O fator humano: Trabalhando com máquinas para tomar grandes decisões

Estamos em um momento de mudança: a Inteligência Artificial pode ajudar as empresas a tomar decisões melhores e com mais rapidez. Para aproveitar esse cenário, é preciso ter a mente aberta e disposição para mudanças.


Este artigo foi originalmente publicado no portal PWC - Estudos - Consultoria em negócios.

 

 Fonte: PWC

 

Executivos que antes confiavam fortemente em sua intuição e experiência estão agora diante de máquinas que conseguem aprender a partir de volumes gigantescos de dados. Essa realidade está alterando o relacionamento entre pessoas e tecnologia e abrindo caminho para a verdadeira tomada de decisões baseada em dados. É hora de dar as boas-vindas à ciência no ambiente de gestão executiva e aproveitar os recursos de análise e de algoritmos para encontrar uma nova combinação entre a nossa mente e as máquinas.

De acordo com a Global Data and Analytics Survey 2016: Big Decisions™, realizada pela PwC, a maioria dos executivos diz que sua próxima grande decisão será tomada levando em conta principalmente o julgamento humano – a mente mais do que a máquina. No entanto, com o aparecimento da Inteligência Artificial ou IA, percebemos uma ótima oportunidade para os executivos complementarem seu julgamento com insights gerados por dados e mudar substancialmente a maneira como tomam decisões.

“Estamos em um momento de mudança”, afirma Anand Rao, líder de inovação da área de Data & Analytics da PwC, referindo-se ao crescente papel do aprendizado de máquinas no mundo dos negócios.

“A Inteligência Artificial pode ajudar as pessoas a tomar decisões melhores, mais baratas e com mais rapidez. Para que isso aconteça, é primordial que você tenha a mente aberta para colaborar com uma máquina, em vez de tratar a tecnologia como um subalterna ou senhora suprema.”

O equilíbrio entre mente e máquina começa a ganhar força à medida que as empresas experimentam essa realidade. Os executivos dizem que a cultura interna em suas empresas poderia se basear mais em dados, com uma maior ênfase no recurso da análise de dados. No entanto, são as culturas organizacionais, promovidas pela liderança, que ajudam a aproveitar ao máximo essa oportunidade.

 

Novas lentes para enxergar a realidade

Por trás de cada decisão tomada por humanos, existe uma predisposição ou tendência natural e inevitável — e isso pode obstruir o avanço de uma organização. Os executivos podem escolher a dedo os dados que corroboram o seu ponto de vista, assim como podem também descartar aqueles dados que contradizem a sua intuição. Eles só não conseguem ver o que está entre os dados. “A tecnologia já deixou de ser um problema há muito tempo”, diz Dan Ariely, professor de Psicologia e de Economia Corporativa na Duke University. “O Big Data e os algoritmos estão oferecendo outras lentes para enxergamos a realidade.”

Como fazer análises que evitem a parcialidade? A maior parte das decisões é tomada por grupos de que já apresentam alguma parcialidade. Em nossa pesquisa, os tomadores de decisões escolheram uma decisão e descreveram como ela seria tomada. Entre os participantes, 26% responderam que envolveriam o conselho e 34% disseram que envolveriam pessoas de cargos específicos na empresa. Aparentemente, um processo colaborativo de tomada de decisões poderia solucionar o problema da parcialidade. Mas será que é assim mesmo?

“Infelizmente, não”, diz Ariely. É verdade que os grupos podem reduzir o elemento de parcialidade por influência da sabedoria popular. Ocorre que os grupos geralmente não sabem a resposta certa; e é possível que pessoas que tenham a resposta certa, mas que não  tenham voz ativa, acabem perdendo força nas discussões em grupo. As pessoas poderiam hesitar na hora de discordar de um chefe. A mente prega todo tipo de peças em si mesma: o viés de confirmação faz com que você veja aquilo que está esperando; a cegueira proposital impede que você considere aquilo que não quer ver; as pessoas enfatizam as características internas — isto é, a personalidade humana — em detrimento das situações externas. Mas agora, com a IA, não precisamos mais nos enganar tanto. “Os algoritmos criam um certo tipo de disciplina envolvendo a maneira como interagimos com o mundo, em vez de fazer com que consideremos cada situação separadamente, baseando-nos por completo na intuição pessoal”, afirma Ariely. “Basicamente, somos forçados a ser mais sistemáticos em relação às nossas decisões.”

 

A ciência na gestão executiva

Ariely se preocupa com a possibilidade de a confiança nas máquinas acabar substituindo a experimentação, isto é, o espírito humano da indagação, da pesquisa, da averiguação. Essa é uma preocupação que está na essência do que deveria ser a tomada de decisões atualmente: ciência, um processo conduzido por humanos para fazer as perguntas certas e traçar um caminho em direção a metas específicas. Longe de serem excluídos da análise e de formulação de problemas, - os executivos principais deveriam guiar a exploração e os cientistas de dados deveriam elaborar experimentos para provar as hipóteses da liderança. Os algoritmos podem executar comandos e evoluir por sua própria conta, tornando-se autônomos em alguns casos.

