Como é possível utilizar a IA durante a COVID-19?

Março de 2020 foi o início de um período excepcional, em termos de história.

Esse período pode ser dividido em três fases. Primeiramente, uma interrupção repentina da economia e, portanto, a paralisação de grande parte da produção industrial (com exceção das necessidades essenciais, como energia ou o setor agroalimentar). A isso, seguiu-se uma fase de retomada mínima da produção. Estima-se que a indústria francesa tenha se reduzido a menos de 50% da chamada “produção normal” em abril e maio de 2020. Por fim, vimos o restabelecimento e o retorno aos níveis estáveis de produção. No entanto,estima-se que mesmo esses níveis estejam 10% inferiores, em média, ao volume histórico normal. 

Assim como boa parte de nossas vidas, atualmente, o futuro em curto prazo continua bastante incerto. A normalidade ainda é interrompida pelas restrições de toque de recolher (ou, até mesmo, medidas de contenção) na França, Espanha, Itália e muitos outros países. Nos Estados Unidos, houve três picos significativos dos casos de COVID-19, à medida que os estados têm dificuldades para definir protocolos consistentes. 

No momento, a pergunta que me faço é: como as novas tecnologias (particularmente a inteligência artificial) teriam nos ajudado desde o início da crise de COVID-19 ou poderiam ou deveriam ter nos ajudado?

Como a IA poderia ajudar os fabricantes durante a crise de COVID-19

Para responder a essa pergunta, primeiramente, vamos definir essas tecnologias. É importante entender como nós definimos a inteligência artificial (IA) e como ela se aplica à indústria. De acordo com Luc Julia, a IA não existe. Nenhum sistema atual de computadores tem uma inteligência cognitiva idêntica à dos seres humanos e é improvável que os computadores cheguem a esse nível de inteligência cognitiva por muito tempo.

Em vez disso, nós usamos a IA como um termo geral para todos os aplicativos de computador que usam sistemas de Machine Learning para substituir ou aperfeiçoar as tarefas humanas. Julia prefere o conceito de inteligência aperfeiçoada. Como diferentes programas foram criados para substituir os diferentes tipos de tarefas humanas, na verdade, há várias famílias de IA e cada uma delas usa tecnologias específicas para funcionar corretamente. 

Tipos de IA para produção industrial

A Cognilytica identifica sete padrões de IA. Abaixo, há três exemplos relevantes usados na produção industrial:

1. Sistemas autônomos, que têm como objetivo reduzir o esforço humano e podem se adaptar aprendendo e evoluindo situações.
   • Na indústria, os sistemas autônomos incluem: análise preditiva, que ajuda as equipes na tomada de decisões para planejarem a configuração da produção e/ou manutenção.
2. Reconhecimento visual, que consiste em modelos de produtos para classificar e separar anomalias (muitas vezes, essa aplicação da IA é a apresentada pela mídia, com o reconhecimento facial em particular; por isso, muitas vezes, há confusões ao apresentar outros tipos de aplicações de IA).
   • Interação com humanos, como os assistentes de voz que podem ajudar com treinamento ou execução
   • Sistemas de recomendação, acesso a objetivos, que encontram a melhor solução para um problema
   • Detecção de modelos e anomalias, possibilitando a identificação de práticas boas e ruins, usando dados textuais ou de voz, por exemplo
3. Hiperpersonalização, que trata cada indivíduo como um ser único, o que possibilita, por exemplo, produzir um produto específico por cliente.
   • Um exemplo disso é um tênis esportivo fabricado individualmente sob demanda ou com opções de design específicas do cliente integradas no momento do pedido

Usuários de IA e Machine Learning na produção industrial

Para tornarem-se tecnologias eficazes para os fabricantes, a IA e o Machine Learning precisam de dados e usuários. Os dados serão disponibilizados à IA graças à nova infraestrutura essencial: a plataforma de IoT industrzial, que permite a coleta, a centralização, a proteção, a preparação e o acesso de dados a todos os usuários, por meio de conectores a outros sistemas ou, mais simplesmente, de aplicativos com IA integrada. 

Há, até mesmo, novas carreiras que se especializam em IA e que, gradativamente, se tornarão habilidades adquiridas das equipes de produção.

