O papel da Inteligência Artificial no Metaverso

Ainda pode ser difícil criar máquinas com aparência humana que dominarão o mundo real. No entanto, em um mundo onde tudo é digital, não será difícil criar agentes auto-replicantes inteligentes que possam enviar e aprender com seu ambiente e evoluir para assumir seu ambiente. O metaverso fornecerá exatamente isso.

Décadas atrás, O Poderoso Chefão da IA, Marvin Minsky, introduziu o conceito da sociedade da mente, onde nossos processos cognitivos e arquitetura cognitiva não estão confinados a um lugar específico e não são processos isolados; são os comportamentos coletivos de muitos conceitos sutilmente arraigados de que nossas mentes são capazes. Obviamente, a inteligência, quando poluída com traços negativos como ganância, avareza e vingança, pode se tornar uma maldição para a humanidade.

Embora este não seja um conceito novo no domínio da IA, ele assume grande importância, uma vez que nossos cérebros são redes massivamente complexas de centenas de bilhões de neurônios que estão em constante comunicação uns com os outros. É o que ajuda os humanos a entender o que está acontecendo. Os neurônios começam a desencadear e responder a uma infinidade de reações em ritmo acelerado, estabelecendo padrões dentro do cérebro que posteriormente decidem o curso das ações a serem executadas por nossa mente e corpo em perfeito uníssono. Historicamente, os especialistas em IA tentaram replicar esse processo usando redes neurais artificiais (ANNs), mas isso é um mero truque baseado em software para simular o cérebro humano.

Mudanças e possibilidades

Agora tudo está mudando rapidamente à medida que o design do hardware está começando a fazer a transição, com o avanço da computação neuromórfica na qual as arquiteturas tradicionais de semicondutores estão sendo interrompidas e reprojetadas para imitar a estrutura do cérebro humano, onde o processamento e a memória estão sendo combinados em uma unidade, a estrutura neural que Marvin Minsky criou e muitas outras estruturas estão lentamente se tornando realidade do ponto de vista do hardware. Isso, por sua vez, já está tornando a IA mais rápida, melhor e mais geral. Isso é incrivelmente empolgante porque, se usado corretamente, produzirá aplicativos que são incrivelmente inteligentes e podem eventualmente substituir a inteligência geral em nível humano.

Isso é particularmente relevante para o metaverso, que não será apenas um lugar onde humanos usando avatares estão interagindo com outros humanos usando avatares em um espaço 3D virtual, mas será potencialmente o primeiro lugar e a chance onde agentes artificialmente inteligentes podem finalmente exibir um comportamento quase humano, sem as limitações físicas de construir um robô humanóide “real” no mundo real. Com os avanços na IA, e especificamente na computação neuromórfica, que está acelerando a abordagem da inteligência artificial geral (AGI), podemos testemunhar um metaverso em que uma IA é indistinguível de um humano!

A IA suprindo o Metaverso

A inteligência artificial é um dos pilares sobre os quais o metaverso está sendo construído. Começando com o processamento de dados gerados pelo usuário, continuando com modelos generativos de IA que criam ambientes virtuais fotorrealistas e avatares que se assemelham aos usuários, além da capacidade de reconhecer movimentos corporais e, assim, tornar a experiência do metaverso mais natural.

Mas a IA também dará nova vida aos personagens digitais que povoam os mundos virtuais, como personagens não humanos e assistentes pessoais, e permitirá que todos se entendam em seu próprio idioma traduzindo a fala simultaneamente.

Mas o que é Metaverso?

Podemos considerar o metaverso como uma série de ambientes digitais com vários níveis de imersão – desde um simples navegador ou smartphone, até ambientes de realidade totalmente virtual – permitindo a interação entre muitos usuários. O metaverso, no entanto é mais que um videogame multiusuário, pois assume um papel tão importante e envolvente para representar uma peça totalmente nova da existência humana ou, se preferir, uma camada digital que se sobrepõe e se interconecta com o físico.

Um dos elementos fundamentais desse novo ambiente serão as interações que teremos com outros usuários, o que nos levará a investir recursos – tempo, sim, mas também recursos financeiros – para melhorar nosso status e nossa experiência no mundo digital. Compraremos bens e serviços digitais, talvez na forma de NFTs, de empresas e outros usuários, alimentando uma economia paralela, mas interligada.

Poderemos assumir outras identidades além da física, que em alguns casos pode ser mais gratificante e envolvente do que a que já temos: pense no personagem de William Dafoe no filme eXistenZ, de 1999, que era um frentista no mundo da vida real, mas uma divindade na realidade digital. Na verdade, isso é algo que já vem acontecendo há anos com os MMORPGs, Massively Multiplayer Online Role-Playing Games, onde milhões de pessoas trocam suas roupas cotidianas para se tornarem magos, guerreiros, elfos, e onde muitos gastam uma fortuna comprando bens digitais e serviços que são úteis apenas para o jogo.

Casos de uso de IA para o metaverso

A inteligência artificial dará suporte fundamental ao metaverso, simplificando o acesso das pessoas aos ambientes digitais, além de auxiliar na geração de conteúdo e na interação entre humanos e mundos virtuais. Segue alguns dos casos de uso mais importantes.

Segurando tudo junto

Para o metaverso existir, servidores e sistemas de rede precisam estar funcionando. Como as empresas que hospedam MMORPGs (como World of Warcraft ou Elder Scrolls Online) estão bem cientes, executar uma infraestrutura que pode hospedar simultaneamente mais de meio milhão de usuários todos os dias requer esforços titânicos em termos de recursos computacionais.

