Muita gente se assusta ao ler os termos Ciência de Dados, Machine Learning e Inteligência Artificial e fica imaginando a complexidade do trabalho de profissionais dessa área. Por incrível que pareça, desenvolver o algoritmo é a parte menos problemática em projetos.

Quando uma empresa decide fazer uma transformação digital automatizando suas atividades e aplicando inteligência para aliviar tarefas operacionais, raramente a pessoa com o papel de owner (dono ou conhecedor) do produto ou da tarefa participa das reuniões para fornecer as informações necessárias. A maioria dos projetos de inovação acontecem envolvendo apenas pessoas em cargos gerenciais sem a participação de usuários finais, geralmente quem usa o sistema conhece o produto após o projeto ser finalizado.

Para saber o caminho do sucesso é necessário superar alguns desafios.

Conheça as 5 principais práticas que impedem as empresas de terem sucesso em projetos de IA

  1. Dificuldade na extração do conhecimento tácito

    Dificilmente o conhecimento tácito (que está na cabeça das pessoas) é extraído para transformá-los em conhecimento explícito (manuais ou documentos). Ás vezes por achar que a pessoa nunca deixará o cargo, ou pela cultura de alguns de não ensinar a função por medo de perder o trabalho para outra pessoa, ou mesmo para a automação.

    Vou dar um exemplo simples: Tenho um tio que se chama Diogo e mora no interior, por mais de 30 anos ele foi mecânico de máquinas industriais em uma empresa, por mais que ele mostrasse para outras pessoas sua atividade, quando ele estava de folga, a empresa ligava para ele ir até a fabrica consertar a máquina porque outras pessoas não conseguiam. Algumas empresas erram em considerarem seus profissionais conhecedores do processo como “patrimônios” da empresa e não se preocuparem em documentar os processos para resolver os problemas.

  2. Dificuldade em documentar os processos

    Devido a rotatividade, é gasto muito tempo treinando novas pessoas. Por não terem o desenho do processo, cada profissional decide a forma que irá realizar as atividades.

  3. Muitos Dados não estruturados indisponíveis em relatórios

    Algumas empresas possuem as informações apenas em sistema de Chamado, de CRM, ou mesmo em troca de e-mails e não os utilizam em métricas ou relatório.

  4. Incerteza nas decisões críticas

    Quando a incerteza é por parte do cliente que não sabe o que deseja como produto final.

  5. Terceirização de consultoria

    Esse é um dos pontos mais críticos! O cliente contrata uma empresa de outro segmento para desenvolver o trabalho que envolve a pessoa Cientista de Dados e, por não dominar o assunto, a empresa contrata uma consultoria especializada em IA, mas não fornece os dados corretamente.

    Aí começa aquela história do telefone sem fio, onde o cliente acha que disse o que deseja, a empresa acha que entendeu o que o cliente pediu e a pessoa Cientista de Dados acha que sabe o que o cliente precisa, mas na primeira apresentação com as três partes envolvidas percebe-se que o projeto não tem nada a ver com o que o cliente pediu.

    Há um gap enorme de informações nas terceirizações, fica obscura a expectativa do produto final e muitas vezes demora meses para conseguir entregar o valor que o cliente espera devido a quantidade de retrabalhos gerados pela perda de informações.

Apenas 24% das empresas utilizam técnicas ágeis e pouquíssimas as utilizam em projetos de IA.

A boa notícia é que a Lambda3 possui expertise para vencer esses desafios com práticas que levam ao sucesso nos projetos de IA utilizando técnicas de agilidade.

Trabalhar com metodologia Ágil nos ajuda a vencer os desafios, eliminar burocracias, aumentar a colaboração das pessoas envolvidas, tornar o projeto mais dinâmico e aumentar as chances de atender a expectativa do cliente.

Segundo o artigo “Gestão Ágil de Projetos vira fator de sobrevivência no mercado tecnológico” da Revista Exame, publicado em outubro de 2018, apenas 24 % de empresas que utilizam a gestão Ágil, dentre elas 82% melhoram sua produtividade e qualidade nos projetos.

Metodologia Ágil Scrum – Como é utilizada?

