A escassez de mão de obra e de habilidades, além de uma convulsão econômica, está deixando muitas organizações se perguntando: “O que posso fazer para tornar minha empresa mais eficiente e, ao mesmo tempo, manter (ou idealmente melhorar) a qualidade e a experiência do cliente/funcionário?” Muitas estão recorrendo à inteligência artificial (IA) para preencher essas lacunas e ajudar em processos de tomada de decisão mais eficazes.

Com a IA constantemente criando novas oportunidades, ela também levanta questões sobre a ética da tecnologia: imparcialidade, igualdade, privacidade, transparência, confiança e controle.

Neste artigo, nós analisaremos:

• O que é IA responsável e como mitigar os riscos.
• Os benefícios da implementação de automação de IA responsável.
• Práticas recomendadas ao desenvolver e implementar uma solução de IA.
• Nossos cinco princípios fundamentais para a adoção responsável de IA.

O que é IA responsável?

A IA responsável trata de abordar o processo de desenvolvimento de IA de um ponto de vista ético e legal. O objetivo é empregar o uso de IA com segurança, confiança e transparência. Isso protege você, garantindo que sua organização permaneça em conformidade e siga todas as leis e regulamentos aplicáveis; também garante que sua organização mantenha uma boa reputação. Os sistemas de IA devem tratar as pessoas, a segurança e o ambiente com os mais altos padrões em todos os momentos.

• A governança de IA deve incluir documentação de modelos de IA e pipelines de auditoria para mostrar como sua IA é treinada e testada e como ela se comporta em todo seu ciclo de vida.
• A conformidade de IA garante que seus sistemas baseados em IA cumpram todas as leis ou regulamentos aplicáveis e podem incluir privacidade de dados e propriedade intelectual.

Uma boa IA é boa para o seu negócio. Isso inclui:

• Responsabilização: avaliar o desempenho de seus sistemas de IA, intencional ou não, é fundamental para criar produtos e serviços responsáveis.
• Confiança: se você não pode confiar em seus sistemas de IA, isso cria uma barreira para a adoção de outras tecnologias em toda a empresa. Uma abordagem responsável ganha confiança e lealdade.
• Uma cultura de responsabilidade: você precisa capacitar os tomadores de decisão e desenvolvedores da sua empresa a considerar o lado ético da adoção de IA e capacitá-los a encontrar maneiras inovadoras de impulsionar o sucesso sem sacrificar práticas responsáveis.

Onde entra a automação?

A automação inteligente (AI) combina automação robótica de processos (RPA), gerenciamento de processos de negócios (BPM) e IA para automatizar e simplificar processos de negócios. A IA é um fator-chave na automação inteligente, e é por isso que a IA responsável é tão imprescindível. A forma como você está treinando e adaptando sua iniciativa de AI afetará diretamente a reputação e a adesão da organização a leis e regulamentos.

Quais são os riscos da IA?

Se você não adotar uma abordagem responsável para alavancar a IA, poderá sofrer penalidades legais, financeiras e de reputação. Os conjuntos de dados usados para treinar seus modelos de aprendizado de máquina (ML) podem introduzir viés em seu sistema de IA. Isso pode ser causado por dados defeituosos ou incompletos.

Se aspectos como a qualidade dos dados não forem considerados nos modelos de treinamento, isso pode resultar em um programa de IA tendencioso, que pode afetar pessoas e empresas. A adoção irresponsável de IA corre o risco de ter:

• Erros ou dados incorretos
• Viés e discriminação
• Falta de interpretabilidade
• Instabilidade de desempenho
• Incapacidade de dimensionamento
• Penalidades e multas dispendiosas

Então, como a IA pode ser usada de forma responsável?

Crie sistemas de IA mais transparentes para aumentar a confiança do usuário final e proteger seus funcionários e sua organização contra repercussões negativas. Porque, no final das contas, se você estiver usando tecnologias como IA corretamente, terá a confiança necessária para expandir e desenvolver processos ainda melhores em toda a empresa.

Na próxima seção, mostraremos algumas práticas recomendadas e ferramentas para ajudar você a implementar padrões de IA responsáveis.

O que são práticas de IA responsável?

Além das práticas recomendadas gerais para implementar qualquer novo sistema de software em suas unidades de negócios, vejamos algumas abordagens importantes para garantir a ética da IA.

