Comentários sobre as nuvens AWS, AZURE e GCP

A tecnologia conhecida como Cloud Computing ou computação em nuvem, têm em seu principal expoente as nuvens públicas, que nos últimos anos, romperam a consciência corporativa dominante. Mesmo que as empresas não apostem tudo na nuvem, a adoção da tecnologia é, de uma forma ou de outra, parte integrante da estratégia da maioria das empresas.

Para as empresas que estão prestes a embarcar nessa jornada, as perguntas são:

• Qual plataforma de nuvem devo adotar?
• Qual plataforma de nuvem fornece serviços econômicos e adequados para mim? E
• Como devo proceder sobre minha jornada de adoção da nuvem?

Vamos tenta responder às duas primeiras perguntas. Neste artigo, foram comparados os principais serviços de infraestrutura entre os provedores de nuvem mais populares, como Amazon Web Services (AWS), Microsoft Azure e Google Cloud Platform (GCP).

Além dos principais serviços, cada provedor de nuvem (Cloud Service Provider – CSP) traz ofertas exclusivas de SQL, Big Data, Analytics, ML e outros.

O esforço aqui é para destacar os aspectos exclusivos de cada nuvem que podem influenciar a escolha por uma arquitetura / solução, com base em seus requisitos técnicos e comerciais específicos.

Amazon Web Services (AWS)

A AWS é o mais antigo provedor de nuvem pública com a mais ampla variedade de produtos, opções de computação, armazenamento de dados e serviços gerenciados.

• O AWS Marketplace também é o maior mercado para aplicativos e dispositivos de terceiros.
• Eles também trabalham de forma muito ágil para rapidamente adicionar novos recursos ao produto.
• Altamente motivados pelo feedback do cliente, seus serviços fornecem ainda uma integração estreita com outros serviços como IAM, KMS etc.
• Possuem forte foco nas práticas recomendadas de segurança e arquitetura.
• Suas estruturas corporativas, Arquitetutas de negócios e a Estrutura de Adoção em Nuvem, foram desenvolvidas a partir de sua expeVPCriência com grandes clientes corporativos.
• Além de seus serviços convencionais, eles também são conhecidos por lançar serviços não convencionais como SnowMobile (dispositivo de transferência de dados em container), RoboMaker (estrutura de aplicativos e APIs para robótica) e o Ground Station (para download gerenciado de dados por satélite). Isso mantém o interesse do cliente e tem potencial para abrir setores inteiros. Sua participação de 51% no mercado é uma prova disso.

A AWS não é o serviço de nuvem mais barato do mercado. E eles também parecem não estar tão preocupados com isso. Em vez disso, eles parecem querer apostar mais em MicroVMs (Firecracker) e funções gerenciadas.

Ultimamente, eles parecem realinhar seu foco para a nuvem híbrida e anunciaram ofertas como Outposts (em parceria com a VMware) que permitirão que os clientes usem APIs e serviços da AWS em seus data centers privados.

Quando escolher AWS

A AWS é uma ótima opção para startups e demais empresas, para trabalhos desde cargas analíticas, até migrações de data center em grande escala. Para ajudar os clientes startups de todas as classes e categorias, a AWS lançou serviços de nicho, como o RoboMaker e o LightSail (servidor privado virtual) para ajudar a processar até as menores cargas de trabalho.

Quando se trata de computação em nuvem, a AWS fornece a maior variedade de tipos de VMs. Atualmente, a AWS também possui as mais altas opções de computação e armazenamento disponíveis no mercado. Sua ampla variedade de tipos de VMs (hoje, em 136 tipos de VMs em mais de 26 famílias) permite que os clientes executem tudo, desde pequenas cargas de trabalho na Web até as cargas de trabalho maiores, como HPC e SAP.

Para aprendizado de máquina e cargas de trabalho de IA, a AWS também fornece as configurações de VMs habilitadas para GPU. Para cargas de trabalhos que exigem alocação por motivos de conformidade e regulamentares, a AWS agora também fornece Bare-Metal-as-a-Service. Para cargas de trabalho virtualizadas, a AWS fornece recursos como grupos de posicionamento para garantir que as cargas de trabalho sejam executadas em um hardware subjacente designado.

A AWS espera que os vários tamanhos de VMs correspondam aos requisitos de carga de trabalho dos clientes. Portanto, a AWS não suporta a criação de tamanhos personalizados de VMs (vCPU, vRAM). Ao contrário de outros provedores de nuvem (CSPs), ela fornece apenas um conjunto específico de famílias de VMs que acompanham as GPUs. Não permite anexar GPUs a um ou a todos os tipos de VMs em seu portfólio.

O armazenamento em bloco vem com uma variedade de opções, como redimensionamento dinâmico, diferentes tipos de disco (magnético e SSD). Diferente de outros CSPs, a AWS não restringe IOPS por tamanho de volume. Você pode provisionar IOPS por um custo extra até para discos pequenos.

Na parte de banco de dados relacional, a AWS oferece suporte a bancos de dados gerenciados para MySQL, PostgreSQL, MariaDB, Oracle (SE e EE) e MS SQL (edições Web e Enterprise) em sua oferta RDS. Além disso, eles têm seu próprio banco de dados compatível com MySQL e PostgreSQL, que oferece desempenho semelhante ao Oracle por uma fração do custo. Eles estão investindo muito nisso e também anunciaram as versões Multi-Master e Serverless.

Para bancos de dados NoSQL, a AWS disponibiliza seu produto DynamoDB há mais de meia década, que evoluiu do SimpleDB. A AWS é um defensor e fornece uma variedade de bancos de dados NoSQL criados para esse fim. Isso inclui DynamoDB (valor e documento da chave), Netuno (Gráfico) e Elasticache (cache do valor da chave).

A AWS aprimorou seu portfólio de serviços de rede na última década. Tudo começou com a VPC e recursos de rede relacionados, como grupos de segurança, ACLs de rede e gateways da Internet. Na época, os usuários ainda precisavam configurar seus próprios servidores NAT, hosts bastiões etc. A AWS ouviu os comentários dos clientes e gradualmente os adicionou como serviços de rede gerenciados ao seu portfólio. Agora, a AWS fornece um gateway NAT gerenciado, gateway VPN, gateway de trânsito, gateway de conexão direta etc. Eles recentemente também anunciaram um serviço de VPN cliente gerenciado. Isso elimina a necessidade de os clientes implantarem servidores OpenVPN para gerenciar o acesso às VMs na nuvem.

Para segurança de rede, a AWS lançou serviços gerenciados para proteção contra DDoS (AWS Shield) e Web Application Firewall (WAF), juntamente com o AWS Inspector, AWS Config e CloudTrail para gerenciamento e auditoria de inventário, políticas e o GuardDuty fornece detecção de ameaças.

Para segurança dos dados, a AWS fornece criptografia em repouso para a maioria de seus serviços de armazenamento. A AWS também possui serviços KMS e CloudHSM para gerenciamento de chaves. A Macie fornece um serviço de prevenção de perda de dados (DLP) orientado a IA.

A AWS fornece ainda serviço compatível com AMQP (Amazon MQ), além de sua oferta SQS. Para Pub / Sub, a AWS ofereceu o Kinesis e recentemente adicionou uma oferta gerenciada do Kafka. O SNS fornece serviços de notificação integrados em vários canais que permitem notificações de clientes por SMS, celular, SMS e notificações por e-mail. Internamente, ele também se conecta a outros serviços para habilitar arquiteturas acopladas, orientadas a eventos.

A AWS atende a cargas de trabalho do governo dos EUA em regiões separadas do GovCloud nos EUA. Os clientes que precisam prestar serviços a clientes na China podem confiar na região chinesa da AWS, que é fornecida por meio de parceria com fornecedores terceirizados.

Em suma, a AWS fornece uma variedade de serviços e recursos adequados para um número substancial de empresas.

Microsoft Azure

A Microsoft ficou para trás da AWS no jogo de nuvem pública, pois se concentrou primeiro nas ofertas de SaaS e PaaS, já que seus pontos fortes estão nos softwares corporativos e de consumo. A Microsoft se concentrou inicialmente nos serviços de PaaS para o Azure. Eles estavam focados em sua base de desenvolvedores. Com o tempo, a Microsoft expandiu o foco para os serviços Linux e IaaS. Isso também se refletiu na renomeação do Windows Azure para o Microsoft Azure. Com o tempo, a Microsoft também tornou o Azure mais amigável para inicialização e criou suporte de API para seus vários serviços. No entanto, apesar da amplitude de seus serviços, a Microsoft fica substancialmente atrás da AWS na adoção corporativa. As grandes empresas que já possuem relacionamentos existentes com a Microsoft continuam sendo uma grande parte da base de usuários, embora o Azure esteja vendo um crescimento robusto na receita ano a ano.

Quando escolher o Azure

O Azure é uma plataforma de nuvem madura com uma variedade de recursos, que pode ser uma plataforma preferida para clientes que já estão usando produtos da Microsoft de alguma forma. Embora o Azure ofereça suporte a vários serviços baseados em produtos de código aberto, o portfólio da Microsoft na nuvem é o que o diferencia seus serviços aos clientes.

O Azure tem mais de 151 tipos de VMs e 26 famílias de VMs que oferecem suporte a tudo, desde pequenas cargas de trabalho da Web até as cargas de trabalho HPC, Oracle e SAP. O Azure tem o Windows (lógico) e vários tipos de Linux (RHEL, CentOS, SUSE, Ubuntu). O Azure tem uma família separada de instâncias para cargas de trabalho de ML / AI.

Se você precisar executar cargas de trabalho de última geração que exijam até 128 vCPU e memória de 3,5 TB, o Azure é uma boa aposta. Se você possui licenças existentes para Windows OS, MS-SQL e as traz para a nuvem (BYOL) por meio do Microsoft License Mobility Program, o Azure é a nuvem a ser escolhida. Os custos de licença constituem uma parte substancial das despesas de infraestrutura e serão uma consideração importante para os clientes que executam grandes implantações do MS-SQL etc.

