Como e por que o design desempenha um papel importante no sucesso da AI e o que as empresas precisam ter em mente ao integrar a IA para fazer sucesso
Menos de cinco anos atrás, o mercado de inteligência artificial (AI) foi avaliado em algumas centenas de milhões de dólares. Segundo as estimativas atuais, o mercado de AI é projetado por analistas para chegar em algum lugar entre US $ 30 bilhões e US $ 50 bilhões em 2020. Isso é apenas alguns anos de distância.
A taxa de adoção no desenvolvimento de produtos e aplicações de produtos finais foi impressionante. Foi conduzido em grande parte pelo aprendizado de máquina e processamento de linguagem natural, que criaram valor comercial tangível. A AI está configurada para alimentar 85% das interações do serviço ao cliente (Gartner) e nos próximos dois anos, 40% das iniciativas digitais e 100% das iniciativas IOT serão todas baseadas em AI (IDC). Em outras palavras, a AI entrará em quase todos os produtos e serviços.
Os clientes não compram produtos; eles compram experiências. O sucesso rápido dos gostos de Amazon, Google, Tesla e Waymo vem de uma aplicação muito prática da AI. Está mudando a maneira como pensamos em entregar produtos e serviços, sobre sistemas de automatização e aprimoramento de escala. É uma nova maneira de interface – e aumentar a humanidade.
As interações centradas no ser humano entre pessoas e máquinas têm profundas implicações no design de produtos e serviços. Os consumidores não precisam mais usar máquinas usando uma interface gráfica: as interfaces de voz, como Alexa, Siri e Cortana, etc., mudaram isso. Em seguida, a ênfase passará de entender o significado para a intenção de interpretação. Por exemplo, no carro Concept-i da Toyota, em vez de comandar o seu assistente de AI virtual, Yui, para transformar o AC, Yui será capaz de entender a intenção em declarações como “Estou me sentindo um pouco frio”.
Não é necessário olhar para o futuro para ver essa tendência. Já os produtos baseados em dados estão levando em consideração as reações emocionais de seus usuários. Por esse motivo, os melhores serviços orientados a dados não esgotam o usuário com intermináveis questões de coleta de dados: a Apple Music pede aos novos usuários que “nos digam o que você está” e apresenta algumas bolhas contendo gêneros para selecionar. A Netflix pede aos novos usuários que selecionem três filmes que gostam de se inscrever; Eles lidam com o resto ao longo do tempo.
Da mesma forma, os produtos de dados precisam saber quando não sugerem decisões para seus usuários, porque, em última análise, os usuários querem permanecer no controle. Por exemplo, a Nest Labs descobriu que as pessoas não gostam de terem dito o que fazer. Para o Nest Thermostat, deixar os usuários se sentirem no controle levou a uma melhor experiência e ao aumento da eficiência energética. O algoritmo inicial do Auto-Scheduler do Nest foi otimizado para reduzir os custos de energia e porque eles não conseguiram levar a experiência do usuário final para a conta, esse algoritmo levou a maior uso de energia. Os projetistas Nest ouviram seus usuários e atualizaram o algoritmo Auto-Schedule para garantir o conforto e respeitar as entradas do usuário.
Estamos todos acostumados a sistemas preditivos rudimentares: mensagens de texto preditivas, recomendações personalizadas da Netflix, sugestões de compra da Amazon e assim por diante. Há uma grande variedade de aplicações, mas todas compartilham a mesma metodologia básica: tire uma grande quantidade de dados históricos do usuário, encontre correlações e depois preveja as necessidades futuras.
As tecnologias AI levam a análise preditiva para o próximo nível. Por exemplo, os veículos conectados oferecem a oportunidade de coletar dados de usuários em tempo real em grande escala. É assim que os carros auto-dirigidos do futuro poderão prever as condições da estrada e prevenir acidentes. Outro exemplo é a forma como uma empresa de seguros Fortune 500 pioneira está usando dados de comportamento de condução coletados a partir de dados de smartphones e smartphones do acelerômetro para oferecer ofertas promocionais e aconselhamento financeiro oportunas, relevantes para a localização, além de incentivar comportamentos seguros de condução.
Embora AI pareça ter todas as respostas, os benefícios são determinados pelo caso de negócios. O conhecimento contextual traz o foco necessário para entender a proposta de valor do negócio.
Por exemplo, um fabricante de equipamentos industriais se beneficiará de melhores previsões sobre o início da falha, portanto, pode programar a manutenção com antecedência. Do mesmo modo, melhores previsões ajudarão um operador móvel a reduzir o tempo necessário para resolver o congestionamento da rede e isolar a instabilidade. Alternativamente, eles podem ajudar um desenvolvedor de software a acelerar a liberação no backlog de recursos rooteando os erros prioritários muito mais cedo. Na verdade, um caso de uso importante para as tecnologias AI é otimizar os próprios processos, e não apenas os produtos finais.
> Veja também: Coloque seu dinheiro onde sua boca é: como aproveitar ao máximo seus investimentos em aprendizagem de máquinas
IDC prevê que três quartos das equipes de desenvolvimento incluirão funcionalidade de AI em aplicativos ou serviços. Existe uma necessidade de profissionais que adicionem algo extra além da alfabetização de dados. Eles devem ser especializados em integrar a aprendizagem de máquinas no núcleo de produtos e serviços. Uma vez que o produto é lançado, é importante continuar usando os dados disponíveis para validar a oferta. As empresas orientadas por dados que observam tendências são capazes de alterar seus modelos de acordo. A Forrester estima que as organizações direcionadas a dados terão uma enorme vantagem competitiva de US $ 1,2 trilhão em relação aos seus colegas com menos conhecimentos de dados.
Curiosamente, em organizações onde a AI está sendo usada otimamente, há uma compreensão geral muito maior da tomada de decisão baseada na inteligência e nos dados. Nessas organizações, a informação também desempenha um papel fundamental nos departamentos não técnicos.
AI é tanto arte quanto ciência. O sucesso na AI exige um novo conjunto de habilidades entre a comunidade de desenvolvimento e um compromisso com o desenvolvimento de produtos e plataformas cognitivas prontas e fáceis de usar. Isso requer uma compreensão atualizada do que torna o design do produto ótimo na idade baseada em dados. À medida que a tecnologia se torna mais onipresente, as empresas terão de obter uma compreensão mais profunda e mais matizada do seu lugar no processo de design. Eles precisarão aplicar a AI com cuidado.