Inteligência artificial para análise de dados em empresas

Os executivos Lawrence S. Maisel, Robert J. Zwerling e Jesper H. Sorensen defendem que a inteligência artificial aplicada à análise de dados é a oportunidade para criar ferramentas, técnicas e processos comerciais que ajudam a compreender padrões, relacionamentos e tendências. Em seu livro AI-enabled analytics for business: A roadmap for becoming an analytics powerhouse, propõem um roteiro para promover e implementar inteligência artificial na análise de dados das empresas.

A inteligência artificial tem mais de 75 anos de história. O matemático Alan Turing já explorou a possibilidade matemática da IA e sugeriu que, se a premissa de que “os humanos utilizam a informação à sua disposição e a razão para resolver problemas e tomar decisões” fosse verdadeira, as máquinas também poderiam fazer o mesmo. Essa foi a base de seu artigo “Maquinaria computacional e inteligência” no qual, já em 1950, discutiu como construir artefatos inteligentes e testar seus conhecimentos.

Então, o que é inteligência artificial? Em termos gerais, é a capacidade de uma máquina tomar decisões que, até agora, estavam reservadas aos humanos. Mas o que isso significa, como é a IA e como transformará nossas vidas e a sociedade?

Mais cedo ou mais tarde, a IA, fará parte de todas as empresas. No entanto, quando for integrado em cada negócio, dependerá inteiramente do que cada executivo sabe e entende sobre IA e análise de dados. Aqui está o abismo entre quem já adotou essa tecnologia e os demais.

Muitos executivos carecem de uma visão clara e de uma estratégia definida para implementar IA nos seus negócios, divisões, grupos ou departamentos

As implementações de inteligência artificial estão começando e, por enquanto, os projetos visam apenas algumas tarefas e áreas específicas das empresas. E, embora a tendência de incorporação de análises avançadas esteja indo na direção certa, atualmente há mais fracassos do que sucessos. A boa notícia é que erros em IA e análises são altamente evitáveis.

Muitos executivos carecem de uma visão clara e de uma estratégia definida para implementar a IA nos seus negócios, divisões, grupos ou departamentos. Outros pensam que compreendem o seu potencial, mas muitas vezes trabalham com termos ou conceitos mal definidos sobre o que significa análise. A reação inicial deles é contratar consultores e softwares baseados em IA, mesmo que não entendam como essa análise será usada para tomar decisões.

Nas salas de reuniões ecoam gritos como “precisamos de melhores previsões”, “o que está impulsionando nossos negócios?” ou “temos que ser mais inteligentes naquilo que fazemos”. Mas como isso é conseguido? Muitos executivos leram montanhas de relatórios de empresas de consultoria sobre “o que” precisa ser realizado, embora “como” fazer isso não esteja claro. É por isso que tantas empresas ficam para trás na adoção da IA e da análise de dados.

IA e machine learning: similares, embora diferentes

“Inteligência artificial e machine learning” são conceitos repetidos continuamente e usados de forma intercambiável, mas, embora estejam intimamente relacionados, não são a mesma coisa. IA, é um conjunto de capacidades que permitem a uma máquina tomar decisões humanas. Por seu lado, a aprendizagem automática é uma das formas de o conseguir, portanto, está contida na IA. Todo machine learning é IA, mas nem toda inteligência artificial é ML.

O aprendizado de máquina integra algoritmos, modelos matemáticos, usados ​​por computadores para realizar tarefas específicas sem receber instruções explícitas, muitas vezes baseadas em padrões e inferências. Outra forma popular de IA são as redes neurais altamente avançadas, que imitam a estrutura sináptica do cérebro.

Últimos avanços em machine learning

O aprendizado automático requer habilidades especializadas para uso e implementação. O machine learning frequentemente é combinado com outras ferramentas para facilitar a tomada de decisões. Por exemplo, imagine que um banco queira aumentar o seu número de empréstimos sem aumentar o perfil de risco da sua carteira. Isso poderia utilizar o machine learning para fazer previsões, importar os resultados para planilhas e informar aos novos clientes que sua solicitação foi aprovada.

Grandes projetos de aprendizado automático normalmente envolvem a colaboração de cientistas de dados, programadores, administradores de banco de dados e desenvolvedores de aplicativos. Além disso, o machine learning requer grandes volumes de dados de alta qualidade para treinamento. Esta exigência paralisa 80% dos projetos relacionados a esta forma de IA.

Embora popular e poderoso, aplicar o machine learning não é fácil. Vários novos softwares estão facilitando seu uso, mas ainda estão reservados principalmente para cientistas de dados. Suponhamos, por exemplo, que queremos prever quais clientes do nosso e-commerce irão concluir a compra versus aqueles que saem do site antes de pagar. Este processo envolve várias etapas, incluindo coleta de dados, preparação de dados, seleção e programação de algoritmos, treinamento de modelo, teste e, finalmente, implementação. Qualquer falha em qualquer um destes pontos requer um reinício ou um retorno a um ponto anterior.

Apesar de complexo, o machine learning oferece grande valor comercial em uma ampla gama de aplicações

Uma das limitações do aprendizado automático é que, geralmente, os modelos não são portáveis para uma empresa semelhante ou para outro departamento da mesma empresa. E, como já mencionado, muitas vezes necessitam de outras ferramentas para que seus resultados sejam úteis aos gestores.

Embora complexo, o aprendizado de máquina oferece grande valor comercial com uma ampla gama de aplicações, como previsão de perda de clientes, negócios que serão fechados nos próximos 60 dias, quais medicamentos têm maior probabilidade de passar para a próxima fase de testes, como quantos consumidores mais comprariam com um desconto de 5% ou previsão de demanda.

Vivemos em uma época de mudanças emocionantes. As empresas se esforçam para melhorar a produtividade e, com ela, a vida das pessoas. A invenção da energia e do motor elétrico transformou radicalmente a sociedade e trouxe imensos benefícios à humanidade no início do século XX. A IA, causará transformações ainda mais profundas que afetarão as próximas gerações.