É precisamente por isso que a Meta revelou recentemente o AI Research SuperCluster (RSC), um dos supercomputadores de IA mais poderosos do mundo. Conforme afirma a empresa, uma das tarefas do supercomputador será cuidar do metaverso, ou seja, manter os mundos digitais em funcionamento e hospedar as atividades de milhões de usuários, mesmo simultaneamente, sem lentidão ou problemas de recursos.

A inteligência artificial também será usada para escanear e processar em tempo real a enorme quantidade de dados produzidos a cada segundo pelas atividades dos usuários no metaverso da empresa, para viabilizar outros casos de uso.

Criando ambientes virtuais

Um mundo digital requer a presença de lugares digitais, como em quartos ou vilas ou colinas gramadas, para permitir que quem os ocupa naquele momento se movimente, interaja com o ambiente e realize as diversas atividades permitidas por aquele determinado lugar, seja ele seja uma sala de reuniões imersa em uma paisagem montanhosa, um cometa no espaço mais profundo ou uma reprodução de Minas Tirith. Mas enquanto no passado para a construção desses ambientes digitais tivemos que agradecer a equipes de desenvolvedores que criaram semi-manualmente cada peça, desde as colinas até o mar, colocando árvores ou móveis arrastando-os com o mouse, sem mencionar a criação se os pisos e objetos tiveram a colisão certa (quem não caiu pelo mundo por causa de uma colisão perdida em um ponto do mapa), amanhã será um modelo generativo de IA que criará tudo isso, com pouca intervenção humana.

Será capaz de criar ambientes que realmente existem no mundo físico, gerando com realismo impressionante a cena 3D a partir de fotografias, permitindo assim recriar com precisão qualquer lugar existente no mundo, do Coliseu aos jardins da Alhambra em Granada, para a varanda da nossa casa de praia.

A IA também será capaz de gerar lugares completamente inventados. Pode começar com algumas entradas de um desenvolvedor, mas então o aprendizado por reforço assumirá o controle e os algoritmos projetarão mais lugares que são cada vez mais confortáveis ​​​​ou agradáveis ​​​​para usuários humanos. A IA poderia analisar quais ambientes parecemos gostar mais, ou relaxar mais, extraindo suas características e continuar experimentando criando lugares ainda mais divertidos ou ainda mais relaxantes. Refinando a técnica a cada iteração até que as áreas perfeitas sejam criadas para nossas exigentes necessidades humanas.

Permitindo a você fazer seu próprio avatar

Embora no metaverso potencialmente ninguém saiba quem você é, haverá situações – como reuniões de negócios hospedadas no metaverso – em que se disfarçar atrás de um apelido e uma máscara de Salvador Dali pode não ser um comportamento comumente aceito. Nesses ambientes será necessário, e útil, estar presente não apenas com o nome real, mas também com um avatar que se pareça o máximo possível conosco. A inteligência artificial também pode ajudar aqui, com modelos que analisam nossas fotos e recriam um avatar 3D à nossa imagem e semelhança.

Mapeando os movimentos do corpo

Se você já passou algum tempo em Realidade Virtual (RV), sabe que as interfaces atuais não são as melhores. Isso perde o objetivo de manter as pessoas no metaverso pelo maior tempo possível ou fazer com que elas façam login com a maior frequência possível. Portanto, um objetivo é tornar as interações de RV mais naturais, permitindo que as pessoas realizem tarefas tão facilmente quanto pegar um objeto ou acenar com a mão. Para isso, a inteligência artificial verá os movimentos do nosso corpo, capturando-os através de sensores de diferentes tipos, transformando-os em ordens ou movimentos do avatar.

Levantar a mão para cumprimentar alguém deve ser tão simples quanto no mundo físico, sem segurar nenhum controle na mão, e abrir ou fechar um painel virtual deve ser fácil e imediato, com a IA interpretando corretamente todos os seus movimentos.

Mas o reconhecimento não para por aí. A IA também poderá copiar nossas expressões faciais no avatar, para que nosso sorriso também seja o sorriso do avatar, transferindo cada vez mais expressões – franzir a testa, bocejar, surpresa, piscar etc. – para nosso gêmeo digital, para fazer nossa transposição do mundo físico para o digital é o mais realista possível.

Dando vida aos habitantes digitais do metaverso

Em um mundo digital, precisamos de pessoas digitais. Como já sabemos, a inteligência artificial agora é capaz de realizar discussões, interpretar corretamente as entradas e produzir saídas adequadamente correlacionadas, dando a impressão de entender o que está sendo dito e poder responder. Essa capacidade, alcançada por meio de grandes modelos de linguagem, dos quais o GPT-3 é um exemplo entre muitos, pode ser incorporada aos diversos agentes digitais que povoarão o metaverso para produzir assistentes ou acompanhantes virtuais altamente realistas.

Nos jogos online, esses agentes são chamados de NPCs (Non-Playing Characters), ou seja, elementos que geralmente são graficamente semelhantes aos avatares dos usuários, mas estão lá apenas para realizar algumas tarefas simples, como iniciar uma missão, distribuir recompensas, fornecer informações ou fazer algo por razões estéticas (por exemplo, passear). Ao longo dos anos, alguns jogos fizeram com que esses agentes digitais assumissem tarefas um pouco mais complexas, como seguir o jogador em aventuras e lutar ao lado dele. Mesmo assim, esses ‘companheiros’ não mostram grandes sinais de inteligência.

