A tecnologia exige competências avançadas em matemática, estatística e programação. Saiba como reconhecer um talento.
A inteligência artificial (IA) torna-se importante porque permite que as capacidades humanas, como entendimento, raciocínio, planejamento, comunicação e percepção, sejam realizadas por software, de maneira cada vez mais eficaz, eficiente e a baixo custo. A automação dessas habilidades cria novas oportunidades na maioria dos setores de negócios.
Novos produtos, serviços e recursos significativos possibilitados pela IA incluem, entre outros exemplos, veículos autônomos, diagnósticos médicos automatizados, criação de novas drogas, análise automatizada de contratos legais, agentes inteligentes, manutenção preditiva, tradução de textos e voz em tempo real, e tomada de decisão muito mais aprimorada.
A IA não é uma solução que busca um problema, mas um conjunto tangível de recursos que acelera o crescimento da receita e a economia de custos. Por exemplo, em aproximadamente 60% das ocupações, pelo menos 30% das atividades constituintes são tecnicamente automatizáveis. Automatizando estas tarefas, reduz-se o custo operacional e desloca-se as pessoas envolvidas para efetuar atividades de maior valor agregado.
Outro exemplo: estima-se que o custo médio do desenvolvimento de um novo medicamento gira em torno de US$ 359 milhões e apenas 2% dos medicamentos pré-clínicos são aprovados para uso humano. Usar IA para acelerar e reduzir o custo deste processo se tangibiliza em centenas de milhões de dólares. Algumas empresas já dependem da IA para operar seu negócio, como Netflix, onde 75% dos seus usuários selecionam filmes recomendados pelos algoritmos.
IA já é realidade, com a evolução significativa de algoritmos. Por exemplo, algoritmos de Deep Learning como as Convolutional Neural Networks (CNNs) melhoraram drasticamente a capacidade dos computadores de reconhecer objetos nas imagens. E os algoritmos Recurrent Neural Networks (RNNs) criam sistemas de reconhecimento de voz superiores a nós humanos.
Entretanto, para aproveitarmos o potencial da IA precisamos de pessoal capacitado. E hoje temos um imenso desafio: escassez de talentos. A demanda por talentos em IA é crescente e existe um abismo entre demanda e oferta, com diversas funções disponíveis para cada profissional de IA verdadeiramente capacitado.
A IA exige competências avançadas em matemática, estatística e programação. Mas, além das habilidades técnicas, cada vez mais os profissionais de IA devem ter conhecimento do domínio do negócio, para interpretar os dados adequadamente e fornecer recomendações relevantes, e experiência em engenharia de software, para desenvolver soluções que funcionem no mundo real.
Além das habilidades técnicas, cada vez mais os profissionais de IA devem ter conhecimento do domínio do negócio
A combinação de competências técnicas, setoriais e de engenharia exigidas dos profissionais de IA limita o tamanho do pool de talentos. As estimativas do número de desenvolvedores globais de IA variam enormemente. Segundo a chinesa Tencent pode haver até 300.000 pesquisadores e profissionais de IA no mundo.
Os desenvolvedores de IA são altamente instruídos e quase 60% têm mestrado ou doutorado. As pesquisas apontam que os desenvolvedores de IA têm duas vezes mais chances de ter um diploma de mestrado e sete vezes mais chances de ter um doutorado do que outros desenvolvedores profissionais. Portanto, não é simples pegar um desenvolvedor Java, com pouca base matemática e convertê-lo em um “ML engineer”. Aprender a escrever código Python não o transforma em um engenheiro de ML, apenas em um desenvolvedor Python.
Com o tempo, as ferramentas de IA vão evoluir e oferecer maior abstração e automação, e com isso tornarão a IA acessível a desenvolvedores menos especializados. Mas, enquanto isso não acontece, a escassez de talentos está sustentando salários elevados. Pagar o mesmo salário de desenvolvedor Java a um “ML engineer” só mostra que a empresa não contratou em verdadeiro “ML engineer”, mas um desenvolvedor Java que exagerou no seu Linkedin.
A disputa é intensa e em mercados mais avançados em IA, como nos EUA. Os setores de tecnologia e serviços financeiros estão absorvendo 60% dos talentos especializados em IA. Pesquisas feitas nos EUA mostram que 44% dos cientistas de dados estão trabalhando no setor de tecnologia, mais do que nos setores de saúde, consultoria, marketing, varejo, academia e governo juntos. Os serviços financeiros, com uma participação de 14% dos cientistas de dados fica em segundo e bem mais distante lugar.
A concentração de talentos em empresas como Google, Facebook, Amazon, Apple, Tesla, Uber e outras de fortíssimo viés tecnológico e ênfase em IA acabam criando uma situação de oligopólio, praticamente impedindo que talentos apareçam em outros setores e mesmo em startups e scale-ups.
A concentração de talentos em empresas como Google, Facebook, Amazon, Apple, Tesla e Uber criam uma situação de oligopólio
Startups não podem competir com os salários oferecidos pelas grandes empresas de tecnologia, e só tem como armas a oferta de desafios intelectuais e técnicos que podem oferecer oportunidades únicas de aprendizado; um ambiente de trabalho envolvente; uma maior oportunidade de impactar o produto; maior autonomia; ciclos mais rápidos de inovação; e maior liberdade de ação. E, claro, destacando as grandes recompensas financeiras de longo prazo que podem oferecer, caso tenham sucesso, por meio de oferta de equity.
