Definição de prioridades: o caminho de POC para a produção

Com frequência, ouvimos clientes dizerem que estão animados com o que é possível fazer com dados e IA; porém, que não têm certeza como fazer isso. Ou que as equipes de tecnologia "compraram a ideia por completo", mas não conseguem convencer as empresas de que precisam para avançar. Não é que esses clientes/equipes não saibam o que fazer, eles poderiam listar várias iniciativas ou casos de uso que se beneficiariam de insights de dados ou para os quais poderiam aplicar IA. No entanto, muitas organizações parecem sofrer de paralisia institucional. 

Na metade de 2024, durante o Snowflake Summit, um executivo de uma grande empresa do setor industrial refletiu curiosamente: "se pudéssemos apenas saber o que sabemos". Em outras palavras, imagine tudo que poderíamos fazer se pudéssemos extrair insights de todos os dados coletados, tudo o que sabemos de nossos clientes ou produtos. 

No entanto, o desafio é saber por onde começar. E a resposta está na preparação do trabalho: aquilo que você faz antes mesmo de iniciar a ferramenta. Imagine construir uma casa sem um projeto. No entanto, antes mesmo do arquiteto colocar um lápis no papel, existe uma lista de itens que você deseja para a casa dos seus sonhos. Como você se imagina vivendo nessa casa? "Queremos aproveitar a bela paisagem da propriedade. Para uma melhor visão, queremos ter janelas grandes ou uma varanda envidraçada. Também gostaríamos de ter uma casa bem habitável com muito espaço de armazenamento, então não se esqueça de armários bem espaçosos." Tendo passado por esse processo recentemente, posso falar muito sobre isso. Minha lista de desejos era longa. 

Aí, vem a parte difícil. Você tem um orçamento e provavelmente algumas regras que precisa seguir, como o código da construção ou as regulamentações do bairro. As restrições exigem fazer escolhas difíceis e priorizar certos recursos em detrimento de outros. De modo ideal, é possível começar com uma base sólida e os principais recursos e permitir que alguns dos outros itens sejam adicionados em fases posteriores. E talvez você precise aprender a fazer algumas coisas você mesmo para que os recursos desejados se tornem projetos pessoais. No entanto, é provável que alguns desses projetos não venham se concretizar.

Já ouviu essa história? Talvez você já tenha construído uma casa. Ou talvez você já tenha criado uma estratégia de dados e de IA e começado a usá-la. Você se convenceu das oportunidades e realizou vários pilotos. Mas agora é hora de determinar o que pode se tornar realidade.

Um artigo recente da Harvard Business Review diz que 80% dos projetos de IA não são colocados em produção. Esse número tem sido usado para ilustrar o fracasso. No entanto, uma análise mais detalhada revela que parte desses 80% foram eliminados intencionalmente. O primeiro passo para ir da fase de experimentação para a implementação é selecionar que projetos ou produtos devem seguir adiante. Como descreveu um CDO há anos atrás, o objetivo da priorizar iniciativas é garantir que a visão vale o esforço.

As ideias vêm de todas as partes da empresa, e isso é bom. Encoraje a diversidade de ideias. Sandboxes e hackathons de IA incentivam a experimentação. No entanto, em última análise, essas ideias devem ser colocadas à prova. Uma estrutura rigorosa e transparente de definição de prioridades ajuda a garantir que os projetos e os produtos propostos estejam alinhados aos objetivos de negócios da empresa, e que seja realista para a equipe criá-los. 

A vista. Na matriz acima, o eixo y mostra o alinhamento com os objetivos estratégicos de negócios da empresa, em termos bem amplos. É nesta etapa que você estima qual é a "vista" em potencial. 

• A iniciativa está alinhada com os objetivos da empresa? Deve ser dada preferência a projetos ou produtos que tenham uma relação direta com os objetivos específicos de negócios. Existe alguém responsável por patrocinar a iniciativa dentro da organização? Os produtos de dados não vão agregar valor a menos que promovam ações, ou seja, a menos que os usuários finais os adotem. Isso requer colaboração entre as equipes de negócios e de dados e treinamento de ambos os lados para determinar o que é necessário e o que é possível fazer. 