Antes de implementar a IA em suas práticas de negócios do mundo real, comece com:

• Modelos de ML e IA claramente definidos.
• Verificação de confiabilidade e segurança de seus dados de treinamento.
• IA explicável mostrando como e por que sua IA obteve resultados.
• Gerenciamento da imparcialidade abordando o preconceito e a discriminação da IA.
• Aplicação de práticas de privacidade para proteger dados.
• Busca por ameaças potenciais, como ataques adversários.
• Criação de um sistema de IA seguro e resiliente.
• Validação e monitoramento contínuos do desempenho da IA adicionando um humano ao circuito.
• Garantia de segurança em todos os níveis, olhando para os fatores regulatórios.

Como faço para me preparar para a IA criativa?

Antes de implementar tecnologias emergentes, como a IA criativa, você deve desenvolver um plano estratégico. Nossa pesquisa de 2022 com 850 executivos seniores em todo o mundo revelou um reconhecimento generalizado da importância da IA responsável e da regulamentação de IA. No entanto, apenas 6% das organizações sentiram que tinham uma base de IA totalmente robusta e responsável. (Accenture, “Uma nova era de IA criativa para todos)

Aqui estão nossas principais dicas de como se preparar para a IA criativa:

1. Reestruture seu pensamento observando o potencial e o nível de ameaça da IA criativa.
2. Instrua sua empresa e seus funcionário na colaboração entre IA e humanos e valide o conteúdo mantendo a supervisão humana.
3. Identifique os pontos fortes, as limitações e as considerações éticas da IA criativa.
4. Use dados de treinamento de qualidade.
5. Garanta o alinhamento entre os negócios e a TI, assegurando que a governança seja uma abordagem de cima para baixo e de baixo para cima.
6. Considere o impacto, incluindo fatores ambientais, sociais e de governança (ESG) e o uso de energia de treinamento de modelos de IA criativa.
7. Encontre casos de uso específicos de IA criativa em sua organização.
8. Use ferramentas de IA adequadas para atender aos requisitos da empresa e preparar sua infraestrutura.
9. Estabeleça governança de IA e conformidade de IA com uma estrutura de IA responsável.
10. Teste e treine, e teste mais alguns; verificar práticas recomendadas é uma operação contínua.

5 princípios da IA responsável

Agora, vamos projetar princípios de IA responsáveis para sua estrutura. O monitoramento contínuo é fundamental para garantir que sua IA permaneça ética. Seguir um modelo de maturidade ou modelo operacional pode ajudar a projetar e implementar um sistema de IA seguro e confiável.

Na base, você deve construir sua IA a partir deste cinco princípios:

1. Imparcialidade e inclusão

Um sistema de IA deve tratar todos com imparcialidade e sem preconceitos em relação ou contra determinados grupos de pessoas.

Por exemplo, quando um profissional de saúde usa IA para recomendar um tratamento médico com base nos sintomas de um paciente, a IA deve fazer a mesma recomendação para qualquer pessoa com esses sintomas, independentemente de sua situação financeira ou profissional.

Os sistemas de tomada de decisão de IA correm o risco de viés de parcialidade quando baseados em histórico de dados e impacto humano. Você deve garantir que, depois de treinar seus modelos de ML em dados existentes coletados do mundo real, sejam identificados os vieses problemáticos. Esses vieses podem ser baseados em etnia, gênero, religião, inclinação política, cultura etc., e não podem passar despercebidos no aprendizado da IA.

Na prática, estes são os fatores que você deve considerar em seus sistemas de IA:

• Reúna informações diversas de especialistas.
• Considere os vários casos de uso do seu sistema e o que pode estar faltando.
• Defina metas para que seu sistema funcione em todos os casos de uso e monitore essas metas ao longo do tempo para ver se elas são imparciais e inclusivas.
• Projete seus algoritmos para refletir suas metas de imparcialidade.
• Verifique continuamente o sistema em busca de vieses de parcialidade.
• Avalie cenários do mundo real em uma variedade de usuários, casos de uso e contextos.

2. Privacidade e segurança

Das informações comerciais à privacidade pessoal, os dados usados pela IA estão se tornando cada vez mais complexos. Os dados de treinamento podem ser confidenciais e, em alguns casos, importantes para o seu sistema de IA (por exemplo, detectores de câncer com base em exames anteriores de pacientes).

Seu sistema de IA precisa estar em conformidade com todas as leis e regulamentos aplicáveis à sua região e setor. No entanto, também devem considerar as expectativas sociais e individuais. Veja, em particular, a transparência de:

• Como você coleta, usa e armazena dados.
• Coletar e usar apenas a quantidade necessária de dados para a finalidade pretendida.
• Obter permissão para usar dados de clientes ou funcionários em seu sistema.
• Como você comunica o uso de dados.
• Acesso de usuários em toda a sua empresa.
• Criptografia e exposição de dados.
• Quaisquer comunicações de entrada ou saída na rede.

