Quais são os desafios encontrados ao adaptar o contexto organizacional para melhor aproveitar os benefícios do Aprendizado de Máquina?

Crédito: Esse texto é baseado em uma entrevista com Michelle K. Lee, Vice-Presidente da Amazon Web Services Machine Learning Solutions Lab. 

Publicado em MIT Sloan Management Review em 3 de agosto de 2020

Existem quatro desafios principais que os líderes precisam enfrentar para a adoção bem-sucedida do aprendizado de máquina: Estratégia de dados, primeiros passos, lacuna nas habilidades de aprendizado de máquina e dedicação ao trabalho pesado indiferenciado. 

Esse último desafio refere-se a atividades como a construção de sua própria infraestrutura, ferramentas para agregação de dados, acesso, limpeza e modelagem.

Os dados são frequentemente citados como o principal desafio na adoção do aprendizado de máquina. Para ter sucesso no aprendizado de máquina, uma empresa precisa ter uma estratégia de dados que identifique os dados que possui, onde estão localizados, quem os controla e onde devem estar para oferecer suporte a seu uso total e ideal pela empresa. A empresa também precisa perguntar: “Quais dados não tenho hoje e gostaria de ter no futuro?” e, em seguida, começar a desenvolver um plano para coletar esses dados.

Sem uma estratégia de dados, os cientistas de aprendizado de máquina, que uma empresa contrata, gastam uma quantidade excessiva de tempo lidando com o acesso e a limpeza no gerenciamento de dados ou, pior, ficam atolados e frustrados porque não têm o que precisam para resolver o problema maior. 

Assim, as empresas devem permitir que a equipe de TI compartilhe quaisquer silos de dados e colete os dados certos de maneira segura e compatível.

Segundo desafio: Como faço para começar? É fundamental identificar e começar por aquele caso de uso de alto valor cujos resultados são mensuráveis. Mas isso nem sempre é fácil. A AWS criou o Machine Learning Solutions Lab que permite, trabalhando em conjunto com os clientes, ouvir seus problemas de negócios, identificar situações de uso de aprendizado de máquina de maior valor e ajudar a orientá-los para a implementação. 

O terceiro desafio é a lacuna de habilidades. Conforme dito, o crescimento da inteligência artificial levou a uma escassez de cientistas de dados e especialistas em aprendizado de máquina. Ou seja, pode-se não conseguir contratar todos os cientistas de dados necessários, então uma solução é focar em aprimorar o nível da força de trabalho atual e / ou alavancar recursos externos.

E o quarto desafio é a tendência de pensar que você tem que desenvolver tudo sozinho, do zero.  Uma plataforma de nuvem (como a AWS, por exemplo) pode fornecer muitas das ferramentas e infraestrutura necessárias para o acesso a dados, desenvolvimento, teste e implantação de modelo de aprendizado de máquina. Tirando proveito dessas ferramentas e serviços existentes, você pode concentrar-se em trazer suas próprias contribuições diferenciadas e de valor agregado, como seu domínio e experiência no setor, além de quaisquer percepções especiais que você tenha, para resolver o problema em questão.

O aprendizado de máquina também depende da cultura organizacional e requer uma mudança que deve ser conduzida a partir do topo. Como líder, é importante articular a prioridade do aprendizado de máquina junto a empresa e promover a pergunta: Existe um problema de negócios que pode ser melhor resolvido com o aprendizado de máquina? 

Por exemplo: Dez anos atrás, a equipe de liderança da Amazon perguntou, a cada líder de negócios na empresa, como planejavam alavancar o aprendizado de máquina em seus negócios. 

Como resultado, e depois de uma drástica mudança cultural e tecnológica, hoje não há uma única função de negócios na Amazon que não seja melhorada por meio do aprendizado de máquina. 

Assim, o caminho para o sucesso do aprendizado de máquina nem sempre é simples, muitas organizações precisam de um parceiro para ajudá-las ao longo da jornada. É preciso inserir aos poucos o hábito de pensar a respeito, oferecendo workshops e sessões de brainstorm para ajudar a identificar as melhores utilidades, além de possibilitar treinamentos para líderes técnicos e de negócios. O fato é que a seguinte questão está cada vez mais evidente: “Como o aprendizado de máquina pode melhorar, ou resolver, problemas de negócios e/ou agregar valor a empresa?”

Comentários