não fornecem dados fundamentais suficientes para que o modelo de IA tome decisões precisas.
Chatbot corrupto do Twitter: Tay da Microsoft
O fracasso do chatbot da Microsoft, Tay (Thinking About You), provou ser uma lição na importância de oferecer dados de treinamento corretos. Os algoritmos que alimentavam o bot foram projetados para aprender das conversas que ele tinha com pessoas no Twitter.
Menos de 24 horas após seu lançamento, ele começou a postar mensagens ofensivas e odiosas devido às suas interações com trolls da internet. Expos uma falha fundamental no design de Tay: a falta de sistemas de filtragem. A Microsoft teve que puxar o plugue imediatamente para evitar mais danos à sua reputação. Este caso de uso provou que modelos de IA devem ser treinados usando dados moderados para evitar tais problemas. O modelo é tão bom quanto os dados em que foi treinado.
Casos de uso da IA para pequenas empresas
As aplicações do mundo real da inteligência artificial são amplas e vastas. Vamos ver como pequenas empresas podem aproveitar a IA:
Automatizar pontuação e gerenciamento de leads
Pequenas empresas podem usar chatbots de IA conversacional para capturar informações de leads e adicioná-las ao software de gerenciamento de relacionamento com o cliente (CRM). Esta tecnologia pode economizar tempo, aumentar a eficiência e melhorar a satisfação do cliente.
Você pode programá-lo para fazer perguntas como nome, endereço de e-mail, número de telefone ou outros dados desejados. Você também pode adicionar perguntas de qualificação de leads, como tipo de negócio, orçamento e mais. Essas respostas podem ser automaticamente transferidas para o CRM da empresa—eliminando a necessidade de entrada manual de dados.
Além disso, você pode integrar ferramentas de IA para negócios como o ChatGPT com seu sistema de gerenciamento de leads. Você pode treinar o modelo de ML com base em dados internos, como tempo médio gasto na página, número de cliques, interações em redes sociais, tipo de dispositivo e dados demográficos. Com base nisso, ele pode pontuar leads e determinar quais deles têm mais probabilidade de conversão.
Capturar notas de reuniões automaticamente
Muitas pessoas passam muito tempo em reuniões. No entanto, eles estão constantemente mudando de contexto entre tomar notas e tentar ouvir outros participantes. Para evitar isso, você pode usar soluções com IA, como o Supernormal, para aproveitar ao máximo suas reuniões.
Por exemplo, pode gravar a reunião inteira e capturar destaques curtos que reflitam os minutos importantes da sua chamada. Além disso, você pode transcrever a chamada, criar notas detalhadas e enviá-las aos participantes relevantes.
Otimizar fluxos de trabalho de conteúdo
Pequenas empresas costumam ter recursos e equipe limitados. Isso dificulta a criação de conteúdo em escala para campanhas de marketing digital. Felizmente, ferramentas de IA podem gerar rapidamente conteúdo de alta qualidade que é envolvente e persuasivo.
Desde a escrita até a edição e otimização, há várias ferramentas de IA para negócios disponíveis para cada parte do seu fluxo de trabalho de conteúdo. Você pode gerar postagens de blog usando ferramentas de escrita de IA que têm modelos ou fluxos de trabalho para ajudá-lo a começar.
Depois de gerar o texto, pode passá-lo por um editor de IA que analisa o texto em busca de erros gramaticais, adesão a diretrizes de estilo, entre outros. O objetivo é reduzir o tempo necessário para produzir um ativo de conteúdo—enquanto mantém a qualidade e reduz custos.
Redigir e-mails e linhas de assunto para vários propósitos
Usando ferramentas de IA como o ChatGPT, equipes de vendas e marketing podem escrever e-mails frios atraentes e linhas de assunto otimizadas em minutos. Tudo que você precisa fazer é fornecer um prompt que contenha os seguintes detalhes:
Destinatário pretendido
Propósito do e-mail
Informações de personalização
Pontos de dor
Chamada para ação
Com base nesse input, pode gerar um e-mail frio e uma linha de assunto que você pode ajustar ainda mais com base nas suas preferências. Isso permite que as equipes de vendas e marketing se concentrem em pesquisa e construção de relacionamentos, em vez de escrever o e-mail. Também é útil para criar respostas prontas para tarefas administrativas e de suporte.
Candidatos em potencial para triagem
Você pode automatizar o processo de contratação, desde a triagem de currículos e rastreamento de candidatos até o agendamento de entrevistas. Ferramentas de IA podem automatizar tarefas manuais de recursos humanos, como classificação de currículos. Além disso, elas podem analisar as respostas e recomendar quem contratar se forem treinadas com dados imparciais.
