Inteligência Artificial para Negócios | 4 Pontos de Atenção no Uso de Inteligência Artificial - por Fabiano Castello

Artigos

12 Agosto, 2019

Nas minhas aulas e palestras mais recentes tenho utilizado o termo análise preditiva para me referir a inteligência artificial. Não apenas é uma das utilizações mais comuns como, também, é mais fácil de ser entendido. Inteligência artificial é um termo amplo, análise preditiva é mais tangível, ou seja, traz mais para o dia a dia o conceito. Tem funcionado muito bem! Juntamente com outras tecnologias, como por exemplo IoT, análise preditiva está ficando cada vez mais conhecida.

Conhecida mais ainda não popular, pelo menos não no sentido de ser uma ferramenta já amplamente utilizada, com padrões e metodologias estabelecidas. Mas é uma tendência e com certeza crescerá rapidamente. O Gartner afirma que poucas áreas terão maior potencial para melhorar o desempenho financeiro de uma empresa global do que a análise preditiva. Executivos também estão ávidos para adoção da tecnologia segundo Matt Reilly, principal executivo da Accenture. Segundo estudo desta consultoria, 88% dos executivos indicou inteligência artificial como uma das principais prioridades de suas organizações.

A questão é que falar é mais fácil que fazer, e existem alguns pontos de atenção que, se não corretamente endereçados, podem tornar inúteis iniciativias em análise preditiva, drenando recursos e não trazendo nenhum valor. Com base em aguns estudos que tenho feito no mestrado acadêmico, e também na minha experiência profissional, selecionei quatro pontos de atenção para comentar na coluna deste mês. São eles:

Achar que somente é possível começar depois de montar uma equipe cara, super especializada e difícil de encontrar 

Costumo falar em aulas e em palestras que a maioria das pessoas acredita que para trabalhar com inteligência artificial é preciso ter "um monte de nerds". De fato, existe uma parte do trabalho que realmente exige um conhecimento técnico de estatística e de computação. Mas num projeto de análise preditiva existem muitas partes envolvidas, e a maioria delas não é técnica, e muitas vezes analistas plenos podem participar dos projetos dando uma grande ajuda, especialmente na parte de obtenção e preparação das bases de dados que serão utilizadas. Na maioria das vezes uma consultoria especializada pode fazer o papel mais técnico, em colaboração com o time que já existe.

"Rendimentos passados não são garantia de lucros futuros"

Estamos bastante acostumados a ver esta frase em prospectos de bancos e corretoras. O fato de ter um passado não assegura o futuro. O conceito de análise preditiva baseia-se na suposição de que o comportamento futuro pode ser predito através da análise de comportamentos passados, ou seja, análise preditiva funciona bem em um ambiente estável em que o futuro do negócio provavelmente se assemelhe ao passado. Isto é verdade, exceto quando existem rupturas, que são cada vez mais comuns. O ponto principal é que de fato é possível usar o passado, mas é preciso usar com cautela. Existem técnicas estatísticas que permitem minimizar este tipo de risco, mas antes de mais nada mantenha-se atento às tendências crescentes da indústria ou a outros fatores que possam influenciar, por exemplo, o comportamento do consumidor (se este for o seu caso).

Viés de Confirmação

Outro ponto importante é interpretar vieses em favor de um resultado já esperado. É um dos erros mais comuns em projetos de análise preditiva. Falando na conferência Predictive Analytics World 2014 em Boston, John Elder, presidente da consultoria Elder Research, Inc., fez uma boa observação ao notar que as pessoas "frequentemente buscam dados para justificar nossas decisões", quando deveria ser de outra forma. Este é um assunto bastante estudado. Para mais informações a Wikipedia é um ótimo começo! 

Dados Inúteis ou Dados Demais

Não vincular os esforços aos processos operacionais pode levar a um gasto desnecessário de recursos. Note que nem estou falando aqui sobre qualidade e governança de dados (outro ponto importante e que vou tratar em breve). O risco de não selecionar os dados corretos é trabalhar muito para produzir mais dados, que vão demandar mais tempo para serem analisados, ao invés de gerar inteligência "actionable", ou seja, aquela que efetivamente podemos usar e que pode fazer diferença no negócio.

Quer compartilhar suas experiências, tem dúvidas ou comentários? Compartilhe comigo.
Abraços e até a próxima coluna.

* * *

O blog "Inteligência Artificial para Negócios" da Inova Business School é uma iniciativa de levar assuntos técnicos relacionados à novas tecnologias para a maioria das pessoas. Os assuntos em geral estão relacionados a big data, inteligência artificial, transformação digital, ciência de dados e DataViz. Você encontra mais informações, bem como o histórico de todas os posts, em fabianocastello.com. Para entrar em contato comigo use o email fabiano@inova.com.br ou acesse o qr-code abaixo.