Com a Inteligência Artificial (IA) rapidamente se tornando estratégica, busque projetos que possam lhe proporcionar vitórias nos negócios, ajudando-o a obter as habilidades para implantar o machine learning de forma mais ampla
Machine Learning (aprendizado de máquina) está rapidamente se tornando uma realidade em organizações com visão de futuro. No entanto, para a maioria das empresas, a melhor forma de tirar vantagem das capacidades dessa tecnologia permanece sendo um mistério. Ainda assim, cada dia fica mais tentador e necessário experimentá-la.
Mas a verdade é que seus concorrentes já podem estar liderando o caminho. A IDC prevê que as receitas globais oriundas de sistemas de Inteligência Artificial (IA) praticamente duplicarão para US$ 12.5 bilhões neste ano, continuando a crescer a taxas similares até bater os US$ 46 bilhões em 2020. Parte desse valor será investido em hardware para processar os sistemas de aprendizado de máquina. Ainda que você não tenha o orçamento e os cientistas de dados para construir sistemas do zero, existem muitas ferramentas e serviços que lhe permitirão utilizar o aprendizado de máquina de forma prática em seu negócio.
Aqui citamos nove projetos de TI que praticamente toda organização considera útil como ponto de partida na experimentação com tecnologias de aprendizado de máquina. Confira:
1- Chatbot de atendimento ao consumidor
Se você possui um FAQ em seu site, você pode transformá-lo em um chatbot usando o Microsoft QnA Maker. Você não é obrigado a usá-lo no atendimento ao consumidor, é claro. Crie, por exemplo, um bot para responder questões de novos funcionários sobre os benefícios de RH ou como contatar o help desk.
Alimente no URL do seu FAQ ou faça o upload de planilhas e documentos com perguntas e respostas e o QnA Maker cria pares pergunta/resposta que podem ser revisados sob demanda, acionados como um API. Se você desejar ter uma interface mais interessante que vai além de respostas de texto, use o NET SDK e o Microsoft Bot Framework para criar um bot que mostre figuras e conteúdos diversos.
Se você preferir uma abordagem sem servidor o QnA Maker é um dos templates do Azure Bot Service, de modo que você pode criar um bot que funciona no e-mail, GroupMe, Facebook Messenger, Kik, Skype, Slack, Microsoft Teams, Telegram, texto/SMS e Twilio.
No longo prazo, chatbots evoluírão para agentes inteligentes como o Alexa da Amazon ou a Cortana da Microsoft. Mas, ao invés de apenas responder questões, eles propõem diálogos baseados em objetivos, que tratam do problema do consumidor, ajudando a resolvê-lo, como na compra de ingressos ou no diagnóstico de um problema no projetor. A Microsoft acabou de agregar uma solução de atendimento ao consumidor ao Dynamics 365, em que um agente virtual sugere soluções, encaminha o consumidor para o suporte humano, munindo-o com detalhes da conversa e sugestões que fez, caso não consiga resolver o problema; de quebra, ele já saberá o que fazer da próxima vez. O serviços de suporte da HP, Macy´s e Microsoft já usam esse agente para suporte online.
2- Automação de marketing e analytics
Normalmente, o departamento de marketing é o primeiro a experimentar novas tecnologias, daí a razão pela qual serviços de marketing como Adobe Marketing Cloud, Dynamics 365 e Salesforce oferecerem previsões de aprendizado de máquina para coisas como recomendação de produtos, resultados de pesquisa personalizados, classificação de leads de vendas, possibilidades de fechamento de negócio, desenvolvimento de fornecedores e clientes e até o momento correto de contatá-los. Afinal, modelos preditivos de rotatividade de clientes podem ajudá-lo com previsão e planejamento.
