3 áreas em que a IA aumentará sua vantagem competitiva

Os algoritmos são agora essenciais para fazer previsões, impulsionar a eficiência e otimização em tempo real.
3 áreas em que a IA aumentará sua vantagem competitiva
3 áreas em que a IA aumentará sua vantagem competitiva

A questão não é mais se uma empresa deve usar IA, mas onde ela traz a maior vantagem competitiva. Existem três áreas em que a IA passou de uma tecnologia “agradável de ter” para uma “obrigatória”. As empresas que ultrapassam os limites da IA para aprimorar as previsões, aumentar a eficiência e otimizar o preço em tempo real ou o controle de estoque de seus produtos estão se movendo mais rápido e mais longe do que os rivais ainda vacilando conservadoramente sobre a sabedoria de usar a IA para esses fins.


À medida que mais empresas incorporam inteligência artificial em seus produtos, serviços, processos e tomada de decisão, a definição do que é IA e onde ela pode ser aplicada de forma mais eficaz está evoluindo tão rapidamente quanto as próprias técnicas. O que começou como algoritmos usados para determinar empréstimos, selecionar novas contratações e capacitar chatbots (com sucesso misto), agora está profundamente incorporado e usado em tudo, desde a previsão de riscos climáticos até a seleção de leads de vendas. A questão não é mais se uma empresa deve usar IA – mas onde ela traz a maior vantagem competitiva.

Em nosso trabalho com empresas, vemos três áreas em que a IA passou de uma tecnologia “agradável de ter” para uma “obrigatória”. As empresas que ultrapassam os limites da IA para aprimorar as previsões, aumentar a eficiência e otimizar o preço em tempo real ou o controle de estoque de seus produtos estão se movendo mais rápido e mais longe do que os rivais ainda vacilando conservadoramente sobre a sabedoria de usar a IA para esses fins.

Previsões

Nos últimos anos, a IA migrou de uma tecnologia que encontra relacionamentos em dados e prevê tendências existentes com mais precisão para uma tecnologia que identifica mudanças futuras em tudo, desde gastos de lazer e padrões de viagens até a dignidade de crédito da empresa, analisando preferências e sentimentos em vastas quantidades de dados, incluindo texto, voz, imagens, feeds de notícias digitais e mídias sociais.

Agora, a IA pode reconhecer disruptores no horizonte, fazendo conexões entre características incorporadas, permitindo que as empresas se preparem de forma mais eficaz para eventos disruptivo. Os primeiros sistemas de alerta de IA para fraudes agora podem detectar bots, tornando-os cada vez mais essenciais para se antecipar às táticas em evolução de hackers, atores de estado-nação, malware e ransomware. Os algoritmos de aprendizado de máquina adaptáveis a choques de mercado ajudam os principais bancos a prever não apenas o desempenho de seus investimentos, mas também potenciais vulnerabilidades causadas por disruptores como a Covid-19.

Isso ajuda bancos e empresas maiores a mitigar o impacto e as possíveis falências em suas carteiras de investimentos. Por exemplo, um banco conseguiu prever em semanas, em vez de meses, quais empréstimos dificilmente seriam pagos e reduziu seu número em 70%, aumentando os retornos de sua carteira geral de empréstimos em dezenas de milhões de dólares. Da mesma forma, a IA permitiu que um distribuidor de peças aeroespaciais que sofria com o excesso de estoque e escassez de fluxo de caixa durante as crises do setor preveja com mais precisão quanta demanda por suas peças cairia quando a Covid-19 atingisse. Como resultado, a empresa conseguiu reduzir seu capital de giro em centenas de milhões de dólares e dobrar suas entregas no prazo.

Eficiências

Em áreas como seguros, recursos humanos e vigilância de conduta, o aprendizado de máquina lê formulários e analisa gravações de voz e vídeo para destacar onde a atenção do revisor deve ser focada, como uma chamada deve ser encaminhada ou simplesmente se um anexo foi esquecido. O desenvolvimento das chamadas abordagens de “atenção” que aprendem quais partes da entrada são mais críticas, acelerou o uso do processamento de linguagem natural, permitindo que a IA vincule de forma mais confiável conceitos aparentemente não relacionados e trabalhe mais rápido.

Devido a esses avanços, nos próximos anos, os processos e filtros automatizados se tornarão cada vez mais difundidos em departamentos e processos não tradicionalmente considerados liderados por dados, cobrindo cada etapa, desde a interação de um cliente até o processamento de um pedido, por exemplo. Os avanços na quantificação da justiça e na mitigação do viés também estão permitindo que as abordagens baseadas em IA sejam mais equitativas, transparentes e objetivas do que nossas tentativas humanas anteriores – mesmo que quantificar a justiça às vezes possa ser um primeiro passo doloroso.

