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.

Medindo o valor dos serviços digitais

O Produto interno bruto (PIB) é a medida básica da produção econômica geral de um país, e tem como base o valor de mercado de todos os bens e serviços que o país produz. A maioria das medidas de desempenho econômico usadas por governos para informar suas políticas e decisões são baseadas no PIB. Porém, surgem preocupações sobre as informações baseadas no PIB, dadas as principais mudanças que ocorreram no mundo nas últimas décadas.

O PIB é essencialmente uma medida de produção; adequado, quando as economias eram dominadas pela produção de bens físicos, o PIB não captura adequadamente a parcela crescente de serviços e as soluções cada vez mais complexas que caracterizam as economias avançadas. Também não reflete importantes atividades econômicas além da produção, como renda, consumo e padrão de vida.

Em 2008, uma Comissão de Medição do Desempenho Econômico e do Progresso Social, liderada pelos economistas Joseph Stiglitz e Amartya Sen, ganhadores do Prêmio Nobel, foi convocada para reconsiderar os limites do PIB como um indicador do desempenho e progresso econômico.

“O que medimos afeta o que fazemos; e se nossas medições forem falhas, as decisões podem ser distorcidas.” nota do relatório.

A Comissão recomendou complementar as medidas clássicas do PIB e da produção econômica com informações adicionais que capturassem o bem-estar das pessoas, além de considerar as medidas para ajudar a refletir a evolução da economia.

Na última década, um novo conjunto de preocupações surgiu com a ascensão da economia digital baseada na Internet.

Como você mede o valor das quantidades crescentes de informações gratuitas disponíveis na Internet, incluindo artigos da Wikipédia, mapas do Google, interações no Facebook, aplicativos para smartphones e vídeos do YouTube?

Na palestra Por que é importante que o PIB ignore os bens livres, proferida na conferência de 2012 de Tecnologia, o professor do MIT Erik Brynjolfsson disse que, apesar de estar no meio de uma grande revolução tecnológica, as estatísticas oficiais do governo não incluem o valor dos bens digitais e assim, poderia-se concluir que o setor de informação mal cresceu desde os anos 1960, participando penas com cerca de 4,5% da economia.

Como isso é possível, se gastamos cada vez mais tempo consumindo e desenvolvendo bens digitais?

“Obviamente, existem problemas de medição na maneira como mantemos e amostramos nossas estatísticas, e isso é um problema real porque, o que não é medido, não pode ser gerenciado”,

Alguns problemas na medição do valor dos bens digitais.

A primeira coisa é que o custo marginal da entrega de algo pela Internet é bem próximo de zero. Embora em alguns casos seu modelo econômico seja baseado em publicidade, em muitos casos os usuários contribuem com seu tempo e desenvolvem conteúdo digital por nada. As informações on-line podem ser atualizadas a cada minuto do dia e acessíveis em praticamente qualquer lugar do mundo, mas seu preço geralmente é radicalmente mais baixo do que o de sua concorrente física – se houver um preço.

O problema é que o PIB mede o valor total gasto com esses bens e serviços. Se o preço for zero, – zero vezes qualquer coisa ainda é zero. Então mesmo que se possa criar uma enorme quantidade de informações, artigos ou qualquer outra coisa; se o preço é zero, os matemáticos e estatísticos, em seus cálculos, conseguem provar que isso resulta em uma grande contribuição de tendência zero para o PIB.

“As métricas tradicionais não são adequadas para a economia da informação, porque grande parte da economia digital é gratuita”.

Como se pode medir o valor de mercadorias cujo valor é essencialmente zero?

Um trabalho de pesquisa recente de Avinash Collis e Felix Eggers introduziu um novo método para medir o valor dos produtos digitais, usando experimentos de escolha online. Sua proposta é baseada na medição do excedente do consumidor de um bem digital – definido livremente como a diferença entre o valor que os consumidores estariam dispostos a pagar e o preço real que pagam. Em princípio, medir o excedente do consumidor fornece uma medida direta do valor do bem digital.

Na prática, é bem difícil medir o excedente do consumidor digital. Para fazer isso, os autores usaram três pesquisas on-line em larga escala, abrangendo 65.000 pessoas, para medir a disposição do consumidor em aceitar compensações monetárias a vários tipos de produtos digitais por um determinado período. A diferença entre o preço que os consumidores estavam dispostos a aceitar e o preço real do bem digital – em muitos casos zero – foi usado para calcular o excedente do bem digital, ou seja, o valor do bem, para o bem digital dos consumidores.

Os pesquisadores realizaram uma série de pesquisas. Em uma delas, eles identificaram os aplicativos e sites on-line mais utilizados, em vários dispositivos, e os agregaram em oito categorias diferentes:

• e-mail,
• mecanismos de pesquisa,
• mapas,
• comércio eletrônico,
• vídeo,
• música,
• mídia social e
• mensagens instantâneas.

A pesquisa quantificou o valor de cada uma dessas categorias digitais, determinando quanto dinheiro seria necessário para um consumidor desses conteúdos digitais por um ano.

A pesquisa foi realizada duas vezes. Em 2016 e em 2017. Aqui estão os valores médios de 2017 que seriam necessários para compensar um consumidor em cada uma das categorias digitais por um ano:

• Ferramentas de busca – $ 17,530
• E-mail – $ 8.414
• Mapas – $ 3.648
• Vídeo –  $ 1.173
• Comércio eletrônico – $ 842
• Mídias sociais – $ 322
• Música – $ 168
• Mensagens – $ 155

Os mecanismos de pesquisa e o e-mail foram as duas categorias mais valiosas, porque para muitas pessoas esses serviços digitais são essenciais para o seu trabalho, em comparação com outras categorias.

Os dados mostram que a economia digital está contribuindo com mais valor para o consumidor do que imaginamos, especialmente quando você considera que há 15 anos muitos desses serviços digitais não existiam ou estavam começando. Agora, eles estão totalmente integrados ao nosso trabalho e vida pessoal.

Em suas conclusões, os autores do artigo alertam que estes são resultados iniciais. São necessárias muito mais pesquisas para entender melhor como medir o valor de bens digitais gratuitos ou quase gratuitos, amplamente utilizados, para obter uma visão mais realista do que cria valor em nossa economia cada vez mais digital.

