Aprendizado de máquina: A jornada do conceito à realidade

Crédito: Esse texto é baseado em uma entrevista com Michelle K. Lee, Vice-Presidente da Amazon Web Services Machine Learning Solutions Lab.
Publicado em MIT Sloan Management Review em 3 de agosto de 2020

Cada vez mais a Inteligência Artificial (IA) está se tornando uma tecnologia acessível a empresas de quase todos os setores – como finanças, varejo, agricultura, saúde, manufatura- e tamanhos, e isso se deve a três motivos principais:

O primeiro é o aumento do poder dos computadores. Segundo: A redução no preço do armazenamento. E o terceiro é a computação em nuvem. Isso porque o aprendizado de máquina requer computadores extremamente poderosos para analisar grandes quantidades de dados e que são facilmente acessíveis. Por meio dos serviços em nuvem da Amazon Web Services (AWS), os computadores poderosos e o acesso aos dados de nuves estão agora disponíveis a todos.

A Domino’s Pizza e a NFL são exemplos de empresas que empregam o aprendizado de máquina para prever e tomar decisões.

A primeira usa a Amazon Personalize para prever o comportamento de compra e então entregar promoções e notificações personalizadas a seus clientes no ambiente online, podendo segmenta-las por horário para aumentar as chances de uma conversão.

A NFL (principal liga de futebol americano dos Estados Unidos) desenvolveu um conjunto de estatísticas e modelos de aprendizado de máquina usando seus dados históricos, por exemplo, para prever conclusões de passes. Então, quando o torcedor está assistindo ao jogo na TV, a NFL fornece estatísticas sobre a probabilidade de o jogador realmente pegar a bola enquanto a jogada se desenrola. Essas previsões, quase instantâneas, aprimoram a experiência do espectador e são ativadas pelos modelos de aprendizado de máquina combinados com dados em tempo real do campo.
É bom lembrar, no cenário atual, que isso é especialmente importante na área de saúde, onde é preciso tomar decisões melhores e mais rápidas. Além disso, com a IA é possível também acelerar a pesquisa e a descoberta de novos medicamentos e tratamentos.
No entanto, conforme mencionado, o aprendizado de máquina não é uma ferramenta a ser aproveitada somente por grandes empresas, pois toda e qualquer organização se beneficia ao prever, com exatidão, a demanda do cliente, sua cadeia de suprimentos, necessidades de estoque e personalizar seus serviços e produtos.

No entanto, uma inverdade sobre o aprendizado de máquina é que basta uma equipe de cientistas de dados para sua implementação. Na verdade, uma série de fatores precisa combinar-se para obter uma implementação de aprendizado de máquina bem-sucedida.

Sim, você precisa de cientistas de dados, seja em sua equipe, seja como consultores. Mas, de forma igualmente importante, você precisa identificar o uso de aprendizado de máquina certo para sua empresa – um que resolva um problema real e significativo, com retorno de investimento mensurável.

Você também precisa ter os dados necessários para dar suporte à criação, treinamento e teste do seu modelo de aprendizado de máquina. E certamente ajuda ter a aceitação do nível sênior para o projeto, de modo que não se torne um simples experimento científico, mas que tenha o respaldo para resolver um problema real de negócios e incorporado à fibra do negócio.

Dessa forma, são necessárias funções de cientistas de dados, engenheiros de dados, desenvolvedores de software e gerentes de programas técnicos. Ou seja, uma variedade de habilidades é necessária e a chave para as empresas é que façam uma análise dessas habilidades para identificar as lacunas antecipadamente. Por serem temas relativamente novos, existe uma escassez de pessoas aptas a trabalhar com análise de dados e aprendizado de máquina. Isso significa que uma empresa provavelmente não será capaz de contratar todos os funcionários necessáros, então talvez deva se concentrar no treinamento da força de trabalho atual.

Comentários