Arquivos Inteligência Artificial - Valorian

Marco Legal da Inteligência Artificial

Aprovado na Câmara dos Deputados o Marco Legal da Inteligência Artificial, estabelecido pelo Projeto de Lei n° 21/2020, proposto pelo deputado Eduardo Bismarck (PDT-CE) que estabelece princípios, direitos e deveres para o uso de inteligência artificial no Brasil.

Seguindo um movimento mundial, o PL 21/2020 surge com o objetivo de atender a uma necessidade de adequação diante das transformações tecnológicas recorrentes nas sociedades, setores econômicos e no mundo do trabalho.

Como no caso da Estratégia Brasileira de Inteligência Artificial (EBIA), não faltaram críticas ao projeto de lei, mas será mesmo que são todas justas?

Vamos ao projeto:

Primeiro ele estabelece o que é um Sistema de Inteligência Artificial

“Sistema de Inteligência Artificial é um sistema baseado em processo computacional que pode, para um determinado conjunto de objetivos definidos pelo homem, fazer previsões e recomendações ou tomar decisões que influenciam ambientes reais ou virtuais.”

Estabelece o que é um Agente de I.A.

Agentes de Desenvolvimento

“Todos aqueles que participam das fases de planejamento e design, coleta e processamento de dados e construção de modelo; de verificação e validação; ou de implantação do sistema de inteligência artificial.”

Agentes de Operação

“Todos aqueles que participam da fase de monitoramento e operação do sistema de inteligência artificia.”

Fundamentos

I – o desenvolvimento tecnológico e a inovação;

II – a livre iniciativa e a livre concorrência;

III – o respeito aos direitos humanos e aos valores democráticos;

IV – a igualdade, a não discriminação, a pluralidade e o respeito aos direitos trabalhistas; e

V – a privacidade e a proteção de dados.

Princípios

Finalidade	uso da inteligência artificial para buscar resultados benéficos para as pessoas e o planeta, com o fim de aumentar as capacidades humanas, reduzir as desigualdades sociais e promover o desenvolvimento sustentável.
Centralidade no ser humano	respeito à dignidade humana, à privacidade e à proteção de dados pessoais e aos direitos trabalhistas.
Não discriminação	impossibilidade de uso dos sistemas para fins discriminatórios, ilícitos ou abusivos.
Transparência e explicabilidade	garantia de transparência sobre o uso e funcionamento dos sistemas de inteligência artificial e de divulgação responsável do conhecimento de inteligência artificial, observados os segredos comercial e industrial, e de conscientização das partes interessadas sobre suas interações com os sistemas, inclusive no local de trabalho.
Segurança	utilização de medidas técnicas e administrativas, compatíveis com os padrões internacionais, aptas a permitir a funcionalidade e o gerenciamento de riscos dos sistemas de inteligência artificial e a garantir a rastreabilidade dos processos e decisões tomadas durante o ciclo de vida do sistema.
Responsabilização e prestação de contas	demonstração, pelos agentes de inteligência artificial, do cumprimento das normas de inteligência artificial e da adoção de medidas eficazes para o bom funcionamento dos sistemas, observadas suas funções.

Deveres dos Agentes de I.A.

Divulgar publicamente a instituição responsável pelo estabelecimento do sistema de inteligência artificial;
Fornecer informações claras e adequadas a respeito dos critérios e dos procedimentos utilizados pelo sistema de inteligência artificial, observados os segredos comercial e industrial;
Assegurar que os dados utilizados pelo sistema de inteligência artificial observem a Lei 13.709, de 2018 – LGPD – Lei Geral de Proteção de Dados;
Implantar um sistema de inteligência artificial somente após avaliação adequada de seus objetivos, benefícios e riscos relacionados a cada fase do sistema e, caso seja o responsável pelo estabelecimento do sistema, encerrar o sistema se o seu controle humano não for mais possível;
Responder, na forma da lei, pelas decisões tomadas por um sistema de inteligência artificial; e
Proteger continuamente os sistemas de inteligência artificial contra ameaças de segurança cibernética.

Temos ainda definições do papel do estado principalmente no fomento, educação e uso de sistemas de I.A. que promovam eficiência e redução de custos.

Análise

Na minha análise é um importante movimento, assim como foi a EBIA, em direção ao uso estratégico da Inteligência Artificial como ferramenta de desenvolvimento econômico e social. Ainda, como um amigo falou, um passo a mais à entrada do Brasil como membro da OCDE.