Na etapa de entrevista, você pode automatizar tarefas como enviar um e-mail de agendamento, um e-mail de acompanhamento e uma análise de gravações de chamadas. Esta abordagem economiza tempo dos gerentes de contratação, acelera o processo de contratação e permite que eles se concentrem em trabalho de nível superior.
Casos de uso da IA para corporações
Em seu livro recente, Henry A. Kissinger (Presidente da Kissinger Associates), Eric Schmidt (ex-CEO do Google) e Daniel Huttenlocher (reitor do MIT Schwarzman College of Computing) dizem: “Devido à expertise e recursos computacionais necessários para treinar modelos de aprendizado de máquina, criar um AI requer os recursos de grandes empresas ou estados-nações.”
Isso é verdade, pois as corporações maiores têm acesso a inúmeros recursos, tornando mais fácil aproveitar o verdadeiro potencial da IA. Isso também é o motivo pelo qual seus casos de uso são mais amplos em escopo e personalizados para suas necessidades. Aqui estão alguns exemplos disso:
Personalização no comércio eletrônico
Empresas grandes já usam IA para personalizar recomendações aos clientes e aumentar seus lucros. Empresas como a Alibaba usam algoritmos de personalização internos para analisar dados dos clientes e gerar recomendações sob medida. Esse nível de personalização mantém os clientes voltando, o que é evidente pelo fato de ter arrecadado $129,98 bilhões em receita em 2022.
Processamento de reivindicações de seguros
Quando se trata de casos de uso mais sérios de IA, o processamento de reivindicações de seguro é um significativo. Anteriormente, os clientes tinham que esperar dias ou até semanas para processar suas reivindicações de seguro. Em alguns casos, eles não recebem nem metade do que esperavam, levando à desconfiança na empresa.
Empresas como a Bdeo resolvem esse problema usando IA. Seu produto pode realizar uma avaliação minuciosa por meio de imagens e arquivos de vídeo para coletar evidências, avaliar danos e fornecer estimativas precisas de custos de reparo em minutos. Ele também pode ser usado para detecção de fraudes. Isso resulta em uma situação ganha-ganha para o segurador e o cliente—levando a melhores processos.
Ecossistemas baseados em IA para múltiplos casos de uso
Empresas como a Airbus criaram seu próprio ecossistema baseado em IA para impulsionar suas operações. Alguns dos casos de uso incluem:
Otimização das rotas de voo de suas aeronaves
Reduzir o uso de combustível
Realizar manutenção preditiva em seus aviões
Usar sistemas de voo autônomos
Assistentes robóticos para astronautas
Otimização dos serviços de catering para impulsionar a sustentabilidade
Isso é possível por meio de fluxos de dados em tempo real das aeronaves enquanto estão no ar. Esses modelos analisam seus sistemas e aceleram o processo de tomada de decisão. Por exemplo, a manutenção preditiva ajuda a identificar problemas potenciais antes que aconteçam, reduzindo os custos operacionais.
Como adotar IA em sua empresa de forma incremental
Agora que você está ciente dos múltiplos casos de uso dependendo do tamanho da empresa, vamos ver como você pode começar a adotar a IA na sua organização:
Passo 1: Determine quais problemas você precisa resolver
Para começar com a IA, você deve primeiro entender quais são as necessidades do seu negócio. Muitas vezes, as empresas tendem a pensar ao contrário. Elas querem que a IA resolva problemas—mesmo que não tenham certeza de qual problema precisa ser resolvido.
Em seu livro Inteligente Até Ser Burro, Emmanuel Maggiori, um engenheiro de software freelance, diz: "Em um mundo ideal, alguém tem um problema primeiro e encontra a melhor solução para ele depois. No entanto, no mundo da IA, muito frequentemente, as pessoas trazem primeiro a solução para a mesa—IA—sem nem saber o que farão com ela."
Pense nos problemas que você precisa resolver. Você quer automatizar seus fluxos de trabalho? Ou está procurando uma saída de nível superior com dados já existentes? Com base nisso, reduza para um produto que agregue valor real ao seu negócio.
Aqui está uma estrutura da PwC que mostra como os líderes de negócios da IA estão escolhendo um produto:
Passo 2: Fale com especialistas em IA antes de implementá-la
Assim que você tiver uma ideia das necessidades do seu negócio, consulte um especialista em IA. Eles identificam armadilhas potenciais e criam estratégias para evitá-las.
