A= A inteligência rífica se tornou um dos maiores desenvolvimentos tecnológicos nos negócios nos últimos anos, mas o campo ainda está em grande parte envolto em incerteza. Embora as expectativas tenham o céu, o que as empresas realmente estão fazendo agora? UM Novo relatório por BCG e MIT Sloan Management Review visa desmistificar a IA nos negócios e fazer um balanço da adoção atual do setor. O relatório é baseado em uma pesquisa global de mais de 3.000 executivos e entrevistas detalhadas com mais de 30 especialistas em tecnologia e executivos. Seu objetivo é apresentar uma linha de base realista que permita às empresas comparar seus esforços e ambições de IA e fornecer orientação para as coisas que estão por vir.
A lacuna entre ambição e execução é grande na maioria das empresas. Somente cerca de uma em cada cinco empresas incorporou IA em alguns Ofertas ou processos. Apenas um em 20 possui extensivamente incorporou IA em ofertas ou processos. A pesquisa também revela grandes lacunas entre os líderes - compensações que entendem e adotaram a IA - e retardatários em todos os setores. Uma diferença considerável é a compreensão e a abordagem de dados e treinamento de IA. Para muitos, as diferenças provavelmente ampliarão nos próximos cinco anos, mas quase todas as empresas ainda têm a capacidade de estabelecer vantagem competitiva e moldar a criação de valor da IA em seus setores. Embora a maioria dos executivos ainda não tenha visto efeitos substanciais da IA em suas ofertas e processos, eles esperam claramente nos próximos cinco anos. (Veja o Anexo 1.) A maioria das organizações prevê efeitos consideráveis em TI, operações e fabricação, gerenciamento da cadeia de suprimentos e atividades voltadas para o cliente. As empresas de saída de negócios, por exemplo, esperam que muitos dos empregos que se mudaram para países de baixo custo nos últimos anos sejam automatizados. No entanto, eles também esperam que a IA leve a novas atividades e fontes de emprego. Os executivos de empresas industriais esperam o maior efeito nas operações e manufatura. Em conexão com seu novo programa A350, por exemplo, a Airbus está usando a IA para acelerar e melhorar a produção. A empresa combinou dados de programas de produção anteriores, contínuos contribuições do programa A350, correspondência difusa e um algoritmo de auto-aprendizagem para identificar padrões nos problemas de produção. Em algumas áreas, o sistema corresponde a cerca de 70% das interrupções da produção aparentemente não relacionadas às soluções usadas anteriormente-no tempo quase real. a maioria das empresas. Três quartos dos executivos acreditam que a IA permitirá que suas empresas se mudem para novos negócios. E quase 85% acreditam que a IA permitirá que suas empresas obtenham ou sustentem uma vantagem competitiva. Mas, embora mais de 60% dos entrevistados tenham dito que uma estratégia para a IA é urgente para suas organizações, apenas metade das pessoas disse que suas organizações têm uma estratégia em vigor. As maiores empresas (aquelas com mais de 100.000 funcionários) têm maior probabilidade de ter uma estratégia de IA, mas apenas metade tem uma. Entre os líderes, três quartos identificaram casos de negócios para a IA. Cerca de 80% dizem que os líderes seniores estão a bordo. Os maiores obstáculos nessas empresas estão contratando e desenvolvendo talentos e estabelecendo prioridades para investimentos de IA; Eles também estão começando a se preocupar com questões de segurança relacionadas à IA. Os retardatários, por outro lado, não identificaram casos de negócios. Mais de 50% relatam que seus líderes seniores geralmente não estão envolvidos na IA e a maioria ainda não encontrou as dificuldades de adquirir talentos de IA. A empresa de seguros da China, uma das maiores seguradoras desse país, emprega 110 cientistas de dados e lançou cerca de 30 iniciativas de IA patrocinadas pelo CEO que apóiam, em parte, sua visão "de que a tecnologia será o principal fator para entregar o crescimento da empresa para a empresa nos próximos anos", diz o diretor de inovação da empresa, Jonathan Larsen. Em outras partes do setor de seguros, as iniciativas de IA estão no outro extremo do espectro, limitadas a esforços como "experimentar chatbots", como executivo sênior de uma grande seguradora ocidental descreveu o programa de IA de sua empresa. Os algoritmos AI não são "inteligentes" nativamente. A IA começa com algoritmos "nus" que se tornam inteligentes apenas ao ser treinados em grandes quantidades de dados e, para a maioria dos aplicativos de negócios, grandes quantidades de dados específicos da empresa. O treinamento bem -sucedido requer a compreensão totalmente desse processo e o papel dos dados, o que é muito mais significativo do que em Big Data e aplicativos de análise avançada. O sucesso também depende de ter sistemas bem desenvolvidos que podem reunir treinamento relevante e continuar integrando as descobertas de dados posteriores coletados ao longo do tempo. A coleta e a preparação de dados geralmente são as atividades mais demoradas no desenvolvimento de aplicativos de IA.
