A aplicação de inteligência artificial (IA) no setor de seguros deixou de ser uma tendência futurista e passou a ser um recurso essencial para a inovação e eficiência. A Neurotech, que vem liderando esse movimento no mercado brasileiro, fortalece sua atuação com soluções inteligentes que têm revolucionado a forma como o risco é avaliado, especialmente no segmento de seguros de automóveis. A adoção dessas tecnologias tem impulsionado transformações relevantes nas operações das seguradoras e no relacionamento com os clientes.
O destaque é o score de roubo e furto, um indicador preditivo desenvolvido pela empresa para mensurar com precisão o risco a que um veículo está exposto antes da contratação do seguro. Esse tipo de ocorrência representa, em média, 30% da margem das seguradoras no Brasil, o que reforça a importância de ferramentas que tragam mais inteligência para a gestão de risco.
Uma das soluções mais consolidadas da Neurotech é o Autoscore, que utiliza inteligência artificial para calcular o risco de roubo ou furto de um veículo. Mais do que identificar um risco isolado, o sistema contribui para reduzir a sinistralidade total, permitindo maior controle sobre os resultados da carteira.
“Os primeiros testes apontam uma redução de até dois pontos percentuais na sinistralidade em uma carteira de automóveis, o que representa um ganho médio de até R$ 40 milhões para seguradoras de grande porte, em menos de um ano”, destaca Daniel Gusson, head de seguros da Neurotech.
A tecnologia por trás do score de roubo e furto da Neurotech analisa mais de 6 mil sinais para estimar não apenas a probabilidade de um sinistro — seja roubo, furto ou colisão —, mas também sua severidade. Essa capacidade permite uma precificação mais assertiva, ajudando as seguradoras a equilibrar risco e competitividade.
Segundo Gusson, o mercado de seguros auto está estagnado, com as seguradoras disputando cerca de 30% da frota de veículos segurados. Há, no entanto, uma demanda reprimida significativa que pode ser ativada com abordagens mais inteligentes e personalizadas.
Boa parte dos consumidores que não contratam seguros o fazem por questões de renda, custo ou até por desconhecimento. Ao entender o perfil desses potenciais clientes — as chamadas personas — e aplicar IA para identificar oportunidades de desconto e precificação individualizada, as seguradoras podem ampliar sua base de clientes sem aumentar o risco.
“Com o uso do score de roubo e furto aliado a uma análise inteligente de dados, é possível atrair perfis de menor risco que hoje estão fora do mercado, garantindo mais volume e rentabilidade para as carteiras”, reforça Gusson.
Um dos diferenciais das soluções da Neurotech está na velocidade e profundidade da análise de risco. O uso de IA permite cruzar milhares de dados estruturados e não estruturados em poucos minutos, com uma performance cinco vezes superior aos métodos tradicionais de subscrição.
O Autoscore já é utilizado por quase metade das seguradoras brasileiras, e as demais soluções da empresa também vêm sendo testadas com sucesso. Hoje, oito das dez maiores seguradoras do país já utilizam a plataforma tecnológica da Neurotech para melhorar a gestão de risco e a precificação de seguros auto.
Com o uso de inteligência artificial, especialmente por meio de soluções como o score de roubo e furto, a Neurotech tem contribuído para que seguradoras ganhem mais assertividade na precificação, controle sobre a sinistralidade e capacidade de expansão de mercado com menor exposição ao risco. Para os gestores de risco, isso significa mais previsibilidade, eficiência e competitividade em um setor cada vez mais exigente.
👉 Quer saber como a Neurotech pode transformar a performance da sua carteira de seguros?
Conheça agora nossas soluções e leve mais inteligência para sua gestão de risco: [acesse aqui o portfólio de seguros da Neurotech].
Por meio da pesquisa Fintech Mining Report, a plataforma de inovação para startups, empresas e investidores Distrito, em parceria com a consultoria KPMG, realizou um estudo que mapeou as principais startups brasileiras do setor financeiro.
O estudo avaliou bases de dados estruturadas (bancos de informação sobre empresas, por exemplo) e não-estruturadas (postagens em redes sociais e reportagens) para criar um algoritmo que avaliasse variáveis como faturamento previsto, rodadas de investimento captadas, escalabilidade e número de funcionários.
De acordo com o estudo, a Neurotech é uma das startups financeiras para “ficar de olho” nos próximos anos, pois possui boas chances de entrar para o seleto grupo de “Superfintechs”!
Fonte: Leia na íntegra a matéria divulgada pela Exame
De olho na transformação digital de seus processos e na conquista de mais negócios, o mercado de seguros já está utilizando a Inteligência Artificial para realizar inúmeras tarefas do seu cotidiano. Entre elas a recomendação de produtos ao cliente, a cotação de seguros e a emissão de apólices. Com isso, o maior beneficiário é o consumidor que passa a contar com uma experiência de serviço melhor, alinhado com suas necessidades.
Segundo um levantamento feito pela consultoria de dados Tata Consultancy Services (TCS), em 2017, o mercado de seguros foi o que apareceu como o que mais investe em IA. O estudo é resultado de entrevistas realizadas com 835 executivos de 13 diferentes setores da indústria global em quatro regiões do mundo.
A maioria dos entrevistados revelou que identifica o avanço da Inteligência Artificial em vários mercados como parte de uma estratégia competitiva até 2020. Ademais, 80% confirmaram que investem em média US$ 70 milhões por ano em IA. Mas foi o setor de seguros que registrou investimento superior, correspondendo a US$ 124 milhões o gasto anual médio em sistemas baseados em IA.
Além disso, entre as companhias de seguros, 85% afirmam que já utilizam Inteligência Artificial em algum dos seus processos, com intenção de ampliar ainda mais a aplicação da tecnologia até 2020. Tudo isso demonstra que a transformação chegou e deve continuar sendo tendência nesse mercado.
Para incorporar a IA no seu cotidiano, as empresas de seguros devem tomar algumas medidas. A primeira é promover uma mudança cultural que vai combinar o conhecimento técnico dos avaliadores de sinistros e agentes de seguros seniores com a IA.
Assim, conseguem melhorar a produtividade e garantem as relações humanas valorizadas pelos clientes mais antigos. A IA pode contribuir para melhorar o relacionamento com os clientes, tornando o processamento de solicitações de seguros mais rápido. Ao tornar o trabalho dos agentes mais eficiente, vai agradar o cliente, os agentes e reduzir custos.
Outra medida relevante, embora ainda em discussão, é a remoção de silos que protegem os sistemas de contratação de seguros. Isso torna o acesso a informações úteis baseadas em dados, impossível. É importante conectar todos os sistemas com os de IA. O procedimento vale também para tecnologias emergentes, como Internet das Coisas (IoT), que geram dados úteis para as seguradoras extraírem insights sobre os clientes.
As seguradoras estão procurando escalonar seus recursos digitais e se beneficiando com a interconexão segura e direta – troca privada de dados dentro de casa e entre empresas. De acordo com o Global Interconnection Index a capacidade e velocidade de interconexão do setor de seguros deverá crescer 61% ao ano nos próximos anos.
Isso permite às seguradoras integração de IA, IoT e outras tecnologias a seus sistemas de contratação de seguros e notificação de sinistros. O ganho aqui é processar dados, analisar padrões e combinar percepções capazes de aconselhar os clientes sobre a aquisição de seguros. Como em outros mercados, os dados são valiosos para as seguradoras. Com os sistemas interconectados, os dados contribuem na seleção e cruzamento de informações diversas, de fontes diferentes, para explorar e monetizar seu valor.
