Por Douglas Katoch e Marden Pereira Júnior (*)
Os dados estão transformando o mundo e o dia a dia das empresas. Há quem diga que eles são o novo petróleo e o futuro de muitas organizações. No varejo, por exemplo, os dados são fundamentais para compreender o que o cliente deseja e suas percepções sobre a marca. Porém, de nada adianta ter um grande volume de informações se não souber como utilizá-las para gerar insights estratégicos. Nesse sentido, soluções de analytics, inteligência artificial e machine learning podem atuar em conjunto para avaliar os diversos cenários, identificar a causa-raiz de um determinado comportamento e tomar decisões rápidas corretivas ou preventivas.
Embora muita gente ache que inteligência artificial e machine learning sejam a mesma coisa, IA é um conceito mais amplo que inclui o aprendizado de máquina como um de seus recursos. Na prática, o machine learning é um método de análise de dados que automatiza a construção de modelos analíticos, ou seja, é uma ramo da inteligência artificial baseado na ideia de que sistemas podem aprender com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana. De tanto treinar com base em exemplos, a tecnologia aprende e ajuda a solucionar problemas em diferentes setores.
Com o machine learning, as empresas podem extrair mais valor de seus dados, impactando diretamente na redução de custos e no aumento da receita e satisfação do consumidor. Imagine uma operadora que começou a receber um grande volume de ligações durante um determinado período. Ao utilizar o aprendizado de máquina, a tecnologia analisa todo o histórico, compreende o que está acontecendo e é capaz de fazer recomendações visando um desfecho positivo.
Assim como nós, humanos, nos tornamos mais habilidosos à medida que executamos uma tarefa várias vezes, algo semelhante acontece nos sistemas de inteligência artificial: dados disponíveis publicamente na Internet ou registrados em plataformas próprias servem de treinamento para os algoritmos de IA. É o caso de chatbots que, no início da pandemia, foram treinados com dados da Organização Mundial de Saúde (OMS) para fornecerem informações sobre a Covid-19 – prevenção, sintomas, diagnóstico e tratamento.
Com o tempo, as iterações (repetição de uma ou mais ações) tornam os sistemas mais inteligentes a ponto de descobrirem percepções ocultas, falhas, tendências e novas oportunidades. Para exemplificar, vamos supor que uma fabricante de relógios que fazem a leitura de energia elétrica em residências passe a receber reclamações de que há unidades sem um parafuso, display ou etiqueta. Nesse caso, a fábrica tem apenas uma opção: receber o produto de volta e substitui-lo a título de garantia. Mas o que o machine learning tem com essa história?
Felizmente, tem tudo a ver. Ao treinar a tecnologia com imagens de relógios montados de forma errada, as câmeras instaladas acima da esteira de montagem permitirão que o sistema com ML reconheça imediatamente se há alguma unidade com problema. Dessa maneira, soa-se um alarme na esteira de produção para retirada do produto.
Portanto, todas as empresas voltadas para dados podem se beneficiar com o treinamento de máquina para apoiar o homem na tomada de decisões estratégicas. O machine learning oferece valor para corporações que precisam entender melhor as mudanças de comportamento, preferências e satisfação do clientes, como os SACs. Os líderes de negócios passaram a perceber que há muitas coisas que acontecem nas empresas e indústrias que não podem ser compreendidas sem o auxílio de sistemas analíticos inteligentes. Geralmente são perguntas, padrões e anomalias que apenas a utilização correta dos dados poderá ajudá-los.
Ao unir algoritmos corretos, que sejam alimentados com dados mais adequados, e usando os melhores modelos de desempenho é possível treinar continuamente o sistema de software e aprender com os resultados por meio de dados, permitindo chegar a previsões que possam auxiliar no dia a dia dos negócios e nas mudanças que eventualmente se tornem necessárias.
O emprego mais amplo de machine learning e analytics irá possibilitar respostas mais rápidas para a tomada de decisões. Os insights gerados dos dados podem ser integrados aos processos de negócio e atividades operacionais para responder às mudanças de demandas do mercado em um cenário cada vez mais dinâmico e incerto. Como resultado, as empresas podem se manter à frente da concorrência e tomar medidas proativas para manter sua vantagem competitiva em tempo real.
(*) Douglas Katoch é formado em Tecnologia da Informação e tem MBA de Administração de Empresas. Marden Pereira Júnior é formado em Comunicação Social e pós-graduado em gestão de negócios, ambos pela PUC-MG
