Aplicação de Machine Learning aos Negócios, na voz do especialista

Confira a entrevista com o especialista Vinicius Gross, apaixonado por tecnologia, formado em economia pela Unicamp e especializado pela FAAP. Vinicius é CEO da empresa Tech Seller AdviseU.

Inteligência Artificial e Aprendizado de Máquina – O início de uma nova fase para os negócios

Há anos a inteligência artificial habita nosso imaginário, compondo filmes de ficção de diversos gêneros. Muitos com cenários bélicos de dominação do mundo. Hoje, com o advento de soluções acessíveis aos usuários finais, como o Chat-GTP da empresa OpenIA ou o Bard do Google, o tema ganha tração exponencial nas mais diversas mídias e aos poucos deixa de ser um assunto distante da aplicação do dia a dia ou ficcional para fazer parte da atenção cotidiana das pessoas.

Vinicius comenta que essas soluções, recentemente lançadas, ainda têm muito a evoluir, sobretudo no que diz respeito à acurácia das respostas que provêm às perguntas que lhes são feitas. São baseadas em algoritmos que fazem uso de informações disponíveis online e compõem textos de respostas que parecem assertivas mas nem sempre são verdadeiras. Mesmo tendo muito a evoluir, na visão de Vinicius esses modelos que são embasados em inteligência artificial aplicando modelos conversacionais de captura de inputs de dados e de exposição de resultados, podem ajudar muito nos negócios. E as empresas terão muito a ganhar com a aplicação dessas práticas.

Alguns exemplos de aplicação nas empresas são:

• nas interfaces de relacionamento e interação com clientes: trazendo uma experiência com forma mais fluida do que se obtém com chats atuais;
• nas análises: os modelos de inteligência artificial são capazes de fazer correlações e analogias baseadas em volumes muito grandes de dados de forma muito mais rápida do que a habilidade humana;
• no ganho de velocidade: seja para resolução de problemas, análise de documentos e outras práticas que requerem consolidação e priorização de elementos chaves de conteúdos.

Aplicações práticas multi-mercados

Os modelos de inteligência artificial, sejam utilizando aprendizado de máquina (machine learning) ou outras práticas, como evolução das práticas de inteligência de dados podem ser aplicados a qualquer setor da economia. 

Vinícius comenta de dois casos nos quais trabalhou recentemente, aplicados à área da saúde. Em um deles, se fazem predições de tratamento para a saúde mental, aplicando algoritmos de k-NN e regressão logística. Nesse caso, o objetivo era identificar, a partir de um questionário, se um indivíduo teria necessidade ou não de apoio à sua saúde mental. Em um outro caso prático, o objetivo era analisar resultados de exames de imagem como Raio-X ou tomografias para identificar de forma automatizada possíveis anomalias e doenças, ampliando a acurácia e a eficiência dos diagnósticos em relação aos realizados por avaliação humana.

Outro exemplo de aplicação compartilhado por Vinicius foi na análise de dutos de petróleo em alto mar. Um drone submarino fez a captação de imagens das tubulações, que foram utilizadas para analisar se havia possíveis defeitos, rachaduras ou correções para melhor planejamento de atividades de manutenção. A equipe de Vinicius também já desempenhou projetos na área agrícola, sendo um deles aplicado ao controle de pragas.

Esses exemplos demonstram o vasto leque de possibilidades de ganho de eficiência e qualidade em análises com o uso desse perfil de tecnologia.

Desafios para a implantação de Inteligência Artificial nas empresas

Como pontos de atenção a considerar num bom planejamento de projetos nessa área, tem-se:

Volume de informação e custos envolvidos

Quanto maior a quantidade de dados e mais diverso seu perfil, melhor a qualidade dos modelos e sua capacidade de análise, mas também é maior a necessidade por espaço de armazenamento, podendo gerar altos custos de infraestrutura. 

Vinícius destaca a importância da atenção a boas práticas de FinOps para mitigar impactos financeiros não previstos, otimizando o consumo de cloud. O volume de dados atualmente já é muito maior do que se utilizava antigamente mas não há previsão de reduções, ao contrário. É importante ter uma boa análise dos custos e contemplar isso no Business Plan para entender sua aderência ao projeto e sua finalidade, evitando que seja mais cara a solução do que o problema.

