Qual a diferença entre a IA que faz tarefas e a IA que ajuda a decidir

Nem toda inteligência artificial usada pelas empresas tem o mesmo papel. Uma parte serve para automatizar tarefas e fazer o trabalho andar mais rápido. Outra é usada para apoiar decisões, como identificar um risco antes que ele vire prejuízo. A distinção pesa no resultado, segundo pesquisa da Gartner com 204 líderes financeiros. Quem trabalha com essa segunda frente é a Grand Thera, deeptech de Florianópolis que se apresenta como fornecedora de segurança para decisões de alto risco. Para a empresa, a camada de automação virou commodity, ou seja, algo disponível para todos, e o valor passou para a camada de inferência. Automatizar não é inferir Na prática, inferir significa separar sinal de ruído no meio de muitos dados, calcular o efeito financeiro de uma situação e deixar registrada a trilha de evidências que sustentou a decisão. Para Fernando Negrini, CEO da Grand Thera, é isso que ainda falta nas grandes empresas. “O conselho de hoje não está sem IA nem sem dados. Os dois recursos já estão na mesa das grandes corporações. O que falta é o sinal que chega antes do prejuízo e a clareza sobre o impacto financeiro de cada decisão”, afirma. Organizar dados e saber o que é verdade A companhia formalizou essa ideia neste mês em um preprint técnico, estudo divulgado antes da revisão formal, sobre epistemologia computacional, publicado na plataforma SSRN. O texto descreve como os motores da empresa avaliam evidências e definem o que é conhecimento confiável para uma decisão. A explicação usa dois conceitos. A ontologia é a parte que organiza os dados. A epistemologia é a que infere o que é verdade neles. Uma camada funciona sobre a outra, e é a segunda que responde às perguntas dos conselhos de administração. O que dizem os números A pesquisa da Gartner, feita em março, mostra que a maior parte do dinheiro ainda vai para a automação: 45% dos investimentos em IA na área de finanças miram produtividade, contra 20% voltados à qualidade da decisão. Os outros 35% tentam equilibrar os dois lados. O retorno, porém, favorece as decisões. Do total de CFOs ouvidos, 31% relatam valor significativo ou transformacional nos projetos desse tipo, contra 17% nos de produtividade. A Gartner explica por que isso acontece: quando uma tarefa fica mais rápida, o ganho para de crescer, a menos que essa velocidade mude uma decisão maior da empresa. Nos conselhos de companhias abertas americanas, a IA ainda aparece pouco na análise de risco. Levantamento da Corporate Board Member publicado em abril mostra que só 3% dos conselhos têm a tecnologia extensivamente integrada à supervisão de risco e à tomada de decisão. “Produtividade em escala não vira resultado sozinha. Quem responde pelo número precisa de uma sequência que a maioria dos projetos de IA não entrega: o sinal antecedente, a decisão e as evidências auditáveis que justificam essa decisão”, diz Negrini. Como isso funciona no dia a dia A ideia está no TheraOS, plataforma da empresa com marca registrada. Ele junta a organização dos dados, uma camada para fazer perguntas em linguagem natural e algoritmos autônomos, os AITs, que monitoram riscos e sinalizam impacto financeiro antes que ele apareça no resultado. Na versão mais recente, os painéis tradicionais foram trocados por um centro de comando voltado à decisão. Em um dos projetos entregues, um escopo dimensionado para dois anos foi concluído em seis meses. A IA que faz tarefas tem seu valor medido em tempo economizado. A que ajuda a decidir é avaliada pelo que consegue evitar, como resume Negrini: “A pergunta que o conselho deveria fazer ao CFO não é quantas horas a IA economizou. É qual prejuízo ela evitou”.