Por ser um tema de extrema complexidade técnica e ética, assim como a proteção de dados, não é simples para os legisladores textos abrangentes e ao mesmo tempo prescritos, porém nos coloca no seleto conjunto de países atentos a evolução tecnológica e seu impacto na sociedade. Tenho minhas críticas ao texto, claro, assim como à EBIA, mas elas não são maiores que a importância do marco. Ainda, por ser um líder e formador de opinião tenho a responsabilidade de fazer com que minhas críticas sirvam ao aprimoramento do marco e não como ferramenta de auto-promoção.

Vamos juntos.

O Projeto PL 21/2021, depois de aprovado pela Câmara dos Deputados, vai para votação no Senado. Veja aqui o projeto na íntegra.

Veja nossa postagem no Linkedin.

Inteligência Artificial para Executivos – Crash Course

Seja bem vindo!

Esse curso foi criado com um único objetivo, difundir o conhecimento sobre Inteligência Artificial para executivos e gestores.

Existem muitos cursos com esse fim, inclusive em universidades de renome, mas todos se perdem nos pormenores técnicos que não agregam nada ao tomador de decisão. No fim das contas, a grande maioria desses cursos são ministrados por acadêmicos que tem pouca ou nenhuma experiência em negócios.

Esse é o meu grande desafio, dar aos tomadores de decisão conhecimento suficiente para fazer escolhas conscientes e acompanhar os resultados dos investimentos feitos em I.A. sem me perder nos pormenores técnicos que atrapalham mais que ajudam.

First Things First

Acesse o vídeo AQUI

Para uma criança com um martelo, tudo vira prego!

A Inteligência artificial tem muitas áreas que endereçam problemas sob diferentes perspectivas. Sem sombra de dúvida, a área de Aprendizado de Máquina (Machine Learning ou ML) foi a que mais se desenvolveu na última década e é uma das mais importantes da atualidade, porém como tomadores de decisão, precisamos conhecer cada uma das áreas fazer boas escolhas de investimento. Ainda, precisamos compor o time com alguém que entenda e saiba que problemas podem ser resolvidos por cada área. Nem tudo precisa, ou pode, ser resolvido com ML e saber quando usar cada técnica é crítico para o sucesso e retorno de investimento dos projetos.

Agentes Inteligentes

Costumo iniciar toda conversa sobre I.A. perguntando se a pessoa sabe o que é um agente inteligente. Faço isso por que já ouvi de acadêmicos respeitados que era uma área de pouca importância e me assustou quando ouvi isso. Vou dar apenas um exemplo simples de agente inteligente e você avalia se é uma área relevante ou não Carros Autônomos como os da Tesla. Tenho o hábito de sempre pensar em soluções de I.A. como agentes, ou seja, sempre tento endereçar a solução como uma prestação de serviço feita por um indivíduo. Isso me ajuda a manter o foco no resultado que queremos gerar para o negócio e não nos algoritmos e técnicas que serão utilizadas. As técnicas servem ao propósito, ao resultado, e não o inverso.

Resolução de Problemas

Quando podemos definir os estados de um problema e as regras que precisam ser obedecidas podemos utilizar técnicas de Resolução de Problemas, pois são mais simples e computacionalmente mais baratas. Além de não precisar de dados anteriores para achar melhores soluções.

Conhecimento, Raciocínio, Planejamento e Incerteza.

Até hoje me lembro do meu primeiro contato com a inteligência artificial. Estava na graduação de Ciência da Computação e fui a uma palestra onde se falava como representar conhecimento para a máquina e o palestrante passou por mais de 10 tipos de representação de conhecimento diferentes. Foi um momento 🤯 para mim. A área de Conhecimento tem como foco traduzir para a máquina a complexidade da representação do mundo. Existem muitas técnicas para se fazer isso. A área de raciocínio usa essa representação para chegar a conclusões, tomar decisões, para agir. Planejamento é como chegar ao estado da decisão tomada (é um pouco mais elaborado que isso, perdoem-me a simplificação extrema) e incluímos a probabilidade ao Raciocínio para trabalharmos com as incertezas. São 4 áreas que estão intimamente ligadas, mas podem ser usadas de forma isolada com outras técnicas de I.A. Na minha opinião são áreas que qualquer especialista em I.A. precisa aprender e saber onde usar.

Relacionando-se com o mundo exterior.

Como a máquina entende o mundo sem termos que descrevê-lo para ela? Como uma máquina pode compreender um sinal de entrada humano? Como ela pode modificar o meio a partir dessas entradas? Aqui onde entram as áreas de Percepção, Comunicação e Ação. Na verdade falamos do Processamento de linguagem natural, Visão Computacional e Ação robótica, lembrando que robôs não precisam ser físicos, podem ser software (lembram do exemplo de agente?).

