:quality(85))
Por quase qualquer métrica disponível, o crescimento da inteligência artificial — e, em particular, da sua mais recente vertente, a IA generativa — nos últimos anos tem sido surpreendente. Segundo um estudo da Goldman Sachs, em 2020 os investimentos privados em IA nos EUA totalizavam cerca de 28 mil milhões de dólares. A empresa de banca de investimento prevê um aumento deste valor em quase 250% em 2024, atingindo os 68 mil milhões. Um inquérito recente realizado pela McKinsey & Co. traz mais dados sobre a rápida adoção desta tecnologia no mundo empresarial. Segundo a consultora, o número de empresas a utilizar regularmente IA generativa quase duplicou num só ano. Em maio de 2024, 65% das empresas inquiridas — abrangendo várias regiões e setores de atividade — estavam a utilizar inteligência artificial para funções como marketing, vendas e desenvolvimento de produto.
Para as empresas e profissionais que operam na área da gestão da cadeia de abastecimento, as capacidades proporcionadas pela IA podem parecer bastante aliciantes. Estas ferramentas conseguem executar análises preditivas, previsões de procura e avaliações de risco, entre outras aplicações críticas de valor imediato. Mas nos últimos 18 meses, muitas empresas têm-se deixado seduzir pelas promessas exuberantes da inteligência artificial sem analisar se estas plataformas podem, de facto, trazer benefícios reais no contexto do seu negócio específico. Assim, é fundamental que as equipas de gestão da cadeia de abastecimento interessadas nas potencialidades da IA compreendam a evolução recente desta tecnologia, explorem os diferentes tipos de inteligência artificial atualmente disponíveis e definam objetivos claros para a forma como pretendem que o software crie valor nas suas operações. Numa altura em que as empresas investem quantias avultadas em startups de IA numa espécie de frenesim desenfreado e pouco refletido, uma análise criteriosa às capacidades desta tecnologia pode ser um passo fundamental no processo de due diligence.
Principais Tipos de IA que as Empresas Devem Conhecer
A última década e meia foi um período de crescimento acelerado para a inteligência artificial. Várias versões da tecnologia têm surgido em diferentes momentos desde, pelo menos, 2011, quando a Apple lançou a Siri com a quarta geração do iPhone. O primeiro «assistente virtual» disponível em larga escala num smartphone, a Siri recorria à aprendizagem automática (machine learning) e à chamada «IA fraca» para responder a perguntas, obter informações e realizar certas tarefas. Desde então, as capacidades da Siri e de outros assistentes virtuais foram largamente superadas por plataformas revolucionárias como ChatGPT, Dall-E, Claude e Gemini.
Existem várias tecnologias diferentes sob o amplo conceito de IA. Cada uma oferece um conjunto distinto de vantagens e funcionalidades que poderão ser mais adequadas para umas empresas e setores do que para outros.
Aprendizagem Automática
A aprendizagem automática (machine learning, ML) é um tipo de inteligência artificial que utiliza grandes volumes de dados para reconhecer padrões, fazer previsões, «aprender» ao longo do tempo e apoiar a tomada de decisões mais informadas e precisas. Em vez da programação tradicional, na qual os programadores fornecem instruções muito específicas a serem seguidas pelo computador, a aprendizagem automática é um processo mais aberto, permitindo à máquina desenvolver conhecimento e especialização ao analisar textos, números, fotografias, relatórios e outros tipos de dados. Nos anos 1950, enquanto desenvolvia trabalhos pioneiros em IA, o cientista da computação Arthur Samuel definiu a aprendizagem automática como «o campo de estudo que dá aos computadores a capacidade de aprender sem terem sido explicitamente programados».
Embora outras versões da inteligência artificial estejam atualmente a captar mais atenção e investimento, a aprendizagem automática continua a ser uma tecnologia extremamente versátil e das mais comprovadas. Aleksander Madry, cientista de computação do MIT e especialista em ML, chegou a afirmar à MIT Sloan Management Review que «A aprendizagem automática está a transformar, ou irá transformar, todos os setores, e os decisores precisam de compreender os princípios básicos, o potencial e as limitações».
Aplicações da Aprendizagem Automática
- Identificação de tendências de negócio
- Desenvolvimento de algoritmos de recomendação
- Deteção de estrangulamentos e atrasos na cadeia de abastecimento
- Diagnóstico médico
- Prestação de apoio ao cliente através de chatbots online
IA Preditiva
No ecossistema cada vez mais abrangente da inteligência artificial, abundam ferramentas, termos e conceitos que muitas vezes se sobrepõem consideravelmente. A IA preditiva, por exemplo, recorre à aprendizagem automática — juntamente com análise estatística — para analisar grandes quantidades de dados históricos e produzir previsões eficazes e acionáveis sobre padrões, comportamentos e mesmo eventos futuros.
A IA preditiva é frequentemente considerada uma evolução tecnológica da análise preditiva, que exige uma maior intervenção humana. Em comparação, a IA preditiva pode aprender e aprimorar-se de forma totalmente autónoma.
Aplicações da IA Preditiva
- Previsão de comportamentos do consumidor
- Realização de previsões financeiras
- Previsão da procura
- Antecipação de avarias de equipamentos
- Gestão de stock
Modelos de Linguagem de Grande Escala (LLM)
Os modelos de linguagem de grande escala são uma categoria de IA que analisam volumes exaustivos de texto e dados para compreender e produzir linguagem, conseguindo conversar fluentemente com utilizadores humanos. Atualmente, os LLM são considerados «foundation models». O termo foundation model foi criado por investigadores da Stanford University em 2021 para descrever plataformas de IA treinadas com dados em volume suficiente para executar múltiplas tarefas e funcionalidades. Como explica o Center for Security and Emerging Technology da Georgetown nesta análise, em vez de serem desenvolvidos para um fim específico e estreito, «o modelo inicial fornece uma base (daí “foundation”) sobre a qual podem ser construídas outras coisas».
Os LLM têm registado um crescimento exponencial desde o lançamento do Chat-GPT no final de 2022. Estes foundation models são agora utilizados das mais diversas formas — emails, relatórios, trabalhos académicos — por estudantes, docentes, investigadores, criadores de conteúdos e profissionais de negócio. Entre as alternativas mais conhecidas à plataforma da OpenAI encontram-se o Google Gemini, o Claude da Anthropic e o Llama da Meta.
Aplicações de LLM
- Apoio ao cliente
- Sumarização
- Criação de conteúdos
- Geração de código
- Pesquisa de mercado
IA Generativa
Tal como sucede com a aprendizagem automática e a IA preditiva, há uma sobreposição significativa entre os LLM e a IA generativa. Este último termo é usado para descrever qualquer ferramenta ou plataforma de inteligência artificial destinada principalmente à geração de conteúdos. Assim, embora todos os LLM sejam uma forma de IA generativa, o inverso não se verifica. Para além de gerarem texto e de permitirem um diálogo natural, os modelos de IA generativa conseguem criar imagens de grande qualidade, código informático e inclusivamente música ou áudio. Exemplos de ferramentas de IA generativa que não são LLM incluem o DALL-E, o Midjourney, o AIVA e o watsonx Code Assistant da IBM.
Ainda que a IA generativa seja uma tecnologia relativamente recente, está a destacar-se rapidamente como um fator de transformação que as empresas procuram implementar eficazmente. A consultora de estudos de mercado IDC projeta que os gastos globais das organizações em IA generativa se aproximem dos 40 mil milhões de dólares até ao final de 2024.
Aplicações de IA Generativa
- Marketing e publicidade
- Criação de conteúdos
- Programação
- Descoberta de medicamentos
- Design de moda
- Desenvolvimento de produto
Casos de Utilização de IA na Gestão de Risco na Cadeia de Abastecimento
Para organizações e equipas interessadas na implementação de IA na gestão de riscos, compreender as aplicações singulares de cada ferramenta pode ser essencial para a tomada de decisões eficazes. Isto porque, embora a IA generativa e os modelos de linguagem de grande escala estejam a captar as atenções mediáticas e os maiores volumes de investimento, não significa que sejam as soluções mais adequadas para as necessidades de gestão de risco na cadeia de abastecimento (SCRM). Em alternativa, os especialistas em sourcing estratégico e outros profissionais de SCRM devem ponderar as múltiplas funcionalidades oferecidas por toda a gama de ferramentas de IA atualmente disponíveis para as empresas, incluindo a IA preditiva e a aprendizagem automática.