No metaverso, graças à IA, esses NPCs ou assistentes pessoais assumirão um disfarce completamente novo, realizando ações “inteligentes” e tarefas muito mais complexas. Imagine um assistente digital ajudando usuários iniciantes a se movimentar e explorar o metaverso, reconhecendo seus erros e sugerindo maneiras de corrigi-los. Ou imagine uma secretária digital recebendo mensagens enquanto estamos em uma reunião no metaverso, notificando-as apenas quando a reunião terminar.

Como acontece com vários aplicativos de smartphone, vamos imaginar uma área do metaverso onde os personagens virtuais estão lá como amigos ou até companheiros, com quem conversar, contar nossos problemas ou com quem entreter uma ‘amizade romântica‘. Não vamos nos surpreender com isso: a capacidade da IA ​​de criar representações humanas fotorrealistas, juntamente com a capacidade de entreter conversas de profundidade particular, tornará o romance digital um “prazer culpado” mais difundido em um futuro não tão distante. O metaverso também pode hospedar isso.

Facilitando as traduções simultâneas

A tradução em tempo real é um dos casos de uso que dedicará parte de seu supercomputador especificamente para essa atividade. A ideia aqui é permitir que grupos de pessoas de diferentes países, cada um falando um idioma diferente, falem e se entendam em tempo real. Para isso, o modelo de inteligência artificial precisará primeiro reconhecer o idioma falado por um usuário, interpretar cada palavra e reconhecer o significado, traduzi-lo corretamente para o idioma falado pelo outro interlocutor e gerar o texto traduzido em formato de áudio, talvez com a mesma voz do primeiro interlocutor (um deepfake de áudio precisaria ser usado para simular a voz).

Tudo isso já é possível em teoria. Na prática, requer recursos massivos, especialmente se você quiser fazê-lo em tempo quase real e na escala que o metaverso exige. Mas a Meta já direciona recursos para lá há algum tempo. Em 2019 lançou o Wav2vec, para reconhecer estruturas de fala diretamente do áudio bruto sem a necessidade de texto transcrito. Em maio de 2021, demonstrou que o aprendizado de máquina não supervisionado poderia reconhecer a fala melhor do que outros métodos, enquanto em novembro do mesmo ano seu modelo de tradução multilíngue superou outros modelos bilíngues em uma competição de tradução automática.

Agora sabemos que todos esses esforços de pesquisa, que começaram anos atrás, tinham como objetivo encontrar uma maneira de pessoas de diferentes países falarem juntas em suas línguas nativas, e que melhor caso de uso do que o metaverso para colocar esse projeto em prática.

Provendo algoritmos que aumentam o engajamento e a presença

Mesmo no metaverso, métricas como engajamento, tempo de atividade, frequência de login e assim por diante serão cruciais para empresas que hospedam ambientes e conteúdos digitais. Assim como todas as redes sociais hoje estão pressionando para nos manter o maior tempo possível em seus sistemas, o metaverso também apresentará algoritmos de recomendação e seleção de conteúdo que farão tudo ao seu alcance para nos mostrar o que mais nos interessa.

Esta é uma situação muito familiar: quando estamos entediados já entramos nas redes sociais para ver o que está acontecendo, para ler algo novo, para conversar com nossos contatos ou – mais frequentemente – porque alguma notificação nos incitou a fazê-lo. E quando abrimos o aplicativo ou o site, vários algoritmos estão em ação para nos impedir de nos desconectarmos muito rapidamente.

O mesmo se aplicará ao metaverso, apenas intensificado pelo fato de entrarmos em um ambiente imersivo, onde os algoritmos se beneficiarão de um maior grau de atenção de nós, pois alguns de nossos sentidos mais importantes (visão, audição e até tato) serão ser totalmente abandonado à experiência imersiva. Os modelos de IA serão capazes de cercar nossos sentidos, provocar nosso interesse e, finalmente, capturar nossa atenção com muito mais eficácia do que uma simples tela de smartphone.

Se você passa algum tempo em realidade virtual, pode estar acostumado ao fato de que uma hora parece passar mais rapidamente, não fosse pelos dispositivos de RV de hoje que ainda são muito volumosos e pesados ​​no rosto. Quando for fisicamente mais fácil mergulhar no metaverso, e quando os desajeitados sistemas que regulam os conteúdos forem mais sofisticados e inteligentes, desengajar-se dessa nova existência digital certamente se tornará mais difícil. A IA, infelizmente, será mais uma arma que as empresas usarão para nos convencer a nos mantermos conectados o máximo possível. Para piorar, já se acredita que o metaverso será um lugar cheio de marketing e manipulação.

Moderando e identificando comportamento prejudicial

Como já relatado em algumas notícias, o metaverso não está livre de problemas tipicamente humanos, como assédio ou bullying. Esses são desafios que todas as plataformas precisam enfrentar, pois não querem que seu projeto grandioso seja arruinado pelo assediador ao lado.

A inteligência artificial já ajuda os moderadores humanos a interceptar e examinar comportamentos suspeitos; no metaverso, esses controles só aumentarão. Não esqueçamos que na realidade virtual cada movimento do nosso avatar pode ser facilmente registrado e documentado, assim como cada palavra que dizemos ou ouvimos. À medida que a imersão e a sofisticação dos dispositivos aumentam – pense nos rastreadores corporais aos quais nos referimos anteriormente – os pontos de dados que podem ser interceptados e analisados ​​pela IA só aumentarão.

