A revolução da Inteligência Artificial (IA) foi iniciada há mais de meio século. Na última década, a IA cresceu de um campo científico acadêmico para começar a ser uma parte prática de nossa vida cotidiana. As estratégias de negócios de IA mais comuns que vemos são baseadas em dados. Acreditamos que os dados proprietários são atualmente o fosso mais estratégico para as empresas de IA, mas nos próximos anos, eles se tornarão menos um ativo único, tornando a diferenciação de dados proprietários menos sustentável. Portanto, esperamos uma mudança de foco, de estratégias de IA baseadas em dados para estratégias de IA baseadas em conhecimento.

O avanço do big data, facilitado pela implantação de vários sensores, conectividade com a Internet e aprimoramento de hardware e software em poder computacional, habilidades de comunicação e armazenamento digital, permitiu que a IA crescesse de pequenos projetos de pesquisa acadêmica a aplicativos de produção de grandes empresas. Essencialmente, o big data exigia modelos sofisticados de IA para analisar e derivar conhecimento e insights, enquanto os modelos de IA precisavam do massa crítica de big data para treinamento e otimização. Portanto, no momento, os dados são frequentemente percebidos como um fosso estratégico suficiente para startups de IA. Como investidores de capital de risco, vemos esse fenômeno rotineiramente. Nos últimos anos, vimos muitas startups que colocam a aquisição de dados no centro de sua estratégia de negócios. Um número crescente dessas empresas enfatiza os conjuntos de dados exclusivos que adquiriram e sua estratégia de longo prazo para adquirir dados proprietários adicionais – como uma barreira de entrada sustentável. Além disso, como as ferramentas de IA e as plataformas de IA como serviço transformaram em mercadoria o desenvolvimento de modelos de IA e os dados públicos se tornaram onipresentes, a necessidade percebida de construir e defender um fosso de dados tornou-se palpável.

No ecossistema de tecnologia de hoje, os mercados têm recompensado cada vez mais as empresas com programas líderes de IA e controle sobre dados proprietários – como uma vantagem competitiva substancial e sustentável. Empresas como Google e Netflix desenvolveram e curaram conjuntos de dados massivos e confiáveis ​​durante um longo período de tempo, enquanto muitas outras empresas lutaram em vão para igualar seu sucesso. Um exemplo é a grande interrupção de fornecedores de serviços de mídia e empresas de produção rivais, que foram superados pela Netflix ‘ estratégia de dados sofisticada.

No entanto, devido aos avanços esperados na capacidade e disposição para trocar dados, acreditamos que dentro de uma década, os bancos de dados proprietários serão menos sustentáveis. Embora os dados ainda alimentem o mecanismo de valor da IA, as estratégias de negócios da IA ​​estarão cada vez mais focadas no conhecimento.

Subindo na pirâmide de valores AI, em direção à camada de conhecimento

A pirâmide de valores de IA é baseada em dados e orientada pelo conhecimento. Enquanto hoje “estamos nos afogando em informações, mas com fome de conhecimento”, esperamos subir na pirâmide de valores da IA, em direção à camada de conhecimento. Na verdade, começamos a ver avanços que irão promover e acelerar essa tendência com a criação de trocas de dados. Esperamos que a troca de dados seja facilitada por uma combinação de maior viabilidade e vontade de compartilhar dados comoditizados em troca de conhecimento valioso. Em resumo, os dados se tornarão mais abundantes, disponíveis, confiáveis, padronizados e baratos – a definição perfeita de uma mercadoria ideal. Usar dados como uma barreira de entrada sustentável será mais difícil no futuro.

A maior viabilidade de compartilhar dados será acelerada pela proliferação de fontes de dados por meio do Internet das Coisas (IoT). Além disso, existem novas técnicas, protocolos e padrões para agrupar, compartilhar e trocar dados. Olhando para o futuro, a maior capacidade de compartilhar dados se tornará verdadeiramente significativa quando houver incentivo e uma tendência crescente para fazê-lo. Como a IA prejudica e interrompe o legado barreiras competitivas à entrada, muitas organizações tentam incansavelmente coletar seus próprios dados proprietários e monetizá-los. Infelizmente, essa aquisição e utilização de dados não é fácil nem proveitosa e, portanto, cria dissonância estratégica. Isso ocorre porque, embora a IA seja cada vez mais indispensável para a maioria das organizações, ela não faz parte de suas habilidades legadas ou experiência central. Além disso, o cescassez crônica e duradoura de engenheiros, desenvolvedores, líderes de produto e gerentes treinados em IA aumentam essa dissonância e levam a uma preferência de solução para compartilhamento de dados com o objetivo de troca de conhecimento.

Um exemplo da combinação de capacidade e vontade criando através da troca de dados para geração de conhecimento é a nova proposta pela União Europeia, para criar “um mercado único de dados”, a fim de capacitar pessoas, empresas e organizações a tomarem melhores decisões com base em percepções de dados não pessoais a fim de competir com os atuais gigantes da tecnologia.

Outro fator que contribui para que os data moats se tornem menos sustentáveis ​​é a invenção de novas soluções de dados que permitem o uso de conjuntos menores de dados para modelos de treinamento. Soluções de dados sintéticos (por exemplo, com Redes Adversariais Generativas) e outras técnicas de minimização, como aumento de dados, podem permitir que as empresas criem produtos de IA disruptivos, sem grandes quantidades de dados.