Se a sua equipe de marketing ainda não estiver avaliando essas ferramentas, essa é uma boa forma de aplicar o aprendizado de máquina diretamente onde interessa. Se já foram implementadas, entenda o que está funcionando e replique para outros departamentos que podem se beneficiar de análises similares. A AXA utiliza um modelo de aprendizado de máquina da TensorFlow, com 70 variáveis, para prever quais clientes têm a probabilidade de sofrer acidentes cujo prejuízo ao segurador será superior aos US$ 10 mil dólares, atualizando, assim, as políticas de preços. Modelos mais antigos não eram precisos o suficiente para serem úteis, mas, com a exatidão da previsão crescendo de 40% para 78%, podem ser bons o bastante para considerar durante a análise de potenciais clientes .
3- Detecção de fraudes
Detectar transações fraudulentas e anômalas é um problema clássico de análise de dados. Se você faz a detecção em grande escala, o aprendizado de máquina pode ajudá-lo a detectar atividades problemáticas, como golpistas fazendo pagamentos múltiplos ligeiramente abaixo do limite, novos comerciantes exibindo comportamento incomum ou clientes aparentemente legítimos conectados a redes de golpistas. O site Fraud.net usa o aprendizado de máquina da Amazon para treinar diversos modelos de aprendizado de máquina para pôr fim a uma gama de atividades fraudulentas, em vez de tentar criar um modelo único e universal para combater todo tipo possível de fraude. Em qualquer dia, os comerciantes que protegem podem ter pela frente centenas de diferentes esquemas fraudulentos, cada qual com uma dezena de variações.
O aprendizado de máquina não é só útil na detecção de fraudes de clientes existentes – seguradores querem detectar novos requerentes que planejam acionar o seguro de carros já previamente danificados antes que elas emitam a apólice. E não se trata de bloquear apenas transações ruins. A divisão de crédito da Ford está usando ferramentas de aprendizado de máquina da ZestFinance para prever a probabilidade de tomadores de empréstimo pagarem-no, de modo a emprestar para pessoas com credit score mais baixo. Com a queda geral na venda de automóveis nos Estados Unidos (um pouco pior na Ford), encontrar compradores que elas, de outra forma, negariam pode ser de grande valia para o negócio. O aprendizado de máquina pode ajudá-lo a distinguir bons consumidores de grandes riscos.
4- Planejamento de inventário via ERP
A automação da cadeia de suprimentos não é nova, mas o aprendizado de máquina está tornando-a muito mais comum. Em vez de apenas séries históricas de vendas, o aprendizado de máquina lhe permite utilizar dados sobre o perfil de compra dos clientes, o impacto do clima sobre os hábitos de compra, e outras tendências internas e externas de gestão de inventário via previsão da demanda. A Amazon afirma que pode prever exatamente quantas camisas por cor/tamanho específicos venderá diariamente; a Target credita aos modelos preditivos do aprendizado de máquina o crescimento de 15% a 30% nas receitas. A varejista alemã Otto usa o aprendizado de máquina para prever o que venderá nos próximos 30 dias com 90% de precisão, reduzindo a quantidade de estoque em 1/5 e os retornos de mercadorias em mais de dois milhões de produtos ao ano; o sistema automatizado de compra emite ordens/compra mais de 200 mil itens de terceiros, escolhendo as cores e os estilos que estão prováveis.
5- Planejamento de rota logística
O problema do caixeiro-viajante é um clássico da ciência da computação: qual é a rota mais curta a ser utilizada por sua equipe de vendas para percorrer uma série de cidades? Seja a visita de vendedores a prospects, entrega de mercadorias ou definição de localização ótima para lojas, o planejamento de rotas de viagem tem tido um grande impacto nos negócios. É possível usar serviços preditivos de tráfego nos API do Bing e do Google Maps para criar mapas isócronos que mostram tanto a distância, quanto o tempo de viagem, comparar quantos clientes um engenheiro poderia visitar em uma viagem de 15 minutos de vários pontos de partida, descobrir a melhor hora do dia para fazer entregas, etc. Use o API Maps Truck Routing do Bing para obter rotas para veículos comerciais e de entrega [maiores que um carro normal].
