Cinco grandes desafios para a adoção e sucesso da IA

Existem poucas tecnologias com as quais as empresas estão mais entusiasmadas do que a inteligência artificial (IA), e por um bom motivo: a IA tem o potencial de remodelar completamente a forma como as empresas operam em todas as funções, incluindo marketing, atendimento ao cliente e finanças.

Mas, como acontece com muitas tecnologias emergentes, existem desafios e a IA não apresenta falta deles. Isso pode explicar por que, de acordo com uma nova pesquisa do MIT-Boston Consulting Group, 85% dos executivos acreditam que a IA mudará os negócios, mas apenas 20% das empresas a estão usando de alguma forma, e apenas 5% fazem uso extensivo dela.

Então, o que está impedindo a IA de realizar seu potencial? Aqui estão cinco dos maiores desafios que as empresas precisam enfrentar se quiserem começar a fazer uso eficaz do número crescente de ferramentas baseadas em IA que estão disponíveis hoje.

Acesso aos dados

Os dados são a força vital da economia digital e para as empresas que buscam aplicar a IA a qualquer área, o acesso aos dados será um dos maiores desafios. Na verdade, de acordo com George Zarkadakis, líder digital da consultoria global Willis Towers Watson, os dados serão o maior desafio que as empresas enfrentam.

“Para treinar algoritmos de aprendizado de máquina, são necessários conjuntos de dados massivos e limpos, com distorções mínimas”, disse ele ao AI Business . “É necessário também ter em mente as questões de privacidade de dados quando se trata de coleta de dados pessoais, especialmente à luz do Regulamento Geral de Proteção de Dados que entrará em vigor em 2018.”

A boa notícia é que a maioria das marcas há anos se preocupa com o valor dos dados. Graças ao mercado de publicidade em particular, as empresas reconheceram o valor dos dados de terceiros, especialmente à luz do custo crescente de aquisição de dados de terceiros.

Como resultado, muitas empresas têm investido fortemente na criação de infraestrutura para coletar e armazenar os dados que geram e recrutar talentos capazes de fazer uso deles. Aqueles que estão mais à frente nessa área descobrirão que têm uma vantagem competitiva ao integrar a IA em seus negócios.

O fato de que o passado nem sempre é prólogo

Mesmo quando uma empresa tem muitos dados disponíveis para criar aplicativos de IA, é importante que eles reconheçam que os modelos contra os quais seus aplicativos de IA são treinados não funcionarão necessariamente para sempre.

Considere, por exemplo, os aplicativos de IA que são usados ​​para gerenciar campanhas de marketing. No ano passado, a IBM anunciou que usaria sua plataforma Watson para gerenciar todas as suas campanhas programáticas até 2017. De acordo com relatórios, a IBM reduziu seu custo por clique em média em 35% usando o Watson e, em alguns casos, esse número foi tão alto como 71%.

Como AdAge explicou, Watson “usa análises avançadas para criar eficiências no processo de licitação, ingerindo grandes quantidades de dados e atribuindo valor a consumidores-alvo em potencial com base na hora do dia, o dispositivo que estão usando, o idioma que falam e que navegador estão usando."

O nível em que o Watson pode analisar dados é “incompreensível”. Por exemplo, ele pode verificar “se um tamanho menor [anúncio] é mais eficaz quando mostrado às 3h por um CPM de $ 2, ou custo por mil impressões, do que anúncios maiores ao meio-dia a um CPM de $ 3”.

Mas o mercado de publicidade digital não é estático e os modelos que funcionam há meses ou anos não têm garantia de funcionar amanhã. Embora a IA possa aprender à medida que avança, sua capacidade de fazer isso depende muito das condições que permanecem semelhantes àquelas em que foi treinado.

Mudar os formatos de anúncios, as idas e vindas de compradores no ecossistema e um aumento no número de empresas que empregam IA para comprar anúncios, por exemplo, todos têm o potencial de mudar drasticamente as condições do mercado, de modo que são muito diferentes daqueles que existia quando os dados contra os quais o AI foi treinado foram coletados.

Isso significa que há riscos de que os modelos de IA diminuam significativamente em eficácia ou quebrem rapidamente, causando danos. Portanto, as empresas inteligentes provavelmente sempre precisarão garantir que haja supervisão e salvaguardas em vez de confiar o negócio à IA.

Falta de inteligência emocional

As empresas estão cada vez mais procurando empregar tecnologia de IA para apoiar seus esforços de atendimento ao cliente. Por exemplo, muitos estão construindo chatbots com tecnologia de IA com os quais os clientes podem interagir em plataformas como o Facebook Messenger.