A IA pode fazer o trabalho pesado referente às decisões de contratar um seguro contra riscos. Com adoção desse sistema, baseado em análises de dados e Big Data, de fontes externas de dados geo-referenciados, sociais, de consumo, no meio digital, entre outros, é possível auxiliar os agentes que atuam com a morosa tarefa de detectar padrões demográficos e fazer com que recomendem mais assertivamente as opções aos clientes.
No processamento de sinistro e de roubos e furtos de veículos, os sistemas de IA podem contar com algoritmos avançados que ajudam a prever, por exemplo, nos próximos 12 meses, a chance de um automóvel ser furtado ou roubado. Há ainda a redução de fraudes com mais eficiência já que a combinação das informações em tempo real permite analisar as transações com mais precisão e velocidade.
Hoje, a aceitação de notificações de sinistros via celular e o processamento das ocorrências com mais rapidez e precisão é possível graças à IoT e o machine learning.
Com o machine learning, casos de ocorrências anteriores são alimentados na máquina que então aprende os perfis das ocorrências: quando uma transação comercial tem grande risco de ser uma fraude, o automóvel de um cliente tem alta probabilidade de ser roubado ou um consumidor tem alta chance de comprar um determinado produto.
Com a IoT, dados de diferentes dispositivos e diversas fontes, incluindo dispositivos móveis, são incorporados nas análises para a tomada de decisão. O resultado é gerado pelo emprego de um conjunto de tecnologias de última geração que está transformando a maneira como empresas e consumidores estão se relacionando.
Machine Learning é uma área relativamente nova e complexa. Mas isso não significa que não pode ser cada vez mais simplificada. E, na Neurotech, a gente consegue isso se impondo o desafio de deixar os processos cada vez mais lean, ou seja, mais enxutos, mais inteligentes, mais ágeis. Essa postura começou até antes do conceito lean ser popularizado pelo movimento de startups. Como algumas pessoas me perguntam como conseguimos fazer isso, resolvi detalhar aqui.
Em 2003, vendo a dificuldade de desenvolver soluções de Machine Learning que funcionassem na prática (já que a maioria dos projetos falhava), resolvemos criar na Neurotech uma metodologia para criação de soluções em Machine Learning. Metodologia essa que foi muito baseada nas melhores práticas do mercado internacional, mas com o foco também de trazer um pouco a realidade brasileira.
Pois bem, criamos os 9 passos descritos abaixo (em resumo). Eles mostram como sair do entendimento do negócio até a entrada em produção usando soluções de IA.
Se tiver dúvidas sobre os papéis, escrevi um artigo falando sobre squads de alto desempenho em Ciência de Dados. Confira aqui.
Pois bem, posso dizer que a metodologia ou processo, sintetizada em um manual ou playbook, nos ajudou muito a padronizar, treinar e entregar valor para os nossos clientes. É essencial que cada etapa seja sempre revisada à medida que o tempo passa e que novas tecnologias apareçam.
Por volta de 2009, em paralelo ao momento das startups, surgiram novas metodologias baseadas no lean, como o Lean Startup (Steve Blank e Eric Ries), com a mentalidade de entregar valor o mais rápido possível (“Se você não tiver vergonha da sua primeira versão do seu produto no lançamento, é porque você demorou muito para lançar” – Reid Hoffman). Ao mesmo tempo, novas tecnologias como Deep Learning começaram a surgir e, juntas, ganharam força sob o chamado Automatic Feature Engineering.
A reflexão que vinha era como podemos fazer isso no mundo de Ciência de Dados?
E o desafio que veio em seguida foi fazer com que a metodologia criada, usada e
evoluída desde 2003, entregasse ainda mais valor?
A resposta para essa pergunta sempre esteve com a gente. Em 2006, ao receber a visita de um grande banco em Recife, criamos o que ficou chamado de “Rodada de Almoço”. O cliente chegou até a nossa sede, nos entregou uma base de dados no início do dia e, ao final do almoço, quando voltamos para Neurotech, o modelo de Machine Learning, na época uma combinação de regressão logística com Redes Neurais Backpropagation, já estava com os resultados.
A Rodada de Almoço passou a ser um mantra na Neurotech. Assim que recebemos a base, rodamos um modelo para ter um “cheiro” do resultado. Isso significava passar por todas as etapas rapidamente para entender o valor da solução o mais rápido possível. Depois do “cheiro”, saberíamos o quão longe ou perto estávamos do resultado final desejado pelo cliente na etapa de levantamento.
Pois bem, com a criação do NeuroLake em 2015, em que o Machine Learning era disponibilizado como serviço na nuvem e não mais on premise (dentro da casa do cliente), nos perguntamos: será que a Rodada do Almoço poderia virar uma Rodada do Cafezinho? Será que, na verdade, tudo poderia ser automatizado e a entrega de valor, que antes acontecia em 1 dia, passaria a ser em 1 hora? A resposta é simples:
Sim, nos desafiamos mais uma vez e
criamos modelos automatizados de Machine Learning.
Em poucas horas ou minutos (depende do tamanho da base de dados), saímos do dado bruto ao modelo em produção. Claro, entrar em produção depende de uma revisão humana , mas já estamos preparados para sair dos dados brutos para o modelo em produção em questão de minutos/horas. Então, acredito que podemos, sim, dizer que Lean Machine Learning é realidade!
Na Rodada do Cafezinho, assim como nos demais modelos, basicamente o tempo depende do processamento de máquina — que, como já falei em outros posts, demorava 2 semanas em 2003 para treinar um modelo com 50 mil linhas e 100 variáveis e hoje leva poucas horas/minutos para treinar com 12 milhões de linhas e milhares de variáveis.
Com todas essas evoluções, não tem como não pensar: qual vai ser o papel do cientista de dados no futuro? Para mim, principalmente entender o negócio (a dor do cliente) e conseguir “juntar” os blocos de Machine Learning disponíveis para resolver o problema.
E você, o que acha? Já faz treinamento automático na sua empresa? O quão longe está?
Fonte: Lean Machine Learning
Estudos do Banco Mundial apontam que aproximadamente 70% de todos os birôs de crédito do mundo fornecem informações tanto negativas quanto positivas – como será possível fazer aqui no Brasil agora que o Cadastro Positivo foi aprovado pelo Senado, na semana passada. As novas regras permitirão a inclusão compulsória ao cadastro para todos os consumidores e empresas, havendo a possibilidade da solicitação de saída (Opt-out), além da participação de informações e dados de outras indústrias, como telefonia, utilidades públicas e serviços.
Segundo simulações apresentadas no 'credit reporting' do Banco Mundial, a inadimplência do crédito cairia de 3,37%, sobre empréstimos concedidos com base apenas informações negativas, para 1,84% de inadimplência para informações negativas e positivas, ou seja, uma redução de 1,53 ponto percentual. Para um banco com aproximadamente US$ 100 milhões de carteira de crédito, a redução representaria ganho de US$ 1,53 milhão. As mesmas simulações para os Estados Unidos e a Argentina também apresentaram resultados relevantes, com reduções na inadimplência de 1,45 p.p e 0,83 p.p, respectivamente.
Embora muito relevante e positiva para a expansão segura do crédito, como indicam as simulações do Banco Mundial a aprovação das novas regras do Cadastro Positivo não constituem uma garantia automática de uma queda dos juros e/ou de redução dos 'spreads' bancários - a diferença entre a remuneração que o banco paga ao aplicador para captar um recurso e o quanto esse banco cobra para emprestar o mesmo dinheiro.