Chegamos a ela, a Aprendizagem de Máquina ou Machine Learning.

Não há dúvidas que a maior parte das pessoas que trabalham com I.A. hoje na verdade trabalham na área de aprendizagem de máquina (Machine Learning ou ML). Na verdade muitos vendem o aprendizado de máquina como a I.A. propriamente dita, o que é falso como vocês tiveram oportunidade de ler antes de chegarem a esta parte do artigo. Apesar disso, devemos dar mérito a ML, porque teve uma evolução impressionante na última década endereçando com sucesso diversos problemas antes só tratáveis por humanos, ou até mesmo impossíveis de serem tratados por seres humanos.

Talvez o sucesso da ML em detrimento a outras áreas venham também pela aproximação de como a máquina aprende, muitas vezes inspiradas em como o ser humano aprende em seus anos iniciais. Isso gera um pequeno sentimento de criatura e criador, tão necessário e reproduzido por humanos desde os primórdios. Isso foi apenas uma divagação minha, desculpem.

Trataremos em seguida de como a ML tem gerado valor aos negócios explicando os principais tipos de ML e cases que usam esses tipos.

O que são as estratégias nacionais de I.A. e qual sua importância?

Em abril de 2021 o MCTI segue os países em desenvolvimento e institui a Estratégia Brasileira de IA definindo seu papel:

“Esta Estratégia assume o papel de nortear as ações do Estado brasileiro em prol do desenvolvimento das ações, em suas várias vertentes, que estimulem a pesquisa, inovação e desenvolvimento de soluções em Inteligência Artificial, bem como, seu uso consciente, ético e em prol de um futuro melhor.” – Estratégia Brasileira de I.A., MCTI.

Ainda, especifica eixos temáticos para se organizar o debate dos objetivos estratégicos (Figura 1).

Figura1 – Eixos temáticos. Fonte: EBIA 2021.

Lí muitas críticas ao documento, tenho minhas observações também, mas opinar sobre o conteúdo do documento não é o objetivo desse artigo. Neste texto vou apenas deixar clara a importância que essa inciativa possui por definir a Inteligência Artificial como recurso estratégico para o Brasil, o que é de suma importância. Fico a disposição do leitor para discutirmos minhas sugestões de melhorias ao documento.

O primeiro país do mundo a publicar sua estratégia nacional para I.A. foi o Canadá em Março de 2017 seguido pelo Japão no mesmo mês. A estratégia Canadense ganhou destaque por reservar US $95 para sua aplicação. A estratégia japonesa na época era apenas um guideline e não previa reserva de investimento. Apesar de ter ficado popular por causa do pioneirismo, o investimento canadense parece pequeno quando comparamos a países como , a Coréia do Sul (US $1,95 bilhões), França (US $1,75 bilhões), Reino Unido (US $1,24 bilhões) e Taiwan (US $1,18 bilhões) que lançaram suas estratégias nacionais em 2018. Olhando para esses números fica claro que a I.A. virou recurso estratégico para desenvolvimento das nações a exemplo de energia, telecomunicações e transformação digital.

Como podemos definir uma estratégia nacional de inteligência artificial? É um plano estratégico que fundamenta a criação de políticas públicas para desenvolvimento da inteligência artificial no país com o objetivo de tornar-lo mais produtivo, competitivo e promover o desenvolvimento econômico e social com base em uma industria de alto valor agregado. Em todos os países esses planos seguem áreas comuns de desenvolvimento. O relatório do CIFAR (Canadian Institute For Advanced Research) chamado Building An Ai World mapeia essas principais áreas e seus indicadores gerais (Lista 1).

Lista 1 – Áreas e seus indicadores comuns as estratégias nacionais de I.A. (CIFAR Building An Ai World 2020)