Scrum é uma metodologia Ágil para gestão e planejamento de projetos de software que descrevemos de uma forma bem sintética: A pessoa Scrum Master facilita a Visão do Produto junto ao cliente, a criação das User Histories (Enunciados) e a criação do Backlogs (Lista de objetivos). O projeto é dividido em ciclos mensais, quinzenais ou semanais chamados de Sprints. Na cerimônia chamada Planning, o cliente prioriza os objetivos mais urgentes e o time técnico define o que é possível entregar na primeira sprint.

Para cada objetivo a equipe técnica cria as tasks (tarefas) e faz o desenvolvimento. Ao final de cada sprint é feita uma cerimônia chamada de Review (Mostra) da nova funcionalidade. Após a primeira entrega é feita uma Retrospectiva para análise das dificuldades.

Diariamente é feita uma pequena reunião chamada Daily onde cada membro da equipe técnica diz o que fez no dia anterior, o que está fazendo no dia e se há algum block(impedimento) no seu trabalho, se houver, é criado o impedimento, e somente com o esclarecimento ou solução do problema apresentado é dada continuidade.

É claro que esse é só um resumo e há muito mais envolvendo essa metodologia. Para ficar um pouco mais claro, observe a imagem abaixo mesmo que você ainda não conheça sobre o assunto.

Como ter sucesso em projetos de Ciência de Dados

Fonte: https://www.ntaskmanager.com/blog/scrum-meetings/

Se o cliente ainda não tem a clareza do produto e não consegue montar o backlog, para eliminar as incertezas a Lambda3 realiza a cerimônia de Inception, uma dinâmica com a participação de todos os envolvidos no negócio, juntamente com a equipe técnica que irá desenvolver o trabalho. Essas pessoas trabalham juntas para descobrir o que o cliente precisa e ao final dessa cerimônia as incertezas são esclarecidas sendo possível ter a visão geral do produto.

Além do trabalho da metodologia Scrum, a Lambda3 também utiliza a metodologia Machine Learning Canvas desenvolvida pelo Ph.D. Loius Dorard. Esse modelo visa levantar as informações principais para os projetos de Machine Learning definindo:

  • A proposta de valor do projeto
  • Que fontes de dados serão utilizadas?
  • Como será feita a coleta dos dados?
  • Quais as características do negócio são mais relevantes para análise?
  • Quais modelos podem ser construídos?
  • Que tarefas de Machine Learning são necessárias para execução do projeto?
  • Quais decisões o projeto facilita?
  • Quais as Previsões do modelo?
  • De que forma podemos Avaliar e Monitorar os resultados?

Há muitas pessoas Gerentes de Projetos e Gestoras que acham que a entrega contínua acontece por pressão e cobrança. Não é a cobrança que traz o produto, mas sim a clareza nas informações e definições das atividades, bem como a participação e revisão do cliente durante todo o desenvolvimento.

Querer que o consultor “adivinhe” o que você deseja é como entrar em um restaurante e achar que o garçom irá adivinhar o seu pedido. Mesmo quando você escolhe o prato, ele precisará de mais detalhes como: se o tipo da carne é branca ou vermelha, bovina ou suína, se o ponto da carne é mal passada, ao ponto ou bem passada. Se você estiver com alguém, o garçom terá que perguntar se é prato pra um ou dois ou se vão fazer pedidos diferentes, se vão querer alguma entrada ou acompanhamento, se vão beber algo, enfim. Para te servir bem, ele te fará várias perguntas. Se para uma atividade que fazemos todos os dias, precisamos dar tantos detalhes, imagine para construir um sistema com Inteligência Artificial?

Além de ter profissionais capacitados na parte técnica, a Lambda3 possui uma pessoa Scrum Master acompanhando todos os projetos, facilitando e conduzindo as cerimônias entre a equipe técnica e o cliente para extrair as informações chaves a fim de desenvolver projetos de forma eficiente.

É assim que fazemos nossas entregas com qualidade e garantimos a satisfação dos clientes com a entrega de nossos produtos!


Vector de banner creado por roserodionova - www.freepik.es