Seu uso vai surtir um efeito benéfico somente se o sistema bancário o empregar e usar da forma apropriada, o que dependerá da estratégia e da capacidade de adaptação/inovação das instituições financeiras no sentido de utilizar a ferramenta para derrubar o 'spread' bancário. Para tanto, as ofertas terão que ser individualizadas; as instituições teriam de adequar suas ofertas ao perfil de cada um dos consumidores.
Essa mudança representará um desafio para as instituições mais tradicionais. É daí que surgem as dúvidas se o resultado será realmente a queda do 'spread' bancário, pois embora o sistema financeiro já disponha de várias ferramentas para identificar o perfil do tomador de crédito, essas soluções não são utilizadas, hoje, visando a redução da taxa de juros. Na prática, têm sido usadas tão somente para garantir a concessão de crédito, o que acaba levando o bom pagador para a vala comum no que se refere aos juros.
Novas tecnologias, como 'big data' e inteligência artificial (IA) também servem para inserir milhões de pessoas no mercado de crédito, com a segurança derivada da identificação de milhares de variáveis, que apontam tendências, hábitos e preferências. Outras indústrias, como seguradoras por exemplo, já se valem das soluções derivadas destas tecnologias para adaptar sua precificação ao risco identificado.
Até pouco tempo atrás, ao vender uma apólice, sabiam apenas se o indivíduo era bom pagador – informação dada pelos birôs de crédito – onde morava, trabalhava e seu histórico de sinistros. Já o problema de roubo e furto, que toma, em média, 30% da margem das seguradoras no Brasil, não podia ser mensurado com precisão a partir de informações tradicionais. Com o uso de 'big data', o cruzamento de novos dados permite, em minutos, precificar o risco de roubo e furto, com uma performance cinco vezes superior aos meios tradicionais.
Portanto, é imprescindível que as empresas continuem ampliando seus investimentos em análise de dados. Quem não investir vai ficar para trás, e o Cadastro Positivo acabará por resultar em redução do 'spread', somente no caso das instituições que se adaptarem ou aquelas que já nascerem nesta nova realidade como as fintechs de crédito por exemplo. Elas podem capitanear esse movimento oferecendo uma análise de crédito mais completa e, dessa forma, capacitando-se a trabalhar com juros variáveis, personalizados, em vez das taxas homogêneas geralmente definidas por tipo de empréstimo ou linha de crédito que o sistema bancário vem praticando há centenas de anos.
Fonte: IT Forum 365
É inegável que o varejo passou por uma profunda e necessária transformação nas últimas décadas. De anotações feitas à mão em cadernetas, agora o setor vive a era digital e utiliza a tecnologia como estratégia para melhorar a competitividade, entender o cliente e se antecipar aos seus desejos, gerando valor para este e rentabilidade para o negócio.
Neste novo cenário, a Inteligência Artificial (IA) tem se tornado ferramenta essencial para mudar os rumos de uma empresa, ainda mais em momentos de crise econômica e redução de volume de vendas. Nestes tempos, contar com um diferencial estratégico é fundamental para manter a sustentabilidade dos negócios. Isso porque a tecnologia, se bem empregada, é uma aliada poderosa para reduzir custos e melhorar a performance na carteira de clientes.
A IA pode auxiliar o setor em várias frentes, seja no melhor conhecimento do comportamento dos consumidores para oferta de produtos adequados ao perfil, no gerenciamento de estoques com previsões mais acertadas, na definição de descontos personalizados e de acordo com a geolocalização, ou na recomendação de alternativas de pagamento e políticas de preço considerando o risco e a rentabilidade. A IA pode ainda contribuir decisivamente na prevenção de fraudes.
Com base em dados, algumas aplicações sofisticadas de IA combinam centenas ou mesmo milhares de variáveis para identificar os preços e promoções ideais e, consequentemente, impactar a decisão de compra do consumidor. As soluções também monitoram a concorrência e ajudam a não perder margem, e com isso o varejo passa a ser capaz de manter o equilíbrio entre os preços dos produtos praticados pelo seu negócio e o de outras empresas.
No Brasil, o varejo de grande e médio porte já está utilizando a IA para conquistar novos clientes, fidelizar os atuais, ampliar o leque de vendas dos varejistas e identificar tendências de consumo de acordo com o perfil de consumidor. Isso porque as empresas estão buscando mais assertividade nas decisões sobre o cliente, com previsões mais acertadas sobre as oportunidades de negócios e maior velocidade na tomada de decisões. Isso tem propiciado a conquista de clientes no perfil desejado, o incremento do ticket médio por cliente, a redução de riscos e o aumento da satisfação dos clientes.
A Inteligência Artificial está ajudando os varejistas a compreender o desejo do consumidor e prever qual é a mercadoria que está mais propenso a comprar. Com aplicações que utilizam IA é possível analisar todas as variáveis possíveis, não somente preço, mas também renda e tipos de bens demandados. Esse conhecimento prévio contribui até para uma empresa saber quanto de sua produção será consumida, por quem e ainda identificar onde está o público que não conhece seus produtos.
E são os dados da própria empresa que alimentam a locomotiva da transformação no varejo. Com a modelagem feita pela IA é possível entender o histórico de compras de grupos de consumidores e, se combinados com uma base maior, resultam em informações estratégicas que levam à otimização de vendas e à melhoria na rentabilidade. Após conhecer o que o consumidor pretende, o varejo direciona de maneira mais assertiva as campanhas ou até faz o controle eficiente do estoque.
Outro benefício ao adotar a Inteligência Artificial é encontrar a função mais completa e que expressa as preferências da persona que consome determinados produtos. Basicamente, a empresa não precisa oferecer todos os produtos disponíveis para clientes potenciais, ela vai encaminhar ofertas para aqueles que têm o perfil mais provável para comprar o item. Assim, tem mais chances de concretizar vendas, economiza recursos com campanhas mal direcionadas e evita o bombardeamento dos consumidores com ofertas que estão longe do seu interesse.
Depois de encontrar e aumentar as oportunidades de compra ao identificar as personas ideais para aquisição do bem, se inicia uma nova fase com contribuição da IA: retenção e rentabilização do cliente. Quando o cliente passa a se relacionar com a empresa, aumenta o entendimento do seu gosto e essa informação é essencial para realização de novas ofertas. Neste jogo, ganha a empresa e o consumidor final.
Como tempo é um recurso cada vez mais caro para os brasileiros, eles têm buscado mais comodidades. E na hora de fazer compras, o comércio online têm se beneficiando com esta mudança de comportamento. Prova disto é que, de acordo com pesquisa feita pelo E-Commerce Brasil, o mercado de vendas online cresceu 12,5% entre maio de 2017 e maio de 2018.Entretanto, a distinção entre lojas online e físicas tendem a diminuir nos próximos anos. Por isso, houve crescimento na quantidade de estabelecimentos que utilizam aplicativos de descontos para atrair clientes. As ofertas ficam mais acessíveis, bastando conferir o app no smartphone.
Os negócios que utilizarem IA para melhorar a experiência do cliente irão se destacar. Por isso, cada vez mais varejistas investem na tecnologia para tornar os processos mais rápidos na hora da compra. Inclusive com aprovação de crédito imediata e emissão de cartões entre 3 e 5 minutos, eliminando a necessidade de esperas e filas.
Com o aumento da compra online, a cadeia de abastecimento deve se modernizar. Para isso, usará cada vez mais Big Data para prever o volume no estoque e, até a robotização para agilizar os centros de distribuição.
Na prática, todas estas mudanças tornarão o consumidor ainda mais o centro da atenção. Afinal ele demandará por melhores ofertas que atendam aos seus anseios, promoções rápidas que captem sua atenção no momento exato da compra, eficiência na entrega dos produtos e os canais de comunicação mais adequados aos seus hábitos diários. Quem se adequar melhor ao uso da IA terá melhores resultados e estará melhor preparado para as novas tendências de mercado.
