Paulo Eduardo Brugugnoli (*)
Sabemos que o atual florescimento da Inteligência Artificial, seja por meio de predições, classificações e clusterizações utilizando-se Data Science ou técnicas de Machine Learning, é o resultado da abundância de dados e não exatamente dos algoritmos e conceitos, muitos dos quais já estão disponíveis há várias décadas. Mais dados implicam em melhores resultados. Por outro lado, o modelo atual esbarra na capacidade humana, em particular na limitação do ser humano, em perceber correlações envolvendo muitos fatores.
Os resultados são insights sem grandes impactos. Ou seja, o ser humano acaba focando no óbvio. Para analisar grandes massas de dados e obter um real auxílio aos negócios, é necessário condicionar as análises a plataformas de Inteligência Artificial que aceleram e automatizam a capacidade de ciência de dados para resolver problemas com o uso intensivo de informações.
Um exemplo do poder de uma plataforma de IA foi a antecipação, em meses, do diagnóstico de câncer de colo de útero, aumentando substancialmente a possibilidade de cura e surpreendendo pesquisadores com a descoberta. Anteriormente, quatro pesquisadores, em dois anos de pesquisa e utilizando a mesma base de dados utilizada pela IA, não foram capazes de propor e testar uma hipótese que se mostrou muito eficaz.
Neste modelo de Data Science, a plataforma de Inteligência Artificial utilizada testou 1,7 milhões de hipóteses em pouco mais de duas horas identificando que a taxa de redução da concentração de hemoglobina no sangue era um forte fator de indício de desenvolvimento de câncer de colo de útero.
Num cenário de mercado, a aplicação traz à luz oportunidades jamais imaginadas. No Japão, por exemplo, a equipe de expansão de uma grande rede de lojas de conveniência, operadora de uma franquia com mais de mil estabelecimentos, usou a ciência de dados para uma análise com resultados que surpreenderam a compreensão humana.
A ferramenta sugeriu que as lavanderias com serviço num raio de 300 metros de suas lojas geravam um fluxo maior de clientes. Esse é o momento ‘whow’ que a ciência de dados deve promover. À equipe responsável pelo programa de expansão das lojas, que contava com mais de dez anos de experiência nesta atividade, jamais lhes ocorrera esta relação.
Parece um resultado óbvio, mas que dificilmente seria gerado apenas com a capacidade humana, que tem uma limitação natural para fazer perguntas do que não conhece. Nós, humanos, nos atemos a dados existentes. Já a plataforma de IA utilizada vai além dos dados internos brutos, ou seja, ela é capaz de utilizar mais de 120 fontes de dados externos, como mapas, censos demográficos, clima, dicionários, portais de notícias, etc.
A grande sacada, para não me estender muito mais neste assunto apaixonante, é que a aposta do futuro é a adoção de uma plataforma que opere nas áreas de negócio e não depender exclusivamente de um departamento de ciência de dados com seus devidos cientistas. Isso porque, a cada insight gerado há uma evolução de novos conhecimentos e as ações da empresa promovem naturalmente alterações que requerem novos insights em um ciclo contínuo.
Por isso, o Data Science tem que fazer parte do departamento e estar presente nas atividades do negócio, seja finanças, operações, marketing, pesquisa, recursos humanos, serviço, experiência do cliente, etc. O uso de determinadas plataformas pode realmente democratizar o conceito de advanced analytics. Ele pode ajudar não apenas os data scientists, mas também os data citizens – os tomadores de decisão e analistas de negócios – a obter informações valiosas e acionáveis a partir de dados complexos.
Entre seis e oito semanas é possível trazer o momento ‘whow’ para a organização. Se fosse um modelo tradicional, levaria a vida toda.
(*) – É CTO global do gA, que utiliza plataformas digitais e serviços de transformação para capacitar empresas nas e parceira da SparkBeyond, líder em tecnologia de IA (www.grupoassa.com).