Embora as primeiras encarnações de chatbots para essas plataformas tenham deixado muito a desejar, a tecnologia de processamento de linguagem natural (PNL) está melhorando rapidamente e os bots baseados em IA estão cada vez melhores em entender o que os humanos com quem estão interagindo estão dizendo.

Mas, mesmo assim, os aplicativos de IA carecem de inteligência emocional e, o mais importante, eles são incapazes de demonstrar empatia, e essa é uma grande barreira para o sucesso de IA em aplicativos de atendimento ao cliente, como chatbots. Afinal, certas consultas de atendimento ao cliente podem fazer ou quebrar um relacionamento com o cliente.

Uma das maneiras pelas quais as marcas podem enfrentar esse desafio é limitar a aplicação da IA ​​ao atendimento ao cliente, onde a empatia não é necessária. Os chatbots, por exemplo, podem ser projetados para servir como atendimento ao cliente na linha de frente, respondendo a perguntas frequentes e atendendo a solicitações simples, geralmente de baixa emoção. Onde as solicitações são mais complexas ou potencialmente confidenciais, os chatbots com tecnologia de IA devem ser capazes de conectar clientes a representantes humanos de atendimento ao cliente.

Especialização

David Raab, diretor da consultoria de marketing Raab Associates, observou que “os sistemas de IA de hoje e do futuro próximo são especialistas”. Eles executam tarefas específicas, como marcar uma oportunidade ou determinar o preço ideal para oferecer um anúncio gráfico.

Claro, as tecnologias baseadas em IA são atualmente melhores em algumas tarefas especializadas do que em outras. Considere a criação de conteúdo automatizada de IA, um sonho dos profissionais de marketing de conteúdo em todos os lugares. Em 2018, o Gartner prevê que 20% de todo o conteúdo de negócios será produzido por máquinas.

Embora haja evidências de que a IA é capaz de criar certos tipos de conteúdo virtualmente indistinguíveis do conteúdo humano em termos de clareza e precisão, o conteúdo produzido por máquina é substancialmente mais enfadonho e menos agradável de ler, de acordo com um estudo.

Uma vez que o conteúdo emotivo é fundamental para o sucesso do marketing de conteúdo, as marcas têm motivos para se preocupar em colocar toda a tarefa de criação de conteúdo nas mãos do software de IA.

Mas isso não significa que a IA não possa realizar tarefas de conteúdo especializado. As marcas podem usar inteligência artificial para identificar tendências e tópicos que se prestam ao conteúdo popular, prever quais títulos escritos por humanos terão o melhor desempenho ou selecionar conteúdo.

Um exemplo inovador de curadoria de conteúdo movido a IA foi exibido durante o US Open deste ano. A United States Tennis Association (USTA) treinou o IBM Watson “para reconhecer os gestos e expressões faciais dos jogadores, os ruídos da multidão e a reação do locutor” e, em seguida, usar o Watson para ajudar suas equipes de transmissão e conteúdo a identificar os destaques da partida para entregar aos fãs.

Incapacidade de colaborar

Como David Raab da Raab Associates observou, uma campanha de marketing envolve a coordenação de muitas tarefas especializadas, o que significa que para a IA assumir uma campanha de marketing completa “exigirá a cooperação de muitos IAs”.

Em teoria, isso não é necessariamente um obstáculo. Mas teoria e realidade não são a mesma coisa. Ele explicou o que está envolvido em fazer isso acontecer:

É fácil - e divertido - imaginar uma coleção complexa de componentes baseados em IA colaborando para criar experiências de cliente totalmente automatizadas e perfeitamente personalizadas. Mas esse sistema estará sujeito a falhas frequentes quando um ou outro componente se encontrar em condições para as quais não foi treinado. Se os sistemas forem bem projetados (e tivermos sorte), os componentes se desligarão quando isso acontecer. Se não tivermos tanta sorte, eles continuarão em execução e retornarão resultados cada vez mais inadequados.

Em última análise, o que isso significa é que será mais complexo e caro para as empresas criarem o tipo de campanha de marketing autônoma que a IA promete. Por essa razão, nesse ínterim, as marcas experientes serão estratégicas sobre a tecnologia de IA em que investem. Por exemplo, uma empresa pode obter um valor significativo aplicando IA para pontuação de leads, enquanto outra pode obter mais valor aplicando IA à análise de sentimento de mídia social.

Como os retornos podem variar muito dependendo da marca e de suas necessidades, as empresas precisarão de forma realista analisar as tecnologias de IA e determinar quais oferecem mais valor para elas.