Aproveite e leia nosso E-book:
Inteligência Artificial aplicada aos negócios
Atender o cliente da melhor e mais rápida forma possível. Esse é um conceito do marketing que está diretamente ligado à Inteligência artificial. Mas será que o marketing das empresas está preparado para essa nova era de mudanças digitais?
Segundo estudo divulgado pelo Meio & Mensagem, o Brasil é onde os profissionais de marketing mais afirmam que a Inteligência Artificial será essencial para seu trabalho. Em contrapartida, poucas organizações têm uma estratégia clara para implementar IA em sua cultura. Ter os objetivos definidos é o que vai fazer com que o marketing seja o protagonista da mudança digital dentro da empresa ou um mero coadjuvante.
Nós sabemos que não é fácil convencer todo mundo a mudar totalmente os processos de uma organização, mas o mesmo estudo divulgado pelo M&M revela que o segredo da transformação está em três pilares:
A estratégia deve ser de longo prazo, mas os projetos devem ser implementados um a um. Não adianta envolver toda a empresa em diversas mudanças ao mesmo tempo. A chance de algo sair do controle é enorme. Comece resolvendo um problema específico de uma área, como a personalização de um serviço, por exemplo. Aos poucos, conforme o primeiro projeto estiver completamente implementado e dando resultados, passe para o próximo e assim por diante.
Empresas separadas por áreas totalmente fechadas em si, tendem a não ser muito expressivas digitalmente. Deixe todas as áreas informadas sobre o que está acontecendo, alinhe as estratégias com todos e dê uma visão horizontal ao seu negócio. Muitas vezes o que falta é a aquele palpite de ouro de quem está na porta ao lado.
Hoje, a Inteligência Artificial já faz parte de muitas ações de marketing. Podemos vê-la prevendo o comportamento do consumidor e aumentando as chances de conversão e criando automações de atendimento como chatbots, muito eficiente em um mercado cada vez mais competitivo e com tanta necessidade do imediatismo. Também vemos AI na automação do gerenciamento de comunidades nas redes sociais, facilitando o trabalho de responder e interagir com diversos grupos diferentes, com regras e linguagem próprias, além de estar presente na curadoria e recomendações de conteúdo personalizadas, como já acontece nos catálogos de streaming. Ou seja, IA e marketing já estão conectados.
O estudo “From data deluge to inteligente insighs”, do IBV, mostra que 64% dos líderes de vendas acreditam que suas empresas estão prontas para a Inteligência artificial, mas apenas 24% dizem ter uma estratégia de implementação. Eis aí a oportunidade do marketing, naturalmente um consumidor das novidades em IA, tomar para si a responsabilidade de encabeçar essa transformação.
Já imaginou que hoje, em algum momento, você foi impactado por uma revolução silenciosa que está transformando o mundo? Calma, você só está vivendo na Era Digital e fazendo parte de uma mudança que altera o cotidiano de organizações, empresas e sociedade. E o motor que torna essa transformação possível é a Inteligência Artificial.
Graças a ela você consegue fazer uma pesquisa na internet usando a voz, ter uma experiência de compra diferenciada, receber recomendações de filmes que batem com o que lhe interessa ou definir o seu trajeto de carro até o trabalho por uma rota com menos trânsito.
E nos negócios a Inteligência Artificial está se tornando uma ferramenta imprescindível para viabilizar previsões com base em uma imensa quantidade de informações estruturadas e não estruturadas, proporcionando um amplo entendimento do comportamento do consumidor e tornando muito mais rápida e precisa a tomada de decisões em todos os processos da organização: conquista de novos clientes, previsão de demanda, precificação, gestão do crédito, ofertas de novos produtos e serviços, atendimento mais personalizado, entre outros. Tenha certeza, se a sua organização ainda não utiliza IA nos negócios está perdendo competitividade e deixando de lucrar mais.
Na era digital, esta tecnologia se tornou vital para garantir que a organização permaneça competitiva no mercado. Ainda em dúvida sobre o quanto estamos falando de casos reais? Então conheça alguns exemplos do poder desta transformação.
Com a Inteligência Artificial, a experiência do cliente é elevada a outro patamar. Prova disso, é um grande banco brasileiro que resolveu inovar e trouxe a IA para o atendimento dos correntistas. Para tornar isso possível, primeiro os funcionários usaram a solução para resolver questões relacionadas a processos internos. Com o bom desempenho obtido, chegou a hora de disponibilizar o assistente para o público externo.
A iniciativa agradou e hoje é sucesso entre clientes que fazem em média 300 mil perguntas por mês ao assistente virtual. A taxa de precisão é excelente, mais de 90%. O assistente melhora a assertividade das suas respostas a cada contato, isso porque utiliza a tecnologia de machine learning, que permite que o sistema aprenda com as suas interações.
O reconhecimento de voz também é um recurso já disponível em um assistente para proprietários de um veículo de uma grande montadora, fabricado no Brasil, usado para interagir com o automóvel e até tirar dúvidas sobre o seu funcionamento. Com o Manual Cognitivo, ou seja, por meio de um aplicativo no celular, o dono do veículo tira as dúvidas - por texto, voz ou imagem - sobre o funcionamento do carro e aprende até mesmo como instalar a cadeirinha do bebê.
Hoje, a IA atual também ajuda a salvar vidas. Há algoritmos que podem realizar a triagem de pacientes antes das consultas ou que contribuem com diagnósticos e sugestões de tratamentos. Eles são capazes de comparar exames e sintomas tendo como referência uma enorme base de dados.
Há sistemas que cruzam conteúdos da literatura científica com dados genéticos ou clínicos do paciente e sugere opções de tratamento indicados para cada caso. Além disso, pode mostrar os efeitos colaterais e o grau de risco de cada alternativa. Desta forma, o corpo clínico consegue avaliar as possibilidades antes de submeter o paciente a combinações de medicamentos que nem sempre podem ser os adequados.
Em processamento de imagem, o uso de IA pode superar a capacidade humana. Uma solução desenvolvida por pesquisadores nos Estados Unidos, Alemanha e China utiliza um grande banco de imagens de exames radiológicos e tomografias ópticas. O algoritmo, que passou por uma aprendizagem, consegue identificar características relevantes nas imagens e chegar rapidamente a um diagnóstico mais preciso e definitivo. A capacidade de compreensão de dados e interpretação da solução é superior a humana.
Ainda com processamento de imagem, ao aplicar esta tecnologia ela pode gerar na criação de modelos 3D de partes do corpo humano. Com ela, o cirurgião consegue definir melhor o método da intervenção e até fazer uma simulação dos procedimentos para ter mais precisão.
Amplamente usadas no Brasil, as maquininhas de crédito ou débito também são fontes de informação para os parceiros de uma grande empresa do setor de pagamentos no país. Isso porque ela agrega as informações e fornece dados sobre a movimentação financeira, insights estratégicos, alternativas para fidelizar os clientes e perfil do público.
Com a ferramenta é possível também ter acesso a comparações com negócios similares. Com estas informações à mão, como modelos de inovação, o parceiro pode ter ideias para criar estratégias para atrair consumidores e aumentar as vendas. Este é um exemplo do uso inteligente de dados para facilitar a vida dos clientes.
Todas estas experiências demonstram como a IA pode transformar os negócios e gerar mais valor para atividades distintas. Não fique de fora desta transformação, afinal, você já faz parte dela.