“Uma grande limitação do nosso estudo continua sendo a relativa falta de precisão em nossas estimativas. Comparado com o PIB, só podemos fornecer uma estimativa relativamente grosseira das mudanças no excedente do consumidor, considerando o tamanho da amostra … Trabalhos futuros devem usar tamanhos de amostra mais maciços … Outra limitação do nosso estudo é que ele é direcionado a pessoas que usam a Internet. As experiências de escolha são acessíveis apenas on-line e, portanto, as pessoas que não usam a Internet (cerca de 11% da população dos EUA) são excluídas.”

“Apesar de suas limitações, os experimentos de escolha que realizamos estão ao menos tentando medir diretamente um conceito que sabemos que não é medido corretamente por outros dados oficiais. Em suma, acreditamos que é melhor estar aproximadamente correto do que precisamente errado.”

Além da transformação digital para garantir RoI

O conceito de Transformação Digital está rapidamente se tornando algo tão falado e que todo mundo diz estar praticando, que ele já começa a perder seu real sentido, passando para algo chamado de saciedade semântica – um conceito de que algo não tem valor porque pode significar muitas coisas, ou muito pouco.

Para os executivos, algo mais alarmante está ocorrendo: a transformação digital pode se tornar um empecilho para os esforços digitais realizados. Eles lutam para aumentar os lucros e obter RoI significativo com investimentos digitais em larga escala, mas não obtém tal retorno, como desejado.

Então, como obter valor em uma empresa digital e garantir que todos os investimentos ofereçam esse RoI?

É necessário mais do que transformar. É preciso transcender as abordagens tradicionais de crescimento e mudança. A PwC fez uma pesquisa, a QI digital da PwC em 2020, nela, foram estudadas milhares de empresas e seus comportamentos digitais. E foi descoberto que:

• Apenas 5% das empresas estão obtendo retorno moderado ou significativo de seus esforços digitais em todas as áreas medidas: crescimento, lucros, inovação, experiência do cliente, crescimento da marca, atração e retenção de talentos, interrupção de seu próprio setor, uso de dados para melhorar decisões, corte custos e combater novos entrantes da indústria.

Esse grupo de empresas – Transcendentes – obtém retorno real em suas empresas por abraçar a inovação e não temer mudanças…

Mas o que é preciso para transcender?

Quatro diferenciadores principais oferecem desempenho, consistência e destaque. E são elementos sobre os quais muitos líderes falam, mas nem todos atuam ou obtêm valor real.

1. Mudança de postura – não adianta apenas falar

Ações valem mais que palavras. Se os líderes da empresa não adotarem estratégias digitais que os ajudem a se adaptar a esse mundo em constante mudança, não conseguirão transcender. Para transcender, deve-se assumir riscos calculados, começando pela maneira de como liderar.

• 84% dos Transcenders não apenas incentivam – usam estratégias de liderança focadas na colaboração e novas formas de trabalhar.
• 92% dos Transcenders agem de acordo com as ideias de todos, não apenas dos superiores.

Isso é importante, pois os gestores não conseguem pensar em tudo ou ter todas as ideias. Alguns exemplos de ideia vinda de colaboradores e que se tornaram casos de sucesso:

• O Hot Cheetos de Flamin.
• O Post-it de Spencer Silver da 3M e
• Ken Kutaragi da Sony que teve a ideia do Playstation depois de brincar com o Nintendo de sua filha.

Os Transcenders desenvolvem uma estratégia digital básica, de modo que seus líderes se esforçam para evitar obstáculos à inovação e criam um ambiente de oportunidades para que as ideias surjam: Simulando a ideia, dando exemplo, criando ambientes e fazendo apresentações.

• O marketing trabalha junto com as finanças?
• O RH incentiva enviar ideias de novos negócios?
• Funcionários menos experientes são convidados a reformular os problemas e criar novas soluções?

Grandes ideias não são vinculadas por títulos ou departamentos.

2. Invista como quiser

A maioria das empresas investem em treinamento, tecnologia e inovação. Mas obter o retorno requer um esforço diferenciado. Sem a infraestrutura que suporta um ambiente em constante evolução, as aspirações fracassam.

Os processos, as tecnologia e as habilidades estão implorando para serem modernizadas – não apenas para o agora, mas para o futuro. Depois de fazer isso, terá tempo para se concentrar no crescimento acima dos custos:

65% dos Transcenders direcionam suas iniciativas digitais e investem mais de 33% que outras empresas, em crescimento. Mesmo que agora não seja viável gastar mais, você pode realocar investimentos para iniciativas que incentivam a inovação e a tecnologia, que não apenas ajudam a reduzir custos ou economizar tempo, mas também impulsionam negócios.

Fazer isso pode parecer assustador, mas para os Transcenders o retorno é mais impressionante. A adoção de ferramentas e iniciativas digitais aumentou a participação dos funcionários em inovação em 84% nessas empresas. E, como grupo, eles viram um crescimento 17% maior na margem de lucro do que outros nos últimos três anos.

3. Coloque as pessoas em primeiro lugar

Nenhum negócio prospera sem talento criativo motivado. Para ir da transformação à transcendência, a experiência e o aprimoramento dos funcionários é fundamental – do tipo: colocar as pessoas na vanguarda da inovação – são cruciais.

Transcender significa ver seu negócio, sua empresa, como destemida, que muda suas táticas e dá aos funcionários, as ferramentas necessárias para elaborar novos planos e novas táticas. Você precisa das melhores pessoas e precisa delas para permanecer e crescer com você. (Sem mencionar que normalmente custa muito – mais de US $ 4.000 para contratar um novo funcionário.)

Para colocar seu pessoal em primeiro lugar, provavelmente será necessário repensar o treinamento:

• 64% dos Transcenders do estudo Global QI da PwC recentemente aumentaram seus processos de treinamento. Sim, é crucial ensinar habilidades para o novo ambiente digital, mas elas precisam ser pequenas, imediatamente aplicáveis, práticas e motivadoras. E não se trata apenas de habilidades tecnológicas. Há um nível de agilidade mental e de habilidades – para aceitar e processar mudanças e novas formas de trabalho – e um impulso colaborativo necessário para passar ao status do Transcender. Além disso, você está preparando funcionários para o futuro, movendo-os do foco em fazer uma ou duas coisas muito bem para pensar de maneira diferente e usar ferramentas digitais de forma colaborativa.