Outro dia fiz uma pesquisa informal no Linkedin buscando cargos relacionados com IA. Os nomes e descrições variavam tanto que ficou difícil até mesmo entender e interpretar que cargos e atividades eram. Lá tem alguns títulos mais ou mesmo estabelecidos como “ML engineer” e cientista de dados, mas encontrei coisas estranhas como “artista ou compositor de dados”, “gênio dos algoritmos” e outros que me deixaram sem saber do que se tratava realmente.
Enfim, creio que isso acontece porque estamos ainda na infância da IA, como a internet estava há 20 anos. Neste momento, aparece muita coisa boa, mas também surgem oportunistas de plantão, que mal sabem usar Excel e um pouco de SQL e se autodenominam cientistas de dados. Portanto, a combinação de cargos mal definidos e empresas que não sabem bem o que e quem recrutar levam a riscos elevados dos seus projetos de IA fracassarem. Dados “sujos” e talentos despreparados são a combinação ideal para o fracasso de qualquer iniciativa de IA.
Projetos de IA não conseguem ser tocados por one man band. Comece com uma equipe pequena e garanta que você tenha uma estratégia robusta de IA antes de expandir sua equipe. A composição da equipe vai depender do problema a ser resolvido e da sua abordagem para fazê-lo. Se for “Quero insights sobre dados internos” ou “Quero implementar APIs de IA de terceiros” você vai buscar perfis diferentes de uma estratégia que enfatize “Quero terceirizar o desenvolvimento de IA” ou de “Eu quero criar modelos de IA sob medida”.
O grau de maturidade em IA da sua empresa também vai indicar qual o nível de profissional que você precisa
O grau de maturidade em IA da sua empresa também vai indicar qual o nível de profissional que você precisa. Recomendo a leitura de um estudo muito interessante da MIT/Sloan realizado junto com BCG, “AI in Business Gets Real”, que dá uma panorâmica do nível de utilização de IA pelas empresas. O estudo classifica as empresas em quatro grupos.
Pioneiros (18%): são as organizações que entendem e já adotaram a IA, disseminando seu uso pela empresa. Essas organizações estão na vanguarda da adoção da IA em suas ofertas e processos internos.
Investigadores (33%): organizações que entendem a IA, mas não a estão implantando além do estágio de projeto piloto. Geralmente começam por chatbots ou criam um “AI lab” que faz um protótipo de IA, mas ficam estagnados neste patamar, enfrentando muitas dificuldades de disseminar IA pela empresa.
Experimentadores (16%): organizações que estão pilotando pilotos IA sem entendimento profundo do que é IA. Vão mais pelo modismo tecnológico que por estratégia de negócio. Não sabem como sair deste estágio.
Passivos (34%): Organizações sem adoção ou quase sem nenhuma compreensão da IA. Só ficam olhando o mercado e frequentando eventos de IA.
Como recrutar? Para evitar contratações errôneas, faça uma descrição eficaz do trabalho que será demandado do profissional de IA, enfatizando os projetos em que ele vai se envolver, habilidades e impacto para o negócio. Como sugestão para uma melhor definição do job description de cargos como “ML engineer” ou data scientist, faça uma busca no Google para as vagas oferecidas pelas empresas de tecnologia, como as citadas anteriormente, que poderão servir de benchmark e orientação.
Ao contratar, verifique se você compreende a função, a experiência e os requisitos mínimos para os quais está contratando. Se sua equipe usa exclusivamente Python e Tensor Flow como framework, não contrate alguém que só trabalha com R e nunca usou Tensor Flow. A falta de habilidades afetará seus custos diretamente, pois os indivíduos vão levar tempo para aprender novas tecnologias.
Verifique se você compreende a função, a experiência e os requisitos mínimos para os quais está contratando
Descreva os projetos nos quais o candidato selecionado trabalhará. Eles se relacionam com visão computacional, processamento de linguagem natural ou manutenção preditiva? Use os termos padrão de matemática e estatística, como classificação, regressão, clustering, GAN, CNN e RNN para facilitar a compreensão. Descreva a expectativa para a função, bem como a dificuldade do problema a ser resolvido. A maioria dos cientistas de dados procura um trabalho que ‘faça a diferença’. Para atrair talentos, demonstre como o trabalho do candidato selecionado fará diferença para o negócio.
Ao contratar, priorize os profissionais adaptáveis. Além de possuir habilidades técnicas e específicas de função, um bom candidato a ser recrutado deverá saber usar as ferramentas disponíveis para permitir pesquisa e desenvolvimento rápidos; saber quando lançar uma solução ainda imperfeita e quando esperar para melhorá-la; e, muito importante, ter a capacidade de se comunicar e trabalhar em colaboração. Associar soft skills com hard skills.