Adicione a isso gatilhos de localização e rastreamento de ativos e você pode criar sua própria solução logística ou pode tornar o transporte mais lucrativo ao propor cotações que refletem exatamente os seus custos ao invés de perder margem por subestimação de custos ou cotações muito altas. A gigante da comunicação R. R. Donnelley usou R e Azure Machine Learning Studio para reduzir as estimativas prudentes que a impediam de ganhar contratos de frete ao combinar dados históricos com variáveis como clima, custos de combustível e condições de mercado para desenvolver um modelo de precificação melhor. O sistema automatizado que gera cotações em tempo real para uma rota específica é mais preciso, a companhia já está ganhando 4% de seus contratos e espera quadruplicar o tamanho de seu negócio de fretamento e transporte. O mesmo tipo de analytics preditiva seria útil para qualquer contrato de frete em que existem dados suficientes para construir um bom modelo.
6- Manutenção preditiva com IoT
Se você espera até que a máquina quebre para consertá-la, a consequência é a parada (inatividade) e clientes insatisfeitos. Se você desliga os sistemas para realizar manutenções com frequência, você reduz sua produção. Quando a ThyssenKrup começou a analisar os históricos de manutenção de um milhão de elevadores que instala e presta assistência, descobriu que a janela de manutenção poderia ser muito mais espaçada. Quando a companhia usou o Azure IoT Suite, da Microsoft, para monitorar sensores remotamente, prever falhas e prestar assistência preventiva a equipamentos, ela aumentou a satisfação do consumidor ao resolver problemas antes de gerar uma quebra. Custos foram reduzidos pela correção de mais problemas na primeira visita e pela previsão de quais peças de reposição precisavam levar na unidade móvel. Faça o mesmo com a linha de produção e aumente a produção total. De acordo com o relatório da Accenture em IoT industrial de 2016, a manutenção preventiva poderia reduzir o custo de reparações programadas em 12%, reduzir custos de manutenção em 30% e reduzir quebras em até 70%.
7- Aprendizado de máquina para segurança
No complexo mundo da segurança, o aprendizado de máquina não é uma bala de prata, mas pode ajudá-lo a detectar ataques que, de outra forma, seriam perdidos nos logs e alertas disparados por atividades normais. Apesar do nome, Windows Defender Advanced Threat Protection não é um antivírus, mas um serviço de aprendizado de máquina que analisa o comportamento de PCs em sua rede, rodando Windows 10 Enterprise, e comunica à sua equipe de segurança, caso haja um ataque de um processo malicioso, engenharia social ou exploração de documentos. Você ainda precisará avaliar bem o log e lidar com as consequências, mas as ferramentas de segurança do aprendizado de máquina podem ajudá-lo a refinar a informação.
8- Otimize seu recrutamento
Existe um grande movimento em direção à diversidade nos negócios, mas a forma como a sua equipe de recrutamento formula os anúncios de empregos pode, de fato, desencorajar um grande leque de candidatos. Teste o serviço Textio que usa IA para sinalizar jargão corporativo, clichês, estereótipos, além de oferecer frases de impacto em anúncios de emprego e e-mails de recrutamento para ajudá-lo a ter uma gama maior de candidatos. O SAP SuccessFactor tem uma ferramenta similar.
9- Reconhecimento de imagem para segurança industrial
Linhas de montagem e produção estão cheias de equipamentos que são perigosos nas mãos erradas. Use câmeras e sensores com reconhecimento de imagem e facial para detectar quando o equipamento está sendo usado de modo inseguro, ou por alguém que não passou no treinamento de segurança. A Hitachi construiu um sistema de deep learning com o DFKI, o centro alemão de pesquisa em AI, que usa wearables e óculos de seguimento ocular. A Microsoft lançou uma solução similar em seu Build Conference usando Azure Functions, Microsoft Cognitive Services e Azure Stack. Uma solução completa de segurança no ambiente de trabalho pode ser desafiadora, mas você pode começar com aplicativos de smartphone como The Safety Compass, que trabalha com o Intellect da SEEC de aprendizado de máquina junto com o Risk Analyst para permitir aos funcionários sinalizar riscos em um local de trabalho ao tirar uma foto e preencher os detalhes; outros trabalhadores recebem um aviso quando se aproximarem deles.
Artigo original: 9 IT projects primed for machine learning
Autoria: Mary Branscombe
