Desde que alguns cientistas começaram com o termo “inteligência artificial” em 1956, deram luz ao campo da IA, que no imaginário do brasileiro ainda fica em uma linha muito tênue entre a chave do futuro da tecnologia e ficção científica dos filmes, fruto da imaginação das pessoas que querem que as máquinas façam muito mais do que deveriam fazer sozinhas.
A imagem de robôs capazes de ganhar competições contra humanos ou carros se locomovendo sem motoristas pode parecer algo muito distante e sem utilidade prática, mas quando nos damos conta de que inúmeros modelos de recomendação de produtos ou filmes personalizados, scores de crédito, prevenção de fraudes, otimização de investimentos e reconhecimento biométrico já estão na nossa rotina, fica mais fácil entender que o fato de ensinarmos a máquina a aprender padrões de comportamento se torna cada dia mais importante e indispensável para a dinâmica da vida moderna.
Há de se levar em conta que a Inteligência Artificial compreende um campo do conhecimento da tecnologia em que não programamos dando instruções do que um computador deve executar, mas sim escrevendo códigos para que ele reconheça padrões e estabeleça parâmetros baseados em muita matemática e geometria analítica. Não é mágica e a máquina não aprende sozinha. O que existe é uma densa gama de cálculos que realizados repetidas vezes fazem inúmeras combinações e são capazes de prover altos índices de assertividade, fruto de sofisticados e profundos algoritmos estatísticos.
Machine learning, por sua vez, é uma subcategoria da inteligência artificial que se ocupa do reconhecimento de padrões históricos para predizer comportamentos futuros ou descrever formas ótimas de agrupar indivíduos segundo suas características. Sob o campo da IA ainda se tem a robótica, cujo foco se distingue bastante do aprendizado de máquina.
Por último, e não menos importante, temos o bom e velho (mas não tão reconhecido)
Business Intelligence (BI). Apesar de não estar contido no universo da inteligência artificial, o BI se ocupa por descrever e entender comportamentos passados utilizando estatística clássica, sem a presunção de antecipar o futuro, mas gerando alto valor agregado através de insights e correlações simples, que podem ser um divisor de águas na tomada de decisões mais conscientes e menos guiadas por feelings, no âmbito dos negócios.
Para materializar onde estas frentes já estão presentes na nossa vida, há inúmeros exemplos: quando pensamos em análise do score de crédito, a tecnologia entra em ação na hora de conceder ou não um empréstimo, analisando o histórico de quem solicita: se este cliente é bom pagador, sua renda, onde mora, quantos filhos tem, qual seu comportamento de consumo, entre outras variáveis. Dessa forma, é gerada uma pontuação, como uma fórmula matemática, que determina qual é a probabilidade da pessoa ou empresa ficar inadimplente pelos próximos doze meses, prevenindo a concessão de crédito para um mal pagador ou concedendo um limite maior para pessoas com baixa chance de não pagar.
O Brasil pode se beneficiar muito dos dados e da inteligência artificial. Isso porque, hoje, a internet chega a mais de 50% das casas brasileiras graças aos smartphones. De acordo com o Google, o país é o terceiro do mundo na utilização do Google Assistente, um recurso que combina a voz, dados e machine learning para facilitar as buscas.
Também é importante destacar que a inteligência artificial vem sendo utilizada para aprimorar e identificar o perfil do cliente, garantindo uma melhor experiência de compra ou interação. Dessa forma, consegue se aprofundar na compreensão das preferências de grupos, gêneros ou faixas etárias, permitindo experiências altamente personalizadas. Talvez essa seja a maior vantagem da ferramenta: individualizar a vivência de cada pessoa e, a partir disso, criar um atendimento único.
E se você ainda duvida da importância dessa tecnologia para o seu negócio, o dado a seguir pode mudar seu pensamento: segundo informações divulgadas pelo Gartner, inteligência artificial e machine learning serão duas das cinco principais prioridades de investimento para mais de 30% dos CIOs (executivos de tecnologia) até pelo menos o ano de 2020. Investir na “aprendizagem de máquinas” é mostrar valor aos clientes e fortalecer a empresa no mercado.
Entretanto, não é preciso atingir esse grau de requinte para começar a usar dados na sua empresa. Uma simples planilha de excel com informações básicas do seu negócio podem começar a te fazer enxergar oportunidades e prevenir erros nas decisões tomadas.
*Lígia Nardy é a cientista de dados da Assertiva que implementou uma cultura de data-driven na empresa. Hoje, suas análises e predições são grandes responsáveis por todas as tomadas de decisão dentro do negócio.