Michael Wu do PROS: Mesmo que tenhamos Big Data, nunca há dados suficientes

Quando se trata de IA, aprendizado de máquina e big data, não há outra pessoa com quem eu goste de aprender e conversar do que o Dr. Michael Wu, reconhecido especialista do setor e estrategista-chefe de IA da PROS, fornecedora de soluções SaaS que otimizam experiências de compras e vendas. E, recentemente, tive uma ótima conversa ao vivo com ele e meu co-apresentador do CRM Playaz, Paul Greenberg, onde mergulhamos profundamente em onde estamos com a IA e como ela está ajudando as empresas a sobreviver nos últimos 18 meses.

Abaixo está uma transcrição editada de uma parte de nossa conversa que aborda o papel da ética e da inclusão à medida que mais interações e transações comerciais se tornam digitais – fornecendo à IA os dados que ela deseja para prever e recomendar coisas de volta para nós. Para ouvir a conversa completa, clique no player SoundCloud incorporado.

Paul Greenberg: Como a estratégia de IA deve ser integrada à estratégia de negócios mais ampla?

Michael Wu: Sim, acho que esse é realmente um grande problema na indústria. Quero dizer, não há dúvida de que a IA será uma parte muito difundida de nossa vida daqui para frente. Seja nos negócios no trabalho ou apenas em nossa vida diária, estará lá, fará parte disso. Acho que o que está impedindo muitos negócios de embarcar é, eu diria, se você olhar para isso, há aplicativos de consumo de IA e também aplicativos de negócios de IA. Para os consumidores, ele automatiza tarefas diárias como, por exemplo, você pode automatizar suas rotinas domésticas usando casas inteligentes e tudo mais. Quer dizer, se cometer um erro, é algum, eu diria, um pequeno inconveniente. Quer dizer, se você perguntar algo à Siri, eu não entendi, você apenas reformula. É um pouco inconveniente, você perde alguns minutos e não é grande coisa. Portanto, os riscos e os custos de uma decisão errada na IA são pequenos.

Mas isso não é totalmente o caso nos negócios. Quero dizer, negócios, quando você toma uma decisão errada em IA, pode ser milhões de dólares perdidos e, eu diria, uma crise de relações públicas. Pode ser uma perda de muitos e muitos clientes que nunca voltarão para você. Esse risco do custo de uma decisão errada é muito maior no ambiente de negócios, portanto, as empresas estão relutantes em pular para a IA. E muito do motivo é porque, bem, quero dizer, na verdade não é o componente técnico da IA. Muito disso tem a ver com o componente não técnico, por exemplo, o design, a adoção. Se você compra tecnologia de IA e se as pessoas não a usam porque não confiam nela porque têm medo dela, ninguém está recebendo nenhum benefício.

Quero dizer, se você tem IA, mas não pode explicá-la para que as pessoas não confiem nela, então você também tem outro problema. Quero dizer, então há muitos, eu diria, esses problemas não técnicos, por exemplo, em torno da experiência do usuário, adoção, legal e design. Então, essas são, eu diria, questões em torno dessa tecnologia de IA que precisam ser abordadas para levar toda essa indústria adiante.

Tendências para pequenas empresas: você pode falar sobre como as pessoas deveriam olhar para a IA em termos de melhorar coisas como logística, atendimento, pedidos? Porque acho que isso tem um impacto desproporcional e cada vez mais crescente na experiência do cliente, mesmo que não pareça a coisa mais direta para uma experiência do cliente.

Michael Wu: Bem, acho que tem uma relação direta com a experiência do cliente porque, quero dizer, deixe-me fazer uma pergunta simples. O que você acha que é a experiência do cliente? Porque, para mim, as experiências do cliente podem ser vistas, podem ser entendidas em termos muito, muito simples. É a diferença entre o que a empresa entrega e o que o cliente espera. Se a empresa entrega mais do que o cliente espera, então é uma boa experiência. É uma experiência deliciosa. Se a empresa entrega menos do que o cliente espera, então você tem um cliente desapontado. É muito simples se você olhar dessa maneira. Então, quero dizer, eu acho que a expectativa do cliente é a peça que nós precisamos focar porque essa é a peça que realmente muda muito drasticamente.