Aproveite e leia nosso E-book:
Inteligência Artificial aplicada aos negócios
Squad é um termo em inglês que ficou conhecido por causa do Spotify. Hoje, basicamente, um squad é um time enxuto, com geralmente 4 a 8 pessoas que têm autonomia e velocidade para entregar valor. Perceberam que não é qualquer equipe, né? Pois bem, imagine o que é formar um squad de Ciência de Dados há 16 anos... Independente de termos, na Neurotech, já formamos centenas de squads na área. A ideia deste artigo é compartilhar um pouco do que aprendemos para responder à pergunta: quais são os perfis necessários em um squad de ciência de dados de sucesso?
Nossa experiência com squads começou em 2002, quando Ciência de Dados nem era chamada assim: era “mineração de dados” ou KDD (Knowledge Discovery Database). Durante esse período, foi possível, testar, errar (muito), acertar e se transformar. Um dos aprendizados foi não focar em muitos cientistas da academia — muita gente pensa logo em fazer exatamente isso quando quer formar o time de Ciência de Dados ideal. Será que um squad de 6 Geoff Hinton (grande pesquisador do Google e grande responsável pelo desenvolvimento de Deep Learning) seria o ideal? A resposta é não.
Ciência de Dados é uma área multidisciplinar
e demanda uma série de perfis diferentes
e complementares para um squad de alto desempenho.
Para Bruno Henriques, VP de Inteligência Artificial da Movile, uma das mais bem-sucedidas startups brasileiras, a IA parece distante, mas não é. “Já utilizamos a tecnologia em nosso dia a dia e nem nos damos conta. Ela está presente no uso de aplicativos, reconhecimento de imagens, carros autônomos, assistentes virtuais, entre muitos outros exemplos. É uma nova e poderosa forma de processar dados e devemos aprender a usá-la cada vez mais, pois isso nos ajudará a tomar decisões mais ágeis, precisas e inteligentes”, explica Henriques. O grande desafio da Movile é montar um time com mais de 100 especialistas em aprendizagem automática, para trabalhar nos principais desafios que as organizações enfrentam hoje.
Mas, antes de falar sobre quais segmentos aumentam o valor um squad, vamos fazer alguns alinhamentos. Eu gosto primeiro de dar a visão geral. Qualquer projeto de ciência de dados precisa desses três pilares:
* Pilar de Ciência de Dados: é o time técnico composto normalmente por engenheiros de software, engenheiros de dados, analista de Machine Learning e estatísticos. Além, é claro, analista de segurança da informação. Esse time irá conduzir o delivery (entrega) do produto/solução.
* Pilar de UX (experiência do usuário): é um time com o objetivo de entender e descobrir as necessidades do usuário, entender como ele se comporta e qual a relação das pessoas com os dados. Durante muitos anos, deixamos essa função de lado nos projetos da Neurotech, o que foi um grande erro. A diversidade de perfis dentro do squad faz com que a entrega de valor seja ainda maior. Esse time se envolve ao longo do projeto, mas atua principalmente na fase de discovery (descoberta) e no “empacotamento” final da entrega.
* Pilar de Produto (visão do negócio): são pessoas com a visão do todo, seja do produto ou do serviço a ser entregue. Esse time, de preferência, entende bastante da área em que estamos aplicando o projeto de dados, ou seja, visão de negócio. Por exemplo, se estivermos um projeto na área de seguro saúde, é importante ter alguém da área de saúde (médico, por exemplo) que tenha o skill analítico. Não é fácil, mas eles existem kkkkkk. Esse time tem atuação ao longo de todo o projeto, mas com muita intensidade na fase de discovery.
Agora vamos fazer um detalhamento do time técnico de Ciência de Dados. Já falamos um pouco sobre as necessidades técnicas no artigo: O que é realmente preciso para ser um cientista de dados? Abaixo, uma lista com os principais perfis do time técnico que compõem o squad.
* Engenheiro de dados: esse é o perfil mais básico. Se você irá lidar com um grande volume de dados, é necessário ter alguém no squad com a habilidade de coletar, organizar e transformar os dados. Cada vez mais esse profissional precisa conhecer as ferramentas, principalmente computação em nuvem, processamento distribuído e computação de alta performance.
* Analista de dados: normalmente, é um perfil que tem a habilidade para trabalhar com os dados, fazendo a análise exploratória. A função dessa pessoa é dar velocidade à descoberta, ou seja, encontrar insights o mais rápido possível. Ela gera conhecimento a partir dos dados na fase de discovery e ajuda em como usar a solução de dados. É muito usado na fase de homologação dos dados. Normalmente, o pessoal de estatística e de Business Intelligence tem esse skill.
* Estatístico ou Analista de Machine Learning: é o perfil que precisa saber configurar os parâmetros do algoritmo, tarefa bem complexa hoje em dia pela variedade dos algoritmos disponíveis. Esse profissional deve estar preparado para falhar, porque ele precisará testar muitos parâmetros até ter um bom modelo. Ter respeito pelo rigor estatístico e experimental é fundamental para não se construir um modelo que não irá funcionar na prática.
* Cientista de dados: nele não somente sabe usar, mas entende o algoritmo e tem a capacidade de modificá-lo, se necessário. Tem a capacidade de programar, otimizar os algoritmos e, ao mesmo tempo, sabe analisar dados e tem conhecimentos estatísticos. Normalmente, não há cientista de dados júnior, é um analista de Machine Learning ou estatístico que cresceu em termos de conhecimento e experiência. Muitas pessoas falam que são cientistas de dados, mas, na verdade, são analistas de Machine Learning.
* Gerente de Ciência de Dados ou Líder de Ciência de Dados: é uma posição mais experiente de alguém que já foi técnico e hoje consegue liderar os times. Normalmente, é um cientista de dados, analista de Machine Learning ou estatístico com habilidade de liderança.
* Engenheiro de software: alguém que constrói os softwares necessários para entregar valor, seja em backend ou frontend. Normalmente, o trabalho desse profissional está na disponibilização dos modelos via API ou na construção de uma interface intuitivo para o cliente utilizar o modelo construído.Como estruturamos os Squads aqui na Neurotech baseado no problema de negócio que tentamos resolver. Por exemplo, em crédito temos um squad de concessão de crédito, que tem como propósito auxiliar os nossos clientes no processo de decisão de crédito e atribuição de limite.
Já o squad de manutenção de crédito tem como propósito auxiliar os clientes na rentabilização da carteira. Esses times estão dentro de uma mesma tribo, chamada Tribo de Crédito. O bacana é que times diferentes, com autonomia para resolver problemas de negócio, terminam adquirindo conhecimento para compartilhar uns com os outros. A figura abaixo mostra bem como isso funciona.
O chapter é um grupo horizontal (portanto orientado por função/afinidade) que congrega profissionais com responsabilidades e skills parecidos como, por exemplo, o chapter de engenheiros de dados que temos na Neurotech para compartilhar conhecimento na automatização do processo de dados para ganhar velocidade, qualidade e segurança.
Já as Guilds, ou guildas, são perfis diferentes de squads e tribos, e que se unem para trocar experiências, aprendizados, e melhores práticas sobre temas de interesse comum. Na Neurotech temos uma Guilda de Cadastro Positivo para os entendermos mais como podemos potencializar nossos produtos com a nova lei.
Após ler tudo isso, você deve estar achando que é complexo e difícil formar um squad em Ciência de Dados. Primeiro, respire fundo, porque tudo depende da complexidade e das suas necessidades. Posso dizer que já tivemos projetos de sucesso com apenas 3 pessoas e projetos que falharam com 9 pessoas, mesmo tendo cada um dos perfis. O importante é ter em mente que os perfis ideais listados aqui são os ideais, são os “ingredientes”; o “modo de preparo” também é fundamental para essa receita ser um sucesso. E pra isso, assim como para qualquer outra coisa, só testando, aprendendo e melhorando.