A recompensa para as empresas transcendentes:

• 72% sempre ou frequentemente alcançam a adoção pretendida de novas iniciativas (em oposição a apenas 35% das outras), e
• 97% da Transcenders relatam maior produtividade dos funcionários ao usar ferramentas digitais e formas de trabalhar. Ah, e os Transcenders têm uma probabilidade 200% maior do que as outras empresas de atrair e reter os melhores talentos.

4. Construa uma cultura resiliente

Desafio gera resiliência; que é o resultado da persistência, juntamente com a visão de navegar pelas mudanças. Transformar rapidamente uma ameaça potencial em oportunidade tem sido fator determinante para empresas que estão vencendo a transformação digital.

É por isso que 98% dos Transcenders estão confiantes de que suas empresas sobreviverão, independentemente dos desafios que virão.

Mas qual a principal diferença entre transformação e transcendência?

As transformações têm um começo, um meio e um fim. E o que determina cada fase é o sue projeto ou sua implementação.

Mas a transcendência é uma sequência de constante aprendizado e aprimoramento. Os líderes Transcendentes fazem uma aposta, explicam a mudança cultural necessária e as táticas que permitirão essa melhoria. Eles têm uma visão clara e ajudam os outros a vê-la também.

Essa abordagem é a razão pela qual as Transcenders adotam grandes interrupções e se fortalecem:

• 67% passaram, pelo menos, por um evento perturbador nos últimos dois anos, de fusões e aquisições até mudanças significativas na estratégia de negócios. Além disso, a flexibilidade e o compromisso com o digital dão às empresas transcendentes uma forte vantagem competitiva:

• 86% relatam um aumento na inovação rápida nos negócios.

A transformação pode estar perdendo seu significado, mas a transcendência está apenas entrando no zeitgeist. E é isso que manterá seu pessoal – e sua empresa – focados para a estrada aberta, à frente, e não no espelho retrovisor, para trás.

Inteligência Artificial e a evolução da história

No ano passado o MIT inaugurou mais um e seus centros de estudos avançados, o Schwarzman College of Computing – uma resposta estratégica do MIT ao aumento da demanda por conhecimento da inteligência artificial – uma tecnologia que remodelará a “geopolítica, nossa economia, nossa vida cotidiana e a própria definição de trabalho” nas próximas décadas.

Na celebração de abertura, houveram palestras e painéis sobre uma ampla variedade de tópicos, alguns focados em aplicações inovadoras de tecnologias de IA, outros nos problemas desafiadores levantados por essas poderosas tecnologias.

Sobre as questões mais desafiadoras, do impacto da IA em nossas interações sociais, é muito interessante a abordagem da palestra da professora do MIT Sherry Turkle sobre Repensando o atrito na cultura digital e também o artigo do professor de Yale, Nicholas Christakis, sobre Como a IA Nos Recompensará.

Há ainda a entrevista realizada pelo colunista do NY Times Thomas Friedman com o ex-secretário de Estado dos EUA, Dr. Henry Kissinger. A entrevista foi baseada em um artigo de junho de 2018 do Dr. Kissinger – Como o Iluminismo Termina: “Filosoficamente, intelectualmente – em todos os aspectos – a sociedade humana não está preparada para a inteligência artificial.”

Friedman perguntou como Kissinger se interessou pelo assunto da IA. Kissinger respondeu que começou a refletir sobre a IA depois de ouvir uma palestra sobre o assunto em uma conferência em 2015. Ao longo de três anos de discussões, ele ficou cada vez mais preocupado com o fato de o conhecimento técnico da IA estar muito à frente do nosso entendimento de suas implicações políticas, sociais e humanas, bem como de seu impacto a longo prazo na evolução da história. Foi isso que o levou a escrever o seu artigo.

A tese central do artigo de Kissinger é que “Até agora, o avanço tecnológico que mais alterou o curso da história moderna foi a invenção da imprensa no século XV, que permitiu a busca de conhecimento empírico para suplantar a doutrina litúrgica e a Era da Razão para gradualmente substituir a Era da Religião … ”

“A Era da Razão originou os pensamentos e ações que moldaram a ordem mundial contemporânea. Mas essa ordem está agora em agitação em meio a uma nova revolução tecnológica ainda mais abrangente, cujas consequências não conseguimos contar totalmente, e cujo ponto culminante pode ser um mundo que depende de máquinas movidas por dados e algoritmos e não governado por normas éticas ou filosóficas.”

A revolução da IA pressagia um Novo Iluminismo ou uma Nova Era das Trevas, perguntou Friedman. “Não sabemos”, respondeu Kissinger. Não entendemos como relacionar as muitas opções oferecidas pela AI a critérios humanos como ética, ou mesmo para definir quais são esses critérios.

“A era da internet em que já vivemos prefigura algumas das questões e questões que a IA só tornará mais aguda” … escreveu Kissinger no artigo.

“Os usuários da internet enfatizam a recuperação e manipulação de informações em vez de contextualizar ou conceituar seu significado … como regra geral, exigem informações relevantes para suas necessidades práticas imediatas … A verdade se torna relativa. As informações ameaçam sobrecarregar a sabedoria … Inundado pelas mídias sociais com as opiniões de multidões, os usuários são desviados da introspecção … ”

“O impacto da tecnologia da internet na política é particularmente pronunciado. A capacidade de direcionar micro grupos quebrou o consenso anterior sobre prioridades, permitindo um foco em propósitos ou queixas especializadas. Os líderes políticos, sobrecarregados por pressões de nicho, são privados de tempo para pensar ou refletir sobre o contexto, contratando o espaço disponível para desenvolver a visão. A ênfase do mundo digital na velocidade inibe a reflexão; seu incentivo capacita o radical sobre o pensativo; seus valores são moldados pelo consenso de subgrupos, não pela introspecção.”

A IA leva essas preocupações para um nível totalmente diferente. Até agora, aplicamos tecnologias para automatizar processos dentro de sistemas e objetivos prescritos pelo homem. A IA, em contraste, é capaz de prescrever seus próprios objetivos.