Pesquisa
1. Estabelecimento de centros nacionais de pesquisa em I.A.
2. Aumento do investimento em pesquisa em I.A.
Talentos
1. Remuneração e incentivo de visto para atrair talentos internacionais.
2. Aumento de programas ou dos componentes curriculares de I.A. nos programas de Mestrado e Doutorado.
Futuro do Trabalho
1. Aumento de programas de treinamentos/aperfeiçoamento em I.A. para trabalhadores.
2. Fortalecimento de disciplinas STEM e de I.A. nos currículos escolares e de graduação.
Políticas Industriais
1. Estabelecimento de Hubs de inovação digital para conexão de empresas com especialistas em I.A.
2. Uso de investimento público para fomento de Startups de I.A. e incentivo ao investimento privado.
Ética
1. Estabelecimento de guidelines para explicabilidade e responsabilização na pesquisa e uso da I.A.
Dados e Infra-estrutura Digital
1. Criar, manter e disponibilizar dataset públicos para o desenvolvimento de ferramentas de I.A.
2. Criação de sandbox regulatório para testes de produtos de I.A.
3. Desenvolvimento de ferramentas em língua local.
IA no Governo
1. Criar pilotos de soluções baseadas em I.A. em datasets públicos.
Inclusão
1. Dar suporte a projetos e ferramentas que reduzam o viés e preconceito dos algoritmos.

Nesse mesmo relatório o CIFAR cria um perfil de vários países baseado em suas estratégias nacionais. Na Figura 1 temos os perfis de países importantes no cenário de I.A. do mundo (Veja mais sobre a economia de I.A. AQUI). Quando esse relatório foi lançado o Brasil ainda não tinha sua estratégia de I.A. Esperamos que ele saia no próximo relatório.

Fonte CIFAR Building An Ai World 2020.

Ainda, se olharmos para o mapa mundial e suas estratégias (Figura 2) , vemos que muitos países desenvolvidos possuem estratégias em I.A. no mesmo nível de maturidade que o Brasil.

Figura 2 – Mapa do desenvolvimento das estratégias nacionais de IA. Eixos temáticos. Fonte: CIFAR Building An Ai World 2020.

Olhando para o perfil de diversos países presentes no relatório da CIFAR e para o mapa mundial das estratégias nacionais, vejo uma oportunidade clara para nosso país melhorar a estratégia nacional de inteligência artificial e incentivar os estados a terem suas próprias estratégias locais que suportem a estratégia nacional. Se fizermos os devidos investimentos agora, poderemos em 2030 ser uma nova Estônia, um país que enxergou em tecnologia a criação do seu desenvolvimento econômico e social (Ver o artigo AQUI).

Referências

Notícia do site do Ministério da Ciência, Tecnologia e Inovações com a portaria que institui a Estratégia Brasileira de IA. https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/transformacaodigital/inteligencia-artificial

EBIA 2021, Documento do Ministério da Ciência e Tecnologia. Estratégia Brasileira de Inteligência Artificial, 2021. https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/transformacaodigital/arquivosinteligenciaartificial/ia_estrategia_documento_referencia_4-979_2021.pdf

CIFAR Building An Ai World 2020, Relatório do Canadian Institute For Advanced Research. Building An Ai World: Report On National And Regional Ai Strategies, 2020. https://cifar.ca/wp-content/uploads/2020/10/building-an-ai-world-second-edition.pdf

Mapa da I.A. Pernambucana – Podcast do PE Avança, Amcham Brasil

Semana passada tive o prazer de participar do Podcast “Mapa da Inteligência Artificial em Pernambuco” com dois grandes líderes do estado: Rogério Moreira, Gerente Executivo do SIDI e Clímaco Feitosa, CTIO da iLand Soluções.

Falamos sobre a importância de se tratar a Inteligência Artificial como recurso de desenvolvimento econômico e social, como os países desenvolvidos já tratam, e muitas outras coisas.

Evento que vale cada segundo do seu tempo.

Para quem gosta de vídeo:

Para que gosta de Podcast

Dados econômicos sobre a I.A. no Mundo

O surgimento de novas tecnologias sempre impactaram e moldaram a sociedade. Porém, enxergar o impacto de transformação e disrupção que uma tecnologia terá nem sempre é fácil ou possível. Tomemos como exemplo o vale do silício no início da década de 1980, nem mesmo o mais otimista futurólogo poderia imaginar como os computadores iriam transformar o ser humano e o mundo.

Por causa do acelerado desenvolvimento do conhecimento humano, qualquer previsão de longo prazo hoje se submete ao conceito da singularidade, porém não há dúvidas que a IA tem um papel central na sociedade em um futuro próximo, assim como a internet tem no presente.

Os líderes do presente precisam levar a sério os impactos que a IA terá nos negócios, na mão de obra e na economia em geral. Considerando o progresso recente da IA, percebemos uma área que oferece oportunidades claras para as empresas, desde o aumento dos ganhos de produtividade com automação até a personalização de produtos para consumidores usando algoritmos, análise de dados em escala, etc… A lista de aplicações é vasta e apenas arranhamos a superfície do seu potencial.