Paul Greenberg: Certo.

Michael Wu: Tudo agora na era pós-pandemia, tudo está migrando para o digital e as coisas se tornam mais transparentes. As pessoas podem realmente ver todos os outros fornecedores online. Então, na verdade, é muito fácil para os clientes mudarem sua experiência. Por exemplo, se você vir uma oferta para você, pode ter uma experiência do cliente, mas no exato minuto em que eu for e ver outro fornecedor oferecendo a mesma coisa por, digamos, 10% menos, imediatamente a experiência do cliente mudou. Essa transparência torna a experiência do cliente realmente desafiadora, porque a expectativa do cliente pode flutuar e ser muito influenciada pelo ambiente. Mesmo quando você acorda em um dia ruim quando está chovendo ou algo assim, você pode ter uma experiência pior para o cliente. Então, para acompanhar isso, eu diria que, sempre mudando, mudando constantemente as expectativas dos clientes, você precisa de algo como eu diria: “Posso ajudá-lo online”.

Acho que no mundo tradicional, quando você está lidando com um humano, os humanos são muito bons em avaliar as expectativas dos clientes. Se estou falando com você, vendo você cara a cara, sua linguagem corporal me diz algo sobre se você está feliz ou não com o que estou oferecendo ou algo assim. Mas quando você está conversando com uma máquina quando está online, quando os clientes não estão envolvidos com uma pessoa real, torna-se realmente desafiador avaliar qual é a expectativa do cliente. Então, como você faz isso? Quero dizer, para fazer isso você precisa de uma transmissão ao vivo em tempo real, eu diria, dados contextuais ambientais em que o cliente está, ou qual canal está chegando, em qual região está, todos esses outros dados contextuais sobre esse cliente, então você ajudará a IA a entender o cliente do outro lado. Mas o principal a reconhecer nesta era é que, embora tenhamos big data, nunca há dados suficientes.

Acho que há big data em sua totalidade, mas sempre que estamos lidando com um único cliente ou um único contato, os dados disponíveis para ajudá-lo a tomar essa decisão são drasticamente reduzidos. Há muitos dados por aí. Muito disso é realmente útil em alguns contextos, mas neste contexto específico neste momento e estou lidando com esse cliente neste momento, os dados relevantes que ajudarão você a decidir o que fazer são realmente bastante pequenos. Portanto, a chave é identificar esses dados. A segunda coisa é, quando você diz que existem esses novos canais onde essas informações estão chegando, a IA, uma das belezas disso é a capacidade de aprender. Portanto, a IA tem um componente interno chamado aprendizado de máquina que permite que eles realmente aprendam com os dados. Então, isso permite que ele se adapte. Quando você tem aprendizado, você pode se adaptar. Então, na verdade, isso é a mesma coisa que um ser humano funciona. Quando você vê esse novo fluxo, digamos, TikTok chegando, primeiro você diz: “Vamos ignorá-lo”.

Mas depois de um tempo, você vê TikTok, TikTok, TikTok e depois diz: “Ah, tudo bem. Talvez eu devesse prestar atenção nisso.” Você aprende, você vê que há mais chegando com mais frequência, então isso se torna cada vez mais relevante. Então você deveria realmente mudar seu modelo de como este mundo opera isso e colocar mais peso neste canal em particular do que seu outro canal tradicional ao qual você não estava prestando atenção. Portanto, esta é exatamente a mesma maneira que a IA operaria. Primeiro, você diria que coloca muito pouco peso nesse novo canal, mas à medida que ele aparece com mais frequência, você basicamente revisará seu algoritmo para começar a colocar cada vez mais peso nesse canal, se for relevante. Talvez se for muito alto, muito barulhento, mas na verdade não for relevante, você manteria a espera ou o impacto que esse canal ainda tem em um nível bastante baixo. Acho que é um processo de aprendizado e o aprendizado é realmente ativado nesses sistemas de IA por meio do aprendizado de máquina.