“Os sistemas de IA, por meio de suas próprias operações, estão em constante fluxo à medida que adquirem e analisam instantaneamente novos dados, depois buscam melhorar a si mesmos com base nessa análise. Através desse processo, a inteligência artificial desenvolve uma habilidade anteriormente pensada como reservada para os seres humanos. Faz julgamentos estratégicos sobre o futuro.”

Kissinger acha que “o impacto da IA terá consequências históricas”. Suas aplicações são cada vez mais capazes de gerar resultados totalmente inesperados e radicalmente diferentes da maneira como os seres humanos resolvem problemas.

“Com o tempo, a inteligência artificial trará benefícios extraordinários para a ciência médica, energia limpa, questões ambientais e muitas outras áreas”, escreveu Kissinger em seu artigo, “Mas justamente porque a IA faz julgamentos em relação a um futuro em evolução, ainda não determinado, incerteza e ambiguidade são inerentes aos seus resultados.”

Seu artigo lista três áreas principais de preocupação:

1. Os aplicativos de IA podem alcançar resultados indesejados. Como podemos garantir que nossos sistemas de IA cada vez mais complexos façam o que queremos? A ficção científica está cheia de cenários de IA, por exemplo, Hal em 2001: Uma Odisseia no Espaço. Mas, além da ficção científica, existem outras maneiras principais pelas quais as coisas podem não funcionar como o esperado. Todos conhecemos bugs de software, especialmente bugs em softwares altamente complexos, como é o caso dos sistemas de IA. A crescente complexidade dos sistemas de IA e seu alistamento em funções de alto risco, como controlar aviões, carros, robôs cirúrgicos e sistemas de saúde, significa que devemos redobrar nossos esforços em testar e avaliar a qualidade desses sistemas de IA.

2. Além dos bugs de software, os sistemas de IA podem ter problemas próprios, especialmente se desenvolvidos usando algoritmos de aprendizado de máquina e treinados com grandes conjuntos de dados. Pode haver falhas adicionais nos próprios algoritmos. Ou os dados do treinamento podem incluir vieses imprevistos. Os sistemas podem muito bem estar funcionando como projetados, mas não como realmente queremos que eles funcionem. Pode demorar um pouco para descobrir se o problema está no software, nos algoritmos de aprendizado de máquina, nos dados de treinamento ou em alguma combinação de todos os itens.

3. O sistema de IA pode ser incapaz de explicar a sua lógica, mesmo que esteja funcionando corretamente e atinja os objetivos pretendidos. Pode ser incapaz de explicar como o fez em termos que os humanos entenderão. Explicar a um ser humano o raciocínio por trás de uma decisão ou recomendação específica feita por um algoritmo de aprendizado de máquina é bastante difícil, porque seus métodos – ajustes sutis nos pesos numéricos que interconectam seu grande número de neurônios artificiais – são muito diferentes daqueles usados por humanos. Ao atingir seus objetivos, a IA pode mudar os processos de pensamento e valores humanos. Em geral, os humanos resolvem problemas complexos desenvolvendo um modelo explícito ou conceitual do problema. Esses modelos fornecem o contexto para se chegar a uma solução ou tomar uma decisão. A IA, por outro lado, aprende matematicamente, ajustando marginalmente seus algoritmos enquanto analisa seus dados de treinamento. Essa falta de contexto inerente pode levar a IA a interpretar mal as instruções humanas. Torna difícil para a IA levar em conta o tipo de advertências subjetivas, qualitativas, como éticas ou razões, que orientam as decisões humanas.

Além disso, dado que a IA aprende exponencialmente mais rápido que os humanos, é provável que seus erros e desvios se propaguem e cresçam mais rapidamente do que aqueles tipicamente cometidos por humanos. Um sistema de IA que esteja constantemente aprendendo com a ingestão de novos dados pode inevitavelmente desenvolver pequenos desvios que, com o tempo, podem se transformar em falhas catastróficas. Os humanos usam atributos qualitativos como sabedoria, julgamento e bom senso para moderar e corrigir seus erros – atributos que os sistemas de IA com base quantitativa geralmente não possuem.

Para encerrar, Thomas pergunta a Henry:

“Quando você voltar daqui a 10 anos e entregar ao [presidente do MIT] Rafael um boletim para a Escola de Computação, o que constituirá sucesso para esta nova empresa?”.

A que Kissinger respondeu: “Eu gostaria de ver se as pessoas que estarão explorando o próximo estado, no futuro próximo, têm um domínio melhor do que agora sobre a natureza das concepções que a inteligência artificial produz.”

“Então, eu gostaria de ver se foi possível desenvolver alguns conceitos [para controlar ataques cibernéticos baseados em IA] que sejam comparáveis aos conceitos de controle de armas nos quais estive envolvido, digamos, 50 anos atrás, que nem sempre foram bem-sucedidos. Em teoria era bastante explicável. Mas ainda não temos isso.”

E em todos ou na maioria dos campos de IA que estão sendo explorados, eu ficaria muito interessado em ver se as empresas ou instituições que os estão promovendo não estão apenas resolvendo o problema que os interessou, mas… fizeram algum progresso nas implicações. Isso determinará o nosso futuro e o futuro do mundo.”

A tecnologia para a emergência global

Os Coronavírus estão se tornando uma enorme ameaça para o mundo, ainda maior que o surto de SARS há alguns anos atrás. No entanto, agora, cientistas, pesquisadores, médicos e especialistas em saúde têm a opção de usar as mais recentes tecnologias, como aprendizado de máquina e inteligência artificial para tentar derrotar o vírus. Além disso, eles têm a opção de realizar análises preditivas e usar os insights gerados a partir dela para entender e monitorar a epidemia. Este artigo, foca-se mais em demonstrar o uso de novas tecnologias como IA e ML para a prevenção ou redução de Corona vírus.

Por que o Coronavírus é tão perigoso?

O Coronavírus pode causar vários problemas de saúde. Desde um resfriado comum, até algo mortal, como a Síndrome Respiratória Aguda, o Coronavírus é definitivamente um vírus com risco de vida. O que torna o Coronavírus ainda mais assustador é o fato de ser a primeira vez que foi identificada essa família de vírus, que atacam seres humanos. Além disso, como ele é altamente transmissível, pode afetar e se alastrar pelos humanos rapidamente, espalhando-se através de tosse, gotículas de espirro, etc. Na verdade, pode até espalhe-se apenas com o toque das mãos da pessoa contaminada.