No entanto, todos os benefícios obtidos, a IA impõem às empresas grandes desafios como: encontrar e reter talentos qualificados, mitigar os riscos do uso de IA, desenvolver Governança em IA, trabalhar em um momento de insegurança jurídica pela falta de legislação estabelecida, dentre muitos outros.

Essa relação entrelaçada entre a IA e a economia global, do desenvolvimento de mão de obra, investimentos e atividade corporativa exige um olhar atento aos movimentos de cada mercado e país nesse campo.

Investimentos Corporativos

A receita do mercado mundial de inteligência artificial tem crescido ano após ano, embora diferentes estudos sugiram variações em relação o tamanho do mercado global a empresa de pesquisa de mercado IDC projetou, em um estudo recente (GVR IA Market Size Report 2021), que o mercado global de IA pode atingir um tamanho de mais de meio trilhão de dólares em 2024 e crescerá a uma taxa de 40% até 2028 (Figura 1).

Figura 1 – Comparação do tamanho de mercado e receita global para IA entre 2015 e 2025. Fonte: EBIA 2021.

Essa taxa de 40% de aumento pode ser observada entre o ano de 2019 e 2020 no investimento global total em IA, incluindo investimento privado, ofertas públicas, fusões e aquisições e participações minoritárias, chegando a um total de US $67,9 bilhões (Figura 2). Ainda, observa-se no ano de 2020 um movimento de fusões e aquisições mais forte por causa dos impactos da pandemia no desempenho de pequenas empresas. Isso aumenta o investimento corporativo total em IA pela oportunidade de um mercado mais barato. As fusões e aquisições representaram a maior parte do valor total do investimento em 2020, aumentando 121,7% em relação a 2019. Várias aquisições de alto perfil relacionadas à IA ocorreram em 2020, incluindo a aquisição da Mellanox Technologies pela NVIDIA e da Altran Technologies pela Capgemini.

Figura 2 – Investimento Corporativo Global em IA por atividade. Fonte: Stanford AI Index 2021.

Principais Áreas de Investimento

Uma análise importante para entender a origem do capital privado em IA, e consequentemente onde podemos esperar grandes avanços tecnológicos, é mapear quais indústrias estão mais intensivamente investindo nessa tecnologia.

A indústria de saúde e farmacêutica em 2020 está no topo da lista com pouco mais que 3 vezes o investimento (US $13,8 bilhões) para o segundo colocado, veículos autônomos (US $4,5 bilhões), e o crescimento do investimento desta área entre 2019 e 2020 foi de 4,5 vezes (Figura 3). Aqui, claramente, a pandemia de COVID-19 estimulou significativamente os investimentos no período.

Outra área de destaque é a de educação, que saltou para US $4,1 bilhões em 2020 com forte influência das plataformas de educação on-line Chinesas para formação de mão de obra em massa e distribuída, também super estimulada pela pandemia em todo o mundo.

Outras áreas que merecem destaque são as de infraestrutura para uso da IA, a área financeira principalmente no que diz respeito a fraudes e a de IA conversacional que inclui assistentes virtuais, interação homem máquina e tradução.

Uma observação deve ser feita na área de “Games, Fans, Gaming, Football”. Percebemos os e-sports se desenvolvendo em todo o mundo e também a indústria de patrocínio e apostas, fortemente lideradas pelos Estados Unidos e Coreia do Sul.

Figura 3 – Investimento Privado em IA por área de aplicação Fonte: Stanford AI Index 2021.

Quando restringimos esse mapeamento ao Brasil vemos uma mudança nas prioridades de investimento. Publicidade e Marketing passam a ser os setores com maior volume em investimentos, seguidos pelo setor financeiro e agrícola (Figura4).

Figura 4 – Investimento Privado em IA no Brasil. Fonte: Distrito IA Report 2020.

Investimento em Startups

A quantidade de investimento privado em IA para startups disparou nos últimos anos, porém a taxa de crescimento do número de startups em IA diminuiu. Isso significa que mais investimento está sendo concentrado em menos Startups. Apesar da pandemia, 2020 viu um aumento de 9,3% no montante de investimento privado em IA de 2019 – uma porcentagem maior do que o aumento de 5,7% em 2019 (Figura 5).

Figura 5 – Investimento privado em startups de IA. Fonte: Stanford AI Index 2021.