Embora o processo de seleção para funções de IA seja semelhante ao processo para outras funções técnicas, existem algumas diferenças importantes. Um desenvolvedor de programação convencional pode efetuar um teste técnico em uma reunião presencial. Os candidatos à IA não podem demonstrar sua capacidade de construir um modelo de IA em uma entrevista, devido às restrições de tempo da própria entrevista. Envolva neste processo os membros existentes da sua equipe de IA. Os melhores candidatos complementam as ideias existentes e trazem algo novo para sua equipe.
Um exemplo de teste técnico para candidatos seniores. Escreva um script para identificar e remover duplicatas no seguinte conjunto de dados. O candidato recebe um conjunto de 50 quadros de um vídeo: alguns são idênticos; alguns bem parecidos; alguns têm a mesma composição, mas assuntos diferentes; e alguns são totalmente diferentes.
Um bom candidato entenderá que esse é um problema de preparação de dados e considerará o impacto desses dados no treinamento ou teste de um modelo. Uma solução trivial, claramente indicativa de falta de experiência, seria identificar imagens idênticas. Já uma solução melhor agruparia as imagens, identificaria uma imagem dominante de cada grupo como uma saída e descartaria o restante. E uma excelente solução entenderia que o objeto das imagens pode ser importante e fornecer um script no qual as características importantes possam ser selecionadas.
Outro exemplo: forneça um data set com dados de uso de mouse e peça para criar um modelo que valide se a pessoa que fez o login é a mesma que está utilizando o mouse. Um exercício de biometria. Claro, permita livre uso de internet para que o teste seja justo. Com testes assim, você já sabe com que nível de conhecimento poderá contar para seus projetos de IA.
Reparem, são apenas exemplos. O nível de complexidade dos testes deve estar de acordo com o perfil e habilidades necessárias. Por exemplo, você precisa de alguém que vai trabalhar com dados estruturados ou também com dados não estruturados? A pessoa vai trabalhar com algoritmos preditivos ou não-preditivos?
Talentos de IA ainda são escassos. Se você conseguiu atrair bons profissionais, lute para retê-los
Os que passarem no teste deverão ir para entrevistas presenciais. Discuta o teste técnico de cada candidato. Eles podem criticar suas próprias soluções? O que eles fariam se tivessem mais tempo? Essas perguntas fornecerão informações sobre como os candidatos pensam e planejam seu tempo.
Um bom talento em IA não fica esperando definições claras como vemos muitas vezes em desenvolvimento de sistemas tradicionais. Eles procuram saídas e alternativas que ninguém mostrou antes. Adicione um experimento mental com novos desafios: como o candidato resolveria um problema em circunstâncias sub-ótimas? E se houver grandes lacunas nos dados disponíveis ou se a qualidade dos dados variar? E se a empresa exigisse uma melhoria de 50% na velocidade do processamento?
As experiências destes debates permitirão que você entenda a criatividade do candidato e como ele se sairá em um ambiente dinâmico, que é o mundo real. Se um candidato tiver o perfil de apenas seguir as etapas descritas nos tutoriais de IA, o impacto deles nos seus negócios será limitado. Da mesma forma, tenha cuidado com os candidatos que expressam aborrecimento ao enfrentar mudanças nos requisitos de negócios ou que defendem prazos longos para qualquer alteração. Eles podem não ter as habilidades e o temperamento necessários para atuar em projetos que tem alto grau de incerteza, como os de IA. Lembre-se que IA é probabilística por natureza!
Não esqueça. Talentos de IA ainda são escassos. Se você conseguiu atrair bons profissionais, lute para retê-los! Ofereça horários de trabalho flexíveis. Os modelos de IA podem levar muito tempo para serem executados; trabalha-se à noite ou durante os finais de semana, para alterar e refinar os parâmetros.
Garanta que sua equipe possui os softwares e hardwares adequados. Crie uma cultura na qual o debate intelectual seja incentivado e diversas ideias sejam compartilhadas. Os avanços na IA são o resultado de vários campos científicos, trazendo perspectivas diferentes para o mesmo problema. Indivíduos com formação e educação diferentes veem as coisas de maneira diferente. A combinação de suas ideias apresentará novas soluções. Um ambiente em que todas as opiniões possam ser expressas e debatidas permitirá que sua equipe de IA resolva problemas mais rapidamente e manterá a equipe motivada.
Garanta que sua equipe de IA receba reconhecimento por seu trabalho. Se os indivíduos trabalharem por meses para desenvolver um bom modelo de IA, será desanimador ver que a equipe que desenvolveu um front-end bonito vai receber todo o crédito. Decida com antecedência sua abordagem à propriedade intelectual que os projetos produzirão. Verifique se sua equipe entende sua estratégia de propriedade intelectual, se os membros da equipe podem publicar resultados e se podem apresentá-los em eventos. Muitos profissionais de IA têm carreiras acadêmicas e querem mantê-las. Se sua empresa puder apoiar seus esforços para divulgar seus trabalhos, isso será considerado um excelente benefício.
Bem, você já tem estratégia e equipe. Mãos na massa. Agora é que vai começar o jogo!
___
Artigo publicado originalmente em NEOFEED
0 responses on "Há escassez de profissionais de inteligência artificial"