• Várias unidades de negócios podem se beneficiar? Muitas equipes de dados reforçam a reutilização como um requisito para definir a prioridade: o valor aumenta à medida que mais unidades de negócios usam o modelo de IA ou o produto de dados. Por exemplo, imagine que um fabricante de produtos eletrônicos deseje entender como seus dispositivos são usados e por quem. Um produto de dados de "uso do produto" pode fornecer a uma empresa uma visão 360° dos clientes para ver que produtos os clientes estão usando e uma visão 360° dos produtos para ver que clientes estão usando um determinado produto. 

• Qual é o retorno esperado? O primeiro passo é identificar as métricas a serem avaliadas, de preferência em termos de valor para os negócios, e fazer uma estimativa inicial do valor do projeto. Definir prioridades exige fazer comparações concretas com outras iniciativas simultâneas. 

O esforço necessário. O eixo x reflete a complexidade e a viabilidade de uma iniciativa específica para determinar se ela é viável em termos de recursos e riscos. Nessa etapa, você faria uma avaliação do esforço (trabalho) necessário.

• Os dados estão disponíveis? O requisito mais fundamental para treinar o modelo são os dados. Os dados internos estão facilmente disponíveis e acessíveis? O modelo requer transformação ou acesso a dados não estruturados? Será que um treinamento adequado exigirá dados externos, como dados de parceiros ou outros dados de terceiros, para reduzir os riscos de desvios ou alucinações? 

• Que tipo de conhecimento e ferramentas são necessários? É nesta etapa que você precisa ser realista e avaliar se tem os recursos necessários para realizar o trabalho, bem como o que é necessário para chegar lá. Uma iniciativa de IA não deve parecer um filme de ficção científica. 

• Existem riscos ou outras preocupações? Para os iniciantes, a EU AI Act (lei da IA da UE) adota um enfoque regulatório baseado em riscos e classifica os sistemas de IA em quatro níveis diferentes de risco: risco inaceitável, alto, limitado e mínimo. Algumas ferramentas podem ajudar a avaliar o nível de risco e orientar sobre as regulamentações e os requisitos relevantes. 

• Qual é o custo de desenvolvimento e implementação? Em última análise, esse é um caso de negócios e, por isso, requer uma estimativa dos custos de desenvolvimento, implementação e manutenção do modelo de IA ao longo do tempo. Essas estimativas também devem incluir a tecnologia e a aquisição de dados, bem como o treinamento necessário. Não se trata apenas de criar uma aplicação. 

O resultado final é uma matriz em que cada produto ou projeto em potencial pode ser colocado e avaliado em termos da visão prevista e do esforço necessário.

A matriz 2x2 mostra as seguintes categorias: 

• Benefícios rápidos de alto valor: ótima vista, esforço rápido e fácil. Essas iniciativas estão totalmente alinhadas aos objetivos estratégicos de negócios, sendo consideradas menos complexas ou altamente viáveis. 

• Não perca tempo: visão limitada, esforço muito difícil. Essas iniciativas são consideradas bem difíceis e de valor potencial inferior que não necessariamente valem o esforço. 

• Investimentos de longo prazo: ótima visão, mas com esforço demorado e difícil. Espera-se que essas iniciativas gerem um valor significativo. No entanto, elas são consideradas mais complexas ou envolvem um risco ou uma necessidade de recursos bem maior. Esses recursos podem ser divididos em iniciativas menores ou produtos de dados componentes que podem ser mais tarde agregados para oferecer todo o valor. 

• Investigue mais: vista limitada, mas esforço relativamente rápido e fácil. Espera-se que essas iniciativas agreguem algum valor (ou não seriam propostas), porém, elas estão menos alinhadas estrategicamente. No entanto, elas são consideradas relativamente fáceis de realizar. É mais um "podemos fazer". Mas, somente quando sobram tempo ou recursos não utilizados, e, portanto, a prioridade é mais baixa.

Esse processo não é opcional. Passar da prova de conceito (POC) para o produto/projeto requer escolhas difíceis. Uma estrutura formal de priorização garante que as iniciativas sejam avaliadas de forma igual e transparente, que elas apoiem a estratégia de negócios, que sejam viáveis para a organização e que as necessidades de recursos e os resultados esperados estejam alinhados.

Para saber mais sobre como os clientes Snowflake realizaram seus projetos de IA desde a evangelização, a experimentação até a operacionalização e a transformação, confira o "Guia dos executivos de dados para uma IA eficaz".