Você usa squads? Como usa? Conte sua experiência também!
RODRIGO CUNHA - Sócio da Neurotech, empresa pioneira na aplicação prática de inteligência artificial no mercado varejista brasileiro.
Fonte: Ciência de Dados
Levantamento da consultoria PricewaterhouseCoopers (PwC) estima que o mercado de Inteligência Artificial (IA) movimentará US$ 70 bilhões no mundo em 2020. No Brasil, a movimentação é grande. A Neurotech apresentou um crescimento acima de 30% em receita no ano passado. A expectativa é de encerrar 2019 com um faturamento superior a R$ 50 milhões, dos quais R$ 40 milhões já estão assegurados pelos contratos fechados no final de 2018.
Com a IA, o cruzamento de informações permite, em minutos, avaliar o risco, com uma performance cinco vezes superior à dos meios tradicionais. A plataforma de dados e aprendizagem automática da Neurotech (Neurolake) representou 15% do faturamento da companhia em 2018, após crescer mais de 400% nos últimos quatro anos. “Essa linha de soluções tem crescido exponencialmente e de forma consistente”, diz Domingos Monteiro, CEO da Neurotech. As soluções chegam a mais de 45% das seguradoras brasileiras. Das dez maiores do setor, sete são clientes da empresa.
Para Bruno Henriques, VP de Inteligência Artificial da Movile, uma das mais bem-sucedidas startups brasileiras, a IA parece distante, mas não é. “Já utilizamos a tecnologia em nosso dia a dia e nem nos damos conta. Ela está presente no uso de aplicativos, reconhecimento de imagens, carros autônomos, assistentes virtuais, entre muitos outros exemplos. É uma nova e poderosa forma de processar dados e devemos aprender a usá-la cada vez mais, pois isso nos ajudará a tomar decisões mais ágeis, precisas e inteligentes”, explica Henriques. O grande desafio da Movile é montar um time com mais de 100 especialistas em aprendizagem automática, para trabalhar nos principais desafios que as organizações enfrentam hoje.
A correlação entre a atividade econômica, registrada pelo IBC-Br, e a evolução da Bolsa de Valores realmente existe? Especialistas da Mapfre Investimentos constataram que esse senso comum se confirma. Nos últimos 15 anos, esse comportamento supera 0,77. O Ibovespa parece antecipar o IBC-Br.
Se essa relação é comprovada no passado, o que dizer da atual divergência entre o IBC-Br e o Ibovespa? Os analistas elaboraram três hipóteses. A primeira é a de que essa correlação deixou de existir em 2019; a segunda é a de que o IBC-Br assumirá trajetória positiva, compatível com a do Ibovespa; a terceira é a de que o Ibovespa assumirá trajetória negativa, compatível com a do IBC-Br.
A primeira hipótese tem baixa probabilidade. Indicadores antecedentes ainda não confirmam a segunda (o índice compilado pelo FGV Ibre e The Conference Board recuou 1,2% em fevereiro). Por exclusão, vale ficar atento às perspectivas do Ibovespa.
A dispensa de visto para entrada de norte-americanos no Brasil, sem contrapartidas, como fez Bolsonaro, é típica de república de bananas.
Para o Dia Mundial da Água, celebrado em 22 de março, a Embrapa, em parceria com o Jardim Botânico carioca, preparou uma programação especial com trilha e oficina que abordam a importância das relações entre a água e o solo. O ponto de encontro será no Museu do Meio Ambiente do Jardim Botânico, em dois horários: às 10h e às 14h. Não é necessário fazer inscrição.
*** A Volvo Cars unificou a administração dos mercados latino-americanos e, para liderar essa operação, nomeou Luis Rezende, atual presidente da Volvo Car Brasil.
*** O Colégio pH está com inscrições abertas, até quinta-feira, para seu pré-vestibular comunitário gratuito. Informações em ph.com.br.
*** A FGV Direito Rio realizará nesta quarta-feira, às 14h, em Botafogo, o seminário “Reformas Legislativas em Matéria Penal”, com participação do ministro do STJ Rogerio Schietti Cruz, entre outros. Inscrições: fgv.br/eventos.
*** O Passeio Shopping, em parceria com o Clube de Ciências, preparou a Oficina de Ciência este mês, nos dias 23 e 30. É indicada para crianças e adolescentes entre 6 e 13 anos.
*** O Projeto AteliArte, no Caxias Shopping, já iniciou as inscrições para aulas de crochê e tricô em março e abril. Haverá também atividades em parceria com o Sesc Caxias.
*** A Copra estará entre os 500 expositores e 200 supermercados do país na 31 ª Super Rio Expofood 2019, que começa nesta terça, no Riocentro.
*** Combate à corrupção na administração pública no Brasil é o tema do I Ciclo de Palestras que o Instituto dos Advogados Brasileiros (IAB) promoverá nesta terça-feira, das 17h30 às 20h, no Centro do Rio. Inscrições em iabnacional.org.br/eventos.
Fonte: Monitor Digital
As vendas do varejo cresceram 0,4% em janeiro. Apesar do avanço, é o pior resultado para o mês desde 2016, quando registrou queda de 2,6%. Em dezembro, o comércio havia recuado 2,1%. Os dados com ajuste sazonal (espécie de compensação sobre eventos isolados do período para comparação) foram divulgados pelo IBGE (Instituto Brasileiro de Geografia e Estatística) nesta quinta-feira.
Para compensar as menores vendas, grandes redes varejistas têm lançado mão das novas tecnologias que permitem reduzir custos e otimizar as vendas, como a Inteligência Artificial (IA).
“Há aplicações bem sofisticadas em uso. Elas combinam centenas de variáveis que possibilitam identificar os preços e promoções ideais. Como são variáveis importantes na decisão de compra do consumidor e, ao mesmo tempo, importantes para o varejista não perder margem, é fundamental monitorar a concorrência”, diz Rodrigo Cunha, sócio da Neurotech, empresa pioneira na aplicação prática de inteligência artificial no mercado varejista brasileiro.
Tal acompanhamento auxilia na definição dos valores cobrados pelos produtos, que trarão um equilíbrio entre o que é praticado pela concorrência e o controle da margem.
Com o uso de IA, a demanda passou a ser mais previsível, o que permite, entre outros, aprimorar o controle de estoque e a estratégia de vendas.
“Na Neurotech, já tivemos experiência de relacionar, por exemplo, clima e trânsito para prever o fluxo de lojas, o que se faz por meio da combinação de fontes públicas disponíveis na internet. Um grande conjunto de variáveis externas são usadas no país para prever a demanda”, ressalta.
Aqui no Brasil o varejo está começando a se habituar com o uso da AI para conquistar novos clientes, fidelizar os atuais, ampliar o leque de vendas dos varejistas e identificar tendências de consumo por perfil de consumidor. “Isso ocorre principalmente por causa da cadeia de marketing e vendas, que é a mais sensível aos avanços da IA. O varejo é um heavy user desses recursos, devido ao contato direto com o consumidor”, observa Cunha, da Neurotech.
A IA tem servido para a identificação do perfil de consumo e comportamento dos clientes, não somente por grandes varejos internacionais, mas também por redes varejistas brasileiras de médio porte. “As ofertas passam a atender exatamente à necessidade do consumidor. Ao tornarem-se mais assertivas, aumentam o ticket do nosso cliente”, afirma Cunha.
