Entendendo melhor a inteligência artificial e a incerteza

A inteligência artificial (IA) e o machine learning (ML) são dois dos principais tópicos de discussão em vários setores. Para atender a essa necessidade crescente, a IBM e a Red Hat anunciaram o lançamento de soluções inovadoras, como IBM watsonx e o Red Hat OpenShift AI, respectivamente. Este artigo descreve uma estratégia simples para gerenciar as mudanças associadas à implantação de soluções de IA e ML que estão em curso para remodelar o funcionamento do mundo.

Este artigo foi escrito sob a perspectiva de um Red Hat Technical Account Manager (TAM). A função única do TAM como principal ponto de contato do cliente para tratar de tópicos técnicos da Red Hat, combinada à nossa defesa das práticas recomendadas, nos permite entender profundamente as necessidades do cliente e alinhar essas necessidades com as estratégias. No entanto, isso não resolve a incerteza predominante com IA e ML.

Red Hat, IBM e o ecossistema de IA

Tanto o IBM watsonx quanto o OpenShift AI são compatíveis com fluxos de trabalho de IA e ML. O watsonx da IBM aprimora o desenvolvimento e a implantação de IA, enquanto o OpenShift AI usa tecnologias de nuvem para implantar e gerenciar cargas de trabalho de IA e ML.

IA e ML, assim como outras inovações disruptivas anteriores, é a tecnologia mais recente que se mostra promissora e gera ansiedade. Há uma geração, a Internet disponibilizava dados em qualquer lugar e a qualquer momento. No entanto, muitos setores se preocuparam com isso. Hoje, o medo subjacente é que a IA e ML destruam empregos ao automatizar milhares de tarefas manuais.

Mudança revolucionária ou transformacionais

É possível que a IA e ML tornem muitos empregos obsoletos. No entanto, se seguir as tendências definidas pelas tecnologias disruptivas anteriores, também criará muitos novos empregos e, ao mesmo tempo, promoverá mudanças globais fundamentais. Essas mudanças podem ser divididas em duas categorias: revolucionárias/transformacionais e evolutivas/adaptativas.

Transformacional refere-se a uma mudança fundamental ou radical; uma mudança fundamental em que uma nova tecnologia substitui significativamente uma tecnologia, um sistema ou um processo existente. Por exemplo, plataformas de streaming, como a Netflix, substituíram mídias físicas, como discos compactos (CDs) e discos digitais versáteis (DVDs), eliminando muitas empresas do setor de locadoras físicas de vídeos, como a Blockbuster. Outro exemplo são os serviços de reservas online que substituem as agências de viagem por companhias aéreas, locadoras de veículos e hotéis.

Enquanto a mudança transformacional é uma mudança rápida e de grande escala, a mudança evolucionária é mais iterativa e gradual, mas não menos disruptiva na forma como fazemos negócios.

Mudança evolutiva ou adaptativa

A mudança evolutiva ou adaptativa aproveita as tendências tecnológicas para aprimorar os processos ou sistemas existentes, aumentando a eficiência e a produtividade e, ao mesmo tempo, mantendo a estrutura e as metas gerais. Por exemplo, as empresas de telecomunicações começaram a oferecer Voz sobre Protocolo de Internet (VoIP) no início do ano de 2001, oferecendo esses serviços a uma fração do custo das tecnologias mais antigas. Da mesma forma, os serviços de bancos digitais revolucionaram como as pessoas gerenciam suas finanças. Apps como Venmo, Zelle e sistemas bancários online/móveis substituíram tarefas rotineiras, como transferências de dinheiro e depósitos em cheque, reduzindo as visitas presenciais a bancos e instituições financeiras para serviços especializados.

Como um TAM que dá suporte ao setor empresarial e de telecomunicações, costumo pensar em como as empresas de telecomunicações implantarão os produtos e soluções de inteligência artificial da Red Hat. O setor passará por mudanças por meio de um processo transformacional, adaptativo ou uma mistura dos dois?

