*Por Scott Zoldi, CAO da FICO
Não tem como amenizar, 2022 foi um ano difícil para as empresas. O mercado de ações despencou e as taxas de juros dispararam. As companhias de tecnologia estão aprendendo a resolver novos desafios, seus horizontes, antes ilimitados, agora temperados pelo congelamento de contratações e pela fuga de investidores.
- Siga o tecflow no Google News!
- Participe do nosso grupo no Telegram ou Whatsapp!
- Confira nossos stories no Instagram e veja notícias como essa!
- Siga o tecflow no Google Podcast e Spotify Podcast para ouvir nosso conteúdo!
- Anuncie conosco aqui.
Mas, o que pode parecer um colapso total é, na verdade, um ajuste necessário para se voltar à normalidade. Bem-vindo à Grande Correção! É a partir da grande correção que veremos abordagens mais realistas da IA e seus modelos, algoritmos e redes neurais de aprendizado de máquina (ML). Esse pragmatismo é o que chamo de IA Prática e prevejo que essa tecnologia surgirá em 2023 como uma fênix das cinzas de anos de exuberância irracional em torno da Inteligência Artificial.
Previsões para Inteligência Artificial Prática
Sob o guarda-chuva da praticidade, as empresas repensarão estrategicamente como usam a IA, uma mudança de atitude que será filtrada para implementação, gerenciamento de modelos de IA e aprendizado de máquina e governança. Aqui estão minhas 4 previsões para IA Prática em 2023:
Previsões para Inteligência Artificial Prática
Sob o guarda-chuva da praticidade, as empresas repensarão estrategicamente como usam a IA, uma mudança de atitude que será filtrada para implementação, gerenciamento de modelos de IA e aprendizado de máquina e governança. Aqui estão minhas 4 previsões para IA Prática em 2023:
1- Aplicações práticas vão imperar
A IA generativa tem sido uma grande palavra da moda ultimamente, com recursos de geração de imagens engenhosos ganhando manchetes. Mas a realidade é que a IA generativa não é uma nova tecnologia, a equipe ciência de dados na FICO o usa há vários anos de maneira prática para gerar dados sintéticos e fazer testes de cenário como parte de um processo robusto de desenvolvimento de modelo de IA.
Aqui está um exemplo de porque precisamos nos concentrar mais nos usos práticos da IA generativa: O open banking representa uma grande revolução na avaliação de crédito, principalmente para os menos favorecidos. No entanto, à medida que esse novo canal financeiro decola, falta coletar dados para criar análises em tempo real e voltadas para o cliente. A IA generativa pode ser aplicada de forma prática para produzir dados de transação realistas e relevantes para o desenvolvimento de modelos de decisão de risco de crédito em tempo real. Isso poderia beneficiar muito os credores do tipo ‘compre agora, pague depois’, que agora estão expostos a altas taxas de inadimplência devido a análises inadequadas, comprometendo o potencial do open banking de atender melhor os sub-bancarizados na avaliação de crédito.
2- Os processos de desenvolvimento de inteligência artificial e aprendizado de máquina se tornarão produtivos
A IA Prática é incompatível com o modus operandi em que muitas equipes de ciência de dados se enquadram com práticas como a criação de modelos de IA personalizados, experimentando novos algoritmos para maximizar o desempenho na amostra; gastar tempo inadequado focado em saber se esses modelos e algoritmos sob medida irão generalizar fora da amostra; colocar o modelo sob medida em produção sem saber com certeza as consequências e enfrentar a possibilidade de recuperá-lo, ou pior, deixá-lo rodar com consequências imprevistas e/ou não monitoradas.
Para obter inteligência artificial com qualidade de produção, os próprios processos de desenvolvimento precisarão ser estáveis, confiáveis e produtivos. Isso volta à governança de desenvolvimento de modelos, estruturas para as quais cada vez mais serão fornecidas e facilitadas por novas plataformas de IA e aprendizado de máquina que estão entrando no mercado. Essas plataformas definirão padrões, fornecerão ferramentas e definirão interfaces de programação de aplicativos (APIs) de modelos analíticos adequadamente produzidos, bem como fornecerão recursos integrados para monitorá-los e apoiá-los.
A governança de IA é um dos principais focos do meu trabalho, e prevejo que em 2023 veremos plataformas e ferramentas se tornarem cada vez mais a norma para facilitar o desenvolvimento e as implantações de IA responsável interna, fornecendo os padrões e monitoramento necessários.
