Este artigo é um capítulo do relatório BCG, As empresas mais inovadoras 2019: a ascensão de IA, plataformas e ecossistemas .
Inovação, encontre automação. Este pode ser o começo de uma bela amizade.
em poucos anos, Inteligência Artificial (AI) e seu subcampo, Machine Learning (ML), passaram da visão futurista para a capacidade quase mainstream em muitas grandes empresas, inclusive em seus programas de inovação. A quick scan of BCG’s 50 most innovative companies for 2019 shows that top innovators are also AI leaders (Google, Amazon, Apple, Microsoft, Netflix, and IBM, for openers) and that many others—including plenty of companies from traditionally nondigital industries (Boeing, Siemens, Marriott, BP, and multiple automakers, for example)—are actively leveraging AI. (Veja o artigo Companion “ Inovação em 2019 . ”)
Como qualquer nova tecnologia poderosa, a IA é objeto de muito hype. Mas, neste caso, o fogo real está atrás da fumaça. A rápida ascensão da IA nos negócios é bem registrada em dois relatórios por BCG eMIT Sloan Management Review
O 2018 SMR-BCG report also identified a performance gap associated with this critical new capability, indicating that AI “pioneers” appear to be “pulling further away” from their less aggressive peers. We see a similar pattern with respect to AI in innovation, which carries two key implications. First, AI is not a plug-and-play capability. Second, ML is inductive—that is, machines learn by doing, and they need to be fed large amounts of data to get smarter. Tortoises will have a tough time catching up with hares in this race. But hares can’t afford to become complacent, because AI is truly disruptive and can propel long leaps forward.
What are the leaders doing?
A Strong Correlation
Our most recent innovation survey found a strong correlation between companies that consider themselves strong innovators and those that see themselves as being good at AI. (See Exhibit 1.) About 30% of respondents rate themselves as strong innovators, and about 25% as being better than average at AI. Almost 20% see themselves as both; we call this group “AI leaders.” Nearly 17% of the respondents in our sample view their organizations as being below average on AI; we call this group “AI laggards.” AI leaders are more likely than laggards to consider AI important to their organizations’ future growth (94% versus 56%), which suggests that more than half of laggards will face a widening competitive disadvantage unless they up their AI game.
AI leaders tend to see themselves as being good at embracing new technologies such as AI to enhance customer offerings or streamline the development process (89% versus 24%). AI leaders and laggards allocate their spending roughly equally among radical innovation; major new products, services, and internal process changes; and improvement of existing products, services, and processes. But AI leaders are far more likely than laggards to apply big data and advanced analytics throughout the innovation process—from identifying new themes (91% for leaders, 30% for laggards) to informing investment decisions (92% to 27%). (See Exhibit 2.) In addition, by margins of 42% to 19%, and 42% to 24%, respectively, AI leaders are more likely than laggards to be actively pursuing the related avenues of big data and tech platforms.
Where to Focus?
Todas as empresas enfrentam escolhas sobre onde aplicar recursos e onde a IA pode causar o maior impacto. Novos exemplos emergem todos os dias. A BP (número 46 na lista mais inovadora de 2019) está usando a ML para melhorar seus modelos de previsão para recuperação do reservatório de petróleo e gás. A General Motors (Número 40) usou o design de AA para reduzir o peso das peças tradicionalmente projetadas e fabricadas em 40%, enquanto aumentava sua força em 20%. Especialistas prevêem várias áreas de impacto para a IA nos cuidados de saúde, incluindo a melhoria dos diagnósticos de radiologia, tornando os dispositivos Medtech inteligentes e identificando novos padrões de infecção. Nos serviços financeiros, a seguradora chinesa Ping An, um nativo digital, desenvolveu modelos preditivos e o reconhecimento de rosto e voz alavancado como fundamentos de seus negócios. O vice -presidente e cientista de dados -chefe da Ant Financial, outro líder chinês de serviços financeiros digitais, disse SMR, “AI está sendo usada em quase todos os cantos dos negócios da Ant. Usamos para otimizar os negócios e gerar novos produtos.”