Com essa quantidade de informações, não seria impossível criar modelos que calculassem a probabilidade de que o assédio esteja acontecendo (ou esteja prestes a acontecer). Se houvesse dados suficientes, bastaria analisar todos os comportamentos ocorridos antes, durante e após as denúncias de assédio para criar um modelo que pudesse reconhecê-los ou predizê-los com boa precisão.

Um sistema, hipotético no momento, que seria potencialmente muito útil para permitir que todos usufruíssem de uma experiência digital sem perturbações ou ofensas, mas que também levanta várias questões, como o grau de intrusão que estamos dispostos a permitir nas nossas interações digitais privadas.

Considerações Finais

O metaverso veio para ficar, está apenas nascendo e tem muito a ser feito para o melhor aproveitamento de todos, seja pelas empresas que estão envolvidas nos projetos, seja pelas marcas estão divulgando e vendendo produtos e serviços nesse novo canal de mídia digital, seja com os usuários aprendendo, jogando, se divertindo e até mesmo trabalhando nesse novo ambiente. E a inteligência artificial é um pilar fundamental para sustentação de tudo isso, somado à segurança digital e outras tecnologias.

Referências

Observação: a maioria do texto deste artigo, trata-se de uma tradução e adaptação destes posts:

  • How will AI power the metaverse?, by Luca Sambucci – Feb., 2022 (Artificial Intelligence News)
  • Will artificial intelligence dominate the metaverse?, by Jun, 2021 (LinkedIn)
  • Artificial Intelligence in the Metaverse: Bridging the Virtual and Real, dez/2021 (XR Today)

Artigos relacionados

Data Driven Marketing

Recentemente tive o privilégio de participar como um dos autores do livro “Trends MKT na Era Digital: o Futuro do Marketing“, com o capítulo 4 sobre Data Driven Marketing, organizado por Martha Grabriel, Rafael Kiso e Luciano Kalil. E ainda este mês aceitei o convite da minha amiga Martha para ministrar uma palestra sobre este tema no evento Digitalks Executive que aconteceu presencialmente no auditório da Unibes Cultural em São Paulo e que foi simultaneamente transmitido online, aberto para todos os interessados. Neste post quero fornecer alguns insigths introdutórios esperando contribuir com todos os que estudam ou praticam marketing digital em agências e em empresas.

Introdução

Em 2021 dos quase 20 bilhões foram investidos em publicidade no Brasil pelas grandes agências, 33,5% foram em mídias digitais. Percentual maior que os 26,7% de 2020. Ou seja, o marketing digital cresceu consideravelmente desde seu início de atuação, quando muitas destas agências quase não acreditavam no seu poder.

A evolução do marketing digital

Esta linha do tempo que segue, mostra claramente a evolução do marketing digital e tecnologias relacionadas, ele acompanhou a mudança do comportamento do consumidor e sua relação com as mídias e as marcas. A realidade é que a concorrência aumentou, o consumidor ficou mais exigente e o marketing precisou evoluir para atendê-lo melhor em sua jornada e experiência de consumo.

A evolução dos sistemas de marketing

A partir de 2003 (nos estados unidos e poucos anos depois por outros países, que incluem o Brasil), o marketing digital começou com o envio de e-mails e SMS em lote.

A partir de 2007 surgiram os canais digitais, ou seja, a Web, seguido das Mídias sociais e Mobile, cujo foco do marketing era a personalização.

Em 2010 iniciou uma visão unificada mapeando a jornada do cliente com foco numa análise preditiva, ou seja, mais orientada a dados.

A partir de 2013 a experiência do cliente ganhou relevância, com uma visão omnicanal, buscando maior interação com o cliente.

E de 2016 para cá a orientação a dados, junto com a inteligência artificial possibilitou um engajamento em tempo real, com chatbots, notificações via Apps e outros recursos que permitiram um marketing mais ágil e iterativo, com melhor relação causa-efeito, ROI mais preciso, menos desperdício de chumbo nas campanhas, e como consequência clientes mais satisfeitos e engajados.

O diagrama que segue mostra esta evolução.

Mas afinal o que é data driven marketing?

Data Driven Marketing (DDM), ou Marketing orientado a dados, consiste no uso de estratégias e táticas de marketing, obtidos a partir de insights baseados em grande volume e/ou variedade de dados de consumidores e do mercado, coletados a partir de diversas origens e formatos e analisados apropriadamente via algoritmos adequados.

O desafio de alta complexidade do data driven aos profissionais de marketing tem o potencial incrível de: alcançar o usuário certo, na hora certa, com a mensagem certa, no lugar certo e motivá-lo para uma ação adequada.

Além disso, o DDM fornece ao gestor melhor atribuição de causa-efeito dos resultados das campanhas publicitárias.

A distância entre o desejo e a capacidade de ter um DDM

Uma pesquisa recente da Leap (KPMG & Distrito) aponta que 98% dos executivos brasileiros consideram o uso de dados uma ferramenta essencial para o setor de marketing de crescimento.

Porém vemos que ainda há uma lacuna entre desejo e capacidade, pois ao consultar nas estatísticas de registro.br o número de domínios Internet registrados até 21 de junho de 2022 no Brasil, obtivemos 4.965.192 (aproximadamente 5 milhões). Por outro lado, ao consultar o número de sites que tem o google analytics instalado e operante nesta mesma data, obtivemos apenas 847.681 sites (menos de 1 milhão), ou seja, temos apenas aproximadamente 17% das organizações brasileiras com domínio registrado usando o Google Analytics atualmente. Usou-se o Google Analytis para comparação por saber-se que se trata de uma ferramenta básica, utilizada pela maioria dos profissionais de marketing digital que acompanham as estatísticas (métricas) de acesso e uso dos sites que acompanham. Comparações similares poderiam ser feitas com ferramentas focadas em análises de perfis de mídia social e mobile das empresas.