Uso da tecnologia

As tecnologias mais recentes para tratamento de doenças, ainda não são capaz de salvar as pessoas de contrair doenças, mas ajuda a entender as razões por trás dela e até as maneiras possíveis de evitá-la. Antes, levava-se muito tempo para sequenciar o genoma de qualquer vírus. Mesmo quando o SARS chegou, demorou muito tempo para seu sequenciamento. Mas agora, com a ajuda da IA e da ML, foi possível sequenciar rapidamente o genoma do vírus. De fato, no caso do Coronavírus, a ferramenta precisou apenas de um mês para identificar a sequência do seu genoma. A primeira tentativa foi relatada em dezembro de 2019 e em janeiro de 2020, os cientistas tinham a sequência completa do genoma.

Mapeamento da doença

Os especialistas também estão usando a tecnologia para rastrear a propagação da doença; já havia ferramentas de mapeamento usadas anteriormente. Mas agora o processo se tornou mais rápido e eficiente.

Os especialistas já conseguem olhar para um mapa em tempo real focado na disseminação do Coronavírus. Ele exibe as estatísticas relacionadas aos vários casos confirmados internacionalmente. Mostrando até as mortes relatadas nos países. Com a ajuda dos dados, os especialistas podem obter várias informações.

O mapeamento também ajuda a implementar restrições de viagem, se necessário. No entanto, muitos dados precisam ser coletados e processados para obter tais informações.

Os especialistas em big data também estão cruzando informações relacionadas aos padrões de tráfego das companhias aéreas, ao mesmo tempo que analisam todos os detalhes mais recentes sobre a propagação do vírus e as últimas descobertas relacionadas à transmissão da doenças.

Assim, o big data e o aprendizado de máquina, ambas as tecnologias, serão amplamente utilizadas para fins de mapeamento.

O papel da Inteligência Artificial e da Análise Preditiva

Muitas empresas de IA e ML, especialmente aquelas que lidam com assistência médica, estão ansiosas para construir uma hábil ferramenta de previsão de Coronavírus. De fato, algumas empresas criaram ferramentas que podem ajudar os profissionais de saúde a detectar os sinais de alerta do vírus. A BlueDot, uma empresa especializada em vigilância de doenças contagiosas, criou uma ferramenta eficiente baseada em IA e ML. A ferramenta é usada para prever com exatidão e eficiência o surto do vírus.

Basicamente, a ferramenta funciona pesquisando e coletando uma enorme quantidade de informações. Ao processar o grande número de conjuntos de dados, a ferramenta pode gerar insights preditivos valiosos. Os dados são coletados de várias fontes, como sites e mídias sociais, reportagens, relatórios governamentais, além de vários outros recursos. A ferramenta também ajudou a identificar as áreas geográficas em que não se deve ir por causa da propagação do vírus.

Além disso, existem outras ferramentas baseadas em IA e ML, que são usadas para identificar os locais onde o vírus poderá chegar em breve. Com base nas previsões, os profissionais de saúde podem iniciar o processo de conceber formas de combater a possível propagação da doença e evitá-la. Além disso, os profissionais e institutos de saúde devem estar preparados para o tratamento de pacientes.

De fato, a Universidade Humboldt está também fazendo previsões sobre o surto de Coronavírus. Seus dados incluem muitas informações, como o risco de transmissão, avanços e muitos outros detalhes. Profissionais desta universidade já estão prontos para fornecer seus dados e insumos para fazer previsões em larga escala. Portanto, a análise preditiva tem um papel importante a desempenhar na tomada de decisões para ajudar a prevenir e reduzir a possibilidade do surto.

Robôs em hospitais para atender pacientes infectados

A China já começou a usar robôs com inteligência artificial para atender pacientes com Coronavírus. Os robôs são capazes de se auto desinfetar e alguns robôs andam pelo meio dos pacientes, medem a temperatura corporal e outros atendimentos elementares. Inicialmente, os robôs estavam entregando medicamentos e realizando outras tarefas, como trocar os lençóis da cama, etc. Isso permitiu aos humanos mais tempo para cuidar dos pacientes, reduzindo a pressão do trabalho sobre enfermeiros humanos. Além disso, o trabalho dos robôs praticamente erradica a possibilidade de infecção cruzada. Como o país relata casos em que até mesmo os profissionais médicos começaram a contrair a doença, foi importante usar robôs para evitar disseminar a infecção pelos hospitais.

Muitas organizações de saúde usam IA e ML há anos. E agora, muitas dessas ferramentas serão usadas para reduzir os efeitos nocivos do vírus.

Como existem muitos dados disponíveis, processá-los, para produzir previsões e insights, não será difícil; mas tomará tempo. Todas as informações eventualmente ajudarão a superar o surto da doença, e é exatamente isso que o mundo deseja no momento – reduzir o impacto do Coronavírus.

A economia na terceira onda digital

“A próxima onda de inovação digital está chegando. Os países podem alcançar novos patamares de inovação e prosperidade, ou podem ignorar as mudanças e perder a onda”. Isso foi o que escreveu Robert Atkinson em seu trabalho The Task Ahead of Us. Atkinson é fundador e presidente da Fundação de Tecnologia da Informação e Inovação (ITIF), um órgão focado em políticas de ciência e tecnologia.

Agora estamos entrando na terceira onda da economia digital, diz Atkinson. A primeira foi baseada em computação pessoal, Internet, Web 1.0 e comércio eletrônico. A segunda nos trouxe a Web 2.0, big data, smartphones e computação em nuvem.

A terceira onda promete estar significativamente mais conectada, – incluindo maior largura de banda e uma ampla variedade de dispositivos; mais automatizada, – com mais trabalho sendo realizado por máquinas enquanto integra os mundos físico e digital; e mais inteligente, aproveitando grandes volumes de dados e algoritmos avançados para nos ajudar a entender e lidar com nosso mundo cada vez mais complexo.

