Gerenciamento de projetos para IA

O gerenciamento de projetos de IA requer uma abordagem diferente do gerenciamento tradicional de projetos de TI. Quais são essas diferenças e como você pode gerenciar um projeto de IA para o sucesso?

Em 2019, o número de projetos de IA que falharam foi de aproximadamente 85%, com 96% das organizações relatando que estavam enfrentando problemas com qualidade de dados, rotulagem de dados e construção de confiança no modelo. Também foi relatado que a alta istração não tinha uma compreensão da inteligência artificial e do valor que ela poderia oferecer.

Hoje, a IA (e os projetos de IA) ainda estão em estágios iniciais de implantação. Se as empresas usam IA, estão usando-a em sistemas pré-fabricados de fornecedores externos, onde os fornecedores desenvolveram a IA, não suas empresas clientes.

No futuro, no entanto, mais empresas encontrarão um motivo para desenvolver sua própria IA interna – e isso significa definir uma abordagem de gerenciamento de projetos que funcione com IA.

Como um projeto de IA é diferente de projetos tradicionais?

Na gestão de projetos tradicional, mesmo que seja feito com metodologias como Agile, o sucesso do projeto é definido pelo software que é produzido e um processo bem compreendido. Mesmo que o desenvolvimento do projeto não seja feito linearmente como no Agile, as etapas básicas ainda são definir, projetar, desenvolver, testar e implantar. Os dados em que esses aplicativos operam são quase sempre um sistema estruturado de dados de registro que já é verificado quanto à qualidade e bastante maduro em sua forma e substância.

Como os dados sobre os quais o desenvolvimento de software tradicional opera são confiáveis ​​e porque todos entendem as etapas de desenvolvimento usadas no projeto, há consideravelmente menos incerteza nos projetos tradicionais de desenvolvimento de software. Isso torna possível anexar prazos de projeto confiáveis ​​com base no histórico de projetos anteriores.

Infelizmente, os projetos de IA não têm essa mesma estabilidade, nem é tão fácil atribuir prazos rígidos para a conclusão do projeto.

VEJO: Kit de contratação: gerente de projeto (TechRepublic )

Navegando pela incerteza em projetos de IA

Não existe um “fim” absoluto para um projeto de IA, a menos que seja um projeto em que você está puxando o plugue.

Se você é um gerente de projeto de IA, precisa conviver com essa realidade “sem fim” – assim como o gerenciamento e os patrocinadores do seu projeto.

Por que não há um fim?

Porque a IA faz perguntas aos dados que analisa com base nos dados em que opera, e esses dados estão mudando constantemente. À medida que você adiciona novas fontes de dados, os resultados mudam. A própria IA também conterá aprendizado de máquina (ML) que reconhece padrões de dados e aprende com esses padrões. Isso também pode alterar os resultados.

Seu gerenciamento e usuários devem ter um entendimento (e uma expectativa) de que, à medida que os dados mudam, os resultados também podem. Parte desse processo inclui aceitar a incerteza como parte da evolução do sistema de IA.

Definindo a entrega do seu projeto de IA

Em algum ponto da perspectiva do projeto, um projeto de IA deve ser considerado concluído.

O objetivo da maioria dos projetos de IA é atingir pelo menos 95% de conformidade dos resultados de IA com o que os especialistas no assunto concluiriam. Uma vez que este limite de 95% é alcançado, o projeto é considerado preciso o suficiente para entrar em operação. É neste ponto que o projeto deve ser declarado concluído.

Isso não significa que todo o trabalho no aplicativo ou nos sistemas de IA resultante acabou. Haverá
“desvio” ao longo do tempo que pode fazer com que a IA perca parte de sua precisão. Nesses pontos, a IA precisará ser recalibrada para entregar novamente com qualidade ideal, mas isso é manutenção de software.

VEJO: Principais atalhos de teclado que você precisa conhecer (PDF grátis) (TechRepublic)

As entregas do projeto de IA sempre acontecem conforme o planejado?

A resposta é um sonoro não!”

Há momentos em que os dados que estão sendo usados ​​pela IA não são preparados adequadamente, especialmente quando são introduzidas fontes de dados novas e desconhecidas. Dados sujos distorcerão os resultados da IA.

Em segundo lugar, se o seu caso de negócios mudar (e o valor que os usuários desejam obter dele), a IA não se encaixará mais no que a empresa deseja. Finalmente, há casos em que os projetos de IA não funcionam, não importa o quanto você tentar. Essa possibilidade deve ser discutida antecipadamente com a gerência – e todos devem estar a bordo para “puxar o plugue” assim que um projeto de IA mostrar que não pode ser bem-sucedido.