O estado atual da Governança e Gestão de dados nos EUA-07

#10- No último post, falamos de uma palestra do keynote, da IBM (foi proferida pelo Dr Pyiush Malik, da IBM  e teve o título de “Towards a smarter Data-driven future”) , onde o assunto “Watson”  foi tratado. Aproveito para intercalar nessa série de posts,  a tradução e  outros comentários sobre Watsom, inclusive  uma entrevista feita com os usuários (early adopters) da Plataforma e sua primeiras percepções.  O artigo, escrito por Tom Davenport(*) para o WSJ-CIO(Wall Street Journal-CIO) em dezembro de 2015 e traduzido e comentado por mim, encontra-se no link  http://blogs.wsj.com/cio/2015/12/03/lessons-from-the-cognitive-front-lines-early-adopters-of-ibms-watson/

Watson é uma das mais interessantes tecnologias do século 21. Desenvolvido pela IBM, no seu esforço de criar um exemplo real e aplicável de  uma plataforma de Inteligência artificial, o produto tornou-se famoso por vencer o programa Jeopardy, espécie de QUIZ, em 2011, show que apresentava perguntas genéricas sobre temas amplos, onde  grandes concorrentes profissionais e considerados imbatíveis  atuavam na disputa de prêmios altíssimos. Watson acabou por batê-los todos  A reportagem de Tom Daveport, especial para o Wall Street Journal, aqui traduzida e comentada,  garimpou os primeiros resultados do uso intensivo do Watson em segmentos da indústria, no caso em algumas organizações de “health care”. Várias grandes organizações se predispuseram a oferecer os primeiros “insights”  sobre a aplicação do Watson, no apoio à pesquisas de câncer, ou em desenvolvimento de testes clínicos, além de aplicações na área de veterinária. Organizações de peso nos EUA foram entrevistadas como o Memorial Sloan Kettering Cancer Center(MSKCC)-NYC, MD Anderson Cancer Center (MDACC)-Houston, Clínica Mayo-Minnesota e  WellTok. Esta, é  uma empresa cujo objetivo é a otimização do sistema de saúde e que basicamente objetiva levar o “senso”  de organização ao mundo caótico dos programas de saúde, aparelhos, sensores e outras ferramentas de melhoria nesse campo. Além dessas, também foi ouvida por Davenport uma empresa de produtos veterinários e outra no segmento de seguro de saúde. Todas são espécies de organizações  testadoras parceiras do sistema Watson e tentam , através dele, criar uma base espessa de informações, acessadas e trabalhadas pela Inteligência artificial. A parceria envolve  projetos cuja essência é a ingestão de informações dentro do expertise de cada uma, criando os  chamados  “corpus”, como são denominados os elementos de conhecimentos estruturados no Watson, a partir dos quais ele estabelece e busca inferência, gerando  e transmitindo conhecimento, por mecanismos de interfaces diversas. As perguntas(speech IO) são uma delas. A percepção de Davenport, com relação aos entrevistados é de que o produto é considerado mesmo pioneiro e quebrador de barreiras e paradigmas. Há unanimidade na percepção de sua complexidade no processo de ingestão de dados para a formação dos elementos de conhecimento, mas também na sua capacidade rápida de  aprender . Há vários projetos envolvidos entre esses diversos  parceiros do Watson. Um hospital usa o sistema para testes clínicos envolvendo novos tratamentos, novas drogas, vacinas,etc, enquanto outro o utiliza para estudos de tratamentos de câncer, especialmente de pulmão. Todos os projetos descritos são chamados “moon shots”, jargão para designar aqueles com objetivos ambiciosos e  difíceis de serem realizados com tecnologias atuais. O famoso Hospital MD Anderson, referência mundial em câncer, tem um programa de “moonshots”, cujo objetivo é reduzir dramaticamente a incidência e mortalidade dessa doença. Um deles treina o Watson para aprender sobre  câncer de pulmão, enquanto o outro desenvolve conhecimentos, via Watson,  para melhorar a qualidade dos tratamentos para os pacientes dessa doença, que não possam contar com um especialista. O Hospital MD Anderson intenciona criar um especialista   chamado OEA-Oncoly Expert Advisor, focado em tomada de decisão sobre tratamentos diferentes, sugeridos por especialistas e também visando o compartilhamento desse conhecimentos (de especialistas) no tratamento de um tipo específico de câncer, maximizando os benefícios e melhorando os resultados. Em outras palavras, como disse Davenport, a ousadia do projeto é  criar uma espécie de “arte” de tratar de câncer. Esses projetos, claro, são complexos e levam tempo. Alguns começaram em 2012 e continuam enfrentando desafios . Como, em tese, a doença é também  progressiva no seu desenvolvimento, os conhecimentos sobre ela continuarão sendo desenvolvidos, em projetos subsequentes, que continuarão por muito tempo. Os estágios iniciais desses projetos são de fazer a  ferramenta funcionar, mas na realidade esses projetos demandam profundas mudanças organizacionais e de negócios, além do aculturamento em tecnologias cognitivas, a fim de se chegar a transformações substanciais que possam materializar os resultados esperados. Os recursos colaterais demandados por um programa desses alcançam  aspectos críticos de “gestão/governança  de dados”, como plataformas, compartilhamento, acesso e segurança  de dados, alterações em aspectos de “compliance”  e regulações, além de mudanças culturais médicas cruciais para a condução do programa. Somente a abordagem de aspectos não tecnológicos, como esses, serão capazes de viabilizar e diminuir a complexidade do programa. É o que difere a inovação da transformação , conforme afirma uma das entrevistadas.  