Além disso, temos uma diferença crescente no tempo entre a coleta de dados e o entendimento sobre eles nas organizações. Nos dois gráficos da imagem que segue, podemos ver claramente esta diferenças. A esquerda vemos uma grande lacuna, cada vez maior na linha do tempo em empresas típicas, e a direita vemos que organizações orientadas a dados e IA, com maior entendimento e por consequência maior e melhor uso dos dados em suas decisões organizacionais.

Marketing tradicional versus orientado a dados

Nas empresas tradicionais os poucos critérios de segmentação usados, geralmente demográficos, são selecionados pelos gestores com base em opinião e dados superficiais.

Em DDM, os critérios de segmentação são muitos, derivados de inteligência baseada em dados, podendo ser qualquer comportamento, característica ou interação, desde que indique um segmento com semelhanças comportamentais específicas e seja preditivo nos resultados. A classificação e priorização dos clientes ocorre em tempo real.

As diferenças podem ser melhor vistas nas linhas e colunas da tabela que segue.

Benefícios e desafios do DDM

Entre os benefícios destaca-se:

  1. Personalização (melhores campanhas e CX)
  2. Clareza (mais e melhores dados e entendimento sobre os clientes)
  3. Experiência do cliente
  4. Experiência multicanal (facilitada pela integração dos dados dos canais)
  5. Integração com vendas e TI (colaboração)
  6. Desenvolvimento de produto (entendendo melhor o cliente e suas necessidades)
  7. Facilitação de testes A/B

E como desafios destaca-se:

  1. Equipe (mentalidade e habilidades data driven, treinamento no uso de plataformas e ferramentas, conexão com cientistas e engenheiros de dados, …)
  2. Compromisso (de todo o pessoal de Marketing em todos os níveis)
  3. Integração (dados integrados de alta qualidade)
  4. Disponibilidade de Dados (nem sempre facilmente acessíveis, principalmente em B2B)
  5. Ferramentas e Plataformas adequadas

Aplicações de IA de uso no marketing

Dados são fundamentais para aplicações que se utilizam de algoritmos de aprendizado de máquina (machine learning), aprendizado profundo (deep learning) e outros facilitadores da inteligência artificial (IA) treinados para gerar modelos que são testados. Estes modelos permitem que as aplicações processem novos dados realizando classificações, agrupamentos, predições, etc. Segue uma lista das aplicações mais comuns de DDM que se utilizam da IA no marketing:

  • Chatbots para desenvolvimento de leads, suporte ao cliente e venda cruzada ou upselling.
  • Análise e encaminhamento de chamadas de entrada (inbound call).
  • Comentários do cliente e análise, classificação e resposta de e-mail.
  • Automação de campanha de marketing (incluindo e-mails, geração de página de destino e segmentação de clientes).
  • Análise do mix de marketing.
  • Merchandising de produtos on-line.
  • Precificação
  • Recomendações de produtos ou serviços e ofertas altamente personalizadas.
  • Compra de anúncios digitais programáticos.
  • Pontuação de leads de vendas.
  • Planejamento, compra e execução em mídia social.
  • Análise de sentimento na mídia social.
  • Posicionamento de anúncio de televisão (parcial).
  • Geração de narrativa de análise da web.
  • Operação e otimização do site (incluindo testes A/B e outros).

Considerações finais

O marketing tradicional evoluiu para incluir o digital e ampliar os canais para atender os usuários, clientes e consumidores de forma mais interativa e personalizada. O marketing digital evoluiu para orientado a dados, incluindo as estratégias, técnicas, plataformas e ferramentas, além é claro de pessoas habilitadas para fazer o trabalho com mais agilidade, precisão e métricas. Isso permitiu aos gestores de marketing gerenciarem melhor e explicarem melhor os resultados mais bem sucedidos obtidos em suas campanhas publicitarias. Para conseguir isso é preciso criar uma cultura corporativa e mentalidade de gestão orientada a dados.

Autor

Nei Grando – diretor executivo da STRATEGIUS, é consultor e palestrante em estratégia, inovação, transformação digital, organizações exponenciais e cidades inteligentes; pesquisador em inteligência artificial; conselheiro de empresas e mentor de startups. Autor do blog neigrando.com – Mestre em ciências pela FEA-USP, graduado em TI pela UEM, com MBA em Administração pela FGV e cursos de extensão em Estratégia e Gestão do Conhecimento (FGV) e Inovação e Redes Sociais (ESPM). Teve duas empresas de software e soluções de TI, onde conduziu o desenvolvimento de portais e plataformas digitais de negócios, internet-banking, home broker, CRM, GED, GC e outros. É o organizador e um dos autores do livro “Empreendedorismo inovador”, e autor em outros três. Como professor, ministrou as disciplinas de “Strategic Thinking” e “Planejamento Estratégico” em curso MBA da FIAP, “Intelligence Driven Decision” e “Fundamentos de Inteligência Artificial” em curso MBA da ESPM e como prof. convidado, no curso “Laboratório de Startups” do CIC-ESPM. .

Referências

  • Capítulo 4 do livro “Trends MKT na Era Digital: o Futuro do Marketing“.
  • Estudos do autor para a disciplina Fundamentos de Inteligência Artificial da ESPM.
  • Estudos do autor para a palestra ministrada no evento Digitalks Executive.