A IA combina uma série de informações que possibilitam personalizar a abordagem e o atendimento a clientes que possuem determinados perfis. “É o que definimos como personas. A análise de clustering, técnica que agrupa dados semelhantes automaticamente, identifica os consumidores que têm maior aderência a um produto ou serviço. Assim, é possível não só aumentar a eficiência na aquisição de novos clientes, mas prevenir a perda de antigos (processo também conhecido por churn)”, explica.
RODRIGO CUNHA - Sócio da Neurotech, empresa pioneira na aplicação prática de inteligência artificial no mercado varejista brasileiro.
Fonte: Amazonas Notícias
O Cadastro Positivo, como foi aprovado pelo Senado, poderá ser uma grande ferramenta para expandir o crédito. Simulações do Banco Mundial indicam que a inadimplência do crédito cairia de 3,37%, sobre empréstimos concedidos com base apenas informações negativas, para 1,84% de inadimplência para informações negativas e positivas.
No entanto, o Cadastro Positivo por si só não garante automaticamente uma queda dos juros e do spread bancário, se o sistema financeiro não o usar de forma apropriada. Para que isso ocorra, as instituições terão que oferecer crédito individualizado, usando a ferramenta para adequar suas ofertas ao perfil de cada um dos consumidores - e isso será um desafio para as instituições mais tradicionais.
O sistema financeiro já dispõe de várias ferramentas para identificar o perfil do tomador de crédito e continua ampliando os investimentos em análise de dados. Essas soluções, porém, não são utilizadas hoje para a redução da taxa de juros.
Servem, somente, para a garantia de concessão de crédito, o que acaba levando o bom pagador para a vala comum no que se refere aos juros.
O Cadastro Positivo pode, efetivamente, resultar em redução do spread, porém esse movimento será mais natural no caso das fintechs de crédito que podem capitanear esse movimento a partir de uma análise mais completa, abrindo caminho para instituições dispostas a trabalhar com juros variáveis.
Em suma, vai ganhar mercado quem visar também a redução do custo do dinheiro e não apenas a redução da inadimplência.
DOMINGOS MONTEIRO - CEO da Neurotech, especialista em Inteligência Artificial
Fonte:Jornal do Comércio
Precisão, agilidade e segurança são elementos chaves na concessão de crédito. Decisões mal tomadas, demora nas aprovações e falhas de segurança na análise do crédito podem comprometer a operação e, consequentemente, a rentabilidade de determinado produto.
Tecnologias atuais e informações em abundância, entretanto, podem ser grandes aliados nesse processo, se usados de maneira eficiente. Em particular, o uso de plataformas que conseguem lidar com o crescente volume de dados no dia a dia das organizações - o Big Data -, aliado a soluções de Inteligência Artificial, que conseguem tratar os clientes de forma personalizada, estão revolucionando o setor e tornando a concessão de crédito mais previsível, mais rápida e mais assertiva. Mas como isso é possível?
Com o uso inteligente das informações disponíveis. Soluções desenvolvidas com inteligência artificial são capazes de analisar um grande volume de informações em pouco tempo. O machine learning faz uma varredura neste grande volume de informações em busca de padrões e esta análise vai se tornando mais acurada com o tempo. Quanto mais processa, mais a solução aprende sobre os hábitos dos consumidores e os riscos que uma concessão de crédito pode oferecer.
Atualmente, há no mercado plataformas que utilizam tecnologia de ponta para fazer a análise de crédito. Elas permitem, entre outras facilidades, realizar a consulta em poucos segundos, diminuindo a ansiedade do consumidor que espera pela aprovação ou não da compra. A resposta rápida, inclusive, ajuda o cliente se planejar melhor e assumir compromissos financeiros com maior responsabilidade.
Em uma análise de crédito tradicional, não automatizada e feita a partir de uma quantidade limitada de informações, potenciais clientes podem ser rejeitados mesmo tendo capacidade de honrar seus compromissos. Desta forma, negócios são perdidos.
Entretanto, é possível combinar Big Data com Inteligência Artificial e Machine Learning para avaliar milhões de informações públicas e abertas disponibilizadas na Internet, descobrir perfis de consumidores com alto potencial de honrar seus compromissos e ampliar a concessão de crédito. A eficiência deste tipo de solução pode aumentar até 20% a rentabilidade e ser utilizada por redes varejistas e instituições financeiras.
Toda a operação se dá a partir do desenvolvimento de um processo que realiza análises automaticamente e aprende com elas, tendo como base algoritmos que identificam padrões capazes de prever o comportamento dos usuários. E essa informação é extremamente útil para tornar a oferta de crédito mais assertiva e também para prevenir riscos. Ou seja, tornar o negócio mais lucrativo.
A transformação digital é, certamente, uma alternativa de tornar os diferentes departamentos de uma empresa eficientes. Com a concessão de crédito não é diferente. Automatizar o processo utilizando Inteligência Artificial torna o acesso às informações mais rápido e o resultado da análise mais confiável.
Hoje, há casos no qual é vendedor quem faz a consulta via plataformas móveis. Com o uso de um tablet ou um smartphone ele pode verificar se existem ou não restrições e gerar um cadastro com as informações necessárias para efetivação do crédito.
Com a automação, o processo analisa grande volume de informações e oferece resultados com muito mais velocidade e precisão. Desta forma, a organização diminui o risco de inadimplência, aumenta a rentabilidade da carteira, reduz fraudes, melhora a efetividade de cobranças e fideliza clientes. Enfim, tanto a empresa fornecedora de crédito quanto o cliente ganham com a automação.
Quer saber mais? Leia nosso E-book:
Será que a inteligência artificial está piorando a qualidade das pesquisas científicas? A pergunta é provocadora, não é? Ela me veio à cabeça quando li uma matéria na BBC News intitulada “AAAS: Machine learning 'causing science crisis” ou “Machine Learning causando crise na ciência”, em tradução livre.
O artigo começa dizendo que as técnicas de aprendizado de máquina usadas por milhares de cientistas de dados estão produzindo resultados enganosos e, muitas vezes, completamente errados. A Dra. Genevera Allen, da Rice University, em Houston (EUA), disse que o aumento do uso de Machine Learning está contribuindo para uma "crise na ciência".
Dra. Allen alerta que, se os cientistas não aprimorarem suas técnicas e metodologias, vão perder tempo e dinheiro. A pesquisa dela foi apresentada na Associação Americana para o Avanço da Ciência, em Washington (EUA). Como vocês podem ver, o texto realmente é muito chamativo e fui me aprofundar nos motivos pelos quais a Dra. Allen tem essa conclusão.
Allen afirmou que há uma crise de “reprodutividade”. Segunda ela, as respostas de pesquisas que usam IA como ferramenta provavelmente são imprecisas ou erradas porque o software está identificando padrões que existem apenas nesse conjunto de dados; e não no mundo real.
Ela continuou afirmando que “geralmente, esses estudos não são considerados imprecisos até que exista outro grande conjunto de dados em que alguém aplique essas técnicas e diga: ‘Oh, meu Deus, os resultados desses dois estudos são diferentes’".
A pesquisadora complementa com dados alarmantes: “‘A crise da reprodutibilidade’ na ciência refere-se ao alarmante número de resultados de pesquisa que não se repetem quando outro grupo de cientistas tenta o mesmo experimento. Isso significa que os resultados iniciais estavam errados”. E continua:
"Uma análise sugeriu que até 85% de toda
a pesquisa biomédica realizada no
mundo é um esforço desperdiçado”.
Realmente, apesar de não ser da área médica, tenho convicção que o mesmo ocorre em vários mercados. Há muitos artigos confiáveis e com credibilidade em relação aos seus dados, porém não é incomum que artigos sejam publicados com conclusões equivocadas porque os dados estão errados ou incompletos.