Variedade de tipo e origem dos dados

Para formar bons conjuntos de dados para treinamento, testes, validações de modelos e para posterior análises e reportes são usadas informações com origem em fontes diversas e em formatos variados, sejam numéricos, textuais, imagens. Esses dados precisam passar por práticas de ETL que podem ser desempenhadas, em partes, de forma automatizada, mas nem sempre. 

Governança da informação

A qualidade dos registros e cadastros pode conter problemas de duplicidade ou de qualidade na coleta. As políticas e práticas da empresa para melhorar a confiabilidade dos registros, bem como a capacitação e sensibilização das pessoas envolvidas nos processos sobre a importância da qualidade dos dados é bastante relevante. 

Há, ainda, o requisito de gestão de acessos e de aplicação de processos que garantam segurança e atendimento aos requisitos de leis de privacidade de dados.

Modelo mental e o papel da liderança

O maior desafio de todos, na visão de Vinicius, não se relaciona à tecnologia mas ao mindset das pessoas. Muitas vezes a liderança não acredita nos dados, mas em sua decisão tácita convencional. Isso não promove o senso de prioridade sobre o tema da relevância do desenvolvimento de boas práticas de inteligência de dados nas empresas, podendo fazer com que muitas empresas percam o momentum e fiquem para trás.

Capacidade técnica das pessoas

Infelizmente, os profissionais ainda não têm habilidades de análises de informações nas áreas de negócios, e nas áreas técnicas há escassez de talentos especializados. É importante que as equipes tenham composição multidisciplinar e diversa para mitigar vieses, mas isso ainda não é realidade na indústria.

Dicas práticas para quem deseja evoluir na aplicação de modelos de IA em seus negócios

Na experiência de Vinicius e seu time, alguns elementos devem ser considerados para a evolução da maturidade e aplicação prática de processos de inteligência de dados.

Começar pequeno e expandir: 

A partir de resultados de projetos pilotos aplicados a uma pequena área ou processo, que sejam “maçãs baixas”, ganha-se confiança dos times e incentivo interno para ampliação da aplicação em outras áreas ou processos das organizações. É possível implementar pilotos em 15 a 30 dias, a depender da qualidade e quantidade dos dados disponíveis.

Fazer boas perguntas:

Será importante construir com clareza e alinhamento o entendimento de quais são as respostas buscadas por cada modelo a ser desenvolvido. A partir de diferentes conjuntos de dados, os especialistas de negócios devem definir quais são as respostas buscadas, sejam preditivas ou prescritivas. É a partir disso que se definem os modelos a serem considerados, customizados e treinados para identificar os que melhor se adequam a cada desafio.

Cultura de dados:

É bastante difícil que as empresas tenham um modelo mental “data driven”, de forma a pautar todas as decisões em dados. A construção dessa cultura leva tempo e deve ser propositiva nas empresas.

Diferenciais da AdviseU como Tech Seller de Inteligência de Dados

O maior diferencial da AdviseU é que o time trabalha como advisor que tem uma real preocupação sobre o apoio na construção junto ao cliente de uma maior maturidade analítica. Como consultores especializados, estão capacitados para entender a fundo o problema das empresas e lhes “dar a mão” para chegar à solução. Por terem experiência nessa jornada junto a diversas empresas, de diferentes perfis e segmentos, têm muito a contribuir para otimizar as soluções propostas.

A AdviseU conta com especialistas não apenas na área de dados mas também em infraestrutura, com capacidade para apoiar na sustentação dos projetos em linha com requisitos de negócio e de mitigação de riscos em governança e segurança da informação.

O match ideal para a empresa são Tech Buyers que buscam gerar impacto positivo em seus negócios, atraindo novos clientes e gerando oportunidades de ganho de eficiência e diferencial competitivo com o uso de dados de forma evolutiva e levando em consideração as melhores práticas de arquitetura e infraestrutura tecnológica. Não há recortes de segmentos de mercado, mas em geral são Tech Buyers de médio e grande porte que já têm uma estrutura de dados em volume e perfil de desafios para embasar os projetos.

Você acredita ser o Tech Buyer que dá o match perfeito com as soluções da AdviseU?

Conheça mais sobre a empresa no Spotlight Match<IT>. 

Ou mapeie outros potenciais Tech Sellers que dão match com a sua demanda de forma gratuita em nossa plataforma.

Confira a entrevista completa com Vinicius no vídeo: