O pano de fundo
É possível afirmar, sem medo, que Inteligência Artificial é a aplicação de métodos estatísticos para identificar padrões, propor hipóteses (preditivo – IA generativa), simular e, mais importante, estimular cenários.
É uma importante ferramenta para resolver problemas de grande representatividade, a partir de alterações rígidas ou incrementais em padrões existentes.
É também possível afirmar, dessa vez com mais cautela, que a maioria dos problemas coletivos tem em comum a importância do estado para regular, transigir ou mesmo participar da solução per se. Os bolsos profundos do estado sempre estiveram presentes em grandes soluções.
Porém, no palco das ações, o ambiente dos países em desenvolvimento é mais fragmentado, em razão de democracias ainda em desenvolvimento. Esse fato aumenta a incidência do conflito do agente-principal nas relações comunitárias.
Nesses países, e o Brasil está nessa lista, os tomadores das decisões de importância coletiva agem sem ampla coordenação e com responsabilização muito limitada por seus atos, principalmente atos que levam à ineficiência.
Além disso, é nesses países que muitas vezes o poder público figura como o maior e mais importante empregador, garantindo a seus empregados benefícios que a iniciativa privada não consegue ofertar, o que leva o funcionalismo público nesses países a carecer de uma carga de propósito que poderia arrefecer esses conflitos de interesses e trazer melhores processos para o estado.
Por essa razão esses países enfrentam maiores níveis de corrupção, e como forma de combate tendem a dificultar a contratação e a transação do poder público com a iniciativa privada. O Estado acaba contratando mal ou expelindo mão de obra qualificada pela burocracia e pelo ambiente complexo.
Qualidade e acesso a dados
Vamos considerar o caso do Brasil.
Se a construção de estruturas de dados (data pipelines) se caracteriza principalmente pelo uso de diferentes profissionais, desde a captura até o tratamento dos dados, e a aplicação de técnicas estatísticas ou preditivas – que estabeleçam novas hipóteses e por consequência soluções – os estados precisam fazer boas contratações, de diferentes habilidades (pessoas ou empresas), e por diferentes intervalos de tempo (geralmente sobrepostos em qualquer projeto). Esse desafio é naturalmente impossível para nossas estruturas burocráticas.
Os desafios começam a parecer intransponíveis já nos níveis iniciais da jornada de uso da IA: a obtenção de dados.
Estruturados ou não, transacionais ou não, esses dados estão presos nas empresas, nos diferentes níveis governamentais (agências reguladoras, por exemplo), ou em associações de classe.
As associações de classe Brasileiras, por exemplo para as que tem dados, mesmo que desorganizados, ainda são jovens. A grande maioria não tem dados.
É preciso lembrar que a democracia na América Latina é um fenômeno recente, com pouco mais de 30 anos, e ainda inconsistente. Essas associações sofrem da mesma falta de orientação e governança que sofrem os Estados latino-americanos. Navegam em um ambiente institucional que, como argumentado, é fragmentado.
E em última instância, essas organizações sofrem para compreender a direção das políticas públicas, ou seja, para compreender a “estratégia corporativa” do Brasil, usando o jargão de negócios.
Dados nas empresas
Então vamos às empresas. Elas têm dados, mas não sabem muito bem o que fazer com eles, e o grau de fragmentação desses dados, distribuídos em pequenas empresas, torna o trabalho economicamente inviável. A solução estaria na concentração desses dados em associações de classe, mas o leitor a essa altura já percebe a referência circular (para profissionais da área de dados), ou beco sem saída (para nossos ávidos leitores).
No caso de empresas internacionais atuando nos países em desenvolvimento, essas têm dados suficientes, mas por falta de coordenação dessas subsidiárias, ou por ausência de “governança legislada” desses países, ficam paralisadas ou atuando em iniciativas de pouco impacto.
O exemplo da ReRe
A ReRe é uma empresa que investiga dados em operações agrícolas e de consumo intenso, como bebidas, alimentos e químicos, procurando indícios que levem a melhores hipóteses. Nesse momento estamos trabalhando com olhos para os resíduos sólidos. Sim! Estamos mergulhados no hype da circularidade.
Todos os problemas acima estão no nosso cotidiano, e o que temos a nosso favor é um fundador com apetite para soluções contraintuitivas.
Ele nos garante funding para coletar, confirmar e tratar dados, mesmo não enxergando de forma muito clara os outputs dessa jornada.
Nosso cotidiano é altamente complexo. Temos que convencer esses diferentes players a nos fornecerem dados, que muitas vezes têm e não querem compartilhar, ou que nem mesmo têm capacidade de coletar, quiçá transformar.
Sofremos nos corredores de empresas, órgãos de controle de práticas agrícolas, congressos federal e estaduais, prefeituras, departamentos públicos de dados estatísticos, um número incontável de iniciativas ESG públicas e privadas, que muitas vezes são redundantes e não combinam suas iniciativas.
Não diferente, convencer players a utilizarem essas informações, a olharem para direções que resolvem problemas coletivos, mas contrariam seus interesses privados, consome muita energia de nossos colaboradores.
Nosso orçamento é grande para a confirmação in loco dos dados quantitativos obtidos dessa extrema fragmentação, para realizar entrevistas que ajudem interpretar qualitativamente o que os dados silenciosamente querem demonstrar, e para manter nossas equipes engajadas.
Diante de todas os desafios em construir um data warehouse que possibilite análises críveis e hipóteses que parem em pé, preditivamente podemos afirmar que, usando os jargões do setor, não é provável que tenhamos resultados que mudem o jogo, considerando <= 0,95 como altamente provável e >= 0,05 como altamente improvável.
Todavia, nossos primeiros resultados têm nos dado esperança, já que apontamos problemas que antes eram invisíveis e a cada evolução do processo nossa tese principal vai ganhando musculatura: os dados propõe soluções contraintuitivas.
O uso de embalagens de defensivos agrícolas, corretivos de solo e fertilizantes, com contaminação química nociva ao ser humano, à fauna e à flora, usadas na agricultura Brasileira e fornecidas por empresas químicas multinacionais foram encontradas em transporte de alimentos para consumo humano, em escolas, supermercados e diversos locais que não deveriam ter contato com esse material. Entre outros achados.
As soluções para problemas dessa natureza e dimensão surgirão de modelagens computacionais modernas e com a cooperação das comunidades, assim como imaginamos para as embalagens usadas na agricultura em um país continental como o Brasil.
Mas o que é de fato altamente provável em tudo isso é que, se os dados forem obtidos e confirmados, e se as ferramentas de IA forem devidamente aplicadas a ponto de gerarem soluções para o mundo em desenvolvimento, as habilidades emocionais e de relacionamento necessários para enfrentar todas as variabilidades e externalidades desse ambiente terão sido os grandes atores nesse movimento.
