Claudio Pinheiro (*)
A
inteligência artificial deixou de ser uso apenas de cientistas e agora está
disponível para todos nas mais variadas maneiras, de máquinas de lavar a
computadores quânticos. Quase tudo o que conhecemos tem um pouquinho do tempero
da IA e do que ela proporciona para as pessoas, governos e empresas. Segundo o
IDC, os gastos com inteligência artificial devem subir dos US$ 50.1 bilhões registrados
em 2020 para mais de US$
110 bilhões em 2024. Fator que é reforçado pela inerente tendência de converter
os imensos volumes de dados que estamos criando em informação e conhecimentos
úteis para nossas vidas e negócios.
A inteligência artificial replica a forma como os seres humanos trabalham. Naturalmente realizamos as tarefas analíticas, como a de sumarização de dados ao contarmos de forma resumida uma experiência ou situação ocorrida. Por exemplo, quando falamos sobre um jogo de futebol que assistimos, logo comentamos os resultados da partida, se os times jogaram bem, os melhores lances etc. Quando pensamos em replicar isto analiticamente, utilizamos técnicas como análise descritiva, com métricas como média, valores máximos, mínimos e até outliers (valores fora do padrão). Voltando ao exemplo do futebol, consideramos o placar do jogo e estatísticas como posse de bola, quantidade de faltas, número de chutes ao gol. Ou seja, replicando os fatos ocorridos em termos agregadores de dados. Existem outras tarefas analíticas que executamos naturalmente, tais como segmentação, classificação, previsão, recomendação e estimação, no momento em que percebemos diferentes grupos ou modalidades de clientes. Entendemos em que classe eles se encaixam, realizamos previsões de vendas, criamos campanhas de recomendação de produtos e estimamos os impactos de nossos investimentos nos resultados das organizações.
As
técnicas estatísticas e os algoritmos de aprendizado de máquina são os
principais instrumentos utilizados pela IA; eles replicam nossa forma de
analisar os dados potencializada pelo poder de processamento computacional da
nuvem. Existem alguns tipos de
abordagens lógicas que geralmente são utilizadas para desenvolver os modelos
preditivos e criar soluções, como a Supervisionada, a Não-Supervisionada e a de
Aprendizagem por Reforço. Cada uma delas permite analisar e explorar os conteúdos
presentes nas bases de dados de forma a obtermos conhecimento e aplicações
práticas.
A
abordagem Supervisionada, por exemplo, permite criar modelos que aprendem com
as situações passadas, focando em uma determinada variável-alvo e que permitem
criar estimativas a partir de variados cenários de dados, nos dizendo, por
exemplo, o impacto da variação cambial na inflação de um país ou o impacto nos
preços de um produto a partir da variação dos insumos.
Já
a abordagem de análise Não-Supervisionada avalia como os dados estão
estruturados, seja em uma visão de clientes ou de suas características, e
extrai padrões permitindo detectar agrupamentos de características ou de
pessoas com gostos similares.
Por
fim, a abordagem de Aprendizagem por Reforço traz soluções de desafios a partir
de experimentações, de tentativas de erro e acertos devidamente orquestradas.
Isso possibilita encontrar a solução de um problema complexo, utilizando,
entretanto, um considerável poder computacional para chegar nas respostas.
Em 2024, teremos cada vez mais empresas avançando no uso de IA sendo as principais aplicações definidas como:
Aplicações
de IA para Health: desde aplicações com modelos de análise de tempo de fila,
suporte a diagnóstico a partir de análise de imagens e análise de prontuários
eletrônicos. Sendo a mais notória a demanda de análise de dados de gadgets,
tais como relógios digitais, celulares e pulseiras digitais que capturam dados
de movimentação, práticas esportivas, batimentos cardíacos, pressão arterial e
atividades físicas, o que acaba impactando em valores de apólices de seguro e
de planos de saúde.
Aplicações de IA para Business: o uso de IA para análise de dados operacionais com modelos preditivos que apoiam a tomada de decisão. Nesse cenário, é crescente o uso dos modelos desde a área de marketing, vendas, operações e financeira, com foco em modelos preditivos de demanda, otimização de atendimento de cliente com processamento de dados não-estruturados (mensagens textuais ou áudios), gestão de talentos com modelos preditivos para otimizar performance de pessoal e de times, modelos para detecção de atrito de clientes e de colaboradores. Os novos aplicativos e serviços de BI como Tableau, QuickSights e PowerBI possuem recursos de inteligência que oferecem - de acordo com uma pergunta de negócios - quais seriam as melhores respostas baseadas em dados.
As aplicações de IA para análise de fraudes e detecção de fake news surgem como grandes tendências, em meio ao crescente uso de canais eletrônicos e redes sociais para rápida propagação deste tipo de conteúdo, aos modelos de IA que realizam uma análise prévia do conteúdo permitindo criar faixas de risco e implementar ações de inibição de exibição ou propagação. Aplicativos como WhatsApp, Facebook e Instagram têm cada dia mais modelos integrados em suas operações.
Agentes de atendimento inteligentes com reconhecimento biométrico: sem dúvida, uma das grandes tendências, evoluindo dos devices de fechaduras digitais, leitores de digital presentes desde celulares, computadores, catracas de ônibus até portas de residências e recepções de edifícios para uma IA que interage com o cliente a ponto criar uma malha de segurança e de interação mais robusta.
Aplicações
de IA para inovação: algoritmos para análise de bases de dados não-estruturados
para identificação de elementos, com foco em desenhos de sistemas autônomos e
assistentes inteligentes como o ChatGPT, da OpenAI (ChatGPT: Optimizing
Language Models for Dialogue) que além de responder questões, realiza tarefas
até de geração de programas de forma muito eficiente.
Colocando
no contexto do nosso cotidiano, a tecnologia está mais presente do que nunca.
Um aplicativo que foi amplamente utilizado final do ano passado, o Lensa, tem
repercutido bastante devido à criação de imagens por meio da inteligência
artificial, e o resultado são imagens únicas, utilizando diversos traços de
desenhos.
Outro
exemplo é o uso de assistente de voz que, integrado com a residência, consegue
automatizar tudo só com o comando da fala. Além disso, também podemos conferir
em serviços de streaming, que utilizam algoritmos de aprendizado para oferecer
conteúdo específicos aos consumidores.
Estimativas
de instituições financeiras apontam um aumento do PIB (Produto Interno Bruto)
para o próximo ano e o mercado financeiro estima uma expansão para os anos
seguintes. Esse crescimento permeia uma aplicação amplificada da inteligência
artificial, principalmente para ofertar produtos baseados em cada perfil de
consumidor, que pode gerar personalização de produtos e serviços. A
Inteligência Artificial já é realidade, é questão só de entender e se acostumar
com todas as facilidades que nos proporcionam.
(*) Chief Data Officer da GFT Brasil.
Nenhum comentário:
Postar um comentário