1. Começando no “Deep End”

Historicamente, os profissionais técnicos poderiam esperar para ser os principais colaboradores dentro de suas organizações por sete a dez anos (ou até mais) antes de serem promovidos a papéis de liderança.

Já não é o caso.

Para começar, os millennials e os membros da geração Z não se contentam em ficar nas margens. Se eles sentem que têm mais habilidades ou conhecimento do que as pessoas acima deles, vão exigir mais responsabilidade e, muitas vezes, eles vão embora se não a conseguirem. Mas, talvez ainda mais importante, estes trabalhadores mais jovens são, muitas vezes, corretos em seu entendimento de que trazem um alto nível de habilidade e talento consigo.

O fato é que o mundo técnico está simplesmente mudando muito rápido para que muitos profissionais técnicos no meio e final de suas carreiras o acompanhem. Enquanto os funcionários já estabelecidos estavam trabalhando no que são agora consideradas tecnologias com “legado”, os trabalhadores mais jovens estavam rapidamente desenvolvendo profundo conhecimento em soluções de IA emergentes, mesmo ainda estando na escola.

Como resultado desta dinâmica, as pessoas escolhidas para liderar as equipes de IA são, muitas vezes, muito jovens e inexperientes no mundo dos negócios. Eles têm o conhecimento técnico necessário para ter sucesso, mas não têm o benefício de ter passado anos observando que tipos de táticas de liderança funcionam melhor.

É um teste a prova de fogo, colocando em uma metáfora: isso cria um enorme desafio para os líderes de IA. E se eles não encontrarem uma maneira de superá-lo, isso pode facilmente levar a seu fracasso, a um prejuízo significativo e a um custo para suas organizações.

2. Equipes Multidisciplinares

Pela sua própria natureza, as soluções de IA tendem a exigir equipes com diferentes conjuntos de habilidades. Uma coisa é um líder emergente gerir uma equipe de pessoas com formação técnica semelhante a sua. Outra é pedir a alguém que lidere uma equipe formada por cientistas de dados, especialistas em machine learning, especialistas em computação, engenheiros sociais e outros.

Mesmo que construir algo tão enorme e complexo como uma nave espacial requeira uma mistura de engenheiros elétricos, mecânicos e de controle, as equipes de IA tendem a ser muito mais multidisciplinares.

A seguir, as 10 orientações para a implantação de capacidades do sistema de IA a nível empresarial enfatizam a importância de ter equipes multidisciplinares com competências complementares:

1. Compreender as necessidades de IA do usuário.
2. Desenvolver uma visão estratégica clara e um roteiro para o sistema de IA.
3. Fortalecer a equipe de IA promovendo relações internas e externas.
4. Construir uma equipe multidisciplinar e diversificada com habilidades complementares.
5. Continuar a expandir as competências da equipe de IA à medida que o futuro do trabalho evolui.
6. Demonstrar uma capacidade inicial de IA, e depois executá-la.
7. Identificar métricas mensuráveis.
8. Verificar subcomponentes individuais e validar sistemas de IA de extremo a extremo.
9. Proteger o sistema de IA tanto fisicamente, quanto contra ameaças cibernéticas.
10. Atender aos princípios éticos para a IA.

Coletivamente, a equipe deve ter uma compreensão clara das necessidades finais do usuário/cliente. A equipe de IA deve começar com os requisitos do cliente/usuário para definir os tipos de dados, as técnicas de machine learning e os requisitos de computação necessários para implementar efetivamente as capacidades do sistema de IA.

Isso requer que os líderes das equipes de IA tenham uma visão de sistemas do produto ou serviço que estão oferecendo ou desenvolvendo. Ao invés de se concentrar em, digamos, machine learning ou ciência de dados, líderes de IA emergentes podem querer ver seu trabalho através de uma lente mais holística. Há muitos lugares para aprender os detalhes de algoritmos e sobre ciência de dados, mas as oportunidades para considerar a totalidade de um sistema de IA de extremo a extremo e os desafios de liderança tendem a ser mais escassos.

3. Retenção de talentos

Como eu disse anteriormente, lembra que os funcionários mais jovens, em particular, prontamente deixam um emprego se não sentem que suas habilidades estão sendo devidamente utilizadas?

Isso não é uma ameaça trivial.

O setor da tecnologia tem a maior taxa de rotação de empregados que qualquer indústria, com cerca de 13% dos empregados deixando os seus empregos em um ano. E existem ainda mais oportunidades disponíveis para trabalhadores com habilidades muito especializadas e em demanda crescente, incluindo as habilidades necessárias para contribuir com as equipes de IA de maneira eficaz.

Um alto churn rate pode realmente impedir o sucesso das equipes de AI, especialmente quando colaboradores valiosos saem no meio de um projeto importante. Motivar esses indivíduos talentosos a permanecer em seus papéis é um dos desafios mais sobressalentes enfrentados pelos líderes de IA.

4. Ética

Se você está liderando uma empresa de automóveis, é bastante óbvio como seu produto vai beneficiar a sociedade: ele vai ajudar as pessoas a chegar do ponto A ao ponto B. As empresas estão sempre se esforçando para tornar seus veículos mais seguros e mais elegantes, e, claro, há um movimento crescente em direção a veículos elétricos e autônomos. Aqui entra a IA. Ela está por todos os lados! Mas, na maior parte dos casos, o automóvel é um produto bem estabelecido com benefícios bem estabelecidos.

O mesmo não é totalmente verdade para a IA.

Em muitos aspectos, o setor de tecnologia ainda está descobrindo como a IA vai afetar a sociedade. Além das preocupações de trabalho mencionadas acima, muitas pessoas estão preocupadas com os problemas apresentados pelos vídeos “deep fake”, o uso do reconhecimento facial para vigilância e outras aplicações de IA.

Muitos funcionários querem trabalhar em projetos que acham que causarão um benefício social significativo ou, pelo menos, querem trabalhar em projetos que não criam novos problemas. Cabe aos líderes de IA empurrar o trabalho de seus funcionários a uma direção que toda a equipe possa se orgulhar.

Estes desafios são consideráveis, mas não são intransponíveis. Na minha aula do MIT Professional Education, os alunos aprendem os principais motores através da lente de uma arquitetura de sistemas de IA abrangente. O curso aborda desafios significativos de liderança na construção de produtos ou serviços de IA. A aula leva ao desenvolvimento de um plano estratégico de IA para orientar liderança dos participantes na construção de sistemas de IA.

Ao confrontar e encontrar formas de superar esses obstáculos logo no início, os líderes de IA podem desbloquear o potencial incalculável alcançado pela IA.

Fonte: Machine Design