Por um lado, o Red Hat OpenShift AI e o Red Hat Enterprise Linux (RHEL) AI estão ganhando força rapidamente, oferecendo recursos avançados que podem melhorar significativamente a eficiência operacional e a entrega de serviços. Por outro lado, algumas empresas de telecomunicações preferem uma abordagem mais cautelosa para continuar com a tecnologia existente.

Para oferecer suporte a essa abordagem mais cautelosa, a Red Hat está ampliando a fase Suporte de Ciclo de Vida Estendido (ELS, Extended Life Cycle Support) em muitas soluções de TI tradicionais, como o RHEL e o OpenStack. As empresas de telecomunicações mais cautelosas parecem estar mantendo suas implantações atuais, baseadas nessas soluções ELS, enquanto observam de perto como seus concorrentes implementam tecnologia habilitada por IA antes de tomar decisões estratégicas.

Assim como as revoluções tecnológicas anteriores, navegar com sucesso na era da IA exige que gerenciemos essas novas mudanças.

A seção a seguir apresenta uma técnica para gerenciar mudanças transformacionais e adaptativas à medida que a implantação e a adoção da IA aumentam, oferecendo etapas práticas para navegar pelas complexidades e oportunidades da era da IA.

Gerenciamento de mudanças com o ADKAR

O ADKAR é um modelo conhecido de gerenciamento de mudanças que pode ser usado para orientar mudanças individuais e organizacionais. É uma abordagem estruturada e orientada por objetivos que enfatiza a importância de facilitar transições individuais, reconhecendo que o sucesso organizacional depende da capacidade de cada pessoa de se adaptar às mudanças. Desenvolvido por Jeff Hiatt, fundador da Prosci, o ADKAR significa:

• A - Awareness (Reconhecimento)
• D - Desire (Desejo)
• K - Knowledge (Conhecimento)
• A - Ability (Habilidade)
• R - Reinforcement (Reforço)

Cada componente no modelo representa um estágio ou um marco que os indivíduos devem alcançar para uma implementação de mudança bem-sucedida. O ponto forte do ADKAR é seu processo sequencial, que permite uma transição tranquila de uma fase para a próxima. Por exemplo, "Desejo" não pode aumentar sem primeiro aumentar "Reconhecimento". Da mesma forma, o "Conhecimento" não pode crescer sem "Desejo", a "Habilidade" se desenvolve somente após o "Conhecimento" ser adquirido e assim por diante.

Veja um detalhamento abrangente de cada componente do modelo ADKAR, com recomendações de como indivíduos e organizações podem gerenciar as mudanças à medida que adotam a IA.

1. Reconhecimento

Objetivo: O objetivo de aumentar a conscientização é entender as mudanças necessárias para ter sucesso na era da IA, reconhecendo as mudanças na dinâmica da tecnologia e do mercado e identificando como essas mudanças podem afetar sua função e a organização.

Ações:

• Entenda a relevância da IA e ML respondendo às principais perguntas:
  • Qual é a implantação atual da solução Red Hat e como as soluções habilitadas para IA e ML se encaixam nesse fluxo de trabalho?
  • A implantação da IA aumentará a eficiência operacional?
  • As soluções de IA atuais atendem às metas de negócios, aos desafios técnicos e às necessidades dos clientes? Se não, quais são as lacunas que precisam ser abordadas?
• Mantenha-se informado revisando as comunicações da gestão, mantendo-se curioso sobre o Red Hat OpenShift AI e o Red Hat Enterprise Linux (RHEL) AI e explorando novos recursos e aplicações.
• Participe de webinars e conferências. Leia whitepapers e artigos para ficar por dentro das tendências e desenvolvimentos de IA/ML na cloud computing. Consulte journals importantes como o Institute of Electrical and Electronics Engineers e sites do setor como o TechCrunch podem ser muito úteis.
• Pesquise as tendências do setor, como o impacto da IA e ML nas telecomunicações e em outros setores, e avalie as implicações empresariais vinculando casos de uso a melhorias em operações, como automação e gerenciamento de recursos.

