Arquivos

por

10 áreas de negócios prontas para IA

No grande esquema das coisas, a inteligência artificial (IA) ainda está nos estágios iniciais de adoção pela maioria das organizações. No entanto, a maioria dos líderes está muito animada para implementar a IA nas funções de negócios da empresa para começar a perceber seus benefícios extraordinários. Embora não tenhamos como saber todas as maneiras pelas quais a inteligência artificial e o aprendizado de máquina afetarão as funções de negócios, aqui estão 10 funções de negócios que estão prontas para usar a inteligência artificial.

1.Marketing

Se sua empresa não usa inteligência artificial no marketing, ela já está atrás. A IA não só pode ajudar a desenvolver estratégias de marketing, mas também é fundamental para executá-las. A IA já classifica os clientes de acordo com o interesse ou demografia, pode direcionar anúncios a eles com base no histórico de navegação, fornece recursos aos mecanismos de recomendação e é uma ferramenta crítica para dar aos clientes o que eles desejam exatamente quando desejam. Outra maneira pela qual a IA é usada em marketing é por meio de chatbots. Esses bots podem ajudar a resolver problemas, sugerir produtos ou serviços e apoiar as vendas. A inteligência artificial também oferece suporte aos profissionais de marketing, analisando dados sobre o comportamento do consumidor com mais rapidez e precisão do que os humanos. Esses insights podem ajudar as empresas a fazer ajustes nas campanhas de marketing para torná-las mais eficazes ou planejar melhor o futuro.

2.Vendas

Definitivamente, há um lado da venda de produtos e serviços que é exclusivamente humano, mas a inteligência artificial pode fornecer aos profissionais de vendas insights que podem melhorar a função de vendas. A IA ajuda a melhorar a previsão de vendas, prever as necessidades do cliente e melhorar a comunicação. E máquinas inteligentes podem ajudar os profissionais de vendas a gerenciar seu tempo e identificar com quem eles precisam fazer o acompanhamento e quando, bem como o que os clientes podem estar prontos para converter.

3.Pesquisa e Desenvolvimento (P&D)

E a inteligência artificial como ferramenta de inovação? Ela pode nos ajudar a construir um entendimento mais profundo em quase todos os setores, incluindo saúde e farmacêutico, financeiro, automotivo e muito mais, ao mesmo tempo em que coleta e analisa enormes quantidades de informações com eficiência e precisão. Isso e o aprendizado de máquina podem nos ajudar a pesquisar problemas e desenvolver soluções que nunca havíamos pensado antes. A IA pode automatizar muitas tarefas, mas também abrirá a porta para novas descobertas, maneiras de melhorar produtos e serviços, bem como de realizar tarefas. A inteligência artificial ajuda as atividades de P&D a serem mais estratégicas e eficazes.

4.Operações de TI

Também chamada de AIOps, a IA para operações de TI costuma ser a primeira experiência que muitas organizações têm com a implementação de inteligência artificial internamente. O Gartner define o termo AIOps como a “aplicação de aprendizado de máquina e ciência de dados a problemas operacionais de TI”. A IA é comumente usada para análise de erros de arquivos de log do sistema de TI, funções de gerenciamento de sistemas de TI e para automatizar muitos processos de rotina. Pode ajudar a identificar problemas para que a equipe de TI possa corrigi-los proativamente antes que qualquer sistema de TI caia. À medida que os sistemas de TI para apoiar nossos negócios se tornam mais complexos, o AIOps ajuda a TI a melhorar o desempenho do sistema e os serviços.

5.Recursos humanos

Em uma função de negócios com “humano” no nome, há um lugar para máquinas? Sim! A inteligência artificial realmente tem o potencial de transformar muitas atividades de recursos humanos, desde o recrutamento à gestão de talentos. A IA certamente pode ajudar a melhorar a eficiência e economizar dinheiro ao automatizar tarefas repetitivas, mas pode fazer muito mais. A PepsiCo usou um robô, o Robot Vera, para telefonar e entrevistar candidatos para vagas em aberto. O talento vai esperar uma experiência personalizada de seu empregador, exatamente como está acostumada quando faz compras e para seu entretenimento. As soluções de aprendizado de máquina e IA podem ajudar a fornecer isso. Além disso, a IA pode ajudar os departamentos de recursos humanos com a tomada de decisões com base em dados e facilitar a seleção de candidatos e o processo de recrutamento. Os chatbots também podem ser usados ​​para responder a muitas perguntas comuns sobre as políticas e benefícios da empresa.