O Azure também foi o primeiro player de nuvem a reconhecer a tendência em direção à nuvem híbrida e teve uma das primeiras ofertas de nuvem híbrida e Cloud-in-your-Datacenter (Azure stack). Os clientes que desejavam a interface do Azure, mas desejavam executar serviços em seus próprios datacenters, podiam usar o Azure stack. Outros players de nuvem estão apenas alcançando o Azure neste espaço. O Azure também forneceu suporte para dispositivos de armazenamento híbridos como o StorSimple, que era único no espaço da nuvem pública.

Se você possui um data center com cargas de trabalho predominantemente da Microsoft e precisa fazer uma migração em grande escala para a nuvem, aproveitando ferramentas que já lhe são familiares, o Azure fornece ferramentas e serviços, como o Azure Site Recovery.

Quando se trata de bancos de dados SQL e NoSQL, o Azure tem um conjunto de serviços bastante eficaz. Ele fornece o MS SQL Server e o SQL com Datawarehouse gerenciados. O Azure também fornece bancos de dados gerenciados para MySQL, PostgreSQL e MariaDB. A Tabela de dados do Azure tem um armazenamento de valores-chave gerenciado, enquanto o CosmosDB fornece um banco de dados NoSQL com vários modelos e distribuído globalmente, com vários modelos. Ele fornece também uma API compatível com MongoDB, Cassandra e Gremlin (Graphs). Se você precisar executar vários modelos de dados gerenciados, incluindo modelos de dados de documentos, gráficos, valores-chave, tabelas e famílias de colunas em uma única nuvem, o Cosmos pode ser o caminho. O cache do Azure para Redis compoe as ofertas se serviços com um cache gerenciado.

Além do modelo de cobrança PAYG com cartão de crédito e modos de faturamento, os clientes com contas corporativas, podem comprar pré-assinaturas do Azure como parte de suas renovações anuais. Isso é útil para clientes que desejam orçamentar o gasto anual da nuvem com antecedência. Isso evita a incerteza e as aprovações adicionais de orçamento. Ao fazer isso, as empresas devem dimensionar suas cargas de trabalho projetadas com alguma precisão, para que nenhum crédito pré-pago seja desperdiçado no final do ano.

A mobilidade de licenças na nuvem para produtos da Microsoft também é relativamente fácil para clientes com vários produtos da Microsoft em execução no local.

Google Cloud Platform (GCP)

O Google Cloud Platform (GCP), apesar de atrasado no jogo e com a menor participação de mercado dos provedores de nuvem pública comparados aqui (participação atual de mercado em cerca de 4,6% Q1 2020), está mostrando um crescimento percentual robusto. Possui vários recursos que o colocam à frente de seus concorrentes em determinadas áreas. O GCP também está pegando onda, não apenas os novos clientes que já fazem parte do ecossistema, mas também os pioneiros na adoção de nuvens que desejam expandir seu cenário para o Google como parte de uma estratégia de várias nuvens. O Google também começou com serviços de PaaS, mas vem expandindo constantemente seu portfólio de produtos.

Juntamente com os recursos inovadores, o Google possui o menor preço de tabela em infraestrutura, em comparação com todos os outros provedores de nuvem. Obviamente, o gasto total de qualquer empresa depende dos serviços utilizados e das medidas de governança de custos em vigor.

Quando escolher o GCP

Do ponto de vista da computação, o Google tem o menor número de tamanhos de VM (cerca de 28 tipos de instância em 4 categorias). No entanto, ele tem uma característica que torna esses números um pouco irrelevantes. O Google permite que os usuários criem seus próprios tamanhos personalizados (CPU, memória) para que os clientes possam combinar o tamanho das cargas de trabalho na nuvem. Eles também faturam clientes com base no total de CPU e memória usada, em vez de VMs individuais. Isso reduz o desperdício de capacidade não utilizada.

Outro recurso exclusivo é que o GCP permite que quase todos os tipos de instância conectem GPUs. Isso pode transformar qualquer instância padrão ou personalizada em uma VM pronta para ML. O Google também foi líder em cobrança por segundo, o que forçou outros CSPs a seguir o exemplo. Comparado à norma usual do faturamento por hora, o faturamento por segundo reduz muito qualquer desperdício de capacidade. Isso resulta em uma economia de até 40% no total, em comparação com o uso de VM padrão e o faturamento por hora.

Os tempos de inicialização das VMs no GCP são fenomenalmente rápidos e deixam outros CSPs para trás. Isso torna o dimensionamento muito rápido e responsivo. O GCP também permite o redimensionamento dinâmico de discos, para que você não precise fazer mudanças ou cálculos de sysops quando os discos estiverem cheios. Os IOPS são atribuídos com base nos tamanhos de disco e não podem ser provisionados separadamente. Isso pode ser problemático para clientes que desejam IOPS alto em um pequeno conjunto de dados, que podem resultar em desperdício de dólares em armazenamento indesejado.

O Google também vinculou ou comprou ferramentas de migração para a nuvem de terceiros. Essas ferramentas, como CloudEndure, Velostrata e CloudPhysics, ajudam os clientes a avaliar, planejar e migrar ao vivo suas VMs para o GCP essencialmente de graça. Em outros provedores de nuvem, algumas dessas ferramentas custam várias centenas de dólares por VM. O Google está claramente tornando a migração para o GCP o mais fácil possível.

Na Rede é onde brilha o GCP. Eles têm uma rede global de baixa latência. Mesmo da perspectiva do cliente, uma rede VPC abrange todas as suas regiões. Outros CSPs limitam as redes VPC a uma região. Isso facilita para os clientes do GCP a criação de aplicativos que atendam aos clientes globalmente, sem a criação de mecanismos complexos de design de infraestrutura entre regiões e replicação de dados.

O armazenamento de objetos também suporta um modo multirregional, onde os dados são replicados automaticamente pelas regiões. Para clientes que consideram uma migração da AWS ou uma estratégia de várias nuvens, o GCP oferece suporte à importação de armazenamento de objetos da AWS.

Para bancos de dados relacionais, o GCP fornece suporte para bancos de dados MySQL e PostgreSQL. Para clientes que desejam um banco de dados distribuído globalmente que ainda suporte consistência imediata e propriedades ACID, o GCP criou o Spanner. O Spanner usa algoritmos de consenso e relógios atômicos para sincronizar transações. Essa oferta é exclusiva do GCP e torna o Spanner muito atraente para grandes clientes corporativos que possuem esses requisitos em seu armazenamento de dados relacionais. De fato, outro banco de dados de código aberto, o CockroachDB, é baseado no artigo da Spanner, publicado pelo Google.

Da perspectiva do NoSQL, o GCP tem um produto chamado BigTable. O BigTable é um banco de dados NoSQL gerenciado em escala de petabytes, usado pelo Google em seus próprios produtos, como o Gmail.

Do ponto de vista de cobrança, o Google oferece descontos automáticos, como descontos de uso sustentado, que reduzem o preço sob demanda se uma VM executar mais de um determinado número de horas em um mês. Se você deseja o provedor de nuvem mais econômico do mercado hoje, o GCP é uma boa escolha.

Embora possa não ter a profundidade de recursos de alguns dos outros CSPs, ele possui alguns produtos exclusivos em seu portfólio e é uma opção atraente por ser líder de preços no mercado.

Conclusão e Perspectivas Futuras

Conforme detalhado acima, cada nuvem possui recursos e vantagens que atendem às necessidades específicas do cliente. Embora todos os provedores de nuvem continuem a fornecer certos serviços comuns (como banco de dados MySQL gerenciado), cada CSP continuará a criar serviços diferenciados e exclusivos (por exemplo, Aurora, Cosmos, Spanner) criados especificamente para solucionar necessidades muito específicas dos clientes. Os CSPs esperam que isso aumente a sua aderência e amplie o seu ecossistema de produtos e serviços.

Da perspectiva do cliente, esses serviços também se tornarão um driver para adotar uma estratégia de várias nuvens.

Como exemplo, um cliente pode querer usar o GCP para um aplicativo que precise dos recursos do Spanner, enquanto usa a AWS para seus serviços de IA e o Azure para cargas de trabalho específicas do Windows.

Mesmo para serviços futuros, como visão por computador e reconhecimento de fala, as necessidades do cliente podem levá-los a cada vez mais combinar serviços em plataformas nas nuvens, para atender aos requisitos de seus aplicativos. O Cliente provavelmente usará uma nuvem como plataforma principal, enquanto usará serviços de outras pessoas para aplicativos específicos.

A ameaça ao Capitalismo de livre mercado e comércio

A economia global passou por mudanças consideráveis nas últimas duas décadas e os resultados foram variados.

Do lado positivo, a revolução digital melhorou significativamente a vida das pessoas em todo o mundo. Os avanços tecnológicos, como o smartphone, a Internet sem fio e o desenvolvimento econômico gerado pela globalização, trouxeram um declínio da pobreza extrema em todo o mundo.

No entanto, esses benefícios foram acompanhados por grandes desbalanceamentos nos mercados de trabalho, beneficiando trabalhadores de países em desenvolvimento e impactando severamente os trabalhadores de economias avançadas.

A promessa do progresso tecnológico e da globalização como impulsionadores do crescimento e da prosperidade tem sido uma realidade para muitos, mas também provocou muita desigualdade econômica ao redor do mundo.

O que está acontecendo?

Parte da resposta a essa pergunta, pode ser encontrada olhando o passado, especificamente para a evolução do capitalismo de livre mercado e livre comércio, ao longo dos últimos dois séculos.