Os ganhos das novas eficiências orientadas pela IA aumentam rapidamente. Um banco economizou dezenas de milhões de dólares depois de usar a IA para melhorar a velocidade e a consistência das decisões de seus serviços ao cliente. Mesmo com menos funcionários, o banco reduziu significativamente o tempo de espera do cliente, mantendo o mesmo nível de vigilância e detectando três vezes mais possíveis fraudes.

A IA também está permitindo que as empresas se expandam mais rapidamente, liberando funcionários para um trabalho mais qualificado e aprimorando as habilidades quando necessário. Até recentemente, a IA era considerada delicada demais para ser usada em processos de dados tradicionais, como a limpeza de duplicatas em conjuntos de dados. Mas agora a IA é amplamente usada para essa tarefa meticulosa. Em um banco, os algoritmos provaram ser muitas vezes mais eficazes na identificação de duplicatas e as removeram em semanas, em vez de anos. Como resultado, os reguladores aprovaram o plano do banco de criar dezenas de agências.

Otimização em tempo real

Da mesma forma, a IA está permitindo que as empresas realizem tarefas e mudem estratégias em tempo real. Os algoritmos de aprendizado de máquina agora aumentam instantaneamente e automaticamente as promoções de vendas ou, no outro extremo do espectro, atrasam o lançamento de produtos que podem canibalizar o lucro de outras linhas de produtos. No varejo, a IA pode recalibrar esses tipos de decisões para gerar vendas adicionais, mesmo de outros produtos não promovidos.

Uma razão pela qual esse avanço agora é possível é por causa da “computação de ponta” – uma técnica de computação distribuída que permite que os modelos de armazenamento de dados e aprendizado de máquina permaneçam mais locais. Ao eliminar a necessidade de enviar dados para a nuvem, a IA pode alternar estratégias instantaneamente, enquanto ainda protege a privacidade e a segurança dos dados, evitando problemas com fluxos de dados internacionais, especialmente porque muitas jurisdições começam a procurar reduzir a transferência de dados.

A otimização em tempo real tem um impacto imediato, e muitas vezes dramático, nos resultados das empresas. Um varejista com o qual trabalhamos aumentou suas margens de lucro em 50% depois de usar a IA para otimizar instantaneamente suas ofertas. Ela expandiu as vendas de produtos principais com promoções desenvolvidas por IA e impulsionando margens e interrompeu negócios especiais destruidores de margens – tudo sem investir muito tempo na criação e teste de novos dados.

Isso foi significativo, pois a baixa frequência de transações impediu os testes tradicionais e as promoções e cupons sobrepostos aumentaram a complexidade.

Uma companhia de seguros aumenta seu lucro em mais de dezenas de milhões de dólares usando a IA para adaptar os preços das apólices de seguro de saúde para atender clientes individuais em tempo real. Assim que os clientes melhoraram seu estilo de vida parando de fumar ou fazendo mais exercícios, seu prêmio foi reduzido.

***

A IA é frequentemente chamada de investimento, em vez de um custo fixo aceito. Entrar ou aumentar o uso da IA requer recursos para lidar com governança, transparência, aprimoramento de habilidades e, geralmente, também dívidas tecnológicas. Mas as empresas não podem mais se dar ao luxo de tratar algo tão difundido e poderoso como opcional.

Os clientes modernos estão hiperconectados. Eles exigem decisões e respostas rápidas. A IA pode entender a linguagem e a dinâmica de vários canais, como Twitter, WhatsApp, TikTok ou um chatbot, e pode evoluir e mudar de código para se tornar cada vez mais agradável.

À medida que a “explicabilidade” do modelo de IA melhora, juntamente com formas mais confiáveis de monitorar desempenho, robustez e justiça, esses modelos mais complexos se tornarão ainda mais confiáveis, seus métodos e resultados mais compreensíveis e, portanto, suas aplicações mais criativas e viáveis.

Graças a esses recursos, as forças de trabalho remotas modernas e flexíveis devem ser capazes de passar de tarefas enfadonhas e repetitivas. Ao não ficar entediado ou distraído, é provável que uma IA faça um trabalho mais confiável. Ao mover a equipe para áreas de maior valor, os gerentes não apenas fazem o máximo uso de sua equipe, eles têm uma empresa mais feliz. Combine isso com a capacidade de identificar e mitigar disruptores e aumentar enormemente os lucros, e sua empresa pode prosperar nos próximos anos.


  • ST
    Sian Townson, PhD., is a Director in Oliver Wyman’s Data and Analytics practice.
  • Related Posts