Early AI programs tend to focus on improving operational efficiencies, perhaps because companies can demonstrate success relatively quickly in these areas. The 2018 SMR-Relatório BCG constatou que muitas iniciativas iniciais de IA eram pilotos ou testes projetados para resolver um problema específico, pois as empresas focaram sua atenção precoce na coleta de frutas de baixa humilhação e causar movimentos com impacto a curto prazo. Quase dois terços dos líderes da IA em nosso estudo relatam que seu uso de IA relacionado à inovação visa melhorar os processos internos. A maioria dos pioneiros da IA no
As significant as the impact of AI will be on business processes, however, its biggest potential lies in developing new products and services that can evolve into major revenue streams over time. Most AI pioneers in the SMR-Estudo BCG priorizou as aplicações de aumento da receita, onde 72% dos entrevistados esperam que os grandes ganhos de IA sejam originários. Em nossa pesquisa, os líderes da IA relataram porcentagens muito mais altas de vendas impulsionadas por produtos ou serviços aprimorados pela IA introduzidos nos últimos três anos: 46% dos líderes da IA dizem que 16% ou mais de vendas são gerados pela IA, em comparação com apenas 10% dos retardatários da IA). Os líderes da IA também esperam que uma porcentagem muito maior de vendas venha da introdução de produtos ou serviços aprimorados pela AI nos próximos cinco anos (54% dos líderes da IA prevêem que 16% ou mais de vendas virão dessas fontes, em comparação com 22% de lags de AI).
AI’s biggest potential lies in developing new products and services that can evolve into major revenue streams over time.
Apesar das ampla evidência de impacto, a IA ainda recebe sua parcela de ceticismo, que é uma das razões pelas quais os retardatários estão ficando para trás. Pesquisas do BCG e do Google no setor de produtos de consumo descobriram que, ao aplicar a IA e a análise avançada em escala, as empresas de bens embalados de consumidores (CPG) podem gerar mais de 10% do crescimento da receita por meio de vários meios, incluindo previsão de demanda mais preditiva, relatos de localização mais relevantes, consumidores personalizados e experiências, otimização de marketing e promoção, ROI, ROI, ROI, e promoções de promoção, ciclistas, ciclistas, que estão em uso de serviços e experiências de promoção. (Ver " Desbloqueando o crescimento do CPG com IA e Analytics Avançado= , "Artigo do BCG, outubro de 2018.) No entanto, em nossa pesquisa de inovação, apenas 23% dos entrevistados do CPG disseram que acreditam que a IA terá o maior impacto na inovação e desenvolvimento de produtos no setor nos próximos três a cinco anos, e uma porcentagem igualmente modesta é direcionada ativamente a média da IA em seus programas de inovação. A escala
AI at Scale
AI forces business executives to deal simultaneously with technology infrastructure and more traditional business issues. Typical IT systems—which consist of data input, a tool, and data output—are relatively easy to modularize, encapsulate, and scale. But AI systems are not so simple. AI algorithms learn by ingesting data, and training data is an integral part of both the AI tool and the overall system. The entanglement is manageable during pilots and isolated uses but becomes exponentially more difficult to address as AI systems interact and build on one another. This leads to what our colleagues have termed the “AI paradox”—the ease of achieving powerful results with AI pilots and the difficulty of replicating those results at scale. (See O grande salto em direção à IA em escala , BCG Focus, junho de 2018.)
O talento é uma questão importante para a maioria das organizações. Cientistas de dados e engenheiros de software não são o único pessoal de alta demanda. As empresas também precisam de pessoas que combinem habilidades de negócios com a compreensão da IA. As empresas que estão se movendo em direção aos processos de inovação centrados na IA devem considerar como a transformação afetará seus funcionários em termos de escassez de habilidades, eliminação de empregos ou ambas. Na farmacêutica, por exemplo, como os algoritmos de IA aprendem a identificar os tipos de pessoas e condições mais adequadas para ensaios clínicos - uma grande inovação de processo - a necessidade de envolvimento humano nessa função crítica muda. Os bancos e outras empresas de serviços financeiros já estão sentindo o impacto dos sistemas de reconhecimento de voz e pontuação de crédito que usam a tecnologia de IA para automatizar o atendimento ao cliente.
As empresas precisam de pessoas que combinam habilidades comerciais com o entendimento da IA.
À medida que a IA se torna um elemento mais crítico da inovação, o desafio de talentos pode aumentar a lacuna entre inovadores fortes e fracos. Afinal, o Anexo 1 indica que mais de 65% dos inovadores fortes já se vêem acima da média na IA, contra apenas 2% dos inovadores fracos. Em nossa pesquisa, 55% dos líderes de IA usam extensivamente fornecedores externos para projetos de IA - 36% dependendo exclusivamente deles e 19% confiam principalmente neles. Essa abordagem pode ajudar os líderes a subir a curva da IA rapidamente, pois a experiência ainda está em falta. Mas, devido à forte dependência de dados da IA, as empresas precisam ter cuidado com os acordos que constroem com seus fornecedores e parceiros. Eles devem proteger sua propriedade de dados internos, controlar como os fornecedores usam esses dados e garantir seu próprio acesso contínuo a dados de fontes externas. (Ver "
Build Versus Buy
One talent-related issue with immediate impact is the question of whether to build or buy AI capabilities. In our survey, 55% of AI leaders extensively use external vendors for AI projects—36% relying exclusively on them, and 19% relying mostly on them. This approach may help leaders climb the AI curve quickly, since expertise is still in short supply. But because of AI’s heavy reliance on data, companies need to be careful about the agreements they construct with their suppliers and partners. They must protect their ownership of internal data, control how vendors use that data, and ensure their own continuing access to data from outside sources. (See “ O dilema do Build-Or Buy em AI= , ”Artigo do BCG, janeiro de 2018.)
