book_icon

Machine Learning: Aprendizado inteligente e acelerado

Mercado de Machine Learning, inclusive como serviço na nuvem (MLaaS), deve alcançar quase US$ 20 bilhões até 2025, promete facilitar a vida de empresas e pessoas, e já encontra aplicações variadas – inclusive na palma da sua mão
Machine Learning: Aprendizado inteligente e acelerado

Não é mais futurologia: a Inteligência Artificial (ou Cognitiva) já está em variados produtos e serviços para empresas e consumidores. É um mercado que alcançará US$ 12,5 bilhões em receitas até o fim de 2017, segundo projeções do IDC. Um salto de 59,3% frente a 2016, provando que o terreno da tendência foi deixado para trás. Até 2020, o avanço será de 54,4% anuais, alcançando a incrível marca de US$ 46 bilhões.

A inteligência artificial, no entanto, tem forçado uma busca por capacitação de revendas mais antigas, que precisam estar prontas a oferecer não só uma nova tecnologia, mas uma nova forma de automatizar

Muito desse montante se deve, sem dúvida, à computação em nuvem. Outro estudo, desta vez da Transparency Market Research, mostrou que o mercado global de Machine Learning como serviço (MLaaS) deve crescer de pouco mais de US$ 1 bilhão em 2016 para US$ 19,8 bilhões em 2025, 38% de crescimento médio ao ano.

“Quando falamos de ML, é preciso entender que se trata de subconjunto [de soluções] dentro de Inteligência Cognitiva”, explica Guilherme Procópio de Araujo, líder de Watson na IBM do Brasil. A oferta da companhia – assim como de outros gigantes do setor, como AWS (Amazon), Google e Microsoft – é baseada em APIs (sigla em inglês para Interfaces de Programação de Aplicação) disponíveis em marketplaces na nuvem. Quase sempre com um período inicial gratuito para experimentação.

Guilherme Procópio de Araujo, da IBM

Mercado

“Nossa oferta se baseia em APIs na nuvem, e cada uma vai ter um uso para um tipo de produto específico, de acordo com a tarefa”, continua Guilherme. “É preciso treinar aquela API em determinado domínio – se eu quero que ela distinga cores ou responda perguntas sobre arte, por exemplo. Vou dando informações e feedback e ela vai ganhando confiança.”

As empresas oferecem tanto APIs prontas, já “treinadas”, nas lojas online – Bluemix da IBM, Azure da Microsoft, e Google Cloud, entre outras – como plataformas para desenvolvimento de aplicações mais personalizadas, todas em regime de “pague o quanto usar”. Preços mais acessíveis, dizem, facilitam a entrada principalmente de startups e empresas inovadoras.

“São muitas startups. Elas se movem muito rápido”, conta Michel Ferreira, engenheiro de soluções do Google Cloud. A linguagem única nas lojas facilita a exploração de mais recursos além dos disponíveis nas APIs, diz o especialista. “Temos vários canais cadastrados e especializados em ML. Ao invés do cliente ter um cientista de dados, contrata uma startup para implementação.”

A Microsoft tem oferta semelhante e utiliza tanto a estrutura de canais consagrada como a venda direta. São cerca de 20 APIs ofertadas gratuitamente para testes, incluindo reconhecimento de voz e vídeo. A inteligência artificial, no entanto, tem forçado uma busca por capacitação de revendas mais antigas, que precisam estar prontas a oferecer não só uma nova tecnologia, mas uma nova forma de automatizar.

“Quando se pensa em desenvolvimento, as startups se destacam. Mas muitos clientes também estão criando projetos internamente, e temos recrutado parceiros fora dos tradicionais para trazer mais competências”, conta Roberto Prado, diretor de nuvem da Microsoft Brasil. “Nosso objetivo é democratizar a MLaaS. A revenda pode explorar recursos tanto na nuvem como on premisses, de acordo com o cliente.”

João Cerqueira, da ServiceNow

Incorporação

Claro que as APIs não são a única estratégia possível no mundo do aprendizado das máquinas. A ServiceNow, que no Brasil faz 50% da receita com vendas indiretas, incorpora Machine Learning como um componente em todas as soluções da plataforma de automação para empresas, movimento que foi acelerado a partir de janeiro de 2017, com a aquisição da DxContinuum.

Há, por exemplo, soluções de e-commerce em que a suíte monitora e identifica determinados eventos para prever quedas de performance em um dia da semana ou operação específica, por exemplo, alertando sobre pontos de fraqueza e dando instrumentos para evitar ou corrigir erros. Pode ainda prever a necessidade ou renovação de contratos próximos do vencimento, ou calcular a mão de obra temporária em uma fazenda conforme as safras de uma cultura específica se aproximem.