“A construção e adoção do novo sistema de tecnologia conectada, automatizada e inteligente trará enormes benefícios globalmente, entre os quais se destacam grandes taxas de crescimento da produtividade e melhorias nos padrões de vida. Além disso, essas tecnologias ajudarão a enfrentar desafios globais relacionados ao meio ambiente, saúde pública e transporte, entre outros.”

Estamos nos estágios iniciais desta terceira onda. 5G, IoT, robótica, Inteligência Artificial e outras tecnologias promissoras estão sendo adotadas pelos primeiros usuários do mercado, mas seu impacto em larga escala ainda irá acontecer em 5 a 10 anos. Estamos em um período não muito diferente do final dos anos 80, quando ficou claro que a TI estava à beira de uma grande transição, mas a revolução da Internet não chegou até meados dos anos 90.

Segundo Atkinson, essa transição será mais complicada e levará mais tempo para ser concretizada que as duas primeiras. Nas duas épocas anteriores, “os consumidores precisavam apenas de dispositivos conectados à Internet e as empresas precisavam de pouco mais que sites (e, algumas mudanças na logística e novos sistemas de pagamento). No futuro, o progresso dependerá de uma reformulação muito mais complexa dos sistemas de produção e dos modelos de negócios das organizações – não apenas dentro das organizações, mas entre elas”.

Além disso, além dos desafios técnicos e organizacionais, um dos maiores riscos no caminho é a crescente oposição neo-duddita à digitalização contínua da economia e da sociedade.

“A implementação da próxima onda de tecnologias digitais será muito mais difícil do ponto de vista sócio-político do que durante as duas últimas transformações digitais, porque hoje existe uma oposição mais ampla e mais rígida. Nas transições digitais passadas, o setor de tecnologia era amplamente visto como uma força para mudanças sociais positivas: os computadores ajudavam as organizações a se tornarem mais produtivas e a Internet a disseminar o acesso ao conhecimento. Hoje, por outro lado, a “Big Tech” é cada vez mais demonizada e desafiada em uma série de questões, desde a privacidade até a interrupção do trabalho”.

Dados seus benefícios atraentes, a próxima onda digital será em grande parte inevitável, diz Atkinson. Mas, seu apoio não precisa se basear em otimismo irrealista. Haverá sérios desafios, como tem sido o caso das transformações tecnológicas nos últimos dois séculos, incluindo a cibersegurança e a necessidade de fornecer assistência de transição aos trabalhadores deslocados. Conforme observado em um relatório recente da McKinsey sobre o futuro do trabalho, “embora possa haver trabalho suficiente para manter o emprego pleno até 2030 na maioria dos cenários, as transições serão muito desafiadoras – igualar ou até exceder as taxas de trabalho da agricultura e manufatura vimos no passado.”

“Mas as sociedades conseguiram enfrentar desafios semelhantes nas transformações passadas, e não há motivos para acreditar que não possam fazê-lo novamente no futuro, especialmente se a sociedade civil mudar da oposição à implementação de tecnologia para apoiar regras e estruturas de governança”, completa Atkinson .

Mercados e empresas terão o maior papel no desenvolvimento e implementação de tecnologias digitais da próxima onda e suas transformações organizacionais subsequentes. Mas os governos têm um papel importante a desempenhar. Eles precisam fazer da evolução digital da próxima onda um objetivo político central. Mais especificamente, os governos devem adotar políticas que apoiem e permitam a transformação digital; removendo barreiras institucionais e regulamentares à implementação; e incentivando os cidadãos a abraçar a evolução digital.

Eis algumas das principais recomendações de políticas:

Apoiar políticas em que os benefícios sejam amplamente inequívocos

Tais políticas incluem “apoiar Pesquisa & Desenvolvimento, habilidades digitais e infraestruturas digitais; transformar as operações do próprio governo; abraçar a integração do mercado global; e incentivar a transformação de sistemas fortemente influenciados pelo governo (por exemplo, educação, saúde, finanças, transporte).“

Os EUA criaram, em 2005, um plano chamado Iniciativa Nacional de Inovação (NII), um relatório baseado em 15 meses de intensos estudos e deliberações, sobre a natureza mutável da inovação para os primórdios do século XXI e o que seria necessário para os EUA competirem e colaborarem efetivamente em um mundo cada vez mais interconectado. As conclusões e recomendações do relatório NII foram organizadas em três grandes categorias:

1. Talento: A dimensão humana da inovação, incluindo criação de conhecimento, educação, treinamento e apoio à força de trabalho.

2. Investimento: a dimensão financeira da inovação, incluindo investimento em Pesquisa & Desenvolvimento; apoio à assunção de riscos e ao empreendedorismo; e incentivo a estratégias de inovação de longo prazo.

3. Infraestrutura: as estruturas físicas e políticas que apoiam os inovadores, incluindo redes de informação, transporte, assistência médica e energia; proteção da propriedade intelectual; e regulamentação comercial.

No Brasil, temos o plano de ação para promoção da ciência e tecnologia, que um resumo, propõe um conjunto de programas, ações e projetos prioritários de apoio à inovação, para o período de 2018/2022, que visa contribuir para a superação dos desafios relacionados com a ampliação da capacidade de desenvolvimento tecnológico e inovação das empresas brasileiras.

Não é de surpreender que os governos apelem por políticas que apoiem talento, investimento e infraestrutura; embora já possamos estar na terceira onda de tecnologias digitais, seu impacto transformacional nas economias e sociedades ainda está nos estágios iniciais.

Remover barreiras institucionais e regulatórias

Nas ondas anteriores, vimos as tecnologias digitais aprimorando as comunicações, disseminando conhecimento e melhorando a produtividade. Agora, as tecnologias digitais também são vistas como ameaçadoras à privacidade e segurança, fornecendo acesso a informações polarizantes e odiosas, e causando muito desemprego e afetando o bem-estar de muitos trabalhadores.

“A oposição mais estridente ao progresso econômico digital vem de uma classe crescente que procura proibir ou regular fortemente as tecnologias digitais emergentes, como robôs, veículos autônomos e biometria, para limitar drasticamente sua adoção”.