Na minha visão, historicamente, a comunidade científica já comete equívocos nos artigos com estatística tradicional mesmo. Tenho certeza que vão continuar fazendo com Machine Learning. À medida que a tecnologia vai ficando mais popular, ainda mais trabalhos passam a ser questionados.
Por isso, aqui na Neurotech, a gente acompanha de perto as competições de Machine Learning: é sempre a mesma base de dados (auditada) com uma série de pessoas tentando fazer o melhor algoritmo na mesma base.
Claro que isso não evita os erros, mas minimiza,
sim, a reprodutividade. Isso acontece porque as bases
de dados são independentes e controladas.
Diante de todo esse debate, tenho uma proposta produtiva para todos os envolvidos: pesquisadores de qualquer área e cientistas de dados. Proponho que artigos científicos passem a utilizar bases de dados auditadas que haja a necessidade da reprodução do experimento para publicação.
E aí? O que acham? Dra. Allen expôs uma verdade incômoda ou foi alarmista? A matéria foi equilibrada ou sensacionalista? E vocês, pesquisadores, o que pensam sobre isso? Vamos conversar!
Rodrigo Cunha - Sócio da Neurotech, empresa pioneira na aplicação prática de inteligência artificial no mercado varejista brasileiro.
O saudoso Chacrinha se foi há mais de 30 anos, mas a famosa frase "Quem não se comunica, se trumbica!" é perfeita para começar este artigo. Trumbicar-se é “Dar-se mal ou entrar pelo cano; estrepar-se, trombicar-se”, como pontuam os dicionários, e é exatamente o que ocorre quando cientistas de dados não conseguem transmitir o desenvolvimento de um projeto ou seus resultados. Por isso, mais do que nunca, saber expressar-se, contextualizar e compartilhar informações é uma habilidade necessária para quem quer trabalhar com projetos em inteligência artificial (e em qualquer outra área).
Vamos começar com exemplos práticos da Neurotech. Quando o trabalho é feito só por cientistas de dados que não evoluíram em suas habilidades de comunicação, o resultado é prejudicado. Problemas e avanços não são comunicados em seu devido tempo – às vezes sequer são comunicados, na verdade. Isso deixa o time, principalmente o comercial, e o cliente no escuro, fazendo com que todos os esforços feitos para resolver o problema sejam subestimados ou mesmo desconsiderados. Ou seja, no fim das contas, em vez de satisfação, o que ocorre é uma grande frustração porque, sem comunicação, não há visibilidade do que já foi feito nem do que está sendo feito.
Pior, a insatisfação é resultado de ambos os lados. De um lado o cientista de dados que trabalhou duro, virou noites para entregar o projeto e do outro lado a área comercial e o cliente que não conseguem ver o valor na entrega final.
Casos como os citados acima, infelizmente, não são incomuns, mesmo com projetos mais robustos. Há projetos longos, com investimento grande, com alto engajamento técnico, porém com baixa capacidade de comunicação – e, consequentemente, resultados abaixo do esperado. O contrário também é verdadeiro:
projetos com baixo investimento técnico
e alto grau de comunicação superam
expectativas, porque conseguem dar mais
visibilidade ao que está acontecendo.
Estes últimos geralmente são grupos que contam com pessoas das áreas de design e de comunicação. Então, uma das saídas é uma equipe multidisciplinar?
Sim, mas o cientista de dados não pode “se escorar” no colega de UX/UI, produtos e esperar que ele leve a comunicação nas costas. Todos os profissionais que querem trabalhar com inteligência artificial precisam priorizar a comunicação como habilidade em sua carreira, sobretudo os que, pela natureza da formação, tiveram menos tempo treinando essa competência.
Não são só empresas como a Neurotech que estão atentas à comunicação com um skill estratégico. Na Amazon, por exemplo, as ideias precisam ser explicadas de forma escrita antes de virarem protótipo. Destrinchar a proposição por meio de palavras induz a pessoa a organizar os pensamentos e adiantar a resposta a questões que, de outra forma, precisariam de reuniões e consumiriam mais tempo do que deveriam.
Isso sem falar que, mesmo não sendo da equipe comercial, todos nós “vendemos” o projeto, a empresa que representamos, as ideias que defendemos… e comunicar-se bem é essencial para que uma venda seja realizada. Na Neurotech, os memorandos têm sido usados cada vez mais para alinhar as expectativas e deixar todo mundo na mesma página.
Na foto acima, Sthephany Landry, líder do Prime Now. Ela precisou escrever a ideia do serviço antes de ter um protótipo.
Foto: Seattle Times
Na verdade, tudo isso também tem muito a ver com o lean startup e metodologias ágeis, já que esses processos terminam “forçando” a troca de informações de forma clara e útil. Como seria possível fazer entregas parciais e ir aprimorando o produto sem uma comunicação eficiente durante esses checkpoints dentro do projeto? Eu, Rodrigo, sempre falo que:
no caso da comunicação, precisamos
pecar pelo excesso. Falar, escrever,
falar de novo e depois
escrever mais uma vez.
É preciso sempre se perguntar se as pessoas envolvidas no produto/processo/projeto estão com a visão do todo, estão envolvidas, sabem da sua importância e, mais importante ainda, se sabem qual o impacto do seu trabalho na entrega de valor para o cliente final.
Uma das primeiras consolidações do significado de comunicação vem do cristianismo antigo, em que communicatio era o ato de tomar a refeição da noite em comum, quebrando o isolamento dos monges. E, até hoje, todas as palavras que orbitam no universo da comunicação (compartilhar, transmitir, trocar, conectar...) exprimem relação, especialmente entre pessoas. Mas a primeira boa relação de comunicação tem ser entre você e você mesmo(a).
Na EuEscrevo, novas trilhas de treinamento em comunicação e escrita estão começando com profissionais da área de teatro, para ajudar as pessoas a, primeiro, conseguirem se conectar com elas mesmas para, na sequência, conectarem-se com outras. Parece algo muito sentimental e abstrato, mas tem tudo a ver com resultados pragmáticos e corporativos: pessoas “travadas” (conscientes disso ou não) levam essa dificuldade para o dia a dia do trabalho, com as barreiras começando a se mostrar pela comunicação não verbal e através das reações a emoções.
A partir de você, as possibilidades de comunicação “plena” são inúmeras, seja escrevendo, fazendo uma apresentação, expondo um ponto de vista em uma reunião ou mesmo conversando. É óbvio que habilidades de comunicação não brotam magicamente só porque a gente diz “quero me comunicar melhor” ou “quero usar a comunicação para vender melhor”. É um processo cognitivo construído ao longo do tempo e, como qualquer outra habilidade, avança à medida que se treina.
No fim das contas, comunicação (ainda) é uma habilidade praticamente exclusiva do ser humano. É uma das vantagens competitivas que (ainda) temos em relação aos robôs. Mesmo os algoritmos mais avançados de inteligência artificial ainda correm atrás de tentar simular o modo como nos conectamos . Então, independente no nível em que está sua comunicação hoje, ela está sempre num ponto em que pode evoluir. Não deixe que sua alta capacidade técnica e/ou acadêmica isole você numa torre de marfim. O tempo de ser uma ilha e se esconder atrás da tela do computador já passou.
E aí, pessoal, vamos nos comunicar?!
Rodrigo Cunha - Sócio da Neurotech, empresa pioneira na aplicação prática de inteligência artificial no mercado varejista brasileiro.
Artigo escrito junto com Emidia Felipe, da EuEscrevo.