Adam Smith, economista e filósofo escocês do século XVIII, pai do livre mercado, do capitalismo de livre comércio e uma das principais figuras do Iluminismo, em seu trabalho The Wealth of Nations (A riqueza das Nações), que é considerado o primeiro trabalho moderno da economia, explicou que, em um mercado livre, um indivíduo que busca seus próprios interesses tende a promover também o bem de sua comunidade como um todo e que o mercado livre, embora pareça caótico e desenfreado, é realmente orientado a produzir os resultados certos com a chamada mão invisível.

Nos últimos 200 anos, assistimos a muitas variantes do capitalismo. Geralmente, todas elas baseiam-se na mesma vertente: a propriedade privada dos meios de produção, a operação com fins lucrativos e a acumulação de capital. A economia neoclássica, formulada pela primeira vez no século 19, levou a um modelo de capitalismo laissez-faire, com base na premissa de que, com todas as informações relevantes, as pessoas tomarão decisões racionais, os mercados por si mesmos alcançarão os resultados certos e as intervenções dos governos, – como por exemplo, regulamentações, subsídios e tarifas – são, quase sempre, aplicados de forma não adequada.

A fé nas economias neoclássicas foi abalada na década de 1930 pela Grande Depressão, dando origem à Economia keynesiana, do economista britânico John Maynard Keynes. Seu modelo, mais pragmático e de capitalismo misto, baseado em uma economia predominantemente do setor privado, mas com um papel apropriado para o setor público, dominou o pensamento econômico pelas próximas quatro décadas.

A partir da década de 1970, no entanto, a economia keynesiana começou a cair em desuso com o retorno ao neoclassicismo liderado pela Chicago School of Economics, que defendia uma confiança quase universal nos mercados, um papel mais limitado para o governo e uma crença de que maximizar o valor para os acionistas deveria ser objetivo primordial de uma empresa.

A Escola de Chicago teve grande influência para o mundo, na segunda metade do século XX, especialmente com o ex-presidente dos EUA Ronald Reagan e o presidente do Federal Reserve, Alan Greenspan. Porém, sua influência diminuiu consideravelmente após a crise financeira global de 2008, que muitos acreditam ser em grande parte, o resultado de suas visões restritas de empresas e governo.

Em um artigo do Financial Times de 2009, Amartya Sen, economista de Harvard e ganhador do Prêmio Nobel, escreveu sobre o futuro do capitalismo após a crise financeira de 2008.

“O que exatamente é o capitalismo?”

“A definição padrão parece ser a confiança nos mercados para transações econômicas como uma qualificação necessária para que uma economia seja vista como capitalista. De maneira semelhante, a dependência do lucro e dos direitos individuais baseados na propriedade privada são vistos como características arquetípicas do capitalismo. No entanto, se esses são requisitos necessários, os sistemas econômicos que temos atualmente, por exemplo, na Europa e na América, são genuinamente capitalistas? Todos os países ricos do mundo – tanto na Europa quanto nos EUA, Canadá, Japão, Cingapura, Coréia do Sul, Taiwan, Austrália e outros – dependem há algum tempo de transações que ocorrem em grande parte fora dos mercados, como seguro desemprego, benefícios, pensões públicas e outras características da seguridade social, não deixando de mencionar educação e saúde pública”.

O professor Sen observou que em países ricos, onde o capitalismo teve mais sucesso, ele é pragmático, não ideologicamente puro, e que esse pragmatismo remonta ao próprio Adam Smith.

“É frequentemente esquecido que Smith não considerou o mecanismo de mercado puro um executor independente de excelência, nem considerou o motivo do lucro como tudo o que é necessário … As pessoas buscam o comércio por interesses próprios – nada mais; como discutiu Smith repetidamente, explicando por que padeiros, cervejeiros, açougueiros e consumidores buscam o comércio. No entanto, uma economia precisa de outros valores e compromissos, como confiança mútua e confiança para trabalhar com eficiência.”

Em um sistema capitalista, a desconfiança e a falta de confiança nos outros têm consequências de longo alcance e contribuíram muito para gerar a crise financeira de 2008 e dificultar sua recuperação.

“As dificuldades econômicas de hoje não exigem um novo capitalismo, mas exigem uma compreensão aberta das ideias antigas sobre o alcance e os limites da economia de mercado. O que é necessário, acima de tudo, é uma apreciação clara de como as diferentes instituições funcionam, além de uma compreensão de como uma variedade de organizações – de Empresas ao Estado – podem juntas contribuir para produzir um mundo econômico mais decente.”

Uma combinação recente de fatores – como por exemplo, o crescimento explosivo da Internet e o mercado global intensamente competitivo – torna obrigatório que uma empresa opere de maneira cada vez mais uniforme, usando talentos, recursos, custos e oportunidades de inovação para se destacar e conseguir autonomia de mercado.

A globalização precisa ser vista e revista, caso contrário, só trará o descontentamento generalizado.

Em última análise, as pessoas podem optar por eleger governos mais impositivos, com medidas regulatórias mais restritivas sobre comércio e o trabalho, talvez de um tipo mais ‘protecionista’; que por outro lado, leva ao nacionalismo extremo e isso também não é bom. A mudança em sí, deve oferecer para empresas a oportunidade de promover o crescimento dos negócios e o progresso da sociedade. Mas isso levanta questões grandes demais e muitas vezes polarizadas, apenas para negócios ou apenas para o governo resolver.

“Hoje, o mundo está em uma encruzilhada. um coro crescente de nacionalismo ecoa nos países desenvolvidos; exigindo fronteiras mais rígidas e restrições à imigração. As negociações comerciais globais estão prejudicadas e os acordos comerciais regionais enfrentam fortes ventos de oposição.”

O capitalismo de livre mercado e livre comércio está em uma encruzilhada. Embora a principal responsabilidade dos líderes continue sendo a viabilidade e a prosperidade de suas próprias empresas, eles não podem mais se concentrar exclusivamente em seus acionistas, ignorando os interesses de clientes, funcionários e comunidades em que vivem. As empresas devem trabalhar em estreita colaboração com os governos de todo o mundo para ajudar a formular um modelo mais inclusivo para o desenvolvimento econômico global e o progresso tecnológico – uma espécie de novo Iluminismo do século XXI.

História: Veja o filme/documentário A grande depressão.

De onde vem a motivação?

Um gerente de negócios chegou cedo a um seminário que seria apresentado naquele dia, falando sobre o tema Liderança. Ele estava vestindo camisa polo, calças brancas e tênis; pronto para ir jogar golfe. Ele caminhou até o palestrante, que se preparava para iniciar seu seminário e disse:

– Olha, essa sessão de hoje não é obrigatória, por isso não pretendo participar.

– Tudo bem, não tem problema. Mas por que você veio aqui tão cedo pra me dizer isso? Tem alguma coisa que você queira saber sobre o seminário?

– Bem, sim, tem um assunto que me interessa, confessou o gerente. Eu gostaria de saber como melhorar o desempenho do meu pessoal de vendas?

– Isso é tudo que você quer saber? Perguntou o palestrante.

– Sim. Respondeu o gerente.

– Bem, eu vou economizar seu tempo e garantir que você consiga participar do seu jogo de golfe.

O gerente então, inclinou para a frente e fez cara de atenção, esperando as palavras de sabedoria que o palestrante poderia lhe dizer sobre como melhor gerenciar seu pessoal.

– Você não pode. Foi a resposta do palestrante.

– O que?

– Você não pode gerenciar ninguém. Tenha um bom dia e um ótimo jogo.

– Como assim? O que você quer dizer com isso? Perguntou o gerente e o clima pareceu ficar um pouco tenso entre os participantes da conversa.

– Eu pensei que você pregasse a motivação em seus seminários. Como assim, não posso? ”

– Sim. O nosso seminário inteiro é sobre motivação. Mas uma das primeiras coisas que ensinamos aos gerentes é que eles não podem realmente controlar diretamente seu pessoal. A motivação sempre vem de dentro do seu funcionário, não de você.

– Então, o que você ensina? Perguntou o gerente intrigado.

– Ensinamos você a motivar pessoas. Esse é o ponto chave. E você faz isso gerenciando acordos, não pessoas. E isso é o que vamos discutir esta manhã.

O gerente então passou as mãos pelo rosto, depois as levou até os cabelos depois passou uma das mãos pelo queixo e sentou-se no primeiro banco, assento que ocupou, durante todo o resto do seminário.

Os desafios da automação em uma economia em mudança

“A inovação tecnológica deve ser adotada”, observa o Automation and a Changing Economy, um relatório recentemente publicado pelo The Aspen Institute.

“A automação tem sido uma força econômica e social amplamente positiva e, olhando para o futuro, a automação será necessária para alimentar, abrigar e elevar os padrões de vida de uma população em crescimento e envelhecimento.” Porém, “embora seja importante observar que o efeito geral e de longo prazo da automação na economia tem sido positivo – mais empregos, mais crescimento, padrões de vida melhores – isso não nega o impacto perturbador da automação sobre indivíduos e comunidades, o que resulta em deslocamentos, mudanças nas necessidades de habilidades e desigualdade de renda.”

O relatório está dividido em duas seções: O Caso de Ação, que explora como a automação afeta a segurança e as oportunidades econômicas dos trabalhadores e as Políticas de Prosperidade Compartilhada, que descrevem uma agenda de políticas para enfrentar os desafios e as oportunidades da automação.

A seguir, um resumo das principais conclusões e recomendações em cada uma das duas seções do relatório.

Caso de Ação

O que é automação? “A automação geralmente se refere ao uso da tecnologia para reduzir o nível de atividade humana necessário para concluir uma tarefa específica, substituindo ou aumentando o trabalho. A chave para esse conceito é que a tarefa em si ainda está sendo executada, mas com menos trabalho humano necessário. Como a automação ocorre no nível da tarefa, geralmente muda os trabalhos parcialmente, em vez de os eliminar, embora em casos limitados, a tecnologia possa automatizar um trabalho inteiro.”