Apesar disso, o número de empresas financiadas diminuiu pelo terceiro ano consecutivo (Figura 6). Ano após ano o recorde em investimento privado é quebrado, em 2020 o valor ultrapassa US $40 bilhões, isso representa apenas um aumento de 9,3% em relação a 2019 – em comparação com o maior aumento de 59,0%, observado entre 2017 e 2018. Apesar disso, o número de startups em IA investidas continuaram em declínio acentuado após o pico de 2017. Alguns relatórios consideram isso como a dificuldade de se encontrar startups recém-nascidas pela pouca visibilidade e importância no mercado e não pela diminuição real no número de novas startups.

Figura 6 – Número de startups de IA investidas. Fonte: Stanford AI Index 2021.

No Brasil, o investimento privado em I.A. entre 2020 e 2023 deve ser na ordem de US $ 464 milhões ao ano (BRASSCOM 202). Vemos porém um movimento crescente de Startups que usam IA. No ano de 2020 foram investidos US $ 265 milhões (Figura 7).

Figura 7 – Valor investido em startups no Brasil. Fonte: Distrito IA Report 2020.

A maioria delas concentrada no sudeste do país. Mais da metade em São Paulo (Figura 8).

Figura 8 – Mapa de Startups brasileiras de IA. Fonte: Distrito IA Report 2020.

Comparação Regional

Quando avaliado por região, o principal destino do investimento privado em IA é o Estados Unidos superando o valor de US $23,6 bilhões em 2020 (Figura 9), seguido pela China (US $ 9,9 bilhões) e pelo Reino Unido (US $ 1,9 bilhão).

Figura 9 – Investimento Corporativo Global em IA por atividade. Fonte: Stanford AI Index 2021.

Apesar de claramente os Estados Unidos terem um investimento privado individual maior que a soma do investimento privado no resto do mundo, vemos que a China, por exemplo em 2018 (Figura 10), se aproximou do valor desse investimento e, aqui, os investimentos públicos não estão sendo levados em consideração. Na corrida estratégica pelo desenvolvimento da IA é importante notar que tanto o governo central como os governos locais chineses investem massivamente em P&D e IA.

Figura 10 – Investimento Privado em IA por área geográfica. Fonte: Stanford AI Index 2021.

Aqui, novamente, o Brasil não está entre os 10 primeiros países em investimento privado. Alguns índices o reportam na 38ª posição, outros na 60ª e todos o colocam na última posição entre o BRICs. Como veremos nos próximos posts, apesar de uma posição, o país é destaque na contratação de mão de obra para área e tem, proporcionalmente, uma boa presença acadêmica.

Referências:

GVR IA Market Size Report 2021, Relatório da Grand View Research. Artificial Intelligence Market Size, Share & Trends Analysis Report By Solution, By Technology (Deep Learning, Machine Learning, Natural Language Processing, Machine Vision), By End Use, By Region, And Segment Forecasts, 2021 – 2028, 2021. https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-market

Stanford AI Index 2021, Relatório da Universidade de Stanford. The AI Index 2021 Annual Report, 2021. https://aiindex.stanford.edu/report/

Distrito IA Report 2020, Relatório da Distrito Fintech. Distrito Inteligência Artificial Report, 2020. https://materiais.distrito.me/dataminer-report-inteligencia-artificial

Papeis de um time de dados para Data Science, Inteligência Artificial ou Machine Learning

Hoje, toda organização precisa de um um time de dados, isso é fato. Se a escolha é construir em casa ou contratar uma empresa para tratar de suas demandas é uma questão de estratégia. A contratação de times externos, como o Data Lab da Valorian, é cada vez mais comum pela dificuldade de encontrar esses profissionais no mercado, dificuldade de entrosamento e das diferentes experiências que cada um dos papéis precisam ter para cada tipo de projeto que sua organização precisa desenvolver. Ainda, sabemos que a área de dados, incluíndo Data Science, Inteligência Artificial e Machine Learning além de serem relativamente novas elas estão evoluindo com rapidez, isso aumentam as chances de se escolher pessoas erradas para os papéis errados.

Aqui na Valorian nosso time tem os seguintes papéis:

Engenheiro de software (Software Engineer) – Começamos nossa lista com um papel central na área de tecnologia atual, porém negligenciado por muitas empresas que “trabalham com projetos de dados”. Um dos maiores erros em qualquer projeto de dados é esquecer que quem usará os resultados gerados pelo time de dados são, na maior parte do tempo, seres humanos. Um dos relatos mais comuns das empresas que foram mal sucedidas na implantação de projeto de dados é que no fim ficaram com arquivos CSV gigantes, Planilhas Eletrônicas inúteis ou, pior, formulas matemáticas complexas que deveriam resolver seus problemas. O papel do time de software é disponibilizar ao usuário comum os dados ou modelos de uma forma útil ao usuário que irá utilizá-lo, seja como Aplicativo Mobile, Aplicação Web ou um simples campo no ERP do cliente.

