IA: a Inteligência artificial ao serviço das pessoas

Quando se abraça um novo projeto profissional, os desafios e as oportunidades são incontáveis. Por detrás de todo o sucesso das empresas, estão as pessoas – os Recursos Humanos –, mas, cada vez mais, encaramos um caminho liderado por tecnologias disruptivas que otimizam toda a ação, quer das empresas, quer dos profissionais, como é o caso da aposta em Inteligência Artificial, ou IA, mecanismos de Machine Learning, Deep Learning ou outras inovações que já fazem parte da atividade diária dos negócios.

Os primeiros passos: como a IA impacta os profissionais?

No mundo corporativo, as empresas recebem constantes dados e informações. Sejam de fornecedores, de clientes ou de colegas de equipa, eles ficam disponíveis para análise a qualquer momento. Saber extrair o que têm de mais valioso é a chave para trabalhar a inteligência de negócio.

Imaginemos que um profissional com vasta experiência na área comercial iniciou um novo percurso numa empresa líder do seu mercado. Com certeza foi-lhe fornecido uma conta de e-mail, o acesso ao ERP e uma "carteira de clientes”.

No ERP o novo colaborador encontrará um destaque das operações mais frequentemente utilizadas por todos os colegas da área comercial. Uma grande ajuda para quem está a dar os primeiros passos. Uma ajuda tão ou mais importante quanto as sugestões de navegação que, na maioria das vezes, parecem adivinhar qual o ecrã que pretende aceder a seguir. É magia? Não: é IA.

Para quem está a começar uma nova jornada, não há nada mais importante do que perceber os objetivos do seu departamento com clareza. Como? O que os sistemas inteligentes oferecem é um leque alargado de insights em tempo real e dados organizados meticulosamente e alinhados com o que se pretende a qualquer momento.

O trabalho humano vai ser substituído?

A IA não é novidade no mundo empresarial e é certo que é uma tecnologia com a capacidade de realizar tarefas no lugar dos humanos. Mas, especificamente nas empresas, a IA é utilizada para potenciar os resultados, aumentar a produtividade e reduzir erros humanos.

Segundo o artigo da HBR, "A better way to onboard AI”, o motivo para a dificuldade de implementar projetos de Inteligência Artificial está no facto de não se evidenciar claramente que a "utilização de IA tem como objetivo ajudar as pessoas a aumentar a produtividade e não para as substituir”.

Os sistemas vão, sim, incrementar a sua produtividade, ao antecipar oportunidades ou até alertando para erros típicos de distração.

No mesmo artigo é sugerido tratar uma adoção de IA, como se fosse um novo funcionário humano em que inicialmente são atribuídas tarefas simples e não críticas, e posteriormente aumentada a complexidade das mesmas à medida que o novo funcionário ganha experiência e demonstra resultados

Assim são sugeridas 4 fases no processo de onboard de IA.

• Um assistente que poderá realizar sugestões
• Um monitor que alerta para inconsistência na operação
• Um treinador que poderá ajudar na performance dos funcionários reais.
• Um colega em que máquina e humanos contribuem continuamento

Muito mais que insights, forecasting

Mais do que aceder a dados importantes e insights de negócio, a IA já oferece o forecast para que seja possível fazer previsões – através de dados históricos – e perceber que ações e estratégias devem ser implementadas para prevenir ou potenciar certos resultados.

Desta forma, mais do que mitigar o risco de não cumprir o objetivo, ele certamente será ultrapassado.

A IA para ajudar pessoas

Através de Inteligência Artificial conseguimos tratar uma grande quantidade de informação, mas de nada servirá este tratamento se não conseguirmos destacar a informação mais relevante.

Fazendo um paralelismo para um motor de busca, como o google, é impressionante a quantidade de páginas indexadas, mas o que é expectável quando fazemos uma pesquisa é que encontremos o que procuramos nas primeiras posições dos resultados. Se o sucesso do google fosse só derivado de algoritmos ou da capacidade de processamento, já teriam aparecido, certamente, outros concorrentes com uma performance equivalente. Aqui, é fundamental o trabalho deData Scientists, e o Data Engineers.

O tratamento de dados: Streaming e AI-on-demand

Também o tratamento de dados em streaming, nomeadamente pela produção de insights em tempo real bem como o Ai-on-demandpermitem aos profissionais realizar, recorrentemente, forecast das séries temporais que representam, neste exemplo, as vendas dos clientes.

O principal desafio quer o Streaming quer do AI-on-demandestá nos custos de infraestrutura: Manter um cluster de máquina ativo 24x7 para poder tratar dados em larga escala tem custos bastantes elevados. A redução dos custos pode ser obtida pela utilização de tecnologia de conteinerização, como o Kubernettes.

Incrementar o novo conhecimento gerado pela Fábrica de Dados

O processamento de quantidades massivas de dados, que possibilita a unificação de diferentes fontes de dados numa "Fonte Única da Verdade ("single source of truth” na língua inglesa), complementado e contextualizado com os dados externos, gera novo e importante conhecimento.

Este conhecimento pode ainda ser completado através de "features inteligentes” como, por exemplo, marcar um cliente como recorrente numa organização, ou pelo processamento de algoritmos de aprendizagem automática que permitem, por exemplo, segmentar os clientes. Quer as "features inteligentes”, quer a segmentação, disponibilizam novas perspetivas inteligentes de análise dos dados do negócio e de suporte à decisão.

Process Mining – Modelação de Gestão de Processos

Nas organizações existe uma necessidade de automatização para a eliminação de tarefas repetitivas, libertando os trabalhadores para outras tarefas, como de supervisão.

Vejamos o exemplo da condução autónoma. Do que serviria um carro com condução autónoma, se não fosse possível indicar o destino? É o GPS num carro que ajuda, não só chegar ao destino, mas também a optar pelo caminho mais eficiente. Da mesma forma, é através da modelação inteligente de processos de negócio que é possível extrair, de forma automática, conhecimento de processos, analisando dados de eventos.

Existem 3 objetivos principais para process mining:

• Descoberta de processos
• Verificação de conformidade
• Melhoria do processo.