4 maneiras de sua organização se adaptar e prosperar na era da IA

As evidências indicam que quase todos os líderes empresariais estão implementando ou investindo em iniciativas de inteligência artificial (IA), e a gigante biofarmacêutica Boehringer Ingelheim está determinada a alocar recursos em tecnologias emergentes que podem provocar mudanças significativas na vida das pessoas. Com um quadro de 55 mil colaboradores, a empresa se dedica ao desenvolvimento de terapias inovadoras que têm o potencial de melhorar vidas em áreas com alta demanda médica não atendida, sendo a IA e a análise de dados cada vez mais vitais em suas operações.

O CIO global Markus Schümmelfeder comentou que a adoção de tecnologias emergentes pode abrir uma variedade de possibilidades, especialmente quando acompanhada por mudanças organizacionais: "A IA, aliada à disponibilidade de big data e ao acesso às capacidades certas, é o verdadeiro divisor de águas." Mas como líderes empresariais podem promover mudanças organizacionais bem-sucedidas na era da IA? Schümmelfeder e seu colega Oliver Sluke, responsável pela pesquisa, desenvolvimento e medicina de TI na Boehringer, compartilharam suas quatro melhores práticas para a transformação empresarial habilitada pela IA.

1. Criar um ambiente de dados
A maioria dos líderes digitais concorda que, antes de mexer na tecnologia, é essencial garantir que os dados estejam gerenciados, organizados e acessíveis. Desde 2022, a Boehringer mantém um ecossistema de dados chamado Dataland. Schümmelfeder explicou que esse sistema agrega dados de toda a empresa, permitindo que os profissionais realizem simulações e análises de dados de forma segura. "Para executar casos de uso e análises, um ambiente de dados bem-sucedido é fundamental, por isso o criamos." Ele enfatizou que o ecossistema vai além do simples armazenamento de dados, incluindo sistemas cruciais de gerenciamento e análise. "Temos dezenas de ferramentas em cima dele, como Snowflake e Collibra, para catalogar os dados, aproveitá-los e integrá-los ao AWS."

Sluke acrescentou que um elemento chave do ambiente de dados da Boehringer é a One Medicine Platform, impulsionada pela Veeva Development Cloud, que une dados e processos, permitindo à empresa otimizar seu desenvolvimento de produtos. "Antes, tínhamos 55 sistemas pequenos que executavam a função da Veeva, o que era bastante fracionado. Não havia um modelo de dados harmonizado", disse ele. A plataforma Veeva colabora com o Dataland para formar o que Sluke descreveu como um conjunto tecnológico de ponta, resultando em uma abordagem consistente de TI e insights integrados para pesquisas com potencial para transformar vidas. "A TI e a medicina se uniram nessa transformação", comentou Sluke. "Essa mudança vai muito além da simples troca de ferramentas; trata-se de um novo modo de trabalhar."

2. Construir uma plataforma de IA
Com a centralização das informações empresariais no Dataland, a Boehringer utiliza essa plataforma para explorar e aproveitar a IA. "Temos o ambiente de dados e as ferramentas integradas", disse Schümmelfeder. "Contamos com uma estrutura para todos os tópicos de aprendizado de máquina e IA, e iremos fornecer mais ferramentas conforme a tecnologia avança." A empresa adota uma abordagem especializada em IA, chamada Apollo, que permite que os colaboradores escolham entre 40 modelos de linguagem. Embora à primeira vista pareça uma grande variedade, Schümmelfeder destacou que essa diversidade é crucial para razões de desempenho e eficiência. "Isso significa que, ao ter um caso de uso, você pode testar diferentes modelos contra seus dados e obter respostas específicas."

A Boehringer não desenvolve modelos internamente. O CIO explicou que a velocidade do avanço na IA torna mais inteligente direcionar os recursos de TI para outras áreas. Além de modelos populares como Gemini e ChatGPT, a empresa utiliza modelos de nicho mais adequados para pesquisa. "Certos modelos são mais eficazes para casos de uso específicos", comentou. "A eficiência também é uma preocupação. Não se pode usar modelos extremamente caros para cada questão. Essa abordagem não é viável."

3. Adotar uma abordagem Ágil
Empresas que desejam explorar suas plataformas e modelos de dados precisam de profissionais capazes de trabalhar sobre essas bases. Sluke afirmou que a Boehringer percebeu, desde o início, a necessidade de um novo modo de trabalhar. "Nos últimos cinco anos, temos seguido uma jornada na engenharia de software," esclareceu. "Reconhecemos que não se trata apenas de dados. Nossa organização de TI também precisava desenvolver capacidades para construir aplicativos usando uma estrutura tecnológica moderna." O objetivo, segundo ele, era estabelecer Agilidade e entrega contínua na engenharia de software, permitindo à organização produzir códigos de forma rápida e eficaz. "Desde o começo, percebemos que dados eram apenas um elemento; precisávamos incorporar algoritmos, e essa foi uma decisão acertada, pois há cerca de dois anos, quando todo o alvoroço em torno da IA começou, conseguimos rapidamente utilizar essas tecnologias com nossas equipes de engenharia."

Schümmelfeder comentou que a transição para uma abordagem Ágil pode parecer simples, mas não é. "Nada é mais desconfortável do que dizer a alguém: ‘Você fazia assim ontem, mas fará de outra forma amanhã.’ As pessoas questionam: ‘Eu já tive sucesso sem essa abordagem. Por que eu deveria mudar?’" Para facilitar essa mudança para uma metodologia Ágil, a equipe utilizou comunidades de prática, onde os profissionais de TI adquiriram novas habilidades por meio de atividades práticas. Atualmente, a organização executa cerca de 80% de seus projetos utilizando a metodologia Ágil. "Scrum é uma palavra da moda," disse. "Mas neste caso, provamos que alterar como a organização opera é tão importante quanto ajustar as funções dentro dela."

4. Identificar casos de uso robustos
Outro elemento crucial que impulsiona a mudança organizacional é a identificação de casos de uso de IA que ajudem o negócio a aproveitar seus dados. Schümmelfeder delineou três casos de uso específicos. O primeiro é o Desenvolvimento de Processo Inteligente, que utiliza aprendizado de máquina e algoritmos genéticos para aprimorar processos biofarmacêuticos, como a cromatografia de captura. O segundo é o Genomic Lens, um processo baseado em IA que a empresa utiliza para gerar insights que ajudam cientistas a descobrir novos mecanismos de doenças no DNA humano. "É uma abordagem mais precisa e proporciona a identificação mais rápida de novos conceitos terapêuticos baseados em padrões genéticos", afirmou. "Utilizamos aprendizado de máquina, processamento de big data e algoritmos preditivos, coletando dados de diversas biobancos, enquanto a IA identifica novos padrões genéticos e mecanismos de doenças."

Por fim, a companhia aplica algoritmos e dados históricos para identificar populações para ensaios clínicos. Sluke explicou mais: "É fundamental para nós identificar a população certa antes de iniciar um ensaio clínico. Com base em nossos dados históricos, aplicamos um algoritmo e conseguimos agilizar todo o processo de identificação das populações em cerca de quatro semanas." Essa velocidade pode fazer uma grande diferença para determinados pacientes, especialmente quando não há alternativas disponíveis no mercado que cumpram o mesmo papel. "Assim, esse é mais um exemplo de como a IA nos auxiliou a fazer a diferença, não apenas na nossa empresa, mas também além dela, para os pacientes."

Referência: zf L / Getty Images