A automação é apenas uma das maneiras pelas quais o trabalho é interrompido. Às vezes, trabalhos inteiros são substituídos por uma nova tecnologia, em vez de serem automatizados. Por exemplo, o advento dos carros eliminou a maioria dos trabalhos envolvidos na condução de carruagens e no cuidado de cavalos. Os trabalhos de fabricação, vendas e reparo de máquinas de escrever desapareceram não porque foram automatizados, mas porque as máquinas de escrever se tornaram obsoletas. A tecnologia também afeta os empregos, transformando modelos de negócios inteiros, como foi o caso do advento das compras on-line no varejo e do streaming de música e vídeo na indústria do entretenimento.

“No geral, é difícil prever todo impacto que a tecnologia pode causar. Mas o uso da tecnologia para automatizar o trabalho é mais fácil de prever do que outros impactos, porque a automação é baseada em máquinas que executam tarefas atualmente identificáveis. Por esse motivo, a automação é o que tecnólogos, acadêmicos e outros profissionais usam para projetar o impacto futuro da tecnologia no trabalho, com o entendimento de que o real impacto disruptivo da tecnologia pode ser mais amplo e imprevisível.”

O Caso de Ação chegou a quatro conclusões principais.

1. Embora a automação estimule o crescimento econômico, crie empregos e melhore os padrões de vida, ela também apresenta sérios desafios para trabalhadores e comunidades. Vários estudos recentes analisaram atentamente o futuro do trabalho nos próximos 10 a 15 anos. Por exemplo, um relatório de dezembro de 2017 da McKinsey examinou detalhadamente o trabalho que provavelmente será deslocado pela automação até 2030, bem como os trabalhos que provavelmente serão criados no mesmo período. A conclusão geral do relatório foi que uma economia crescente baseada em tecnologia criará um número significativo de novas ocupações que mais do que compensará os declínios nas ocupações deslocadas pela automação. No entanto, muitos trabalhadores verão seus empregos mudarem, pois empregos futuros exigirão habilidades diferentes.

2. Além disso, dada a crescente importância do talento em nossa economia do conhecimento, super empresas e super cidades continuarão a atrair uma parcela desproporcional das pessoas mais ambiciosas e talentosas, apresentando sérios desafios para os trabalhadores e as comunidades deixadas para trás – interrompendo as economias locais, aumentando desigualdade de renda e exacerbando as divisões econômicas, políticas, geográficas e sociais. Como McKinsey observou,

“embora possa haver trabalho suficiente para manter o emprego pleno até 2030 na maioria dos cenários, as transições serão muito desafiadoras – sendo praticamente impossível igualar ou até exceder a escala de turnos das eras da agricultura e manufatura que vimos no passado”.

3. Os investimentos em educação, treinamento e rede de segurança social ajudaram a mitigar os impactos negativos da automação no passado. A tecnologia vem substituindo trabalhadores e melhorando a produtividade desde o advento da Revolução Industrial na segunda metade do século XVIII. Nas revoluções econômicas anteriores baseadas em tecnologia, os períodos de destruição criativa e alto desemprego acabaram se resolvendo. Com o tempo, essas mesmas tecnologias e inovações disruptivas levaram à transformação da economia e à criação de novas indústrias e novos empregos. Esses investimentos possibilitaram que um número crescente de trabalhadores alcançasse um estilo de vida de classe média e aspirassem viver como o modo de vida de classe média.

4. Desafios recentes destacam as consequências de apoios limitados para trabalhadores vulneráveis. Enquanto esperamos que os países se adaptem mais uma vez às interrupções tecnológicas; porém não há como saber com certeza.

“Os trabalhadores de hoje são especialmente vulneráveis aos impactos da automação. A insegurança financeira, a força de trabalho envelhecida e a queda da mobilidade geográfica dificultam a reciclagem e a transição para novas ocupações após o deslocamento.”

Além disso, “a história recente registrou uma inversão dos esforços para apoiar os trabalhadores por meio de perturbações econômicas. O desinvestimento no treinamento dos setores público e privado, uma rede de segurança pública enfraquecida e acesso reduzido a benefícios e proteções no local de trabalho contribuíram para o lento e doloroso ajuste econômico que muitos trabalhadores e comunidades experimentaram nas últimas décadas.”

A inteligência artificial e outras novas tecnologias podem levar a uma automação mais profunda, mais rápida, mais ampla e mais disruptiva. A tecnologia está sendo cada vez mais aplicada a atividades que exigem capacidades cognitivas e inteligência para solução de problemas que não faz muito tempo eram vistas como o domínio exclusivo dos seres humanos. À medida que tecnologias poderosas como IA, robótica e aprendizado de máquina continuam a avançar, o impacto da automação pode ser mais profundo – expandindo drasticamente os tipos de tarefas que podem ser automatizadas; mais rápido, – pois o aprendizado de máquina permite que as máquinas aprendam a uma taxa muito mais rápida; mais amplo, transformando praticamente todos os setores e ocupações; e mais perturbador – a automação pode não ser mais perturbadora do que no passado, mas, desta vez, pode ser realmente diferente

Políticas para prosperidade compartilhada

A segunda seção do relatório descreve uma agenda política concreta para abordar quatro objetivos gerais:

1. Incentivos aos empregadores a liderar uma abordagem centrada no ser humano para automação. Isso inclui a expansão de aprendizagens, créditos tributários para treinamento de trabalhadores, parcerias regionais da força de trabalho, promoção de novas formas de participação dos trabalhadores nas decisões de automação e estratégias proativas para identificar e tratar de possíveis problemas.

2. Permitir que os trabalhadores acessem treinamento de habilidades, bons empregos e novas oportunidades econômicas. Isso inclui acesso a treinamento de habilidades eficaz e acessível, desenvolvendo um sistema de aprendizagem ao longo da vida, subsídios salariais, conforme necessário, e programas para promover o empreendedorismo.

3. Ajudar pessoas e comunidades a se recuperarem dos deslocamentos. Apoiar os trabalhadores desempregados através de reciclagem, serviços de reemprego e seguro-desemprego; e promover o desenvolvimento econômico local e regional por meio de estratégias direcionadas para ajudá-los a recuperar e fazer a transição e por meio de investimentos em infraestrutura digital.

4. Entender o impacto da automação na força de trabalho. Coletar dados e fornecer melhores informações às principais partes interessadas, para que possam antecipar e se preparar melhor para o impacto da automação em seus setores, comunidades e ocupação.

“A tecnologia não é o destino – o impacto da inovação no trabalhador é mediado por escolhas de políticas e como instituições, empregadores, organizações de trabalhadores, organizações sem fins lucrativos e filantropos, respondem a esses desafios. Ao ajudar os trabalhadores a tirar proveito de novas oportunidades e ajudar os trabalhadores que são fortemente afetados pela automação a retornar ao trabalho estável, podemos promover mais oportunidades e prosperidade amplamente compartilhada para todos.”

O processo de decisão em organizações complexas

Em um seminário do professor da Universidade de Toronto, Avi Goldfarb, que, juntamente com seus colegas da UoT, realizaram uma pesquisa sobre o valor econômico da IA. Goldfarb explicou que a melhor maneira de avaliar o impacto de uma nova tecnologia radical é observar como a tecnologia reduz o custo de uma função amplamente utilizada. Por exemplo, os computadores são calculadoras essencialmente poderosas, cujo custo das operações digitais diminuiu drasticamente nas últimas décadas, graças à Lei de Moore. Ao longo dos anos, aprendemos a definir tarefas em torno de operações digitais, como gerenciamento de inventários, transações financeiras, processamento de texto e fotografia. Da mesma forma, o valor econômico da Internet pode ser descrito como a redução o custo das comunicações e das pesquisas, permitindo encontrar e acessar todos os tipos de informações, incluindo texto, imagens, músicas e vídeos.

Visto por essa lente, a revolução da IA pode ser vista como uma redução do custo das previsões. O crescimento explosivo de big data e algoritmos avançados como o aprendizado de máquinas nos permitiram analisar e extrair insights de todos esses dados. Previsão, significa antecipar o que acontecerá no futuro e, dado o amplo papel das previsões nos negócios, no governo e em nossa vida cotidiana, a IA já está tendo um grande impacto em todos os tipos de atividades humanas. A tomada de decisão, o processo de identificação e escolha de alternativas, serão particularmente impactadas pelos avanços na IA.

As decisões geralmente envolvem duas tarefas principais: previsões e julgamento. O julgamento é a parte da tomada de decisão que, diferentemente da previsão, não pode ser explicitamente descrita e executada por uma máquina e é baseada em fatores humanos, como experiência, intuição e sentimentos inconscientes. À medida que as previsões de máquinas se tornarem baratas e comuns, o julgamento humano que alavanca e complementa as previsões, se tornará mais valioso, especialmente dada a crescente complexidade das decisões que nossas instituições são obrigadas a tomar.

“É o melhor e o pior dos tempos para os tomadores de decisão”, disse a McKinsey em seu artigo, Desembaraçando a tomada de decisão das organizações.

“Um grande número de dados, análises avançadas e algoritmos inteligentes estão fornecendo às organizações novas e poderosas entradas de dados e métodos para tomar todo tipo de decisão”.

Por outro lado, “os líderes corporativos também estão muito mais conscientes hoje do que há 20 anos atrás, dos vieses cognitivos – ancoragem, aversão à perda, viés de confirmação e muito mais – que prejudicam a tomada de decisão sem o nosso conhecimento”.

O que explica esse aparente paradoxo?

Nossa revolução emergente de dados e IA mantém a promessa de aumentar significativamente nosso julgamento e experiência e nos ajudar a tomar decisões mais inteligentes e eficazes.