Cientista de Dados (Data Scientist)– Aqui temos outro grande equívoco quando quando as empresas criam times de dados, a contratação de estatísticos, principalmente acadêmicos, para trabalhar nesse papel. O termo cientista leva a toda essa confusão. Na Valorian o Cientista de Dados é responsável por mapear, entender e criar um plano de solução para problemas de negócio que nosso cliente têm. É uma pessoa Sênior que lidera o time de dados e mantém todos focados no problema a ser resolvido, no que é necessário para entregar valor ao cliente. Precisa ser uma pessoa com vivência em negócios, capaz de falar com executivos e traduzir sua língua para o time técnico. Além disso, uma pessoa que seja capaz de formular hipóteses e confirmá-las ou refutá-las com o uso de dados, daí o nome cientista. O pior é que vemos muitos profissionais de BI, de visualização de dados, estatísticos e acadêmicos, muitas vezes jovens e sem experiência consolidada em negócio, condenando grandes e promissores projetos de dados.

Engenheiro de Dados (Data Engineer) – Também chamado de Engenheiro de Big Data, esse é um papel técnico que tem por objetivo criar os mecanismos mais seguros e eficientes para que o projeto de dados tenha sempre a mão os dados necessários para se trabalhar. Ele será responsável por mapear as fontes de dados da empresa como planilhas, documentos, imagens, banco de dados, data warehouses, dentre outros, e criar caminhos, integrações e locais que tornem o trabalho com esses dados fácil e eficiente. Um alerta que fazemos é que é imprescindível para esse papel entender sobre LGPD para garantir a governança no acesso aos dados.

Engenheiro de Aprendizagem de Máquina (Machine Learning Engineer) – O engenheiro de aprendizado de máquina é o responsável pela a escolha das técnicas que serão usadas para resolver os problemas mapeados pelo cientista de dados. Além disso, treinará e refinará esses modelos até estarem aptos para produção. É um papel que exige profissionais experientes e que saibam trabalhar com diversos tipos de modelos de aprendizagem diferentes. Normalmente ele tem um time subordinado com especialistas em diversas áreas do aprendizado de máquina como Visão Computacional, Entendimento de Linguagem Natural, Análise de Séries Temporais, etc…

Engenheiro de Inteligência Artificial – Esse é um papel que é muito negligenciado por organizações menores ou que não são da área de tecnologia. Sem sombra de dúvidas o aprendizado de máquina (Machine Learning) é a área da Inteligência Artificial mais popular de todas, porém é apenas um pequeno pedaço de toda a I.A. Para se trabalhar com projetos que envolvam Inteligência Artificial (incluindo ou não Machine Learning) é imprescindível ter no time alguém que enderece as técnicas certas para cada tipo de problema. Por exemplo, os carros da Tesla usam muitas técnicas de Machine Learning combinadas, porém ele é na verdade um Agente Inteligente, uma das grandes áreas da IA. Aqui vale o ditado, “Para quem só sabe usar martelo, tudo vira prego!“.

Áreas da Inteligência Artificial

Engenheiro de Automação de Processos (Process Automation Engineer) – Também conhecido como Robotic Process Automation, está presente e é muito necessário em vários times de dados. É um dos responsáveis por implementar os Agentes Inteligentes que usarão os modelos de Machine Learning desenvolvidos e treinados pelo Engenheiro de ML garantindo sua relação com o mundo exterior.

Gerente de Produto de Dados/Inteligência Artificial (AI Product Manager ou AI Product Owner ) – User Centric, o mundo está centrado no usuário, e é assim que deve ser. Enquanto o Cientista de Dados é o responsável por garantir que os objetivos de negócio estejam sempre em foco enquanto o time técnico se diverte com os algoritmos complexos, o A.I. PM garantirá que ele sirva de forma devida aos interesses do usuário que terá que lidar com ele no dia a dia. Normalmente é a ponte entre o time de IA e o time de Software. É extremamente desejável que esse PM tenha experiência em projetos de I.A., pois seu ciclo de vida e complexidade são muito diferentes dos projetos de Software.

Executivo de Inteligência Artificial – Podendo ter vários outros nomes como Chief Artificial Intelligence Officer, Head de Inteligência Artificial, Head de Machine Learning, etc… Esse profissional tem por responsabilidade pensar a Inteligência Artificial como recurso estratégico e de sobrevivência da organização. Deve entender profundamente de I.A., de negócios e de gestão; estar atualizado sobre o estado da arte da I.A. e estabelecer que áreas da I.A. devem ser desenvolvidas prioritariamente em sua organização para, no mínimo, manter sua competitividade.

