Intro

Se você está lendo este post, com certeza já ouviu falar sobre algumas das principais diferenças entre a IA e o desenvolvimento tradicional de software ao conduzir o gerenciamento de projetos. Além de ser um setor mais novo e não ter o mesmo nível de maturidade do anterior, o que diferencia a IA como disciplina pode ser descrito com apenas uma palavra: incerteza. Esse conceito está presente em vários níveis de um projeto de IA. Neste artigo, abordaremos alguns deles e revelaremos como lidamos com essa incerteza na Marvik para continuar entregando resultados de alta qualidade, capacitando nossos clientes a estarem um passo à frente por meio do poder da IA. Se você é gerente desse setor ou deseja se juntar à equipe, este artigo é o ideal para você!

Fontes de incerteza e analgésicos

Nesta seção, descreveremos algumas das situações mais comuns que trazem incertezas ao jogo ao lidar com projetos de IA. Para cada um, explicaremos como conseguimos manter a incerteza o mais baixa possível para garantir o sucesso do projeto.

Eu quero minha IA

Ao notar o título desta seção, quem tem quase 30 anos ou mais pode ter ouvido a voz de Sting e o lendário riff de guitarra de Mark Knoffler ressoando dentro de suas cabeças (para os mais novos que não têm a menor ideia do que estou falando, basta pesquisar “Dinheiro por nada” no Youtube, podemos esperar até que você chegue aos 4:39 minutos para continuar). Sei que o título desta seção pode parecer que ter recursos de IA é apenas uma espécie de capricho, mas essa não é a ideia. A IA está em alta no momento, isso não é uma revelação para ninguém relacionado ao setor de tecnologia, e líderes de muitos outros setores também estão cientes de que poderiam impulsionar seus negócios aproveitando a IA. No entanto, em muitos casos, eles chegam a essa conclusão com base em um alto nível de compreensão do que essa tecnologia pode alcançar e precisam de ajuda para definir o caso de uso específico que pode ser adequado para eles. Esse tipo de cenário é um dos nossos favoritos, pois nos força a mergulhar nos negócios de nossos clientes e nos dá a oportunidade de aconselhar sobre a adoção e, esperançosamente, a implementação de recursos de IA em vários níveis. A regra de ouro aqui é mantenha as expectativas claras desde o primeiro dia. Por falar nisso, com um antigo colega, costumávamos brincar e nos referir à seguinte equação como a “equação da vida”:

Expectativas - Realidade = Frustração

A aplicabilidade em nosso caso é bastante simples de explicar: se o resultado final não for tão bom quanto as expectativas iniciais, o cliente não ficará satisfeito ao final do projeto. Como podemos gerenciar isso? Bem, colocamos muito cuidado na proposta inicial. Fazemos nossa lição de casa pesquisando os negócios do cliente e combinando suas necessidades com documentos de última geração que podem ser úteis para resolver cada caso de uso. Em seguida, escrevemos tudo da forma mais clara possível (em inglês, não em “Engineerish”), propondo um resultado final realista. Certificamo-nos de indicar cada ponto de atenção a ser cuidado e como devemos proceder para evitá-los ou mitigá-los (após verificar os requisitos com o cliente) para alcançar os resultados desejados. Para clientes mais ousados, oferecemos a possibilidade de trabalhar em um tipo especial de projeto chamado “Product Discovery”. Se você quiser saber mais sobre nossa estratégia comercial, leia mais sobre ela aqui.

Até o infinito... e além!

Suponhamos que tivemos algumas reuniões com um cliente, entendemos o que ele faz e chegamos a uma visão unificada de como a IA poderia ser aplicada para gerar valor para seus negócios. Embora isso já seja um grande avanço, está longe de ser a resposta; em muitos casos, funciona apenas como norte. Embora saibamos onde gostaríamos de chegar e tenhamos muitos insights que nos fazem acreditar, em nosso melhor conhecimento, de que é algo possível alcançar, neste momento não podemos garantir o resultado final. De certa forma, não é muito diferente do que Cristóbal Colombo enfrentou antes de iniciar sua famosa viagem de descoberta. O Reino da Espanha precisava de uma rota alternativa para chegar à Índia e a outras terras de especiarias. Todas as informações disponíveis na época sugeriam que, se você navegasse para o oeste por muitos quilômetros, chegaria lá, mas a tecnologia de navegação da época era suficiente para fazer isso? Como todos sabemos, Colombo nunca chegou ao destino desejado e, em vez disso, esbarrou em algumas ilhas do Caribe no caminho, o que encurtou sua viagem. O resto é história. Em todo o meu tempo trabalhando no mundo da IA, nunca vi esses tipos de eventos afortunados involuntários acontecerem, então, se quisermos ter sucesso, precisamos controlar o máximo possível os múltiplos fatores envolvidos. A maneira de fazer isso começa por identificando os principais fatores isso pode levar ao sucesso ou ao fracasso do projeto. A abordagem, então, é lide com os mais arriscados primeiro, a fim de remover o máximo de imprevisibilidade possível desde o início. Não adianta seguir em frente com as etapas mais certas se quisermos enfrentar uma rocha gigante a um mês da data final de entrega e só então começar a pensar em como podemos nos livrar dela. Por último, mas não menos importante, mantenha todos os envolvidos no projeto sempre na mesma página, tenha canais de comunicação ágeis dentro da equipe de desenvolvimento e com o cliente e, por favor não se esqueça de validar as prioridades uma e outra vez com uma mentalidade de valor comercial.

Alguém disse dados?