Artigos relacionados

Planejando a Inteligência Artificial em Marketing

As empresas devem adotar decisões mais automatizadas sempre que possível. É aqui que se encontram os maiores retornos do marketing de IA.”

Mais um post sobre Inteligência Artificial (IA) aplicada aos negócios, desta vez com foco em Marketing, fornecendo um framework que facilita o entendimento do planejamento aos gestores de marketing e outros interessados em IA.

Os diretores de marketing estão adotando cada vez mais a Inteligência Artificial:

  • Uma análise de 2018 da McKinsey de mais de 400 casos de uso avançados mostrou que o marketing era o domínio em que a IA contribuiria com o maior valor.
  • Uma pesquisa de agosto de 2019 da American Marketing Association revelou que a implementação de IA havia aumentado 27% no ano e meio anterior.
  • E uma pesquisa global da Deloitte em 2020 com os primeiros a adotar a IA mostrou que três dos cinco principais objetivos da IA eram orientados para o mercado: aprimorar produtos e serviços existentes, criar novos produtos e serviços e aprimorar os relacionamentos com os clientes.

Muitas empresas agora usam IA para lidar com tarefas restritas, como:

  • publicação de anúncios digitais (também conhecido como “compra programática”);
  • auxiliar em tarefas amplas, como aumentar a precisão das previsões (pense nas previsões de vendas); e
  • aumentar os esforços humanos em tarefas estruturadas, como atendimento ao cliente.

As empresas também empregam IA em todas as fases da jornada do cliente

Quando os clientes em potencial estão na fase de “consideração” e pesquisando um produto, a IA direcionará os anúncios para eles e pode ajudar a orientá-los na pesquisa.

Vê-se isso acontecer no varejista online de móveis Wayfair, que usa IA para determinar quais clientes têm maior probabilidade de ser persuadidos e, com base em seus históricos de navegação, escolhe produtos para mostrá-los.

E bots habilitados para IA de empresas como a Vee24 podem ajudar os profissionais de marketing a entender as necessidades dos clientes, aumentar seu envolvimento em uma pesquisa, empurrá-los na direção desejada, como uma página da web específica e, se necessário, conectá-los a um humano agente de vendas por chat, telefone, vídeo ou mesmo “co-navegação” – permitindo que um agente ajude o cliente a navegar em uma tela compartilhada.

A IA pode agilizar o processo de vendas usando dados extremamente detalhados sobre os indivíduos, incluindo dados de geolocalização em tempo real, para criar ofertas de produtos ou serviços altamente personalizadas. Mais tarde na jornada, a IA auxilia no upsell e na venda cruzada e pode reduzir a probabilidade de os clientes abandonarem seus carrinhos de compras digitais. Por exemplo, depois que um cliente preenche um carrinho, os bots de IA podem fornecer um depoimento motivador para ajudar a fechar a venda, como “Excelente compra! James de Vermont comprou o mesmo colchão”. Essas iniciativas podem aumentar as taxas de conversão cinco vezes ou mais.

Após a venda, os agentes de serviço habilitados para IA de empresas como Amelia (anteriormente IPsoft) e Interactions estão disponíveis 24 horas por dia, 7 dias por semana para fazer a triagem das solicitações dos clientes – e são capazes de lidar com volumes flutuantes de solicitações de serviço melhores do que os agentes humanos. Eles podem lidar com questões simples sobre, digamos, tempo de entrega ou agendamento de uma consulta e podem escalar questões mais complexas para um agente humano.

Em alguns casos, a IA auxilia os representantes humanos analisando o tom dos clientes e sugerindo respostas com diferenciais, orientando os agentes sobre a melhor forma de satisfazer as necessidades dos clientes ou sugerindo a intervenção de um supervisor.

O Framework

A IA de marketing pode ser categorizada de acordo com duas dimensões: nível de inteligência e se é autônomo ou parte de uma plataforma mais ampla. Algumas tecnologias, como chatbots ou motores de recomendação, podem cair em qualquer uma das categorias; é como eles são implementados em um aplicativo específico que determina sua classificação.

Vamos examinar os dois tipos de inteligência primeiro

Automação de tarefas. Esses aplicativos executam tarefas repetitivas e estruturadas que requerem níveis relativamente baixos de inteligência.

Eles são projetados para seguir um conjunto de regras ou executar uma determinada sequência de operações com base em uma determinada entrada, mas eles não podem lidar com problemas complexos, como solicitações de clientes diferenciadas. Um exemplo seria um sistema que envia automaticamente um e-mail de boas-vindas a cada novo cliente. Chatbots mais simples, como aqueles disponíveis através do Facebook Messenger e outros provedores de mídia social, também se enquadram esta categoria. Eles podem fornecer alguma ajuda aos clientes durante as interações básicas, levando os clientes a uma determinada árvore de decisão, mas eles não conseguem discernir a intenção dos clientes, oferecer respostas personalizadas ou aprender com as interações ao longo do tempo.

Aprendizado de máquina. Esses algoritmos são treinados usando grandes quantidades de dados para fazer previsões e decisões relativamente complexas, gerando modelos. Esses modelos podem reconhecer imagens, decifrar textos, segmentar clientes e antecipar como os clientes responderão a várias iniciativas, como promoções. O aprendizado de máquina já impulsiona a compra programática em publicidade online, mecanismos de recomendação de e-commerce e modelos de propensão de vendas em sistemas de gerenciamento de relacionamento com o cliente (CRM). Ele e sua variante mais sofisticada, aprendizado profundo, são as tecnologias mais avançadas em IA e estão rapidamente se tornando ferramentas poderosas de marketing. Dito isso, é importante esclarecer que os aplicativos de aprendizado de máquina existentes ainda executam tarefas restritas e precisam ser treinados com grandes quantidades de dados.