Mas, explica a McKinsey, nossa crescente complexidade organizacional obscurece a responsabilidade pela tomada de decisões. O número de tomadores de decisão aumentou, dificultando o estabelecimento de linhas de responsabilidade clara. Além disso, a proliferação de comunicações digitais levou a muitas reuniões e discussões por e-mail e pouco diálogo de alta qualidade, contribuindo para o desengajamento, –

“ouvir uma apresentação muitas vezes; paralisa e frustra, por conter por muitos dados; gera ansiedade, por conter expectativas muito altas; e leva a decisões pobres, cada vez mais ruins”.

Como primeiro passo para entender a tomada de decisão, a McKinsey categorizou o tipo de decisão que está sendo tomada pela maioria das organizações:

• As decisões de grandes apostas têm o potencial de moldar o futuro da empresa. Essas decisões pouco frequentes e de alto risco geralmente envolvem situações com escolhas certas ou erradas pouco claras;
• As decisões transversais são relativamente frequentes e geralmente exigem ampla colaboração e um processo efetivo de tomada de decisão entre os diferentes grupos da organização;
• As decisões delegadas são frequentes e de baixo risco, e podem ser tratadas por indivíduos ou equipes de trabalho com contribuições limitadas de outras pessoas na organização; e
• Decisões ad hoc surgem episodicamente e geralmente são de baixo risco.

Para entender melhor a natureza da tomada de decisão, a McKinsey conduziu uma pesquisa on-line e obteve respostas de mais de 1.250 participantes de 91 países.

A amostra se inclinou para a alta gerência:

• 1/3 dos entrevistados eram executivos de nível C e
• 35% eram gerentes seniores.

A pesquisa se concentrou em grandes decisões, decisões transversais e delegadas, mas não perguntou sobre decisões ad hoc porque elas tendem a variar muito. Veja aqui os resultados da pesquisa.

Embora a maioria das organizações faça trocas entre velocidade (quão rápida a decisão foi tomada e executada?) E qualidade (quão boa foi a decisão?), A pesquisa mostrou que os vencedores da tomada de decisão tiveram um bom desempenho tanto em velocidade quanto em qualidade, além de obter melhores resultados financeiros.

Quanto tempo consome a tomada de decisão? De acordo com os entrevistados, mais da metade disse que gasta mais de 30% do seu tempo de trabalho na tomada de decisões e mais de 25% diz que a tomada de decisão ocupa a maior parte do tempo de trabalho.

Não é de surpreender que a parte do tempo aumente com a senioridade: 14% dos entrevistados do alto escalão dizem que passam mais de 70% do tempo tomando decisões. No entanto, 61% dos entrevistados disseram que seu tempo de tomada de decisão não é usado de maneira eficaz, incluindo 57% dos executivos de nível C.

A pesquisa também revelou que a velocidade é um desafio maior na tomada de decisão do que a qualidade.

• 57% dos entrevistados disseram que suas organizações tomam decisões de alta qualidade, em comparação com
• 48% que disseram que suas organizações tomam decisões de alta velocidade e
• 37% que disseram que suas organizações tomaram decisões de alta qualidade e alta velocidade.

Os resultados variaram de acordo com o tipo de decisão, com as decisões de grandes apostas alcançando os mercados mais altos

• 65% de alta qualidade;
• 55% de alta velocidade;
• 44% ambos;

e as decisões delegadas são as mais baixas: 

• 46% de alta qualidade; 
• 40% de alta velocidade; 
• 27% ambos.

Embora se possa esperar que decisões de alta qualidade envolvam mais deliberação e, portanto, demorem mais, os resultados indicaram que os resultados de velocidade e qualidade são altamente inter-relacionados. “Segundo os entrevistados, as organizações que tomam decisões rapidamente têm duas vezes mais chances de tomar decisões de alta qualidade, em comparação com os tomadores de decisão lentos.”

Essa combinação de alta qualidade e alta velocidade é muito mais comum nas organizações vencedoras. Para entender como eles fazem isso, McKinsey analisou como essas organizações vencedoras tomam decisões em comparação com todas as outras e encontrou três práticas recomendadas fundamentais:

• Tome decisões no nível certo, geralmente delegando para níveis mais baixos – uma prática 6,8x mais provável de fazer parte de uma empresa vencedora. “Esse resultado está intimamente relacionado a outra descoberta: decisões de alta qualidade e decisões rápidas são muito mais comuns em organizações com menos camadas de relatórios”.
• Concentre-se incansavelmente no valor de nível empresarial – uma prática 2,9 vezes mais provável de ser encontrada em uma organização vencedora. No geral, apenas 41% dos entrevistados disseram que as decisões de suas organizações estão alinhadas com a estratégia corporativa e em apoio a projetos de alto valor.
• Obtenha o comprometimento das partes interessadas relevantes – uma prática 6,8x mais provável de ser seguida pelas empresas vencedoras, que “construirão o compromisso de executar as decisões assim que forem tomadas, especialmente entre as pessoas que são responsáveis por uma determinada decisão”.

Além dessas práticas fundamentais, as organizações vencedoras também demonstram as melhores práticas específicas para cada tipo de decisão:

• Decisões de obtenção de bits – 2,3 vezes mais provável. “Aumente a qualidade das interações durante a tomada de decisões, explorando alternativas, desafiando hipóteses iniciais e nomeando um advogado do diabo para apresentar contra-argumentos”.
• Decisões transversais, – 4,5 vezes mais provável. “Concentre-se no processo e coordenação das reuniões de decisão para incentivar a colaboração entre os indivíduos e evitar silos.”
• Decisões delegadas, – 3,9 vezes mais provável. “Capacite os funcionários a tomar decisões, criando um forte senso de propriedade e responsabilidade e incentivando uma maior inclinação para a ação.”

O valor econômico de uma identidade digital

A identidade desempenha um papel importante em nossa vida cotidiana. É a chave que determina as transações específicas nas quais podemos participar de forma legal, bem como as informações que temos direito a acessar. Pense em ir a uma empresa, entrar em um avião, acessar um site ou fazer uma compra online. Geralmente, não prestamos muita atenção no uso de nossas identidade, a menos que algo dê muito errado.

Durante boa parte da história, nossos sistemas de identidade foram baseados em interações face a face e em documentos e processos físicos.

A transição para uma economia digital requer sistemas de identidade radicalmente diferentes. Em um mundo cada vez mais governado por transações e dados digitais, nossos métodos para gerenciar segurança e privacidade estão se mostrando inadequados. Violações de dados, fraudes em larga escala e roubo de identidade tornaram-se comuns. Além disso, uma parcela significativa da população mundial não possui as credenciais necessárias para participar da economia digital. Nossos métodos para gerenciar identidades digitais estão longe de ser adequados.

O McKinsey Global Institute lançou o Digital Identification: uma chave para crescer de forma inclusiva – um relatório abrangente com mais de 100 páginas que examinava o estado das identidades digitais em todo o mundo.

O relatório analisou o potencial da criação de valor das boas IDs (identidades) digitais para indivíduos e instituições, bem como os seus riscos e desafios. A análise da McKinsey levou em conta quase 100 usos concretos de IDs digitais em sete países: Brasil, China, Etiópia, Índia, Nigéria, Reino Unido e EUA.

De acordo com McKinsey, um “bom” ID digital deve ter quatro atributos principais:

1. Verificação e autenticação com um alto grau de garantia: O ID atende aos padrões do governo e do setor privado para diversos usos cívicos e econômicos importantes nos canais digitais;
2. Único: “um indivíduo tem apenas uma identidade dentro de um sistema, e toda identidade do sistema corresponde a apenas um indivíduo;”
3. Estabelecer o consentimento individual: “os indivíduos registram-se conscientemente e usam o ID digital com conhecimento de quais dados pessoais serão capturados e como serão usados;” e
4. Protege a privacidade do usuário e garante o controle sobre dados pessoais: inclui forte proteção de privacidade e segurança, ao mesmo tempo em que fornece aos usuários acesso e controle sobre quem pode acessar seus dados.

O Banco Mundial estima que das 7,6 bilhões de pessoas no planeta, cerca de um bilhão não possui uma forma de identificação legalmente reconhecida, 3,4 bilhões têm alguma forma de identificação legalmente reconhecida, mas com capacidade limitada de usá-la através de canais digitais e 3,2 bilhões possuem uma identificação legal, reconhecida que lhes permitem participar totalmente da economia digital. Nos países de baixa renda, 45% das mulheres com mais de 15 anos não têm identificação, em comparação com 30% dos homens.

Os IDs digitais prometem permitir a criação de valor econômico para cada um desses três grupos. Para aqueles que não possuem qualquer forma de identificação legalmente reconhecida, uma identificação digital representa um caminho para a rápida inclusão na economia digital, incluindo acesso a serviços financeiros, benefícios governamentais e mercado de trabalho. Por exemplo, de acordo com o Banco Mundial, uma identificação digital pode ajudar a fornecer acesso a serviços financeiros para os 1,7 bilhão de indivíduos que atualmente não têm esse acesso, e potencialmente economizar cerca de 110 bilhões de horas, em serviços eletrônicos simplificados do governo, para transferências diretas de benefícios.

Para os 3,4 bilhões de indivíduos com capacidade limitada de usar sua identificação física no mundo digital, a capacidade de usar um ID digital para autenticação permitiria que eles aproveitassem as eficiências e outros benefícios advindos do acesso a uma ampla variedade de aplicativos digitais, incluindo governo eletrônico e serviços de saúde.

E, para os 3,2 bilhões de indivíduos que já participam da economia digital, as boas novas são que os IDs digitais podem melhorar seu controle, privacidade e segurança sobre seus dados e transações, ajudando a reduzir o número crescente de violações de segurança cibernética.

“Por exemplo, em 2017, US $ 16,8 bilhões foram perdidos nos Estados Unidos devido a fraudes de identidade e, desde 2013, mais de 6,2 bilhões de registros de dados de clientes foram violados somente nos Estados Unidos.”