Um desafio persistente neste setor, o mapeamento completo da cadeia de abastecimento permite aos fabricantes ganhar visibilidade sobre os seus fornecedores, compreender melhor a dimensão e a natureza dos respectivos subfornecedores e identificar riscos antes que estes se traduzam em disrupções dispendiosas. As plataformas de IA podem ser uma peça fundamental neste processo complexo e exigente. Estas ferramentas conseguem localizar encomendas de produtos, reservas de carga, registos de transporte e outros documentos de cadeia de custódia e sintetizá-los para criar mapas detalhados da cadeia de abastecimento, visualizando vários níveis. Recorrendo a modelos de inteligência artificial baseados em aprendizagem automática, é possível reforçar a visibilidade da cadeia de abastecimento e aumentar a resiliência operacional.
Além de melhorar as capacidades de mapeamento das empresas, a IA pode ser utilizada para antecipar avarias de equipamentos antes de estas acontecerem. A análise preditiva já é utilizada para este fim há vários anos, e a IA preditiva representa uma evolução significativa desta tecnologia. Este tipo de inteligência artificial utiliza sensores que monitorizam o equipamento e a infraestrutura da empresa para recolher grandes volumes de dados relativos a parâmetros como temperatura, acústica, humidade, pressão ou lubrificação.
Após analisar informação comportamental suficiente, estas plataformas conseguem identificar as condições ideais de funcionamento do equipamento e alertar as equipas de manutenção quando estas condições se desviam, degradam ou apresentam sinais de desempenho inferior. Esta funcionalidade de manutenção preditiva permite às equipas identificar precocemente fatores de risco de avaria e agir de forma proativa — uma capacidade que possibilita aos fabricantes evitar perdas de produtividade associadas a longos períodos de inatividade.
Os profissionais de sourcing estratégico podem ainda utilizar a IA na gestão de risco para avaliar de forma rápida o impacto de uma disrupção na cadeia de abastecimento. Por exemplo, se um fornecedor direto de um fabricante automóvel for obrigado a encerrar várias unidades fabris devido a um evento climático extremo, o fabricante pode inserir dados históricos relevantes e informações atuais numa ferramenta de inteligência artificial e obter uma avaliação do impacto do desastre natural nos prazos de produção, incluindo a duração dos atrasos.
Importa sublinhar que este tipo de previsão de disrupções é ainda uma tecnologia bastante incipiente — um exemplo de como a IA na gestão de risco permanece numa fase embrionária. Apesar disso, o software de inteligência artificial atualmente disponível consegue fornecer às empresas estimativas objetivas e acionáveis que podem ajudar os decisores a desenvolver respostas estratégicas. Dispor deste tipo de inteligência, ainda que imperfeita, permite aos fabricantes decidir se devem manter-se com o fornecedor afetado, procurar um parceiro alternativo na cadeia de abastecimento ou adotar outras medidas de contingência adequadas.
O Futuro Promissor da IA na SCRM
Apesar de todo o entusiasmo mediático e do otimismo dos mercados, os LLM, a IA generativa e outras tecnologias inovadoras de inteligência artificial ainda estão nas fases iniciais de desenvolvimento. Embora a novidade destas tecnologias justifique alguma cautela, isso não significa que as empresas devam ficar paradas a ver os concorrentes mais audazes investir fortemente no seu potencial. Em vez disso, os profissionais de gestão de risco na cadeia de abastecimento devem investigar cuidadosamente os possíveis impactos das várias formas de IA no seu negócio. Este trabalho passa pela realização de análises custo-benefício, pelo estudo detalhado de casos de utilização relevantes e até pela utilização de demonstrações gratuitas disponibilizadas pelos principais fornecedores de IA. Estas medidas de due diligence podem ajudar as empresas a tomar decisões de investimento mais informadas e ponderadas — começando por compreender as diferentes ferramentas que compõem o panorama em rápida evolução da IA.
As empresas que pretendem explorar o potencial da IA na gestão de risco podem considerar as capacidades preditivas da plataforma SCRM Z2Data. Este software de referência no setor oferece múltiplas funcionalidades de previsão, incluindo projeções de fim de vida (EOL) para componentes eletrónicos com uma precisão histórica de 90% e uma lista de vigilância de sanções que utiliza relatórios parlamentares, investigações de ONG e outros documentos de elevada credibilidade para destacar empresas em risco acrescido de serem alvo de sanções. Em conjunto, estas ferramentas preditivas ajudam os fabricantes a tornar-se mais resilientes ao risco e a desenvolver uma estratégia de gestão de ameaças ágil e proactiva.
Para saber mais sobre a Z2Data e as funcionalidades de previsão que disponibiliza aos seus clientes, marque uma demonstração gratuita com um dos nossos especialistas de produto.
