Exame.com
Continua após a publicidade

Como incorporar a inteligência artificial no processo de inovação

Alguns estudos apontam que a inteligência artificial pode adicionar 13 trilhões de dólares na economia mundial somente nessa década.

Inteligência artificial: aliada na tomada de decisão na hora da contratação de trainees da Cremer (Zsolt Biczó/Thinkstock)
Inteligência artificial: aliada na tomada de decisão na hora da contratação de trainees da Cremer (Zsolt Biczó/Thinkstock)
I
Inovação na prática

Publicado em 3 de agosto de 2022 às, 16h33.

Última atualização em 4 de agosto de 2022 às, 10h04.

Alguns estudos apontam que a inteligência artificial pode adicionar 13 trilhões de dólares na economia mundial somente nessa década. No último texto, falei sobre as novas oportunidades que a combinação da inteligência artificial com a gestão da inovação pode trazer. Basicamente, a lógica da inovação suportada pela inteligência artificial, trata de ampliar as capacidades de análise e tomada de decisão das pessoas envolvidas nas diferentes etapas do processo de inovação.

Vejamos um exemplo de como isso ocorre na prática. Hoje, temos muitos programas de empresas estabelecidas que fazem inovação aberta com o ecossistema de startups. Uma etapa importante desse processo é o chamado scouting, fase na qual se busca as startups mais adequadas para resolver os desafios propostos ou realizar os co-desenvolvimentos das soluções. Encontrar as melhores opções, tradicionalmente era fruto da combinação de ações de comunicação para atração (inscrição) nos programas aliadas com a busca em bases de startups.

Com o aumento da quantidade de startups no ecossistema, encontrar as soluções que realmente são valiosas tornou-se um desafio bastante complexo. Há muitas startups que constroem sites visualmente atrativos e pitch decks bem elaborados, porém que os produtos ofertados não acompanham a mesma qualidade. Nesse cenário, o processo de scouting vem evoluindo e incorporando elementos de inteligência artificial para auxiliar na melhor escolha através de processamento de linguagem natural e algoritmos de machine learning que possam indicar as escolhas mais relevantes para cada caso.

Na Innoscience, empresa que trabalho, desenvolvemos um score para cada startup que avalia diferentes dimensões de qualidade e afinadade da mesma com os desafios. Esse score indica as melhores opções entre as disponíveis no ecossistema brasileiro, sendo utilizado como ferramenta de tomada de decisão para escolher aquelas que são convidadas para apresentar seus pitches aos executivos das empresas.

Esse é apenas um caso de uso da inteligência artificial apoiando o processo de inovação. Outra aplicação bastante difundida está relacionada com o monitoramento de bases de patentes e conhecimento acadêmico para captura de tendências de insights.

Segundo o Fórum Econômico Mundial, em 2025 serão produzidos 463 exabytes (são 18 zeros depois do número) de dados todos os dias. A estimativa é que haja 44 zetabytes de dados no mundo digital (agora são 21 zeros depois do número). Não ser humano que consiga acompanhar, processar e categorizar a evolução da produção de conhecimento. Nesse ponto que os computadores e a IA pode auxiliar novamente.

Há diversas outras aplicações sendo utilizadas pelas empresas. Agora, vale a pena explorar como como começar uma jornada para ir incorporando a inteligência artificial ao processo de gestão da inovação na prática. Existem diversos fatores importantes, mas trago três deles que são pilares fundamentais para essa transformação:

Visão de negócio para investir e alocar pessoas na transição

Como qualquer processo de mudança organizacional, estabelecer objetivos e expectativas é muito importante. O sucesso dessa transformação parece estar na construção de uma abordagem que foque na relação data-driven entre humanos e máquinas. Importante também, gerenciar as expectativas de todos os envolvidos em relação ao potencial de entregas da combinação inteligência artificial + gestão da inovação.

Gente bem preparada para criar, interpretar e questionar os modelos

Um elemento importante para fazer a IA+GI funcionar diz respeito à disponibilidade pessoas qualificadas para construir e interpretar os modelos. Essa nova realidade vai desafiar as empresas a desenvolver profissionais com competências relacionadas às tecnologias associadas tais como machine learning, processamento de linguagem natural, deep learning, rpa, sistemas inteligentes baseado em regras e outras. Dada a carência desses profissionais nas estruturas, muitas empresas tem se valido de consultorias especializadas para acelerar a implementação da IA no processo de gestão da inovação.

Dados em quantidade e qualidade para gerar bons modelos

Outro fator importante para sucesso da combinação da IA com a GI passa necessariamente pela disponibilidade de grandes volumes de dados de boa qualidade. Esse contexto pode ser um desafio, especialmente para pequenas e médias empresas que muitas vezes tem dificuldades de organizar e armazenar os dados. Nesse aspecto, grandes empresas têm sido as pioneiras em desenvolver modelos.

Finalmente, vale trazer ressaltar que a transição para o novo modelo vai passar por um processo gerenciado para permitir a transição. Como no processo de inovação, a empresa deve escolher os casos de uso e ir experimentando de maneira seletiva para aprender rapidamente sobre os potenciais ganhos.

Felipe Ost Scherer