O relatório da McKinsey analisou o potencial impacto econômico da identificação digital nos sete países-foco e extrapolou os resultados para um conjunto mais amplo de 23 países, cobrindo 63% da população global e 78% do PIB global. O relatório mostrou ainda que o potencial do valor econômico da identificação digital é diferente nas economias emergentes e nas maduras. Para as economias emergentes, o potencial médio de criação de valor da identificação digital é equivalente a 6% do PIB até 2030; para economias maduras, a criação média de valor é equivalente a 3% do PIB até 2030.

Para a maioria das economias emergentes, o escopo de melhoria é bastante considerável, mesmo com implantações básicas de ID baseadas principalmente na autenticação e verificação. Para economias maduras onde muitos processos e aplicativos já são digitais, as melhorias exigem a implantação de programas de identificação digital mais avançados, como a ativação de recursos de compartilhamento de dados entre instituições.

O potencial econômico pode diferir significativamente entre os países com base em dois fatores principais: a parcela da economia restringida por gargalos que a identificação digital pode resolver e desbloquear, como benefícios do governo e gastos com saúde; e o potencial de criação de valor, permitindo uma ampla variedade de interações digitais em toda a economia.

A McKinsey estima que mais da metade do valor econômico da identificação digital será acumulado para indivíduos em uma variedade de funções, incluindo consumidores, trabalhadores e proprietários de ativos. O valor econômico restante flui para as instituições do setor público e privado com as quais os indivíduos interagem, como fornecedores de bens e serviços, empregadores e fornecedores de benefícios governamentais.

Os maiores contribuintes para o valor econômico são o acesso a serviços financeiros e emprego. Os IDs digitais, por exemplo, permitem o acesso a contas bancárias digitais e a plataformas de contratação e correspondência de talentos. As maiores fontes de valor para empresas e instituições governamentais são economia de tempo e custo, redução de fraudes, aumento de vendas de bens e serviços, maior produtividade do trabalho e maior receita tributária.

A oportunidade de expandir o uso de ‘bons’ IDs digitais está crescendo, à medida que as tecnologias melhoram e se tornam mais acessíveis, e à medida que mais pessoas em todo o mundo têm acesso a smartphones e à Internet. Mas, como outras inovações, as tecnologias de identificação digital podem ser usadas para beneficiar a sociedade e para outros fins indesejáveis.

“O Digital ID oferece benefícios sociais, cívicos e políticos aos indivíduos, desde maior inclusão, formalização e transparência até melhor controle dos dados online. Projetado com cuidado e dimensionado para altos níveis de adoção, também pode criar um valor econômico significativo, particularmente em economias emergentes, com benefícios para indivíduos e instituições. No entanto, esse potencial, gera risco de uso indevido deliberado de programas de identificação digital por atores governamentais e comerciais, além de riscos mais amplos comuns a outras interações digitais em larga escala, como falhas de tecnologia e violações de segurança. Esses riscos devem ser levados em consideração no design, implementação e governança de qualquer sistema de identificação digital. À medida que o cenário evolui, mais pesquisas ajudarão a esclarecer as vantagens e desvantagens da identificação digital, e se o esforço valerá a pena. Afinal, a identificação digital pode ser a próxima fronteira na criação de valor global e uma nova força para o crescimento inclusivo.”

O paradoxo da produtividade

Nos últimos 10 a 15 anos, assistimos a vários avanços tecnológicos, de smartphones a aprendizado de máquina. No entanto, apesar desses avanços impressionantes, durante a maior parte deste período, as economias do mundo ficaram paralisadas em uma era de lento crescimento da produtividade. As opiniões são muitas, mas, no final, não há consenso sobre as causas desse aparente paradoxo da produtividade, sobre quanto tempo a desaceleração durará ou sobre o que fazer a respeito.

Alguns economistas argumentaram que a estagnação secular é a razão por trás dessa situação incomum, causada principalmente pela relutância das empresas em investir e dos consumidores em gastar. Outros acham que o envelhecimento da população em todo o mundo, acompanhado por uma força de trabalho lenta ou em declínio, é um fator importante. Alguns outros afirmam que houve um declínio em inovação e produtividade nas últimas décadas, em comparação com o período entre 1870 e 1970.

Outros argumentam ainda que sempre houve atrasos entre os avanços tecnológicos e seu impacto no crescimento econômico. Embora as tecnologias possam avançar rapidamente, humanos e instituições mudam lentamente. E, quanto mais transformadoras as tecnologias – como atualmente acontece -, mais tempo leva para que seu impacto seja sentido nas economias e sociedades.

Mas as empresas e os setores não são os únicos que tentam se adaptar à nossa rápida economia digital. Os indivíduos também estão experimentando sua própria versão do paradoxo da produtividade. Os computadores pessoais, juntamente com aplicativos como processamento de texto e planilhas, introduziram uma nova categoria de ferramentas de produtividade pessoal nos anos 80. Uma década depois, a Internet e a World Wide Web permitiram que as pessoas se comunicassem facilmente entre si e deram acesso a todos os tipos de informações e aplicativos.

Mais recentemente, o advento de smartphones, aplicativos e outras tecnologias importantes levaram as ferramentas de produtividade pessoal a um nível totalmente novo. É difícil imaginar como era a vida sem essas ferramentas, que se tornaram uma parte indispensável de nossas vidas pessoais e profissionais nas últimas duas décadas.

A princípio, essas ferramentas deveriam economizar tempo e facilitar nossa vida. Mas, como sabemos, não foi o caso. Artigo após artigo nos lembra que, graças à Internet e aos smartphones, todos estão disponíveis o tempo todo; isso se parece com um ciclo interminável de caixas de entrada transbordantes e demandas urgentes; que, por mais que trabalhemos, estamos sobrecarregados e sobrecarregados, porque há muito mais a fazer todos os dias do que tempo para fazê-lo.

O que explica esse paradoxo da produtividade pessoal?

O executivo financeiro e o professor sênior do MIT Robert Pozen há muito se interessa pelos desafios de produtividade enfrentados pelos profissionais. Ele escreveu sobre o assunto, incluindo seu livro, Produtividade extrema: aumente seus resultados, reduza suas horas.

“Você está se sentindo sobrecarregado com suas obrigações no trabalho e em casa?”,

Perguntou Pozen em um artigo de agosto de 2018 na Harvard Business Review (HBR).

“Você não está só. A maioria dos funcionários dos EUA reclama que se sente sobrecarregado”.

O artigo fez referência a uma pesquisa de 2016, que constatou que:

• 58% dos trabalhadores dizem que são, às vezes, sobrecarregados com o trabalho,
• 28% se sentem assim apenas raramente e
• 9% dizem que o trabalho nunca os sobrecarrega.

O artigo de Pozen incluiu uma série de perguntas para ajudar os profissionais a avaliar sua produtividade pessoal. A avaliação consiste em 21 perguntas divididas em sete categorias: desenvolvimento de rotinas diárias, planejamento de sua agenda, lidar com mensagens, muito trabalho, realização de reuniões eficazes, aprimoramento das habilidades de comunicação e delegação de tarefas a outras pessoas.

Os resultados foram publicados em um artigo da HBR em março de 2019, O que torna algumas pessoas mais produtivas que outras. Quase 20.000 entrevistados de todo o mundo responderam às perguntas: aproximadamente 50% eram da América do Norte; 21% da Europa; 19% da Ásia; e os 10% restantes da Austrália, América do Sul e África. 55% dos entrevistados eram do sexo masculino e 45% do sexo feminino. No geral, três padrões principais se destacaram.

Trabalhar de forma mais inteligente é mais importante para a produtividade pessoal do que trabalhar longas horas. Profissionais com as maiores pontuações de produtividade geralmente exibiam alguns comportamentos-chave: “Eles planejaram seu trabalho com base em suas principais prioridades e depois agiram com um objetivo definido. Eles desenvolveram técnicas eficazes para gerenciar um alto volume de informações e tarefas. E eles entenderam as necessidades de seus colegas – para reuniões curtas, comunicações responsivas e orientações claras. ”

Idade e antiguidade estavam altamente correlacionadas com a produtividade pessoal. Os entrevistados foram agrupados em cinco faixas etárias, de menos de 30 a mais de 60 anos. As pontuações de produtividade aumentaram sistematicamente quanto mais velhos os respondentes, provavelmente refletindo os benefícios de aprender a trabalhar de forma mais inteligente com anos de experiência. “Os fatores que motivaram essas pontuações mais altas de produtividade para os entrevistados em faixas etárias mais velhas foram seus hábitos mais fortes em quatro áreas: desenvolvimento de rotinas para atividades de baixo valor, gerenciamento de fluxo de mensagens, realização de reuniões eficazes e delegação de tarefas a outros.

Os dados também capturaram cinco níveis de antiguidade, do mais jovem ao mais antigo. Assim como a idade, os índices de produtividade foram mais altos nos níveis mais altos de antiguidade, sugerindo que bons hábitos de produtividade podem ajudar os profissionais a alcançar cargos de nível superior e que, à medida que as pessoas crescem na organização, elas precisam aprender a se tornar mais produtivas. “Mais entrevistados seniores alcançaram alta produtividade com um melhor planejamento de suas agendas, muito trabalho e habilidades de comunicação mais fortes.”

Embora as pontuações gerais de produtividade dos entrevistados masculinos e femininos sejam quase as mesmas, houve diferenças de gênero em categorias específicas. As mulheres tiveram pontuações mais altas na preparação de seus calendários na noite anterior e na realização de reuniões eficazes, por exemplo, enviando uma agenda com antecedência, mantendo as reuniões em menos de 90 minutos e garantindo que houvesse um acordo sobre as próximas etapas. Os homens tendiam a pontuar mais alto ao lidar com o alto volume de mensagens, mantendo horários livres em seus planejamentos para eventos não planejados e agindo rapidamente para finalizar tarefas e produtos.