Existem muitos outros papéis que estão presentes em projetos com objetivos específicos, como por exemplo o Cientista de I.A. para projetos de P&D, porém o principal ponto é: Conte com alguém experiente na hora de montar seu time para um projetos de dados. Alguém que entenda que papéis poderão atingir os objetivos que sua organização pretende.

Inteligência Artificial como recurso estratégico para desenvolvimento econômico e social. Ou, o que a Estônia tem a nos ensinar?

Já vejo na mente do leitor o pensamento “mais um artigo de como um país estrangeiro é melhor que o Brasil” e um pequeno revirar de olhos. Na verdade, este artigo é de exaltação do que fazemos bem, como podemos pensar em desenvolvimento de médio e longo prazo e não apenas atacar problemas imediatos populistas.

Uma introdução à Estônia. País báltico localizado na Europa setentrional que sofreu durante séculos com a invasão e domínio de seus vizinhos. Nos anos 2000 teve um crescimento impressionante fruto da cultura de maior valor de impacto e investimento em digital, principalmente após 2004. Hoje é considerado o país mais digital do mundo e possui mais de 98% do seu aparato estatal digital. Atrai empreendedores de todos os lugares e tem a maior concentração de unicórnios per capita do mundo.

Um leitor atento poderia revirar os olhos novamente e dizer “em 2004 digital não era novidade, muitos países investiram pesado em tecnologia inclusive o próprio Brasil”, exato, essa é a base da minha argumentação.

Voltemos a I.A. com alguns números. Em plena pandemia, o investimento privado global em I.A. de 2020 foi de US $67,9 bilhões sendo US $23,6 bilhões EUA, US $9,9 bilhões China, US $1,9 bilhões Reino Unido e menos de 500 milhões Brasil. Há um consenso entre as previsões que o mercado global de I.A. em 2024 será na ordem de US $500 bilhões e manterá uma taxa de crescimento de 40% ao ano até pelo menos 2028. Chegamos a 2030 com US $15,7 trilhões adicionados ao PIB global.

Onde Pernambuco se enquadra nisso? A Amcham lança no PE Avança de 2021 o programa Mapa Pernambucano da Inteligência Artificial, que tem por objetivo ser um mecanismo de visibilidade e engajamento contínuo do ecossistema de I.A. pernambucano.

O mapeamento inicial feito para lançamento do programa achou alguns dados interessantes. Temos a 8ª universidade brasileira em número de publicações em I.A. do Brasil, a única norte-nordeste no top 10, a UFPE. No total foram mapeados 57 pesquisadores trabalhando com I.A. Três Centros de Ciência e Tecnologia, o SIDI, que em Recife tem um instalação completa dedicada para I.A., o CESAR e o Instituto SENAI de Inovação. Ainda, 29 empresas que fornecem diretamente serviços de I.A. ou que usam I.A. como diferencial de negócio.

A Amcham consultou 119 lideranças de várias áreas empresariais e 43% das empresas ainda não usam I.A., 27% estão testando pequenas provas de conceito e apenas 22% têm alguma tecnologia em produção. O restante são empresas que fornecem serviços de I.A.

Assim como o digital não era novidade para o mundo em 2004, a Estônia percebeu que seria uma tecnologia estruturante e que, com o devido investimento, estariam bem posicionados no longo prazo. O Brasil, mais especificamente Pernambuco, está muito bem posicionado e tem um excelente potencial para se tornar um ator importante no cenário mundial da I.A. em 10 anos. Temos uma formação de mão de obra de qualidade global, um ecossistema tecnológico estabelecido, que possui empresas que desenvolvem e fornecem serviços de I.A. e oportunidades de aplicação nas empresas locais para fortalecimento desse ecossistema.

Estamos em um momento de pensar na Estratégia Pernambucana de I.A. para que, em 2030, Pernambuco esteja em posição de destaque no mapa global da Inteligência Artificial.

Gostaria de agradecer ao Gerente executivo do SIDI Rogério Moreira, CTO da iland Clímaco Feitosa e Executivo de Negócios da Avantia Fernando Sodré, pelas valiosas contribuições à este trabalho.

Veja também: https://medium.com/@antonio.cavalcanti/intelig%C3%AAncia-artificial-como-recurso-estrat%C3%A9gico-para-desenvolvimento-econ%C3%B4mico-e-social-ad0cf2a67691