3. Transparência

Para ter um modelo de IA eficaz, você precisa de insights diretos sobre como tudo em seu sistema funciona. Você deve saber exatamente como seu sistema de IA toma uma decisão, chamada de “IA explicável”. Isso ajuda a evitar erros ou vieses e também oferece suporte a qualquer expansão que você gostaria de fazer no futuro.

Por exemplo, se um banco usa IA para decidir se uma pessoa é apta para um empréstimo, os tomadores de decisão devem ser capazes de analisar os dados e ver exatamente como o sistema chegou a essa escolha e se algum viés inesperado estava presente.

A transparência mostrará a você:

• Como o modelo foi treinado nos dados e algoritmos.
• Que lógica foi aplicada aos dados.
• O modelo final gerado pelo sistema de IA.

4. Responsabilidade

Os desenvolvedores que projetam e implementam seu sistema de IA são responsáveis por qualquer ação ou decisão tomada. Estabeleça um órgão de revisão interno desde o início para dar aos seus sistemas e pessoas a orientação e supervisão necessárias para ajudar sua organização a prosperar. Inspire-se nos padrões do setor para ajudar você a desenvolver normas de responsabilidade e garantir que seus sistemas de IA não sejam a autoridade final em qualquer decisão.

Procure um modelo de treinamento de ML que permita:

• Controlar todos os metadados usados no modelo.
• Auditar decisões de ponta a ponta.
• Notificar os usuários sobre resultados distorcidos ou possíveis vieses.
• Obter insights orientados por dados mostrando resultados.

5. Confiabilidade e segurança

A consistência é fundamental para um sistema de IA confiável e seguro. Ele deve ter o desempenho para o qual foi projetado originalmente e também responder com segurança em novas situações. A forma como seus sistemas se comportam e respondem a condições inesperadas depende da variedade de condições definidas durante as fases de projeto e teste.

Por exemplo, podem ocorrer discrepâncias quando o sistema apresenta um desempenho inferior para um determinado grupo demográfico. É por isso que testes e validação rigorosos são imprescindíveis. Os desenvolvedores precisam verificar como seu sistema de IA responde a casos extremos dentro de suas condições operacionais.

Também é importante observar que o desempenho do seu sistema de IA pode diminuir com o tempo. O monitoramento contínuo e o rastreamento de modelos são essenciais para manter o desempenho da IA confiável e seguro.

Na prática, seus desenvolvedores precisam:

• Entender como a falha é distribuída para um modelo.
• Identificar subconjuntos de dados com taxas de erro mais altas.
• Encontrar e eliminar o viés da IA antes de expandir.

Quais são os benefícios da IA responsável?

Desde a finalidade do sistema até a forma como as pessoas interagem com ele, sua adoção de IA deve ter resultados benéficos e equitativos. Para alcançar esses benefícios, você precisa de uma estrutura de IA robusta e estratégica.

Com práticas de IA responsáveis, você pode:

• Minimizar vieses não intencionais: desenvolva algoritmos responsáveis que garantam que os dados subjacentes da sua IA sejam tão imparciais e representativos quanto possível.
• Estabelecer confiança e transparência: crie uma IA explicável e transparente em todos os processos e funções para garantir a confiança entre clientes, stakeholders e funcionários.
• Proteger a privacidade: garanta a melhor privacidade e segurança para os seus dados, de modo que todas as informações pessoais e confidenciais nunca sejam usadas de forma antiética ou sem permissão.
• Dar oportunidades aos funcionários: peça às pessoas da sua empresa que sinalizem dúvidas ou preocupações que possam ter com o sistema de IA e incentivem a inovação.

Automatize com responsabilidade

Ignorar a ética e as práticas recomendadas de IA pode resultar em danos financeiros e reputacionais para sua organização. No entanto, com a IA responsável, sua organização pode expandir e evoluir todas as suas operações.

No centro da IA responsável estão cinco princípios fundamentais: imparcialidade e inclusão, privacidade e segurança, transparência, responsabilização e confiabilidade e segurança. A manutenção desses princípios requer modelos claros de ML e IA, validação rigorosa de dados, sistemas de IA explicáveis, estratégias de mitigação de vieses, medidas de segurança robustas e monitoramento e validação contínuos.

A IA responsável não é apenas um imperativo moral, é uma necessidade estratégica para as organizações que navegam pelas complexidades, e pelos benefícios, de um sistema de IA. Conforme você abraça o poder transformador da IA, faça isso com um compromisso com a inovação responsável, garantindo que a tecnologia sirva como uma força para o bem em nosso mundo interconectado.

Baixe nosso relatório do Gartner®: um guia de um CTO para o cenário da tecnologia de IA criativa