É a necessidade que está levando a ciência para o mundo dos negócios, diz Floyd Yager, executivo responsável pelos dados (CDO) da Allstate, enfatizando a tendência dos líderes de encontrar dados que corroborem aquilo que desejam fazer, em vez de perguntarem se uma hipótese está correta e, então, agirem com base em tal resultado. “Ao testar seus pontos de vista, você dá consistência às decisões”, complementa ele. “Isso levanta questões que talvez você não tenha considerado em seu julgamento - fatos esses que você realmente conhece, em vez de apenas achar que os conhece. Você tem uma base de fatos e dados para realmente conduzir suas decisões na direção das metas e dos resultados.”

Yager está falando sobre uma transformação profunda no mundo dos negócios. “Reconheço as pessoas acima de mim que realmente enxergam para onde o mundo dos dados estãoevoluindo e compreendem que há maneiras melhores de se fazer as coisas”, diz ele. “Tenho a sorte de estar em lugares onde impulsionar um pouco esse trabalho — dados e recursos de análises – e transforma em realidade uma visão na qual pensamos sobre as possibilidades e encontramos os dados, as ferramentas e as técnicas que nos ajudam a tomar decisões melhores.”

Isso é liderança. Os resultados da pesquisa mostram que, ao buscarem na gestão executiva o tipo de suporte que Yager descreve, muitos gestores encontram uma falha na adoção dos dados ou em sua confiança neles. Grandes líderes, hoje acostumados a tomar decisões com base na experiência e na intuição, precisarão se adaptar, experimentar e aprender com os cientistas de dados.

 

A busca por líderes

“Até certo ponto, basear-se em dados não é uma questão de tecnologia e dados, mas sim de gestão da mudança e adoção — conseguir ter o diálogo que prepare os líderes para lidar com dados e responda a todos os questionamentos relacionados”, diz Dan DiFilippo, sócio e líder da área de Data & Analytics da PwC nos EUA e em âmbito global.

Os tomadores de decisões que não são os dados nem as análises os grandes responsáveis por impedi-los de tomar decisões acertadas. As três principais limitações para o sucesso deles são a falta de uma liderança mais forte, as questões orçamentárias e a disponibilidade de recursos para viabilizar a ação. De modo surpreendente, a falta de uma liderança mais forte foi a principal limitação apontada em nossa pesquisa, tanto pelos participantes que integram a da gestão executiva como pelos outros.

Rao está de acordo. Para ele, a parte fácil é a tecnologia. “A confiança é a maior barreira para a adoção”, afirma Rao. Ele faz uma analogia entre os carros autônomos e a adoção da IA. De acordo com Rao, a maioria das pessoas não entraria em um carro sem motorista ou em um veículo totalmente autônomo e sem volante.

Para incentivar a mudança de mentalidade, como maneira de atribuir mais direitos de decisão à máquina, motoristas humanos precisarão estar presentes no início para assumir o controle quando os passageiros ficarem nervosos; com o tempo, contudo, desenvolveremos a confiança necessária para transferir o controle total às máquinas.

“Os algoritmos criam um certo tipo de disciplina envolvendo a maneira como interagimos com o mundo, em vez de fazer com que consideremos cada situação separadamente, baseando-nos por completo na intuição pessoal. Basicamente, somos forçados a ser mais sistemáticos em relação às nossas decisões.” Dan Ariely, professor de Psicologia e Economia Corporativa da Duke University.

Vamos imaginar agora um carro autônomo como uma organização e as pessoas nesse carro como seus executivos e gestores. Eles sabem onde querem ir e têm o controle final para orientar o carro a alcançar metas específicas. Quando se move, o carro passa a processar mais informações do que qualquer um dos passageiros conseguiria fazer, fornecendo insights precisos sobre a rota mais eficiente até o seu destino final. Os executivos utilizam toda essa precisão para alterar a rota — e talvez o destino final — e para evitar acidentes de percurso. “Primeiro, as pessoas ensinam às máquinas o que elas devem fazer; depois, são as máquinas que nos avisam daquilo que precisamos fazer”, afirma Rao. “Como as máquinas estão ensinando, isto é, dizendo o que as pessoas devem fazer, essas pessoas ficam mais inteligentes e conseguem, por sua vez, dizer às máquinas outras coisas que elas devem fazer. Cada parte está contribuindo para o crescimento da outra.”

A combinação de recursos de análises de dados e intuição humana leva a um julgamento que é mais qualificado e eficaz. Deixar de aproveitar a oportunidade que essas máquinas apresentam trará consequências. “Os executivos precisam mudar, antes que sejam forçados a mudar”, aponta Rao.

“Caso não adote o aprendizado de máquina,  em algum momento nos próximos anos, a sua organização fracassará ou encontrará um agente de disrupção – e a administração passará para quem realmente decida com base em dados.”


Fonte: Global Data and Analytics Survey 2016: Big DecisionsTM, realizada pela PwC.

https://goo.gl/dAtmhP