Construindo uma Estratégia de Conhecimento

O futuro da revolução da IA ​​inaugurará uma nova realidade para as empresas e exigirá uma estratégia de negócios revisada. A mudança de dados para conhecimento irá gerar novas estruturas, parcerias e modelos de negócios, abrangendo diferentes participantes trazendo dados, informações, modelos de IA, armazenamento e poder de computação para a criação de conhecimento. Como os bancos de dados tradicionais se tornarão menos sustentáveis ​​na próxima década e o conhecimento se tornará o verdadeiro impulsionador de valor da IA, acreditamos que as empresas devem começar a elaborar uma estratégia mais focada no conhecimento:

  • Construir bases de conhecimento, em vez de bases de dados, é um princípio fundamental que deve estar no centro da estratégia de negócios futura. As empresas e organizações devem começar a se preparar para uma era centrada no conhecimento, na qual os vencedores serão aqueles que fizerem as perguntas certas, procurando as previsões mais relevantes e projetando os aplicativos baseados em IA mais disruptivos.
  • Use IA de uma maneira de cima para baixo e estruture os negócios em torno da camada de aplicativo e produto. Os modelos devem ser desenvolvidos e treinados com base na vertical e nas hipóteses específicas. Por exemplo, o desenvolvimento de aplicações específicas de saúde em imagens, diagnósticos, telemedicina, farmacologia e outras aplicações clínicas; ou na mobilidade em gerenciamento de frota, transporte público e além. O desenvolvimento destas soluções assentará em conhecimentos profundos e experiência prática em domínios específicos, combinando conhecimentos contextuais e modelos adequados e bem afinados.
  • As iniciativas de aquisição de dados devem ser vistas apenas como uma busca tática de curto prazo, enquanto as parcerias baseadas no conhecimento para intercâmbio e cooperação devem ser fomentadas e cultivadas como estratégias de negócios de longo prazo. Um exemplo produtivo é que, no ano passado, a Autoridade de Inovação de Israel lançou um programa piloto para cooperação baseada no conhecimento entre hospitais e startups de tecnologia. Essa cooperação gerou dezenas de iniciativas[12] entre hospitais de startups e facilitou a troca de dados brutos (e em sua maioria não utilizados) de e entre os hospitais, e a geração de novos e valiosos conhecimentos gerados pelas startups.
  • Por último, a mudança em direção ao conhecimento deve moldar a estratégia de RH das organizações também. As empresas devem desenvolver uma estratégia de RH relevante e inteligente para o futuro da IA. Embora algumas startups ainda exijam a contratação de grandes grupos de engenheiros e cientistas de dados raros e caros, as equipes de IA de empresas experientes devem ser projetadas como um grupo gerencial projetado para buscar e promover parcerias de conhecimento de IA, inventar aplicativos e produtos baseados em IA e explorar criativamente os horizontes brilhantes da revolução da IA ​​- reimaginada de centrada em dados para centrada em conhecimento. Além disso, as equipes de IA devem ter pessoas que entendam o contexto do domínio em que estão operando. Esses membros da equipe contextual devem abranger uma abordagem holística, originada em sua compreensão da IA ​​e do domínio específico, e não apenas especialistas em IA geral.

No geral, o futuro da IA ​​depende da mudança da ênfase em conjuntos de dados proprietários para o compartilhamento de dados entre entidades para a criação de conhecimento. Para implementar uma estratégia de IA de sucesso, as empresas devem combinar corretamente dados, informações, modelos de IA, armazenamento, poder de computação e muito mais, a fim de enraizar seus negócios no conhecimento.

sobre os autores

Eviatar Matania é professor da Escola de Ciências Políticas, Governo e Assuntos Internacionais da Universidade de Tel-Aviv, onde dirige o programa de MA de Estudos de Segurança e o programa de MA de ciberpolítica e governo (em início). Matania também é professora adjunta na Blavatnik School of Government de Oxford. Matania foi o fundador e ex-diretor-geral do Diretório Cibernético Nacional de Israel (INCD), reportando-se diretamente ao primeiro-ministro israelense e, durante os últimos dois anos, ele co-dirigiu a Iniciativa Nacional de Sistemas Inteligentes (AI) para recomendar o Primeiro-Ministro Ministro e governo sobre um plano nacional para posicionar Israel como uma potência global em IA.

Tomer Y. Avni é associado da Blumberg Capital, com sede em Tel Aviv. Tomer se conecta com empreendedores, pesquisa novos investimentos potenciais, apóia empresas de portfólio e desenvolve roteiros de investimento emergentes. Antes de ingressar na Blumberg Capital, Tomer atuou como líder de equipe e vice-gerente de grupo no Corpo de Inteligência das Forças de Defesa de Israel. Durante sua gestão, Tomer recebeu prêmios de excelência e liderou vários projetos e operações de pesquisa tecnológica. Tomer também trabalhou como consultor de tecnologia com foco em segurança cibernética. Tomer obteve seu B.Sc. em matemática e ciências políticas, summa cum laude, da Bar Ilan University, aos 19 anos.

Gostaríamos de agradecer a David J. Blumberg, Jacob Rimer e Ori Rozen por contribuírem para este artigo.

Publicado em 18 de setembro de 2020 – 17:13 UTC



Fonte: thenextweb.com

Deixe uma resposta