A inteligência artificial faz cada vez mais parte do cotidiano da população e, em paralelo, das empresas. Segundo resultados de uma pesquisa feita pela consultoria internacional Russell Reynolds em 46 países, cerca de 21% das grandes companhias contam com um executivo para implementar políticas de IA. Tudo indica que o cenário é de mais oportunidades na área.
Receba as principais notícias direto no WhatsApp! Inscreva-se no canal do Terra
Para falar sobre essa ocupação, o Terra entrevistou Bruno Paulinelli, engenheiro da computação, professor e diretor de Dados e Inteligência Artificial na Lumini IT Solutions. Foram cerca de 20 anos de carreira na área até chegar ao cargo de diretor. Além disso, ele tem uma empresa do ramo, a Synappse.ai, onde também faz mentorias para profissionais interessados no mundo dos dados.
Como diretor de dados e IA, Bruno explica que atua na definição e execução de estratégias de dentro da empresa. Ele é responsável por transformar dados em "ativos estratégicos", utilizando inteligência artificial para impulsionar a inovação e a vantagem competitiva da empresa.
Para entender na prática como é a rotina desse profissional, confira 10 tópicos das principais responsabilidades e atividades de seu cargo:
- Desenvolver a visão e a estratégia para o uso de dados e inteligência artificial na empresa, alinhando essas iniciativas aos objetivos gerais de negócios;
- Identificar oportunidades onde a IA e o uso de dados podem agregar valor ao negócio, seja na otimização de processos, melhoria da experiência do cliente, geração de novos insights ou criação de novos produtos e serviços;
- Estabelecer políticas e práticas de governança de dados, garantindo que a empresa utilize seus dados de maneira ética, segura e em conformidade com as regulamentações, além de supervisionar a qualidade, integridade e segurança dos dados em toda a organização;
- Liderar e gerenciar equipes multidisciplinares que incluem cientistas, arquitetos, engenheiros de dados e especialistas em IA, além de mentoria, ajudando a desenvolver habilidades técnicas e estratégicas dentro da equipe;
- Avaliar tendências emergentes e novas tecnologias e liderar iniciativas de inovação;
- Gestão de projetos e recursos, planejamento e gerenciamento de projetos de dados e IA, incluindo orçamentos, cronogramas e recursos, garantindo que os projetos sejam entregues dentro do prazo, do orçamento e com os resultados esperados;
- Parcerias e colaborações, estabelecendo parcerias estratégicas com outras empresas, startups e instituições acadêmicas para impulsionar a inovação em IA e dados;
- Atuar como representante da empresa em conferências, workshops e eventos do setor;
- Medir resultados, definindo métricas e KPIs (sigla para Key Performance Indicators; em tradução livre, "Indicadores-Chave de Desempenho"] para medir o impacto das iniciativas de dados e IA;
- Reportar o progresso e os resultados dessas iniciativas para executivos, conselheiros e investidores, demonstrando o retorno sobre o investimento.
Desafios e oportunidades
Com relação aos desafios, Bruno destaca a natureza dinâmica do cargo, que exige que o profissional se mantenha atualizado frente à rápida evolução tecnológica.
"Garantir que novas tecnologias se integrem bem com os sistemas legados e existentes, sem interromper operações, é uma tarefa complexa que exige uma visão técnica e estratégica", alerta ele.
Além disso, com a demanda crescente por profissionais qualificados em IA e dados, a atração e retenção de talentos é um desafio significativo, segundo avalia. Isso significa a carreira em dados, seja como analista até o nível executivo, tem oferecido oportunidades de trabalho, dada a lacuna entre oferta e demanda.
"Setores como saúde, finanças, varejo e manufatura estão cada vez mais investindo em IA. Além disso, a IA generativa está abrindo novas possibilidades em áreas como marketing, atendimento ao cliente e desenvolvimento de produtos", pontua o especialista.
Além do cargo de chefia, o mercado também tem apresentado alta procura e escassez de profissionais das seguintes carreiras:
- Cientista de dados (Data Scientist)
- Engenheiro de dados (Data Engineer);
- Analista de dados (Data Analyst);
- Engenheiro de machine learning (Machine Learning Engineer);
- Arquiteto de dados (Data Architect);
- Analista de qualidade de dados (Data Quality Analyst);
- Especialista em governança de dados (Data Governance Specialist);
- Especialista em visualização de dados (Data Visualization Specialist);
- Especialista em GenAI (Inteligência Artificial Generativa) e IA.
Com base em sua trajetória e estudos na área, Bruno listou algumas dicas para quem quer se aproximar da área. Confira!
- Domine os números: Ter um bom entendimento de matemática, estatística e probabilidade é fundamental para trabalhar com IA e ciência de dados. Invista em cursos de ciência de dados, machine learning, arquitetura, engenharia de dados e inteligência artificial;
- Pratique o que aprendeu: Envolva-se em projetos práticos que lhe permitam aplicar o que aprendeu. Construa um portfólio mostrando seus projetos e experiências práticas;
- Compreenda o negócio: A IA e os dados só são valiosos quando aplicados para resolver problemas reais. Desenvolva uma visão clara de como suas habilidades podem impactar positivamente as áreas de negócios;
- Treine sua comunicação: Ser capaz de comunicar insights complexos de maneira simples e clara para stakeholders não técnicos é uma habilidade essencial. Trabalhe em suas habilidades de apresentação e narrativa (storytelling);
- Construa uma rede de contatos: Participe de conferências, meetups e eventos de dados e IA. Isso não só ajudará a manter-se atualizado, mas também pode abrir portas para novas oportunidades. Encontrar um mentor com experiência na área pode ser muito valioso;
- Prepare-se para ser um líder: Invista em habilidades de gestão e liderança para estar preparado para funções de maior responsabilidade. Aprenda sobre gestão de projetos e metodologias ágeis que são frequentemente usadas em projetos de IA e dados;
- Experimente ferramentas: Não tenha medo de experimentar novas ferramentas, frameworks e abordagens;
- Nem tudo é sobre IA: Seja crítico ao avaliar quando usar IA, machine learning ou até mesmo métodos mais simples. A chave é sempre buscar a solução que oferece o maior valor para o negócio. Concentre-se em resolver problemas reais do negócio com IA, em vez de implementar tecnologia pela tecnologia;
- Seja crítico, mas flexível: A habilidade de se adaptar a novas ferramentas e técnicas é fundamental em um campo que evolui tão rapidamente. Importante também ser capaz de avaliar criticamente resultados e algoritmos para garantir que as soluções de IA sejam precisas, éticas e úteis.