High Expectations
The high expectations for AI cross geographies, industries, and companies, regardless of size. While most executives have not yet seen substantial effects from AI on their offerings and processes, they clearly expect to in the next five years. (See Exhibit 1.) Most organizations foresee sizable effects on IT, operations and manufacturing, supply chain management, and customer-facing activities. Business-process-outsourcing companies, for example, expect many of the jobs that moved to low-labor-cost countries in recent years to be automated. However, they also expect AI to lead to new activities and sources of employment. Executives at industrial companies expect the largest effect in operations and manufacturing. In connection with its new A350 program, for example, Airbus is using AI to speed and improve production. The company has combined data from past production programs, continuing input from the A350 program, fuzzy matching, and a self-learning algorithm to identify patterns in production problems. In some areas, the system matches about 70% of seemingly unrelated production disruptions to solutions used previously—in near-real time.
Ambition and Execution
Expectations aside, the gap between ambition and execution is large at most companies. Three-quarters of executives believe that AI will enable their companies to move into new businesses. And almost 85% believe AI will allow their companies to obtain or sustain a competitive advantage. But while more than 60% of respondents said that a strategy for AI is urgent for their organizations, only half of those said that their organizations have a strategy in place. The largest companies (those with more than 100,000 employees) are the most likely to have an AI strategy, but only half have one.
There are also large gaps between leaders and laggards. Among leaders, three-quarters have identified business cases for AI. About 80% say that senior leaders are onboard. The biggest hurdles at these companies are hiring and developing talent and establishing priorities for AI investments; they are also starting to worry about security issues related to AI. Laggards, on the other hand, have not identified business cases. More than 50% report that their senior leaders are generally not involved in AI, and most have yet to encounter the difficulties of sourcing AI talent.
The differences in adoption can be striking, particularly within the same industry. Ping An Insurance Company of China, one of that country’s largest insurers, employs 110 data scientists and has launched about 30 CEO-sponsored AI initiatives that support, in part, its vision “that technology will be the key driver to deliver top-line growth for the company in the years to come,” says the company’s chief innovation officer, Jonathan Larsen. Elsewhere in the insurance industry, AI initiatives are at the other end of the spectrum, limited to such efforts as “experimenting with chatbots,” as a senior executive at a large Western insurer described his company’s AI program.
Data, Training, and Algorithms
One of the most telling differences between leaders and laggards is their understanding of the importance of data, training, and algorithms. AI algorithms are not natively “intelligent.” AI starts with “naked” algorithms that become intelligent only upon being trained on large amounts of data and, for most business applications, large amounts of company-specific data. Successful training requires fully understanding this process and the role of data, which is far more significant than it is in big data and advanced analytics applications. Success also depends on having well-developed systems that can pull together relevant training and continue to integrate findings from later data collected over time. Data collection and preparation are often the most time-consuming activities in developing AI applications.
Assim, mesmo que a organização possua os dados necessários, a fragmentação em vários sistemas pode prejudicar o processo de treinamento de algoritmos de IA. AGUS SUDJINTO, vice -presidente executivo de risco de modelo corporativo da Wells Fargo, coloque da seguinte maneira: “Um grande componente do que fazemos é lidar com dados não estruturados, como mineração de texto e analisar enormes quantidades de dados de transações, buscando padrões. Mas em uma organização muito grande, os dados geralmente são fragmentados. Menos da metade de nossa pesquisa disse que sua organização entende as necessidades de dados de algoritmos ou os processos necessários para treinar algoritmos. A geração de valor da IA é mais complexa do que simplesmente fazer ou comprar IA para um processo de negócios. Os algoritmos de IA de treinamento envolvem uma variedade de habilidades, incluindo a compreensão de como criar algoritmos, como coletar e integrar os dados relevantes para fins de treinamento e como supervisionar o treinamento do algoritmo. Os fornecedores de tecnologia da IA "exigem que lhes damos toneladas de informações para permitir que eles aprendam", disse ele. "A quantidade de esforço necessária para obter o serviço baseado em IA para os 17 ou 18 ou 21 anos ainda não parece valer a pena. Acreditamos que o suco não vale o aperto". O uso da IA para vantagem competitiva exige que as empresas construam suas habilidades internas. As empresas também enfrentam muitos desafios gerenciais comuns a outras transformações orientadas para a tecnologia. Isso inclui visão e liderança, abertura e capacidade de mudar, pensamento a longo prazo, alinhamento próximo entre a estratégia de negócios e tecnologia e colaboração eficaz. As empresas também enfrentam desafios específicos da IA. J.D. Elliott, diretor de gerenciamento de dados corporativos da TIAA, uma organização de serviços financeiros da Fortune 100 com quase US $ 1 trilhão em ativos sob gestão, disse: "Não acho que todo gerente de linha de frente precisa entender a diferença entre o aprendizado profundo e o aprendizado em uma rede neural. Mas penso que o entendimento básico - o uso de análises melhores e por meio de dados em que se unem, por meio de uma base de dados, o que é o uso de produtos de análise e, por meio de uma base, que se une a pitados e, por meio de uma rede neural. importante. ”
Make Versus Buy
The need to train AI algorithms with appropriate data has wide-ranging implications for the traditional make-versus-buy decision that companies face with new-technology investments. Generating value from AI is more complex than simply making or buying AI for a business process. Training AI algorithms involves a variety of skills, including understanding how to build algorithms, how to collect and integrate the relevant data for training purposes, and how to supervise the training of the algorithm.