“Os algorítmos aprendem e dão respostas, cruzando eventos e contextos”, explica João Cerqueira, diretor de consultoria de soluções da ServiceNow para a América Latina. “Eles buscam reduzir riscos quanto a qualidade do serviço, não só identificando eventos, mas também contextualizando respostas.”

Abordagem semelhante, com foco em uso de dados corporativos para predições e insights, é adotada pela Unisys. A plataforma da empresa utiliza uma biblioteca de algoritmos de ML para gerar relatórios, previsões e recomendar ações futuras. “As organizações em quase todas as indústrias estão abraçando análises avançadas conforme começam a perceber as vastas oportunidades e os impactos que Machine Learning pode trazer para resolver problemas complexos de negócios”, diz Mark Loucks, cientista de dados sênior da Unisys.

Para o executivo americano, a adoção deste tipo de recurso é acelerada principalmente em indústrias que trabalham com altos níveis de risco, como a financeira e o varejo.

E onde estão as aplicações?

Se entender o modelo de negócios mostra o tamanho da aposta dos fabricantes, conhecer casos de uso permite descobrir porque o futuro realmente chegou. Há ao menos dois pontos em comum para a grande maioria das soluções de Machine Learning: a automatização de processos repetitivos de trabalho ou a extração de padrões de comportamento, de forma a prever incidentes.

Call centers e autoatendimento, por exemplo, costumam ser estruturas caras e, ainda assim, com altos índices de reclamação. A IBM está usando o Watson para digitalizar a interação com clientes e melhorar o atendimento. A Cortana, da Microsoft, é usada em drivethrus do McDonald’s nos EUA – o robô recebe e processa o pedido, o que fez cair o número de erros.

Michel Pereira, do Google

O Google, por sua vez, está aprimorando o processamento de linguagem natural e imagem ao ponto de reconhecer sentimentos positivos, negativos ou neutros, e a intensidade de cada um, como forma de munir alguém com informações sobre um interlocutor, melhorando a abordagem. Outro cliente do Google utilizou o Translate para entrar no Brasil sem precisar traduzir o site – a API faz isso simultaneamente ao acesso apenas identificando o país do usuário.

No meio jurídico, há escritórios com “advogados virtuais” baseados em Watson para processar o enorme volume de dados e padronizar a interpretação de leis, aumentando a eficiência e a rapidez da análise de processos. O robô “lê” uma peça jurídica e dá insights, embasando decisões.

Médicos estão usando o Watson também para diagnósticos, analisando prontuário e histórico médico e sugerindo tratamentos alternativos para pacientes desacreditados. Um cliente do Google no Japão usa um robô que aprendeu a avaliar preços de carros. A ferramenta usa as fotos do veículo e confere um preço compatível. A DataZAP, empresa de inteligência imobiliária do ZAP Imóveis, desenvolveu uma plataforma chamada Quanto Vale? que usa Machine Learning da Microsoft para estimar preços de imóveis de acordo com as características individuais e os históricos dos anúncios.

Em se tratando de processos de negócio, a SulAmérica treinou um robô do Google para automatizar os pedidos de reembolso. É ele quem analisa recibos e documentação, reduzindo o tempo de pagamento de 15 para apenas dois dias, um incremento de sete vezes. Instituições financeiras e de varejo utilizam soluções de leitura de imagem para verificar documentos para cadastros ou abertura de contas, sem processos manuais.

Há um caso de cliente que usa ML para leitura e compilação de publicações de interesse no Diário Oficial. Outro evita que usuários mal-intencionados façam upload de conteúdo adulto em um site. O próprio Google utiliza o recurso internamente para encontrar horários compatíveis e a sala mais próxima para os participantes de reuniões.

Até o Gmail, aplicativo popular entre usuários finais, incorporou recursos para a leitura de mensagens e sugestão automatizada de respostas, dispensando ao usuário o trabalho de digitar. Ou seja, tem Machine Learning na palma da sua mão e você nem notou.

As opiniões dos artigos/colunistas aqui publicados refletem exclusivamente a posição de seu autor, não caracterizando endosso, recomendação ou favorecimento por parte da Infor Channel ou qualquer outros envolvidos na publicação. Todos os direitos reservados. É proibida qualquer forma de reutilização, distribuição, reprodução ou publicação parcial ou total deste conteúdo sem prévia autorização da Infor Channel.