Agora, vamos considerar a IA independente versus a IA integrada

Aplicativos independentes. Esses são mais bem compreendidos como programas de IA claramente demarcados ou isolados. Eles são separados dos canais principais por meio dos quais os clientes aprendem, compram ou obtêm suporte para usar as ofertas de uma empresa ou os canais que os funcionários usam para comercializar, vender ou prestar serviços a essas ofertas. Simplificando, os clientes ou funcionários precisam fazer uma viagem especial além desses canais para usar a IA.

Considere o aplicativo de descoberta de cores criado por Behr, a empresa de tintas. Usando o processamento de linguagem natural do IBM Watson e os recursos do Tone Analyzer (que detectam emoções no texto), a O aplicativo oferece várias recomendações de cores de pintura personalizadas da Behr que são baseadas no humor que os consumidores desejam para seu espaço. Os clientes usam o aplicativo para selecionar duas ou três cores para o cômodo que pretendem pintar. A venda real de tinta é então executada fora do aplicativo, embora permita uma conexão para fazer o pedido da Home Depot.

Aplicativos integrados. Incorporado em sistemas existentes, estas aplicações IA geralmente são menos visíveis aos clientes, profissionais de marketing e vendedores que os utilizam do que os aplicativos independentes. Por exemplo, o aprendizado de máquina que toma decisões em fração de segundo sobre quais anúncios digitais oferecer aos usuários é integrado a plataformas que lidam com todo o processo de compra e colocação de anúncios.

O aprendizado de máquina integrado da Netflix oferece recomendações de vídeo aos clientes há mais de uma década; suas seleções simplesmente aparecem no menu de ofertas que os usuários veem quando acessam o site. Se o mecanismo de recomendação fosse independente, eles precisariam acessar um aplicativo dedicado e solicitar sugestões.

Os fabricantes de sistemas de CRM incorporam cada vez mais recursos de aprendizado de máquina em seus produtos. Na Salesforce, o pacote Sales Cloud Einstein tem vários recursos, incluindo um sistema de pontuação de leads baseado em IA que classifica automaticamente os leads de clientes B2B pela probabilidade de compra.

Fornecedores como a Cogito, que vende IA que treina vendedores de call center, também integram seus aplicativos ao sistema CRM da Salesforce.

Combinando os dois tipos de inteligência

Combinar os dois tipos de inteligência e dois tipos de estrutura produz os quatro quadrantes do framework: aplicativos autônomos de aprendizado de máquina, aplicativos integrados de aprendizado de máquina, aplicativos autônomos de automação de tarefas e aplicativos integrados de automação de tarefas.

Entender em quais quadrantes os aplicativos se enquadram pode ajudar os profissionais de marketing a planejar e sequenciar a introdução de novos usos.

Uma abordagem escalonada

Acredita-se que os profissionais de marketing verão o maior valor ao buscar aplicativos integrados de aprendizado de máquina, embora sistemas simples baseados em regras e de automação de tarefas possam aprimorar processos altamente estruturados e oferecer potencial razoável para retornos comerciais.

Observe, no entanto, que hoje em dia a automação de tarefas está cada vez mais combinada com aprendizado de máquina – para extrair dados-chave de mensagens, tomar decisões mais complexas e personalizar comunicações – um híbrido que abrange quadrantes.

Os aplicativos independentes continuam a ter seu lugar onde a integração é difícil ou impossível, embora haja limites para seus benefícios. Portanto, recomenda-se os profissionais de marketing a, com o tempo, integrar a IA aos sistemas de marketing atuais, em vez de continuar com os aplicativos independentes. E, de fato, muitas empresas estão caminhando nessa direção geral; na pesquisa Deloitte de 2020, 74% dos executivos globais de IA concordaram que “a IA será integrada a todos os aplicativos corporativos dentro de três anos”.

Começando

Para empresas com experiência limitada em IA, uma boa maneira de começar é construindo ou comprando aplicativos simples baseados em regras.

Muitas empresas buscam uma abordagem “rastejar-caminhar-correr”, começando com um aplicativo independente de automação de tarefas não voltado para o cliente, como aquele que orienta os agentes de serviço humano que se envolvem com os clientes.

Depois que as empresas adquirem habilidades básicas de IA e uma abundância de dados de mercado e clientes, elas podem começar a mudar da automação de tarefas para o aprendizado de máquina. Um bom exemplo do último é a IA de seleção de roupas da Stitch Fix, que ajuda seus estilistas a selecionar ofertas para os clientes e se baseia em suas preferências de estilo autorrelatadas, os itens que mantêm e devolvem, e os comentários que fizeram.

Esses modelos se tornaram ainda mais eficazes quando a empresa começou a pedir aos clientes que escolhessem entre as fotos do Style Shuffle, criando uma fonte valiosa de novos dados.

Novas fontes de dados – como transações internas, fornecedores externos e até aquisições em potencial – são algo que os profissionais de marketing devem procurar constantemente, uma vez que a maioria dos aplicativos de IA, especialmente o aprendizado de máquina, exige grandes quantidades de dados de alta qualidade. Considere o modelo de precificação baseado em aprendizado de máquina que a empresa de fretamento de jato XO usou para aumentar seu EBITDA em 5%: A chave era acessar fontes externas para dados sobre o fornecimento de jatos particulares e fatores que afetam a demanda, como grandes eventos, a macroeconomia, a atividade sazonal e o clima. Os dados que o XO usa estão disponíveis publicamente, mas é uma boa ideia também buscar fontes proprietárias sempre que possível, porque os modelos que usam dados públicos podem ser copiados pelos concorrentes.