Athina Zisi, Diretora de Operações da Energy Casino, diz: “Buscamos feedback e conselhos de especialistas e outras organizações que implementaram ferramentas semelhantes. Garantimos que a implementação das ferramentas com IA não impactassem negativamente nossa força de trabalho e que aumentassem e aprimorassem as capacidades da nossa equipe.”
Além disso, os provedores especialistas podem recomendar sistemas de IA que melhor atendam às necessidades da empresa, mantendo as implicações éticas no mínimo e proporcionando uma experiência positiva ao cliente.
Passo 3: Conduza uma análise de custo-benefício
Quando você souber o que está procurando, faça uma análise de custo-benefício das suas opções. Isso deve ajudá-lo a entender se a ferramenta vale o investimento.
Pan diz: “Ferramentas de IA devem passar pelo mesmo processo de avaliação que qualquer outra ferramenta. Ferramentas de IA, como todas as ferramentas, devem agregar valor quantificável para os negócios.”
Pense também nos impactos de longo prazo ao adotar soluções de IA. Você precisa considerar retornos financeiros imediatos e quaisquer economias futuras ou oportunidades que o investimento em IA ofereça.
Milosz Krasinski, Diretor Geral da Chilli Fruit Web Consulting, oferece uma dica prática. Ele diz: "Sugiro que os proprietários de pequenas empresas experimentem o máximo de testes gratuitos que puderem. Testar suas habilidades pode ser um bom lugar para ver o que é útil e importante para SUA empresa."
Passo 4: Implemente ferramentas de IA e monitore o progresso
Quando as empresas adotam IA, é crucial que elas não apenas implementem as ferramentas, mas também monitorem seu progresso.
Giorgio Daher, membro do conselho consultivo da Headline Bulletin, diz que existem vários desafios para adotar IA. Aqui estão alguns exemplos de desafios:
Não entender a distinção entre IA estreita e ampla
Não ter dados limpos e bem geridos para alimentar a IA (Não importa o quão inteligente é a IA, se você está alimentando-a com dados ruins, ela fornecerá percepções inadequadas)
Preocupações éticas (por exemplo, se você usa IA para risco e conformidade, quem é responsável se houver uma violação ou um erro?)
Para evitar isso, avalie regularmente o desempenho, ajuste os modelos e crie ciclos de feedback para melhorar a precisão. Conforme você ajusta, conseguirá garantir que a ferramenta funcione bem no contexto do seu negócio.
Passo 5: Analise, itere e escale seu uso
É crucial adotar uma abordagem incremental em vez de esperar um uso generalizado. Quando você faz isso, pode provar o valor da IA testando em uma pequena amostra de seus grandes conjuntos de dados antes de expandir significativamente.
Isso permite que você acompanhe o progresso e faça melhorias iterativas para maximizar o uso. A chave é começar pequeno, concentrar-se em tarefas ou problemas específicos e monitorar continuamente o desempenho enquanto procura maneiras de otimizar ainda mais o uso da IA.
O futuro da IA nos negócios
É claro que, apesar dos invernos da IA que vimos no passado, a IA está rapidamente se tornando a norma para empresas de todos os tamanhos. Desde seus primórdios em simulações até os algoritmos poderosos de hoje, tornou-se uma parte crucial das operações de negócios. Seus casos de uso só aumentarão à medida que mais dados se tornem disponíveis e melhores ferramentas sejam desenvolvidas.
Salva Jovells, Gerente de Marketing da Hockerty, acredita que o futuro da IA incluirá APIs abertas para serem integradas e personalizadas, educação sobre como usá-las e regulamentação sobre seus limites.
Por outro lado, Daher acredita que a IA continuará a passar por "invernos" e "primaveras". Ele diz: “A noção de que ela substituirá humanos é exagerada. Eu acho que a IA aumentará as capacidades humanas, permitindo que humanos dediquem sua inteligência muito mais sutil a empreendimentos de maior valor.”
Este é o período mais longo de interesse sustentado que vimos na tecnologia de IA. Embora haja muito potencial, ainda precisamos avaliar os riscos da IA em sua totalidade. No entanto, para fundamentar o caso de negócio da IA, é melhor que você entenda suas capacidades primeiro e depois a aproveite para seu caso de uso para obter uma vantagem competitiva.
Junte-se a mais de 700 mil organizações que utilizam o Supernormal
Conclua seu trabalho com clientes num flash com agentes de IA para reuniões e trabalho de projetos.