Precisamos de políticas que apoiem os benefícios positivos das tecnologias digitais e, ao mesmo tempo, abordem seus impactos negativos. Políticas de privacidade de dados excessivamente rigorosas dificultam os avanços potenciais que a Inteligência Artificial pode trazer à medicina, ao projeto de medicamentos e à saúde pública.

“Por exemplo, conceder aos usuários o direito de optar por não receber a coleta de dados (em vez de exigir sua inclusão) protegerá a privacidade e limitará os efeitos negativos sobre a inovação digital”.

Embora evitem políticas que limitem os avanços digitais, os formuladores de políticas devem buscar ativamente conter atividades ilegais ou antiéticas. Por exemplo, políticas que buscam regular atividades negativas, como pornografia, spam, fraude financeira, hackers, roubo de identidade, malware e pirataria na Internet. Atualmente, pouco ou nada é feito para limitar tais ações (e, na maioria dos casos, elas avançam).

Incentivar os cidadãos a abraçar a evolução digital

A armadilha do pensamento coletivo anti tecnologia limitará seriamente e desacelerará a transformação digital.

“Oficiais do governo e outras elites precisam adotar uma narrativa otimista sobre como a transformação digital levará a um aumento dos padrões e qualidade de vida, além de combater ativamente os que buscam instigar o pânico tecnológico.”

As narrativas anti tecnológicas culpam as inovações digitais por vários desafios sociais, incluindo “desigualdade; perda de empregos e direitos dos trabalhadores; vício; vigilância; manipulação; cibercrime; polarização das mídias sociais; falta de diversidade; viés político; poder econômico e político concentrado; e evasão fiscal”.

A verdade é que as tecnologias digitais não são a principal causa da maioria dessas questões; e onde elas contribuem, as respostas geralmente podem fornecer soluções eficazes sem prejudicar a inovação.

“No final das contas, o sucesso dos governos em adotar as tecnologias digitais da próxima onda dependerá de uma combinação de conscientização e ação estratégica”, escreve Atkinson em conclusão.

Cada governo precisa perguntar a si mesmo, de que lado está nas duas frentes. Os políticos precisam realmente compreender as tecnologias, seus pontos fortes, fracos, oportunidades e ameaças competitivas que elas representam …

Ao tomar ações estratégicas, os governos deverão estar focados em aprender com as melhores práticas globais como as políticas afetarão as tecnologias digitais da próxima onda e, em seguida, garantir que se adaptem a essas lições para se ajustarem às realidades de seus próprios governos. Seguir o certo terá um impacto significativo e positivo nos padrões e na qualidade de vida das gerações futuras.

Globalização em transição

 

Dias atrás, tive a oportunidade de ler dois relatórios interessantes sobre questões de globalização:

1. The Economist;
2. McKinsey Global Institute.

Ambos concordam que a globalização e o comércio global estão passando por mudanças consideráveis desde a crise financeira global de 2008. Mas eles diferem em suas explicações sobre os motivos das mudanças.

“A era de ouro da globalização, de 1990-2010, foi algo de se admirar”,

O The Economist em seu artigo, A globalização perdeu o impulso, menciona que

“O comércio disparou à medida que o custo da transferência de mercadorias em navios e aviões caiu, as ligações telefônicas ficaram mais baratas, tarifas foram cortadas e o sistema financeiro liberalizado”.

Mas agora, fizemos a transição para a chamada era da Slow Globalization.

“A globalização diminuiu sua velocidade e está mais para uma transição vacilante do que para manter o ritmo da última década por várias razões. O custo da movimentação de mercadorias parou de cair. Empresas multinacionais descobriram que a expansão global queima dinheiro enquanto os rivais locais ganham força. A atividade está mudando para serviços, que são mais difíceis de vender além-fronteiras. E as fábricas chinesas tornaram-se mais autossuficientes, necessitando importar menos peças.”

Finalmente, temos as guerras comerciais e tarifas bem mais divulgadas dos últimos anos. Em suma, as “regras de comércio estão sendo reescritas em todo o mundo”.

O artigo principal do Economist, Globalização vacilante, apresenta evidências quantitativas do aumento anterior e da desaceleração atual. O comércio mundial passou de 39% do PIB mundial em 1990 para 61% em 2008 e agora caiu para 58%, principalmente por causa de uma desaceleração do comércio de mercados emergentes, incluindo a China. Das doze medidas de integração global mostradas no artigo, sete caíram desde 2008. A participação nos lucros globais das empresas multinacionais listadas caiu de 33% em 2008 para 31% agora, enquanto os investimentos internacionais diminuíram de 3,5% do PIB global em 2007 para 1,3% em 2018. Os empréstimos bancários além-fronteiras caíram de 60% do PIB global em 2006 para cerca de 36%, e os fluxos brutos de capital caíram de um pico de 7% em 2007 para 1,5%.

Alguns setores continuaram a crescer. Encomendas e voos internacionais cresceram rapidamente na última década e a migração para o mundo rico aumentou um pouco. De longe, o crescimento mais rápido está no volume de dados, que aumentou 64 vezes desde 2007.

A McKinsey argumenta que a globalização está mais em transição do que vacilante, como refletido no título de seu relatório – Globalização em transição: o futuro do comércio e das cadeias de valor.

“As décadas de 1990 e 2000 viram a expansão de cadeias de valor complexas em todo o mundo. Mas as redes de produção não são imutáveis; eles continuam a evoluir. ”

Para entender melhor a natureza dessa evolução, o relatório analisou 23 cadeias de valor globais em 43 países, além de dados e contas das indústrias e entrevistou especialistas de todo o mundo.

Principais mudanças estruturais

A descoberta principal da McKinsey é que as cadeias globais de valor sofreram cinco grandes mudanças estruturais na última década.

As cadeias de valor produtoras de bens tornaram-se menos intensivas em comércio. Os anos entre 1995 e 2007 viram o rápido aumento do comércio em quase todas as cadeias de valor globais. Mas desde então, a intensidade do comércio – isto é, a proporção entre as exportações brutas e a produção bruta – tem caído em quase todas as cadeias de valor produtoras de bens físicos. As exportações caíram de 28,1% da produção bruta em 2007 para 22,5% em 2017.

“Entre 1990 e 2007, os volumes comerciais globais cresceram 2,1 vezes mais rápido que o PIB real, em média, mas cresceram apenas 1,1 vezes mais que o PIB desde 2011”.