Como resultado, a abordagem Kaggle para o desenvolvimento de modelos – extraindo o mais alto poder preditivo, a todo custo também dará lugar a uma nova sensibilidade prática de IA aliada ao foco nos negócios: qual é a melhor solução de 95%? A realidade é que 95% provavelmente será suficiente para a maioria das aplicações de IA, e é preferível quando colocamos o desempenho do modelo em um contexto maior de:
● Interpretação de modelos
● IA ética
● Considerações ambientais, sociais e de governança corporativa (ESG)
● Simplicidade de monitoramento
● Facilidade em atender aos requisitos regulamentares
● Hora de comercializar
● Custo e risco excessivos em aplicativos complexos de IA
3- A definição adequada do pacote de modelos melhorará os benefícios operacionais da IA
A produção de IA inclui a codificação direta, durante o processo de criação do modelo, “como” e “o que” monitorar no depois de implementado. Definir uma expectativa de que nenhum modelo seja construído adequadamente até que o processo de monitoramento completo seja especificado produzirá muitos benefícios, entre os quais operações de inteligência artificial mais suaves:
● As plataformas de IA consumirão esses pacotes de modelos aprimorados e reduzirão as dificuldades de gerenciamento de modelos. Veremos melhorias no monitoramento, detecção de viés, interpretação e relatórios de problemas do modelo em tempo real;
● A interpretação fornecida por esses pacotes de modelo produzirá modelos de aprendizado de máquina que são transparentes e defensáveis;
● Os métodos de destilação de classificação (Rank distillation methods) garantirão que a distribuição de pontuação do modelo e a detecção de comportamento sejam semelhantes a cada atualização de modelo. Isso permitirá que as atualizações sejam integradas de maneira mais suave às regras e estratégias existentes do sistema de inteligência artificial maior.
4- Haverá diversos provedores de serviços de IA na nuvem
Claramente nem toda empresa que deseja implementar projetos de IA com segurança tem os recursos para fazê-lo. O software e as ferramentas necessárias podem ser muito complexos ou caros para serem montados em partes. Como resultado, apenas cerca de 1/4 das empresas têm sistemas de IA em produção generalizada. Para resolver esse desafio e abordar uma gigantesca oportunidade de mercado, prevejo que em 2023 teremos o surgimento de diversos provedores de serviços de IA na nuvem para as empresas.
Assim como Amazon, Google e Microsoft Azure são os “Três Grandes” dos serviços de computação em nuvem, alguns dos principais provedores de serviços de nuvem de IA surgirão para oferecer recursos completos de desenvolvimento, implantação e monitoramento de IA e aprendizado de máquina. Facilmente acessíveis por meio de conectividade de API, essas ofertas profissionais de software de IA permitirão que as organizações desenvolvam, executem e monitorem seus modelos e algoritmos, ao mesmo tempo em que demonstram uma governança de IA adequada. Essas mesmas plataformas de IA na nuvem também podem recomendar quando descer para um modelo mais simples (Humble AI) para manter a confiança na integridade da decisão.
Certamente, também haverá provedores de serviços de nuvem especializados em IA focados em segmentos do setor – incluindo perfis regulatórios -, fornecendo às empresas acessos fáceis para implantações de IA Responsável em escala. Essas plataformas de inteligência artificial fornecerão grandes vantagens ao setor para acelerar a comercialização, de maneira segura e responsável.
Onde vive a IA Prática: O corpo da IA
Nos últimos cinco anos, tenho repetido com frequência sobre a necessidade do uso de práticas de IA Responsável, que nos orientam sobre como usar corretamente as ferramentas de ciências de dados para construir sistemas de decisão de IA que sejam explicáveis, éticas e auditáveis.
Em uma metáfora ao corpo humano, esses princípios estão no centro do corpo analítico de uma organização, que chamo de “Corpus IA”, e onde a IA Responsável e Prática devem ser apoiadas, por sistemas equivalentes ao sistema circulatório biológico, esquelético, tecido conjuntivo, etc.
Olhando para 2023, aprender a lidar com as pressões do mercado em constante evolução continuará sendo o “novo normal”. Acredito que minhas previsões de IA permitirão que o Corpus IA se fortaleça e floresça durante e muito além da Grande Correção, de maneira madura, padronizada, auditável e pronta para a regulamentação.
*Por Scott Zoldi, CAO da FICO.
Faça como os mais de 10.000 leitores do tecflow, clique no sino azul e tenha nossas notícias em primeira mão! Confira as melhores ofertas de celulares na loja parceira do tecflow.