A nova missão do cientista de dados é criar ferramentas adaptadas a casos de uso específicos, criando programas de computador que usam algoritmos de IA.

Essa função não deve ser confundida com a de um analista de dados, que é responsável por usar os aplicativos existentes para que eles se beneficiem da IA. Nem com o arquiteto de dados, cuja missão é preparar dados de AI obtidos de coletas brutas em máquinas ou de sistemas de informação. 

Acima de tudo, a IA se tornou cada vez mais acessível devido à chegada de aplicativos com IA integrada, que permitem que todos se beneficiem dela sem a necessidade de desenvolver e codificar, limpar e preparar dados (automação de informações no data lake da plataforma de IIoT) nem de se tornar um estatístico avançado. Os engenheiros se tornarão analistas naturais (cidadãos cientistas de dados) aperfeiçoados pelos aplicativos de assistente, assim como, em nossas vidas, somos aperfeiçoados pelos aplicativos de nossos smartphones (aplicativos genéricos fáceis de usar, como Maps ou Waze, mas que usam muitas tecnologias como GPS, IoT, Big Data e IA).

O valor da IA

O impacto da IA e sua implementação gradativa nas fábricas ajudarão a aumentar a produtividade resolvendo problemas complexos, ajudando as equipes ou automatizando as tarefas. Mas outra característica essencial é a virtualidade dessa tecnologia e, portanto, sua acessibilidade instantânea e permanente nas plataformas de IoT que operam como redes colaborativas. 

Além disso, a grave crise de COVID-19 revelou a necessidade de adotar essas soluções. Nós perguntamos às empresas industriais sobre os maiores desafios organizacionais enfrentados durante a COVID-19, e a maioria respondeu com: orçamentos congelados. Já que se espera que as empresas industriais façam mais com menos, o acesso a relatórios automatizados e insights úteis se torna ainda mais essencial. Muitas vezes, as plataformas de IIoT alimentadas com IA podem gerar rapidamente um ROI que compensa o custo.

Braincube é uma ferramenta que cumpre o que promete porque oferece mais do que seu custo.

— Laurent Sellier, COO da SmurFIT Kappa Europe Paper & Board

Quando os operários voltaram às fábricas, na maioria das vezes, os funcionários administrativos mantiveram distância. E, se as equipes de produção já fossem equipadas com sistemas de IA, as fábricas poderiam se beneficiar delas de forma independente (controle de processos, qualidade preditiva ou da manutenção, otimização da logística), e, então, as equipes de projetos ou suporte técnico poderiam continuar propondo ações de melhorias contínuas e resolução de problemas graças ao uso dos dados disponíveis. 

Obviamente, o monitoramento diário da produção foi facilitado graças à automação de relatórios e das reuniões virtuais baseadas em painéis de indicadores conectados. As fábricas que já tinham embarcado em uma transformação digital por meio da integração de aplicativos com IA integrada, além de conseguirem manter a operação e o progresso, também descobriram novas práticas e mudaram a forma de operar coletivamente. 

No Braincube, nós conseguimos medir esse fenômeno por dois critérios objetivos: um aumento de mais de 80% no uso de nossas ferramentas desde maio de 2020 e solicitações dos clientes por uma implementação mais rápida durante o processo de integração.

Em resumo

Para concluir, a crise de COVID-19 está atuando como uma grande revelação para nossa sociedade. Entre outras coisas, nós descobrimos cidades menos poluídas, a importância econômica das infraestruturas de rede (Internet e tecnologia móvel), a fragilidade de certos setores e a grande resiliência de outros, o verdadeiro estado de nosso sistema de saúde, a irracionalidade da tomada política de decisões (que deveria usar dados em vez de pesquisas!) e, finalmente, a necessidade de transformar para fortalecer. 

As tecnologias virtuais são acessíveis com níveis de investimento muito menores que os das tecnologias de hardware. E, já que é em tempos de crise em que nos transformamos mais, pressionados pela urgência da situação, é essencial criar uma nova visão e um roteiro que permitirá a implementação de novos usos com alto valor agregado, o mais rapidamente possível. A IA não deve ser considerada como a solução (ela é uma nova tecnologia disponível entre outras), mas a COVID-19 deve ser considerada como uma oportunidade de fazer as perguntas certas.