O artigo concluiu com um conjunto de recomendações para lidar com os desafios de produtividade enfrentados pela maioria dos profissionais:

Planeje seu trabalho com base em suas principais prioridades e depois aja com um objetivo definido. Isso inclui revisar os horários diários na noite anterior para enfatizar as prioridades e enviar uma agenda detalhada a todos os participantes antes de qualquer reunião.

Desenvolva técnicas eficazes para gerenciar a sobrecarga de informações e tarefas. Isso inclui transformar processos diários em rotinas nas quais você não precisa pensar, deixando tempo na sua agenda diária para lidar com eventos não planejados e delegar tarefas a colegas de trabalho com os quais eles possam lidar sem o seu envolvimento pessoal.

Entenda as necessidades de seus colegas para reuniões curtas, comunicações responsivas e orientações claras. Isso inclui limitar a maioria das reuniões a não mais de 90 minutos, encerrar todas as reuniões com etapas e responsabilidades claramente definidas e estabelecer objetivos e métricas claros para os esforços da equipe.

50 anos depois, os inventores da Internet falam sobre Ela

Cinquenta anos atrás, foi criado o primeiro link de dados permanente entre um computador na UCLA e o Instituto de Pesquisa Stanford (SRI). Foi a primeira conexão da ARPANET, que se tornaria uma grande rede de computadores militares e de pesquisa e mais tarde se tornaria a Internet pública que conhecemos hoje. As consequências não intencionais desta primeira conexão, surgiriam mais tarde, e mesmo as pessoas que ajudaram a estabelecer a primeira conexão da ARPANET parecem muito preocupadas com o que a internet se tornou hoje.

O professor da UCLA, Leonard Kleinrock, ainda hoje mostra com orgulho a sala 3420, no Boelter Hall do departamento de engenharia – onde a primeira mensagem na Internet foi enviada por um estudante de pós-graduação chamado Charley Kline ao cientista Bill Duvall no SRI em 29 de outubro de 1969.

Kleinrock desenvolveu grande parte da base teórica para a primeira rede digital e precursora da Internet. Mas, apesar de suas convicções de que a internet teve um impacto positivo no mundo, algumas de suas reflexões mostram que a internet evoluiu para algo que não é do bem.

Kleinrock diz que não esperava o surgimento das mídias sociais e das redes sociais. E é aí que muitos dos maiores problemas da Internet se derivam, enfatiza – coisas como adulteração de eleições, capitalismo de vigilância, bullying, notícias falsas, deepfakes, pornografia e assim por diante. Kleinrock diz que inicialmente viu essas coisas como problemas que os cidadãos da internet acabariam reagindo e resolvendo.

“Eu costumava dizer que a internet estava passando pela adolescência, mas não digo mais isso.”

As desvantagens de uma Internet social

A Internet é um playground para os piores instintos dos seres humanos.

A maioria dos problemas apontados por Kleinrock ocorre no contexto das redes sociais e outros espaços sociais online, onde o anonimato dos usuários e a falta de responsabilidade on-line, permitem às pessoas fazer declarações e agir sem ter que assumir responsabilidade pessoal por seus atos. Ninguém precisa colocar sua reputação em risco, da mesma maneira que em um espaço público físico.

As pessoas, podem considerar as outras pessoas na Internet, apenas como um pontos na tela, algo menos que o real, e podem achar mais fácil maltratá-las on-line por causa disso. Por causa do seu anonimato e relacionamento frágil com os outros, é muito fácil espalhar boatos e informações não factuais.

Charley Kline, que enviou a primeira mensagem da Internet, diz que a Internet moderna pode atuar e espalhar coisas ruins mais rapidamente e mais longe do que qualquer outro meio de comunicação anterior.

“publicar um panfleto dizendo que alguém é estuprador, dá muito trabalho” … “Agora você pode fazer isso em apenas alguns segundos e espalhá-lo para milhões de pessoas”.

Para remediar o problema de identidade e responsabilidade, Kleinrock diz que uma reputação digital, atribuída à identidade online de uma pessoa, seria bem vinda.

Se alguém usa habitualmente o Twitter, sua reputação digital mostraria isso. Se alguém recomendasse um produto que as pessoas acabassem amando, isso seria creditado a ele também.

A força democratizante da Internet

Nos anos 70 e 80, a ARPANET era uma rede para um grupo exclusivo de pessoas altamente qualificadas – cientistas, professores, pessoas do governo ou militares e havia um conjunto de regras para a comunicação

Impulsionada pelo advento do computador pessoal, a Internet acabou sendo comercializada e oferecida aos consumidores. Em meados dos anos 90, milhões de pessoas já a estavam acessando. O próprio Kleinrock antecipou que grandes redes de computadores se tornariam um fenômeno do mercado de massa, mas ele não viu claramente como seria utilizada.

A internet começou como uma plataforma de comunicação “um para muitos”. Um número relativamente pequeno de editores, criou ou selecionou conteúdo para um grande número de internautas. Mas desde o início, a internet tinha instintos populistas. Na década de 2000, a internet estava rapidamente se tornando uma plataforma muitos-para-muitos, um lugar onde as pessoas podiam publicar, ou selecionar, seu próprio conteúdo.

• Os internautas fizeram seus próprios vídeos para o YouTube.
• Os internautas compartilharam as notícias e informações que se encaixavam com sua visão de mundo no Facebook e no Twitter.

Ao contrário da rede restrita, prevista em seu início, a internet se tornou uma grande força democratizante. Como plataforma de publicação, transformou pessoas comuns em jornalistas, videomakers e especialistas.

Ela transformou donas de casa em influenciadoras e os jogadores de vídeo game em celebridades. Mas esse próspero ecossistema populista, e as empresas que fazem negócios lá, tradicionalmente resistem às regras e regulamentos, especialmente do governo. Isso remonta ao início, desde a ARPANET. Sempre havia um espírito de auto governança. Isso é ilustrado claramente nesta diretriz, encontrada em um manual de etiqueta de rede de 1982 do AI Lab do MIT:

“. . . as mensagens pessoais para outros assinantes da ARPANet (por exemplo, para organizar uma reunião ou dizer um alô amigável) geralmente não são consideradas prejudiciais ”, … “Enviar correio eletrônico pela ARPANet para fins comerciais ou políticos é antissocial e ilegal. Ao enviar essas mensagens, você pode ofender muitas pessoas. . . ”

Essa internet inicial não tinha leis e regulamentos, mas diretrizes voluntárias e uma suposição de que os usuários queriam manter a qualidade de sua rede. Também era para criar uma sensação de liberdade, diz Kline.

“Houve uma tentativa consciente de dizer: ‘Olha, não vamos restringir o que pode ser feito nessa rede’, em parte porque, ao permitir que ela seja aberta, pensamos que coisas novas serão inventadas e descobriremos coisas inteligentes que podemos fazer ”…

“Mas ninguém estava pensando em como isso poderia ser mal utilizado, o que obviamente aconteceu”.

A responsabilidade dos atuais barões da Internet

Kline ressalta que as pessoas que estavam construindo a ARPANET em 1969 nunca sonharam que milhões de pessoas estariam um dia na mesma rede. Os criadores da ARPANET podem ser perdoados por não olhar quatro décadas no futuro para os problemas da Internet pública de hoje. Mas o cientista Bill Duvall, que recebeu a primeira mensagem na Internet há 50 anos, diz que os barões da internet de hoje não têm essa desculpa.

“Existe uma responsabilidade social na criação disso” … “Não acho que os cientistas da computação tenham se saído muito bem: ‘Se projetar isso, acontecerá aquilo; ou: é melhor fazer algo para resolver isso'”.

Sim, ele está se referindo ao Facebook.

“Quando o Facebook está basicamente configurando algo que pode claramente ser usado para notícias falsas, eles deveriam pensar ao mesmo tempo em como controlar isso” … “Isso não foi feito e estamos pagando muito caro por isso.”

Kleinrock, Duvall e Kline dizem que a internet, em geral, foi transformadora e boa para o mundo. Mas os três homens da Internet concordam que a Internet poderia ter evoluído para algo onde houvesse mais proteção para os usuários.

Duvall diz que apenas as pessoas que ajudaram a construir e promover a internet – tecnólogos – podem realmente entender a complexidade de seus problemas. Portanto, cabe às empresas de tecnologia, não aos governos, encontrar e aplicar as tecnologias e políticas que resolverão os seus problemas. Fazer isso adequadamente pode exigir que as empresas de tecnologia deixem de lado os interesses dos acionistas e façam o certo pelas sociedades de onde obtêm lucros.

Ferramentas de Inteligência Artificial

“Queremos usar a IA para aumentar as habilidades das pessoas, para nos permitir realizar mais e para gastar mais tempo em nossos empreendimentos criativos”.

— por Jeff Dean, pesquisador Senior do Google

Chamar o Google de apenas um gigante das buscas seria um eufemismo com a rapidez com que cresceu de um mero mecanismo de busca para uma força motriz por trás de inovações em vários setores importantes de TI.

Nos últimos dois anos, o Google plantou suas raízes em quase tudo do mundo digital, seja eletrônicos de consumo, como smartphones, tablets, laptops, softwares, como Android e Chrome OS, ou o software inteligente apoiado pela IA do Google.

O Google tem inovado ativamente na indústria de software inteligente. Apoiado por sua experiência em pesquisa e dados analíticos adquiridos ao longo dos anos, o Google ajudou a criar várias ferramentas como TensorFlow, ML Kit, Cloud AI e muito mais para entusiastas e iniciantes, que estão em busca de melhor entender os recursos da IA.

A IA do Google está focada em trazer os benefícios da IA para todos.

As seções a seguir ajudam a esclarecer como o Google direcionou suas ferramentas para grupos específicos de usuários, como desenvolvedores, pesquisadores e organizações, e como as pessoas podem se beneficiar das ferramentas de IA do Google.