Tendências para pequenas empresas: como isso afeta o uso ético da IA? Estamos vendo alguma convergência ou divergência? Mais dados, menos ética? Ou são mais dados, mais ética? Eles têm um relacionamento em tudo? Porque me parece que quanto mais dados encontramos, mais tentação é usar essas coisas de qualquer maneira que era o velho Malcolm X, “por qualquer meio necessário”. Mas a ética por trás da IA ​​está melhorando à medida que mais dados são lançados nisso?

Michael Wu: Acho que certamente há mais consciência disso. Acho que agora há, eu diria, justiça, transparência. As pessoas falam sobre essa questão da caixa preta. Essa IA, não sabemos como ela está tomando decisões e tudo mais. Então é um desafio, mas na verdade está levando mais e mais pessoas a prestarem atenção nessa área de ética, justiça e responsabilidade. Então, todos esses extras, eu diria, big data que estamos usando, é muito tentador. Mas acho que precisa haver uma força oposta para desafiar igualmente esses cientistas de dados. Acho que precisa haver essa, eu diria, tensão saudável entre os dois grupos. Não é que os cientistas de IA devam ditar tudo. O avanço não deve conduzir tudo. Não é tudo sobre o avanço, mas também não é tudo sobre regulamentação. Quero dizer, acho que os dois grupos precisam ter esse tipo de tensão saudável que levantamos questões com as quais nos preocupamos.

E se você não levantar a questão, os cientistas não a resolverão. "Funciona. Por que resolvo esse problema?” Então, se você levantar essa questão, mais e mais cientistas estarão cientes disso e dirão: “Ok, esse é um problema desafiador que eu preciso resolver para tornar isso melhor, melhor para a humanidade, melhor para todos”. É por isso que essa tensão saudável precisa estar lá. E acho que agora, para responder à sua pergunta, sim, eles estão trazendo mais e mais desses. Acho que agora há mais perguntas do que soluções, mas o pêndulo vai girar. Porque, anteriormente, era tudo avanço da IA, então são todos pêndulos de um lado. E agora que as pessoas estão cientes do poder da IA, toda essa ética. Eu mesmo sou quase meio eticista para dizer: “Ei, você não pode simplesmente usar a IA para o que quiser. Você precisa observar o uso ético de seus dados para não marginalizar nenhum grupo ou qualquer coisa.”

Na verdade, há muitas vozes desse lado agora, e isso gera muita preocupação. Ainda não temos uma solução, mas acho que agora mais e mais pessoas estão prestando atenção para resolver esses problemas.

Tendências para pequenas empresas: Bem, a própria ética ou quem quer que esteja programando a IA, você tem que seguir seu conjunto de ética e nem o conjunto de ética de todos é o mesmo, então eu sei que será difícil. E a outra coisa que eu acho também é o conjunto ou a população de pessoas realmente criando a ciência de dados, está perto de ser um grupo homogêneo de pessoas. Não é muito variado. Não é muito diversificado. É quase como se você não apenas precisasse de IA ética, você precisa de IA inclusiva para que seja um pouco mais representativa, e acho que isso é o que mais pode estar faltando, o conjunto de pessoas que está fazendo isso.

Estou muito feliz em ouvir você dizer que está mudando, porque havia aquela grande Netflix quando falamos sobre o reconhecimento facial e a IA não conseguia detectar uma mulher negra de outra coisa, e parte desse raciocínio era porque as pessoas que estavam criando a IA não se parecia com a mulher negra que estava tentando detectar. E essa tem sido uma daquelas coisas que tem sido um ingrediente que faltava para isso.