2. Desejo

Uma grande consciência da IA naturalmente levará a uma maior motivação para aprender e aplicar tecnologias de IA/ML.

O aumento do desejo de apoiar a mudança ajuda a alinhar as metas individuais ou da equipe com as estratégias de negócios, levando a uma maior eficiência nos processos e fluxos de trabalho, além de contribuir para o crescimento da receita e avanço da carreira pessoal.

Ações:

• Defina objetivos claros para o aprendizado de IA e ML, como se tornar um especialista no assunto (SME) ou aproveitar a IA e ML para otimizar implantações do OpenStack/OpenShift.
• Identifique motivadores, como avanço na carreira, curiosidade técnica ou satisfação do cliente.
• Interaja com colegas e especialistas do setor apaixonados por IA/ML para se manter motivado.
• Alinhe o aprendizado com metas de carreira de longo prazo, como especialização em IA/ML ou liderança de projetos futuros de IA e ML.
• Rede por meio de comunidades de IA e ML e grupos de usuários.
• Busque a orientação de especialistas para guiar sua jornada.

3. Conhecimento

O conhecimento no processo ADKAR envolve a aquisição de informações e educação para se adaptar, com um forte desejo de mudança ao conduzir o processo.

Ações:

• Estude a documentação técnica sobre fundamentos e tópicos avançados de IA e ML, especificamente criada para OpenStack/OpenShift e cloud computing
• Inscreva-se em treinamentos, webinars e eventos educacionais relevantes.
• Faça cursos (como RHOAI / AI267) para aprofundar sua compreensão de IA e ML.
• Avalie os insights dos executivos e das equipes de treinamento e aprendizado para identificar lacunas de conhecimento.
• Participe de workshops e bootcamps com foco no desenvolvimento de aplicações práticas de IA e ML usando as soluções Red Hat.

4. Habilidade

Habilidade se refere à aplicação prática do conhecimento adquirido para realizar tarefas associadas à mudança e à implementação de novos requisitos.

Ações:

• Aplique técnicas de IA e ML para resolver problemas específicos ou otimizar processos no OpenShift/OpenStack.
• Colabore com equipes multifuncionais em projetos de IA e ML para ganhar experiência hands-on.
• Lidere ou participe de projetos de prova de conceito (POC) para IA e ML no OpenStack/OpenShift.

5. Reforço

O reforço envolve a incorporação dessas mudanças na cultura da equipe ou da empresa para que se torne uma parte permanente das operações.

Ações:

• Incentive uma cultura de aprendizado contínuo em IA e ML entre os pares.
• Documente e compartilhe casos de sucesso e lições aprendidas.
• Meça o impacto da IA e ML com métricas.
• Estabeleça sistemas de suporte, como um repositório de conhecimento compartilhado, e mantenha-se atualizado sobre os recursos de treinamento.
• Recompense e reconheça o progresso e os marcos.

Conclusão

Use o modelo ADKAR para avaliar sistematicamente a relevância da IA e ML para seu caso de uso específico. Esse framework ajuda você a aplicar estrategicamente metodologias e ferramentas de IA e ML. Desenvolva uma abordagem abrangente para dominar as tecnologias de IA e ML e impulsionar mudanças impactantes na equipe e no ecossistema, avançando sequencialmente pelos estágios de Consciência, Desejo, Conhecimento, Habilidade e Reforço.

Saiba mais sobre a IA da Red Hat

Blogs

• Elevação da jornada de IA com serviços de TAM: Fale com um Red Hat Technical Account Manager e saiba mais sobre a estratégia de IA da Red Hat
• Visão geral doRed Hat OpenShift AI
• Atividades atuais de IA