Uma das principais razões pelas quais os projetos de IA falham é a baixa qualidade dos dados. Muitas empresas têm muitos dados que armazenaram ao longo de anos de operações e esperam usar em seu benefício, por exemplo, para prever vendas. O problema é que nem todo conjunto de dados é suficiente para obter resultados valiosos. Tem que ser consistente, não tendencioso, não desatualizado e, fundamentalmente, suficiente para criar a solução de IA necessária. Se alguma dessas condições faltar, podemos acabar em uma situação de entrada e saída de lixo, levando certamente ao fracasso do projeto. Andrew Ng, um homem que dispensa apresentações para pessoas relacionadas à área, promove uma abordagem de IA centrada em dados, o que, em resumo, significa criar sistemas de IA com dados de qualidade com foco em garantir que os dados transmitam claramente o que a IA deve aprender. Considere os dados de compras on-line como exemplo: se considerarmos os últimos 3 anos como dados de entrada para prever as vendas do próximo trimestre e não levarmos em conta o possível efeito que a pandemia da COVID-19 pode ter tido no comportamento dos clientes, é muito provável que percamos muito a previsão. Então, quanto mais dados de qualidade tivermos, melhor, mas nunca deixe o contexto fora da equação. Em relação aos dados, outra situação com a qual temos que lidar com muita frequência é quando um cliente propõe uma projeto em que os dados ainda nem existem!!! Na Marvik, desenvolvemos soluções de IA personalizadas de ponta a ponta e vamos até onde nossos clientes precisam, e isso inclui construindo o conjunto de dados do zero, se precisarmos. Esses tendem a ser os tipos de projetos mais engraçados e desafiadores que enfrentamos, pois precisamos definir que tipo e quantidade de dados serão necessários e como o conjunto de dados será coletado como parte da proposta do projeto. Para uma questão tão crítica quanto quais dados usar, temos muita experiência na realização de análises abrangentes de dados, curadoria dos dados e aplicação de técnicas de aumento, se necessário. Além disso, temos uma equipe de rotulagem totalmente dedicada, com conhecimento de diversos campos de aplicação, caso precisemos gerar nosso próprio conjunto de dados.

Estar em um setor de ponta com clientes inovadores

Para o bem do setor de IA, há muitas pessoas inovadoras trabalhando em uma infinidade de setores e nos empurrando cada vez mais para o limite. Muitas vezes nos encontramos trabalhando na solução de problemas que, no máximo, apenas uma dúzia de outras pessoas em todo o mundo haviam enfrentado antes. Isso é muito empolgante e desafiador, e tem a pressão extra de ter um cliente esperando resultados tangíveis dentro dos prazos acordados. Além da abordagem de “não surpreender ninguém envolvido” que já comentamos, precisamos encontrar uma maneira de oferecer valor real o quanto antes. Para fazer isso, agimos de acordo com alguns princípios que nos ajudam a manter o foco durante todo o caminho. Compartilho algumas delas abaixo:

• Menos é mais: mentalidade de construção iterativa, tentando manter as soluções da forma mais simples possível para atender aos requisitos, mergulhando em soluções mais complexas conforme o problema exige (também conhecido como não usar bazucas para matar mosquitos, usar bazucas para matar tiranossauros)
• Não reinvente a roda: este está intimamente relacionado ao anterior. Antes de começar a construir qualquer coisa, certifique-se de que ninguém já tenha feito algo parecido. Como engenheiros, ficamos tentados a resolver o problema sozinhos, mas essa pode não ser a melhor abordagem para entregar valor o mais rápido possível aos nossos clientes.
• Confie somente nos dados: esta é a nossa versão da conhecida citação de W. Edward Deming: “Em Deus confiamos, todos os outros devem trazer dados”. Não baseamos nossas soluções em sensações sobre como os dados devem ou esperam se comportar, mas no comportamento real quando temos a chance de analisá-los em profundidade. Encontramos vários insights que nossos clientes não esperavam quando iniciaram o projeto usando essa abordagem.
• Sempre (sempre) aplique o bom senso: Pessoalmente, acho que é esse que rege todos os outros princípios e dá orientação sobre como devemos agir em geral. É muito simples, mas, infelizmente, se você não tiver isso sempre em mente, corre o sério risco de acabar se perguntando: Por que fizemos isso? Além disso, nesse aspecto específico, nós humanos (ainda) superamos as máquinas, então é aqui que devemos entrar e fazer a diferença.

O que você deve lembrar deste artigo?

Ao enfrentar projetos de IA, a incerteza faz parte do jogo e, portanto, precisamos aprender a gerenciá-la para obter os melhores resultados. Desenvolver uma mentalidade ágil e estabelecer canais de comunicação eficazes com todos os envolvidos é, mais do que nunca, crucial para o sucesso do projeto. Se você é um gerente de IA, certamente deve ter se identificado com muito do que foi dito e, com sorte, poderia receber uma ou duas dicas para aplicar em seu próximo projeto. Se você pretende começar sua carreira como um, já deve ter uma boa ideia do que esperar e espero que esteja mais motivado do que nunca para entrar em campo. Aqui na Marvik, alcançamos uma taxa de sucesso muito acima da média, da qual nos orgulhamos muito. Como chegamos lá? Bem, foi uma mistura de construir uma equipe de primeira classe, com um nível técnico e humano excepcional e uma maneira especial de fazer as coisas, que passamos para todos os membros da equipe desde o primeiro dia. Uma coisa que posso dizer com certeza é: se o projeto for “factível”, temos uma das melhores equipes de IA para levar o barco até o porto de destino desejado.