Os serviços desempenham um papel crescente e subvalorizado nas cadeias de valor globais. Em 2017, o comércio bruto de serviços foi de US $ 5,1 trilhões, menos de um terço do comércio de US $ 17,3 trilhões em bens físicos. O comércio de serviços cresceu mais de 60% mais rapidamente que o comércio de mercadorias na última década. Além disso, como tem sido o caso da medição do verdadeiro valor do PIB dos serviços, o comércio transfronteiriço de serviços gera muito mais valor econômico do que o que é capturado nas estatísticas comerciais tradicionais, incluindo as contribuições dos serviços de valor agregado para bens físicos, por exemplo , Pesquisa & Desenvolvimento, engenharia, vendas e marketing, finanças, RH; as empresas intangíveis enviam para afiliadas estrangeiras, – por exemplo, software, marca, design, etc.; e serviços digitais disponibilizados para usuários globais.

A McKinsey estima que esses serviços intangíveis “produzam coletivamente até US $ 8,3 trilhões em valor anual – um número que aumentaria os fluxos comerciais totais em US $ 4,0 trilhões (ou 20%) e realocaria outros US $ 4,3 trilhões atualmente contados como parte do fluxo de mercadorias para serviços. Se visto dessa maneira, o comércio de serviços já é mais valioso do que o comércio de mercadorias [US $ 13,4 trilhões em serviços versus US $ 13,0 trilhões em bens físicos].”

O comércio baseado na arbitragem do custo do trabalho está diminuindo em algumas cadeias de valor. Muitas das decisões que levaram ao crescimento do comércio transfronteiriço nas décadas de 1990 e 2000 foram baseadas na arbitragem do custo da mão-de-obra, particularmente em indústrias com bens e serviços que demandam muito trabalho. Hoje, menos de 20% dessas decisões são baseadas em custos de mão-de-obra, com mais de 80% de decisões baseadas em outras considerações, incluindo acesso a mão de obra qualificada, recursos naturais e proximidade com os consumidores. Os custos crescentes do trabalho nas economias em desenvolvimento também estão influenciando essas decisões. Além disso, os avanços na IA e na automação provavelmente transformarão a produção intensiva de mão-de-obra em produção intensiva de capital, uma mudança com implicações importantes para os países de baixa renda.

As cadeias de valor globais estão cada vez mais intensivas em conhecimento. Os investimentos em ativos intangíveis, incluindo Pesquisa & Desenvolvimento, software e marcas, aumentaram de 5,4% da receita em 2000 para 13,1% em 2016. A crescente dependência do conhecimento favorece países com força de trabalho altamente qualificada, forte inovação e capacidades de Pesquisa & Desenvolvimento e robusta Proteções de dados. Essa tendência está aumentando em vários setores industriais. É particularmente pronunciado em produtos farmacêuticos e dispositivos médicos, que gastam em média 80% da receita em pesquisa e desenvolvimento e outros ativos intangíveis.

As cadeias de valor estão se tornando mais regionais e menos globais. Até recentemente, o comércio de longo curso era mais prevalente à medida que as cadeias de valor globais se expandiam para a China e outros países com baixos custos de mão-de-obra. Mas a tendência agora está se revertendo, impulsionada em parte pelo crescente padrão de vida e consumo nos mercados emergentes. As cadeias de valor produtoras de mercadorias estão se concentrando mais regionalmente, com empresas estabelecendo produção mais próxima de seus clientes.

“A regionalização é mais aparente nas cadeias de valor das inovações globais, dada a necessidade de integrar estreitamente muitos fornecedores para o sequenciamento just-in-time. Essa tendência também pode acelerar em outras cadeias de valor, pois a automação reduz a importância dos custos de mão-de-obra e aumenta a importância da velocidade de comercialização nas decisões da empresa sobre onde produzir mercadorias.”

Estratégias de operação global

Dadas essas grandes mudanças nas cadeias de valor, a McKinsey recomenda que as empresas reavaliem suas estratégias globais de operação.

Reavaliar onde competir ao longo da cadeia de valor. “Os líderes empresariais precisam monitorar continuamente para onde o valor está se movendo em seu setor e se adaptar de acordo. Para algumas empresas, isso pode significar trazer mais operações internamente. Aqueles que terceirizam precisam de relacionamentos estreitos com fornecedores e maior visibilidade nos níveis mais baixos da cadeia de suprimentos.”

Considere como capturar valor dos serviços. “Em várias cadeias de valor (incluindo manufatura), mais valor vem dos serviços … Para fazer essa mudança com sucesso, as empresas precisam obter informações sobre as necessidades dos clientes, investir em dados e análises e desenvolver a assinatura, uso ou desempenho corretos contratos de serviços.”

Reconsidere sua presença operacional para refletir novos riscos. “Novas tecnologias de automação, mudanças nos custos dos fatores, um conjunto crescente de riscos e a crescente importância da velocidade de comercialização em alguns setores estão impulsionando a localização em muitas cadeias de valor produtoras de bens.”

Seja flexível e resiliente. “Hoje, as empresas enfrentam um conjunto mais complexo de incógnitas, pois a ordem mundial do pós-guerra, mantida por décadas, parece ceder … Construir operações ágeis pode ajudar as empresas a se prepararem para esses tipos de incertezas.”

Priorize a velocidade de comercialização e a proximidade com os clientes. “A velocidade do mercado permite respostas mais rápidas ao que os clientes desejam e menos desperdício de produtos devido a erros de previsão”.

Crie relacionamentos mais estreitos com os fornecedores. “Os relacionamentos com fornecedores em todo o mundo envolvem riscos e custos ocultos. Faz sentido identificar quais fornecedores são essenciais para os negócios, solicitar suas ideias e aprofundar o relacionamento com eles.”

“A globalização está no meio de uma transformação. No entanto, o debate público sobre o comércio é frequentemente sobre recuperar o passado, em vez de olhar para o futuro. A mistura de países, empresas e trabalhadores que podem ganhar na próxima era está mudando. Compreender como o cenário está mudando ajudará os formuladores de políticas e líderes empresariais a se prepararem para o próximo capítulo da globalização e as oportunidades e desafios que ela apresentará.”