Os líderes de IA geralmente dependem de ecossistemas. Nativos digitais, como aqueles que lideram nossa lista de empresas mais inovadoras, crescem em ecossistemas. Empresas como Amazon, IBM e Microsoft oferecem recursos de AI para venda ou aluguel por meio de plataformas baseadas em nuvens. Em parcerias amplas de várias empresas, com toda a colaboração e tecnologia e compartilhamento de dados que esses acordos envolvem. Como as plataformas e ecossistemas colaborativos estão mudando a inovação Alexa. Skirmish em um conflito muito mais longo para determinar como e com que propósitos esses sistemas são usados. Os sistemas de casa inteligente habilitados para a AI está se formando entre os principais inovadores.
“Alexa, Innovate!”
A fascinating battle for AI-enabled smart-home systems is brewing among Amazon (Alexa), Google (Google Assistant), Apple (Siri), Microsoft (Cortana), and others as each company seeks to capture the biggest share of end-user households for its voice-recognition technology. The battle is a critical early-stage skirmish in a much longer conflict to determine how and for what purposes these systems are used. At this point, streaming music is the most widely used app, but the larger competition may take a generation to decide. The plan appears to be for each company to open its smart-home platform to others, which will innovate actual use cases for consumer testing. Winners can be scaled up quickly and losers tossed aside with equal dispatch.
A fascinating battle for AI-enabled smart-home systems is brewing among major innovators.
Considere Alexa e Google Assistant. Essas plataformas clássicas permitem que outras pessoas inovam baratas em cima delas. Ao abrir suas plataformas para outras pessoas, a Amazon e o Google podem aproveitar as inovações de outras pessoas - assim como a Apple e o Google fizeram com suas plataformas móveis e como a Microsoft fez com o Windows. As plataformas, fornecidas com pouco ou nenhum custo para os desenvolvedores de aplicativos, cuidam do encanamento básico, e os proprietários da plataforma obtêm valor de ter um conjunto mais rico de serviços disponíveis do que teriam com seus próprios aplicativos. Nesse caso, as apostas são altas, pois o uso de sistemas de casa inteligente deve aumentar exponencialmente à medida que os jovens de hoje crescem conversando, aprendendo e passando a depender desses dispositivos. O Baidu fornece acesso a serviços de IA, como tecnologia de voz e imagem e processamento de linguagem natural, que as empresas estão usando em áreas tão diversas como agricultura, fabricação e assistência médica, onde essas inovações ajudaram a reduzir a taxa de diagnóstico de doenças oculares relacionadas ao diabetes para menos de 5%. (Ver "
In China, Baidu uses a similar open-AI platform strategy in the B2B or industrial internet marketplace. Baidu provides access to AI services such as voice and image technology and natural-language processing, which companies are using in such diverse fields as agriculture, manufacturing, and health care, where these innovations have helped reduce the misdiagnosis rate for diabetes-related eye disease to less than 5%. (See “ Prepare -se para o próximo capítulo da Internet chinesa , ”Artigo do BCG, janeiro de 2019.) Plataformas abertas como essas afetarão não apenas como os consumidores e as empresas acessam aplicativos de IA, mas também como as empresas criam seus próprios recursos de IA.
ainda são os primeiros dias da IA. Mas depois de anos de desenvolvimento, o uso real da tecnologia está capturando rapidamente. Os retardatários precisam entrar no jogo, e os líderes precisam acelerar seus esforços. As plataformas oferecidas pela Amazon, Google, Baidu e outras podem facilitar mais alguns tipos de experimentação, teste e aprendizado. Mas os grandes problemas de acesso a dados e talentos não ficarão menos desafiadores ao longo do tempo; Se alguma coisa, a concorrência por esses ativos vitais só aumentará. As empresas que esperam classificar -se entre as mais inovadoras da futura necessidade de fazer suas apostas de IA agora.
Michael Ringel