The CIO of a large pharma company described the products and services that AI vendors provide as “very young children.” The AI tech suppliers “require us to give them tons of information to allow them to learn,” he said. “The amount of effort it takes to get the AI-based service to age 17 or 18 or 21 does not appear worth it yet. We believe the juice is not worth the squeeze.” Using AI for competitive advantage requires companies to build up their internal skills.
Management Challenges
AI requires more than data mastery. Companies also face many managerial challenges common to other technology-driven transformations. These include vision and leadership, openness and the ability to change, long-term thinking, close alignment between business and technology strategy, and effective collaboration. Companies also face AI-specific challenges.
Most basic—and most important—is developing an intuitive understanding of AI. J.D. Elliott, director of enterprise data management at TIAA, a Fortune 100 financial services organization with nearly $1 trillion in assets under management, said, “I don’t think that every frontline manager needs to understand the difference between deep and shallow learning within a neural network. But I think a basic understanding that—through the use of analytics and by leveraging data—we do have techniques that will produce better and more accurate results and decisions than gut instinct is important.”
Um segundo desafio está organizando para a IA. A adoção da IA provavelmente será um prêmio sobre habilidades sociais e flexibilidade organizacional. Existem diferentes modelos-como centralizados, distribuídos e híbridos-, mas, em última análise, um modelo híbrido enfatizando a colaboração multifuncional pode fazer mais sentido. "Temos que trazer pessoas de diferentes disciplinas. E então, é claro, precisamos do aprendizado de máquina e do povo da IA", disse Sudjianto, de Wells Fargo. "Alguém que pode liderar esse tipo de equipe holisticamente é muito importante." A flexibilidade organizacional é uma peça central de todos os modelos de IA. Para grandes empresas, a mudança de cultura necessária para implementar a IA será assustadora, de acordo com vários desses executivos. Isso não é fácil. Amy Hoe, diretora de tecnologia e operações da seguradora FWD Group, diz que as empresas precisam de acesso privilegiado aos dados (que, de acordo com nossas descobertas, muitas não têm), elas precisam criar estruturas organizacionais flexíveis e devem aprender a fazer com que as pessoas e as máquinas funcionem efetivamente juntas. Tudo isso significa mudanças culturais difíceis para a empresa e o funcionário.
A third challenge is figuring out how humans and computers can build off each other’s strengths. This is not easy. Amy Hoe, chief technology and operations officer of insurer FWD Group, says that companies need privileged access to data (which, according to our findings, many don’t have), they need to put in place flexible organizational structures, and they must learn how to make people and machines work effectively together. All of which means tough cultural changes for both company and employee.
Os gerentes também precisam perceber que o emprego da IA vai além de melhorar o status quo. O verdadeiro trabalho árduo é entender a mudança potencial de pools de valor inteiro - como se espera no setor de saúde, por exemplo - e como criar vantagem competitiva sustentável em um ambiente em mudança. (Consulte “Competindo na Era da Inteligência Artificial”, Artigo do BCG, janeiro de 2017 e “Colocando a Inteligência Artificial para o trabalho”, artigo do BCG, a ser publicado.)
AI e Jobs
Contrary to recent dire predictions about AI’s effect on employment, our survey suggests cautious optimism. Most respondents, for example, do not expect that AI will lead to a reduction of jobs at their organization within the next five years. (See Exhibit 2.) Nearly 70% also said they are not fearful that AI will automate their own jobs. By a similar margin, respondents hope that AI will take over some of their more boring and unpleasant current tasks. However, respondents overwhelmingly agree that AI will both require employees to learn new skills within the next five years and augment their existing skills.
Just about any company today needs a plan with respect to AI. Most do not have one, and those that have been slower to move have some catching up to do. It’s not too late to start, but those companies that wait much longer will find the playing field tilted ever more steeply against them. The full report provides some concrete steps on what to do next.
The BCG Henderson Institute is Boston Consulting Group’s strategy think tank, dedicated to exploring and developing valuable new insights from business, technology, and science by embracing the powerful technology of ideas. The Institute engages leaders in provocative discussion and experimentation to expand the boundaries of business theory and practice and to translate innovative ideas from within and beyond business. For more ideas and inspiration from the Institute, please visit
Insights em destaque
.