À medida que as empresas se tornam mais sofisticadas no uso da IA ​​de marketing, muitas automatizam totalmente certos tipos de decisões, tirando totalmente os humanos do circuito. Com decisões repetitivas e de alta velocidade, como as exigidas para a compra de anúncios programáticos (em que os anúncios digitais são veiculados quase instantaneamente aos usuários), essa abordagem é essencial.

Em outros domínios, a IA só pode apresentar recomendações a uma pessoa diante de uma escolha – por exemplo, sugerir um filme a um consumidor ou uma estratégia a um executivo de marketing. Tomada de decisão humana é normalmente reservado para as questões mais importantes, como se deve continuar uma campanha ou aprovar um anúncio de TV caro.

As empresas devem tomar decisões mais automatizadas sempre que possível. Acredita-se que é aqui que os maiores retornos da IA ​​de marketing serão encontrados.

Desafios e riscos

A implementação até mesmo dos aplicativos de IA mais simples pode apresentar dificuldades.

A IA de automação de tarefas autônoma, apesar de sua sofisticação técnica inferior, ainda pode ser difícil de configurar para fluxos de trabalho específicos e exige que as empresas adquiram habilidades de IA adequadas. Trazendo qualquer tipo de IA em um fluxo de trabalho exige integração cuidadosa de tarefas humanas e de máquina para que a IA aumente as habilidades das pessoas e não seja implantada de maneiras que criem problemas. Por exemplo, enquanto muitas organizações usam chatbots baseados em regras para automatizar o atendimento ao cliente, bots menos capazes podem irritar os clientes. Pode ser melhor ter esses bots ajudando agentes humanos ou conselheiros em vez de interagir com os clientes.

À medida que as empresas adotam aplicativos mais sofisticados e integrados, surgem outras considerações. Incorporar IA em plataformas de terceiros, em particular, pode ser complicado. Um caso em questão é oferecido pelo Olay Skin Advisor da Procter & Gamble, que usa aprendizado profundo para analisar selfies que os clientes tiraram, avaliar sua idade e tipo de pele e recomendar produtos apropriados. Ele está integrado a uma plataforma de e-commerce e fidelidade, Olay.com, e melhorou as taxas de conversão, taxas de rejeição e tamanhos médios de cesta em algumas geografias.

No entanto, tem sido mais difícil integrá-lo com lojas de varejo e Amazon, terceiros que respondem por uma alta porcentagem das vendas de Olay. O Skin Advisor não está disponível no extenso site da loja de Olay na Amazon, dificultando a capacidade da marca de oferecer uma experiência de cliente assistida por IA integrada.

Finalmente, as empresas devem manter os interesses dos clientes em mente. Quanto mais inteligentes e integrados os aplicativos de IA, mais preocupações os clientes podem ter sobre privacidade, segurança e propriedade de dados. Os clientes podem ficar nervosos com os aplicativos que capturam e compartilham dados de localização sem seu conhecimento ou sobre alto-falantes inteligentes que podem estar espionando. Em geral, os consumidores mostraram disposição (até mesmo ânsia) de trocar alguns dados pessoais e privacidade em troca do valor que aplicativos inovadores podem oferecer.

As preocupações com aplicativos de IA como Alexa parecem ser diminuídas pela apreciação de seus benefícios. Portanto, a chave para os profissionais de marketing, à medida que expandem a inteligência e o alcance de sua IA, é garantir que seus controles de privacidade e segurança sejam transparentes, que os clientes tenham algo a dizer sobre como seus dados são coletados e usados ​​e que obtenham valor justo da empresa em troca. Para garantir essas proteções e manter a confiança dos clientes, os CMOs devem estabelecer conselhos de revisão de ética e privacidade – com especialistas em marketing e jurídicos – para examinar projetos de IA, especialmente aqueles que envolvem dados de clientes ou algoritmos que podem ser tendenciosos, como pontuação de crédito.

Considerações finais

Enquanto marketing, IA é uma grande promessa, pede-se aos CMOs que sejam realistas sobre suas capacidades atuais. Apesar do hype, a IA ainda pode realizar apenas tarefas específicas, não executar uma função ou processo de marketing inteiro. No entanto, já está oferecendo benefícios substanciais aos profissionais de marketing – e de fato é essencial em algumas atividades de marketing – e seus recursos estão crescendo rapidamente.

Acredita-se que a IA acabará transformando o marketing, mas é uma jornada que levará um bom tempo. A função de marketing e as organizações que a suportam, TI em particular, precisarão prestar atenção a longo prazo para construir recursos de IA e abordar quaisquer riscos potenciais. Pede-se aos profissionais de marketing que comecem a desenvolver uma estratégia hoje para aproveitar as vantagens da funcionalidade atual da IA ​​e seu provável futuro.

Planejar o uso da IA é desafiador, mas viável com o apoio de bons parceiros.

Conte comigo em seus projetos. Sobre mim: aqui. Contato: aqui.

Um abraço, @neigrando

Referência

Este texto partiu do conteúdo traduzido e adaptado com base no post original em inglês, da Harvard Business Review (HBR) “How to Design an AI Marketing Strategy”, de Thomas H. Davenport, Abhijit Guha e Dhruv Grewal (2021)

Artigos relacionados