O fato de a inteligência artificial ter sido apresentada para uma boa parte das pessoas por filmes de Hollywood, com seus incríveis efeitos especiais, criou uma ideia equivocada de que essa tecnologia existe para fazer mágica. Uma fantasia que gera consequências reais como o atraso e até o insucesso de muitos projetos. No entanto, em tempos históricos de aceleração da transformação digital, é chegado o momento de amadurecer esse conhecimento, deixando por exemplo, de se abastecer com informações erradas que circulam pelas redes sociais e até mesmo em algumas palestras.

É certo que a inteligência artificial vem nos ajudando e irá transformar muitas coisas ainda. Só que para isso é fundamental o entendimento de como ela realmente funciona e, principalmente, quebrar paradigmas. A computação tradicional lida muito bem com informações binárias e quando elevamos um pouco o nível podemos dizer que os sistemas e computadores vão muito bem quando falamos de dados estruturados. E o que fazer quando lidamos com informações de texto, imagem, som, vídeo e todas as informações não estruturadas?

É exatamente nesse momento que IA faz total sentido, pois a computação tradicional não consegue resolver essa questão e nós seres humanos não temos capacidade de processar a quantidade de dados não estruturados que são gerados.

O primeiro passo para aumentar as chances de sucesso na implantação de inteligência artificial é saber a razão do projeto. Quase todas as empresas que tentaram implementar inteligência artificial em projetos de grande porte falharam pelo simples fato de que não entenderam o “porque” precisavam de IA e não avaliaram se os dados produzidos poderiam ser usados por um algoritmo.

Começar um projeto de IA sem saber se o histórico de dados e informações faz de fato sentido com o objetivo do projeto é impensável. Um algoritmo de IA depende de interpretação, aprendizado, cognição e insights, que nem sempre serão gerados dentro das expectativas da maioria das empresas. Inteligência artificial precisa de maturidade e testes, muitos testes. Além disso, não resolve várias tarefas e os algoritmos não são genéricos.

Não é porque existe uma montanha de dados que uma IA irá resolver o seu problema! Os dados precisam fazer sentido para o objetivo do projeto que irá usar inteligência artificial e não o contrário.

Outro erro comum é pensar que inteligência artificial é uma tecnologia “plug and play” - ou que ela consiste numa integração com uma interface de programação de aplicações, as “API´s” - e tudo sai funcionando como se fosse um app qualquer. Grande engano. Inteligência artificial não é apenas parte de um projeto. É uma jornada.

Outro questionamento a ser feito antes de se pensar num projeto de IA é: o software que você utiliza na sua empresa resolve os seus problemas? Se eles resolvem, ótimo. Mas se o software não está mais resolvendo e nem atendendo as suas atuais demandas, talvez seja a hora de entrar para o mundo da IA. E aí, é só uma questão de separar a fantasia da realidade para, aos poucos, construir uma organização à prova de futuro.

*Marcelo Noronha é CEO da startup Mr Turing e atua há 28 anos na área de TI

Sobre a Mr Turing – A Mr. Turing é uma spin-off da Data H - startup de inteligência artificial e big data criada em março de 2016 - que nasceu para resolver uma grande dor das corporações: o tempo gasto buscando informações e a frustração de muitas vezes não conseguir encontrar o que se precisa.

Ela criou o Alan, um assistente corporativo, baseado em algoritimos de inteligência artificial, que aprende sozinho, interpreta, contextualiza e sintetiza milhares de informações em poucos segundos. Além disso, não há necessidade de equipe de TI para implantá-lo e o usuário não precisa cadastrar perguntas, respostas e nem aprender linhas de código. Basta integrá-lo a uma base de dados que pode ser composta por PDF´s, e-mails, documentos ou até mesmo planilhas.

Superação mundial - Desenvolvido especialmente para a Língua Portuguesa, o Allan também entende a semântica do idioma. Ou seja, conhece o significado de uma palavra em diferentes contextos ou construções de linguagem; conhece sinônimos e ainda é capaz de entender até mesmo palavras com erros de digitação.