Novas aplicações de 'machine learning' ganham impulso
26/04/2018
Maior acesso a recursos computacionais, crescimento das ofertas dos fornecedores, disponibilidade de dados e popularização do contato com assistentes pessoais inteligentes são alguns dos fatores dando impulso às aplicações de inteligência artificial (IA) ao redor do mundo.

A atratividade é tal que só no ano passado a indústria movimentou US$ 22 bilhões em 120 operações de aquisição de empresas e investimentos em startups do setor, contra US$ 12,5 bilhões em 2016, conforme pesquisa da A.T. Kearney. A maior aposta foi a da Intel, que pagou US$ 15 bilhões pela Mobileye, especializada em tecnologia para carros autônomos.

A inteligência artificial, na prática, é composta por uma coleção de ferramentas digitais que permitem às máquinas entender, aprender e tomar decisões como seres humanos e, em sua dimensão robótica, assumir também tarefas operacionais. Essas ferramentas estão dispostas em subdisciplinas, ou componentes, que podem ser empregados sozinhos ou em composições entre si e estão em desenvolvimento acelerado.

Uma delas é o aprendizado de máquina (machine learning), focada no uso de algoritmos e softwares para imitar ações humanas inteligentes inclusive sem supervisão ou regras, como no caso do aprendizado profundo (deep learning) baseado em redes neurais capazes de imitar o funcionamento do cérebro humano. Outros elementos incluem o processamento de linguagem natural (NLP, na sigla em inglês), ou a habilidade de entender mensagens e respondê-las, a análise de imagens e vídeos ou visão computacional e a robótica.

Em conjunto, essas tecnologias são capazes de impactar qualquer processo de negócio, empresa, setor e mesmo a economia como um todo. "Os casos de uso para inteligência artificial são tão variados quanto os casos de uso para computação", resume Whit Andrews, vice-presidente e analista emérito do Gartner.

Dados do estudo "Previsões 2018", do Gartner, indicam que nos próximos dois anos um em cada cinco cidadãos de nações desenvolvidas usarão assistentes digitais inteligentes como Siri, da Apple, ou Alexa, da Amazon, em apoio a tarefas cotidianas. No mesmo período, 85% das empresas estarão testando programas de inteligência artificial.

Além disso, até 2022 cerca de 40% dos funcionários em contato com clientes ou de áreas de governo consultarão diariamente algum agente de suporte virtual inteligente para apoiar decisões e processos. Mas nem tudo são flores: os riscos de adoção massiva da tecnologia incluem o aumento de ciberataques inteligentes e de circulação de informações falsas - segundo o Gartner, em 2022 a maioria das pessoas em economias maduras consumirá mais informações falsas do que verdadeiras.

Robert Duque-Ribeiro, diretor executivo e líder da Accenture Analytics para o Brasil e a América Latina, observa o crescimento da demanda por aplicações de machine learning, já bastante empregadas em áreas como o e-commerce para recomendação de produtos e definição dinâmica de preços.

Um dos exemplos foi o resultado de algoritmos criados para analisar várias fontes de dados em um projeto de otimização da cadeia de uma indústria automobilística, que identificou sinais de relação entre o cardápio das refeições e o clima na redução da produtividade.

Outro é o emprego de análise de imagem para agricultura digital. Também em alta, o uso de processamento de linguagem natural fundamenta projetos como análise de sentimentos em mídia social com apoio de elementos semânticos, como o contexto em que as frases foram construídas, que podem ajudar a entender o humor em relação a produtos e serviços.

Tomás Roque, sócio da PwC Brasil, lembra que o processamento de imagens sustenta aplicações de realidade aumentada para checar a qualidade de automóveis na linha de produção e apresentar informações sobre veículos aos novos donos, ou inspecionar desde linhas de transmissão de energia até obras de infraestrutura.

Uma das ofertas da consultoria é uma solução voltada a benchmark de capital humano que gera 300 indicadores e é suportada por plataforma com machine learning para melhorar a percepção de questões como absenteísmo ou rotatividade. Um dos módulos do produto emprega reconhecimento facial acoplado em câmeras de vigilância para identificar o humor dos funcionários. "É possível constatar o clima da empresa depois de uma ação de RH", exemplifica.

Além de maior velocidade na adoção, Roque aponta tendências como o emprego de IA para melhoria de produtividade e criação de novas receitas a partir dos dados disponíveis.

A médio prazo, ele defende a necessidade de ampliar o escopo de ofertas com a integração de serviços entre áreas ou entre empresas diferentes, que permitiria a automação de ações como a requisição de boletim de ocorrência pelo robô de atendimento de uma seguradora.

"Hoje as aplicações de machine learning estão em áreas mais transacionais das empresas, como RH, backoffice, contabilidade e atendimento a clientes", aponta Mark Essle, sócio da A.T. Kearney no Brasil. Simplificação e redução de custos são estímulos importantes, mas a próxima onda é a integração das ferramentas ao longo da cadeia de valor para o planejamento de questões como previsão de vendas e estoques, como já empregado por grandes varejistas americanos e chineses, diz.

Fonte: Valor




Obrigado por comentar!
Erro!
Contato
+55 11 5561-6553
Av. Rouxinol, 84, cj. 92
Indianópolis - São Paulo/SP