As exigências para a ingestão de informações específicas sobre oncologia, tratamentos, fármacos, bem estar, etc implica numa complexidade de estruturação de informações, onde a arquitetura semântica dos dados é fundamental a fim de evitar ou minimizar a ambiguidade . O desafio é justamente o mapeamento do conhecimento intuitivo dos médicos em estruturas formais de informação para serem colocadas nos bancos de dados do Watson. Essa parceria entre o corpo clínico envolvido nos projetos e os engenheiros de informação da IBM é crucial e leva tempo. Os envolvidos nos projetos estreantes(early adopters) pagarão um preço maior pelo ineditismo que demanda a descoberta dos processos a serem aplicados. O desafio central é realizar uma espécie de aprendizado.  Por exemplo, o sistema Watson tem que aprender quais seriam as recomendações seguras e mais adequadas ao caso, como num  possível tratamento de câncer de próstata. A extirpação da glândula, com suas consequências colaterais drásticas ou a introdução de “braquiterapia”, com a simples inserção de sementes radioativas no órgão, preservando todas as suas estruturas, porém recomendado somente em certas circunstâncias. O que hoje está no conhecimento intuitivo dos grandes urologistas, será  transformado em algoritmos cognitivos de uma plataforma de inteligência artificial. O aprendizado, segundo os envolvidos, pode ser mais rápido do que no caso de um aprendiz humano. Segundo uma pesquisadora, em 4 meses e meio o Watson aprendeu os conceitos de veterinária que um aluno levaria de 4 ou 5 anos, numa  formação acadêmica. Um dos maiores desafios é a ingestão e a digestão das informações colocadas no Watson, a fim de torna-lo capaz de aprender e inferir. Nos campos onde as informações estão mais bem estruturadas, com glossários de negócios e definições escritas e registradas, isso torna-se mais rápido. Quando a informação tem um ciclo de vida mais estático, as coisas funcionam melhor. Quando a informação ainda está sendo produzida(casos de pesquisas de tratamentos e drogas contra câncer, ainda em pesquisa e desenvolvimento, há claras dificuldades na ingestão dos dados). Nesses casos , com a inexistência de informações registradas em glossários de termos, o uso do recurso humano direto é aplicado para a introdução/ingestão de perguntas e respostas que comporão o “corpus” de conhecimento do Watson. Novamente os aspectos de “gestão e governança de dados”  influem nos passos dos projetos onde informações geram conhecimentos. Nesse caso em particular, a transferência é de conhecimento, pois envolve as sinapses do agente humano, além das estruturas dos bits existentes nos dados e informações. O Watson também está em constante evolução. Quando do início dos projetos, havia o Watson clássico, vencedor do programa Jeopardy. Hoje, há mais de 32 API´s cognitivas, atuando em campos diferentes, embora haja concentração preferencial em algumas delas. Por exemplo, a maioria deseja o uso da saída das respostas  em inglês. O uso de API´s para análise de imagens obviamente será outra, fundamental nos projetos de tratamentos de câncer, por exemplo. Já o projeto que visa a aplicação do Watson para análise de pedidos de planos de seguro de saúde, não considera a API de Q&A(Perguntas e Respostas) a mais importante. Todos os envolvidos nessa entrevista de Davenport são taxativos em afirmar que o Watson não será um substituto direto do recurso médico. Claramente o objetivo é usar a plataforma como um apoio às estruturas humanas e tecnológicas existentes, focando a plataforma no papel de um grande conselheiro que reúne um volume imensurável de informações, espalhadas por entre pessoas e compêndios médicos diversos  e capaz de sugerir ou responder em segundos dúvidas sobre situações específicas. A posição final, agrupadas todas as percepções colhidas nesses grandes centros do mundo, é que , embora complexo, o projeto é absolutamente real e irá revolucionar os tratamentos médicos e outros tipos de cuidados. A IBM levou 3 anos para dotar o Watson de capacidade para vencer o Jeopardy, mas vencer o câncer é mais complexo, finaliza uma dos entrevistados. Mas o esforço será compensado…Além da área de saúde, com o Watson Health, a IBM investe fortemente no uso do Watson em previsões meteorológicas. Em outubro, a Big Blue fechou um acordo para adquirir a Weather Company(exclui o Weather Channel). A aquisição incluirá o “Weather.com”,  uma vasta rede de pontos de coleta de dados de meteorologia , além de software e de uma equipe de 900 pessoas. O objetivo, claramente definido, é transformar o Watson  Weather em um grande previsor meteorológico e  iniciar o retorno de  parte dos investimentos aplicados no projeto de Computação cognitiva que resultou no sistema. Hoje o Watson é uma unidade independente da IBM, com 2500 empregados e a Big Blue aposta no seu sucesso na indústria da recomendação.

(*)Tom Davenport é professor , com distinção de TI e Gerência do Babson College e pesquisador do Centro de Estudos Digitais do MIT. É um dos mais destacados autores do HBR-Harvard Business Review. É autor de vários livros, sendo o último em co-autoria com  Jinho Kim,  chamado  “Keeping Up with the Quants: Your Guide to Understanding and Using Analytics”.