Para desenvolvedores

Com mais desenvolvedores mergulhando no mundo da IA, o Google está atendendo às suas necessidades, fornecendo várias ferramentas poderosas, como

TensorFlow

O TensorFlow é a oferta do Google ao mundo, de uma biblioteca para aprendizado de IA de código aberto fim a fim, utilizando o aprendizado de máquina para melhorar os serviços prestados por vários de seus produtos.

Usando o conjunto de ferramentas e bibliotecas do TensorFlow, os desenvolvedores podem criar modelos de aprendizado de máquina altamente precisos e bem definidos.

A partir daí pode-se trabalhar na construção de modelos e implantação em uma variedade de dispositivos. O TensorFlow pode facilitar a criação e a implantação de modelos de IA complexos, que, com um forte apoio da comunidade, abre-se a oportunidade para muitas idéias, seja você um novato ou um indivíduo experiente.

Algumas amostras: TensorFlow Dev Summit 2020.

Kit Machine Learn

O ML Kit leva a experiência de aprendizado de máquina do Google para desenvolvedores de dispositivos móveis em um pacote poderoso e fácil de usar.

O ML Kit é um SDK somente para celular, atualmente disponível para Android e iOS para aproveitar os benefícios do Machine Learning do Google em seus aplicativos móveis e prepará-los para resolver problemas do mundo real. O ML Kit pode ajudá-lo a obter sucesso em tarefas orientadas pelas técnicas subjacentes de Machine Learning, como:

Identificação de idioma

Passar texto para o ML Kit -> Obtem-se o idioma detectado no texto.

Ele suporta mais de 100 idiomas, incluindo hindi, árabe, chinês e muitos outros! Lista completa de idiomas suportados aqui.

Reconhecimento de Texto

Clique em uma foto -> Obtenha o texto da foto.

Digitalização e etiquetagem de imagens

Clique em uma foto -> Obter uma lista de objetos na foto

Reconhecimento Facial

Clique em uma foto -> Obter todos os rostos da foto

Respostas inteligentes

Passe a mensagens para ML Kit -> Obtenha 3 respostas inteligentes

Digitalização de código de barras

O ML Kit suporta a digitalização e extração de informações de código de barras (QR code)

Clique em uma foto -> Obtenha informações do código de barras / código QR digitalizado

Integração de modelo personalizado com o TensorFlow Lite

Com APIs prontas para uso para implementação no dispositivo ou na nuvem para uma variedade de casos de uso, que pode-se aplicar facilmente seu modelo de ML aos seus dados e acompanhar o desempenho do seu aplicativo com uma opção para integração personalizada com o TensorFlow Lite.

Google Open Source

O Google Open Source traz todo o valor do código aberto e todos os recursos do Google.

À medida que um software mais novo e melhor é desenvolvido, há uma necessidade constante de atualizações e novos recursos. Depois que os desenvolvedores começaram a criar código fonte aberto, a comunidade pode participar ativamente e ajudar a melhorar e expandir esses códigos. Com códigos disponíveis gratuitamente, os desenvolvedores podem modificar e dimensionar o código acessando seu repositório, geralmente resolvendo problemas complexos no processo.

O Google prometeu reunir mais informações para os desenvolvedores, incentivando-os a disponibilizar seu código abertamente para qualquer pessoa interessada, oferecendo vários projetos gratuitos e de código aberto, como:

• ClusterFuzz, que descobriu mais de 11000 erros nos últimos dois anos em vários projetos.
• AutoFlip, que reorganiza inteligentemente os vídeos para caber em dispositivos modernos.
• Blockly, que oferece fácil codificação através de blocos de código de arrastar e soltar, que podem até ser usados para criar lógica de negócios.

Indicadores de justiça

Uma ferramenta que fornece métricas para quantificar a justiça em um sistema de aprendizado de máquina. Desenvolvido pelo TensorFlow, a intenção é eliminar qualquer preconceito de um sistema de aprendizado de máquina, melhorando sua imparcialidade e diminuindo os preconceitos dos sistemas e organizações.

CoLaboratory

Colaboratory ou Colab, em resumo, é um editor e compilador de código on-line para Python. É como o Google Docs, mas para Python, com recursos de armazenamento no Google Drive. É relativamente fácil de usar e elimina o incômodo de compartilhar configurações entre vários usuários, simplificando o processo de colaboração. Ele também oferece a capacidade de trabalhar remotamente em seu código, com a opção de criar descontos para explicações detalhadas com trechos de código.

Para mais informações sobre o que é o Google Colab, confira o vídeo.

Para Pesquisadores

Ao mergulhar em um novo campo de estudo, uma extensa pesquisa é uma necessidade absoluta. Com conjuntos de dados abrangentes e avançados gerados pelos modelos existentes, disponíveis abertamente para os usuários, o Google simplificou o processo para colocar suas mãos neles oferecendo as seguintes ferramentas:

Conjuntos de dados do Google – Datasets

Como todo modelo de aprendizado de máquina, o problema fundamental é treiná-lo com dados corretos. Os conjuntos de dados do Google resolvem esse problema.

O Google Datasets é uma coleção de conjuntos de dados com curadoria do Google que é atualizado periodicamente, analisando a ampla gama de interesses dos pesquisadores.

O Google oferece uma ampla variedade de categorias de conjuntos de dados, cobrindo imagens, áudios transcritos, vídeos e texto. Destinado a uma ampla variedade de usuários com casos de uso variados, cada categoria apresenta um detalhamento do conjunto de dados com links de download para facilitar o acesso.

Depois que os usuários baixam os conjuntos de dados e treinam seu modelo, eles podem prepará-los para cenários do mundo real. A pesquisa de mais conjuntos de dados pode ser feita através de conjuntos de dados do Google.

Pesquisa de conjuntos de dados do Google – Datasets search

Com cada modelo na Internet gerando seu próprio conjunto de dados, o Google ajudou a facilitar o processo de compartilhamento dos conjuntos com outros usuários na Internet, através de um recurso de pesquisa. Assim como o serviço de pesquisa que busca qualquer coisa na Web, a Pesquisa de conjuntos de dados do Google restringe sua pesquisa ao conjunto de dados que se está procurando. A partir daí, pode-se saber mais sobre o conjunto de dados específico e trabalhar nele. Os dados são importantes e o Google sabe disso

Crowdsource

Outra iniciativa do Google para aumentar a precisão de seus dados, é apresentando aos usuários desafios divertidos, solicitando que eles reconheçam várias categorias de imagens, como desenhos, cartas, jornais, ilustrações e muito mais.

Nessas categorias, os colaboradores podem identificar e rotular imagens para melhorar os serviços do Google. Um distintivo divertido com metas a serem alcançadas, para quem gosta de contribuir, com espírito competitivo.

Saiba mais sobre o Crowdsource

O Google Crowdsource não funciona apenas em imagens, mas em várias outras seções, como:

• Reconhecimento de caligrafia
• Expressões faciais
• Traduções
• Validação de tradução
• Legendas da imagem
• Verificação da etiqueta da imagem

Para Organizações

Ao monitorar de perto o mercado, o Google pode identificar como seus serviços podem transformar o potencial de uma empresa. O Google oferece a elas, ferramentas que podem otimizar seu fluxo de trabalho ao adotar os conhecimentos de IA e ML O Google oferece conjunto de dados, modelos personalizados, serviços em nuvem de alto desempenho e muito mais.

Várias organizações já se beneficiaram das ferramentas de inteligência artificial do Google, como Lyft, Max Kelsen, eBay, entre outras. As organizações podem se beneficiar das seguintes ferramentas do de IA do Google:

Cloud TPU

Com todo o processamento de números, o Machine Learning requer um sistema de alto desempenho. E justamente por isso, o Google construiu seu TPU, abreviação de Tensor Processing Unit que serve exatamente isso. O Cloud TPU permite que as empresas ofereçam seus melhores serviços aos clientes, reduzindo os custos de hardware.

As empresas podem escolher sua TPU de nuvem preferida, desde tarefas menos exigentes até as mais complexas,.

Cloud AI

O Cloud AI permite implementar recursos de aprendizado de máquina em seus negócios, para que esteja sempre pronto a enfrentar novos desafios. Usando o Cloud AI, as empresas podem usar os modelos já disponíveis fornecidos pelo Google ou personalizar um deles ao seu gosto.

A nuvem IA é dividida em três componentes.

AI Hub

Fornece uma coleção de componentes de IA prontos para usar, com opções para compartilhar e experimentar os modelos.

Blocos de construção de IA

Permite que os desenvolvedores adicionem recursos de conversação, visão, idioma, dados estruturados e Cloud Auto ML.

Plataforma AI

A Plataforma AI capacita cientistas de dados, engenheiros e desenvolvedores a transformar rapidamente suas ideias na implantação com vários serviços, como o Notebooks da Plataforma AI, Deep Learning Containers, Serviços de Rotulagem de Dados, Avaliação Contínua, Treinamento da Plataforma AI e muito mais.

Leitura interessante

Cloud AutoML

Sendo usado por marcas populares como Disney, Imagia, Meredith e outras, o Cloud AutoML permite o treinamento de modelos personalizados de aprendizado de máquina para gerar dados de de alta qualidade. Sendo totalmente integrado a vários outros serviços do Google, emparelhado com um processo de transferência contínuo de um serviço para outro.

Conclusão

A IA existe há um período relativamente curto, mas os avanços já descobertos são surpreendentes. Analisando os benefícios da IA, as empresas podem obter muitas vantagem adotando Inteligência Artificial e Machine Learning.

O Google tem inovado constantemente, com várias ferramentas, como ML Kit, TensorFlow, ajudando empresas e desenvolvedores e pesquisadores. Ao incentivar o uso de suas ferramentas de IA de nuvem, o Google está tentando ampliar a presença de IA e ML no mundo real.

O objetivo é capacitar usuários com meios de avaliar, colaborar, melhorar e implantar seus modelos de aprendizado de máquina personalizados para aumentar a produtividade e melhorar os serviços.