6.Centros de Atendimento

O contact center de uma organização é outra área de negócios onde a inteligência artificial já está em uso. As organizações que usam a tecnologia de IA para aprimorar, em vez de substituir os humanos com essas tarefas, são as que estão incorporando a inteligência artificial da maneira certa. Esses centros coletam uma quantidade enorme de dados que podem ser usados ​​para aprender mais sobre os clientes, prever a intenção do cliente e melhorar a “próxima melhor ação” para o cliente para um melhor envolvimento do cliente. Os dados não estruturados coletados de contact centers também podem ser analisados ​​por aprendizado de máquina para descobrir tendências do cliente e, em seguida, melhorar produtos e serviços.

7.Manutenção de edifícios

Outra maneira pela qual a IA já está em funcionamento nas empresas hoje é ajudar os gerentes de instalações a otimizar o uso de energia e o conforto dos ocupantes. A automação predial, o uso de inteligência artificial para ajudar a gerenciar edifícios e controlar sistemas de iluminação e aquecimento / resfriamento, usa dispositivos e sensores da Internet das coisas, bem como visão computacional para monitorar edifícios. Com base nos dados coletados, o sistema de IA pode ajustar os sistemas do prédio para acomodar o número de ocupantes, hora do dia e muito mais. AI ajuda os gerentes de instalações a melhorar a eficiência energética do edifício. Um componente adicional de muitos desses sistemas é a construção de segurança também.

8.Manufatura

A Heineken, junto com muitas outras empresas, usa análise de dados em todas as fases do processo de fabricação, desde a cadeia de suprimentos até o rastreamento do estoque nas prateleiras das lojas. A inteligência preditiva pode não apenas antecipar a demanda e aumentar ou diminuir a produção, mas os sensores no equipamento podem prever as necessidades de manutenção. A IA ajuda a sinalizar áreas de preocupação no processo de fabricação antes que surjam problemas onerosos. A visão da máquina também pode apoiar o processo de controle de qualidade nas instalações de manufatura.

9.Contabilidade e Finanças

Muitas organizações estão descobrindo que a promessa de redução de custos e operações mais eficientes é o principal apelo para a inteligência artificial no local de trabalho e, de acordo com a Accenture Consulting, a automação de processos robóticos pode produzir resultados surpreendentes nessas áreas para o setor de contabilidade e finanças e departamentos. Profissionais de finanças humanas serão liberados de tarefas repetitivas para serem capazes de se concentrar em atividades de nível superior, enquanto o uso de IA na contabilidade reduzirá os erros. A IA também é capaz de fornecer status em tempo real de questões financeiras para organizações, pois pode monitorar a comunicação por meio do processamento de linguagem natural.

10.Experiência do Cliente

Outra forma pela qual a tecnologia de inteligência artificial e o big data são usados ​​nos negócios hoje é melhorar a experiência do cliente. A marca de moda de luxo Burberry usa big data e IA para melhorar as vendas e o relacionamento com o cliente. A empresa reúne dados do comprador por meio de programas de fidelidade e recompensa que eles usam para oferecer recomendações personalizadas, estejam os clientes comprando online ou em lojas físicas. O uso inovador de chatbots durante eventos do setor é outra maneira de fornecer uma experiência excelente ao cliente.

Concluindo

Não podemos deixar de considerar a Inteligência Artificial como um aliado dos negócios para as organizações, seja pela eficiência, pela ajuda às pessoas – principalmente nas tarefas que precisam manipular muitos dados, ou que precisam melhorar processos de análise de informações ou automação.

Cabe aos líderes e gestores de todas as áreas funcionais das empresas começarem a se informar sobre este tema, pois a concorrência já está fazendo isso e se não acompanharem as tendências e novas soluções tecnológicas, logo ficarão para trás, pois isso é estratégico, principalmente no atendimento ao cliente e melhoria de processos e modelos de negócio.

Um abraço, @neigrando

Fonte:  Traduzido e adaptado de Forbes: “10 Business Functions That Are Ready To Use Artificial Intelligence”, by Bernard Marr

Observação: Este post foi publicado por mim originalmente no blog Futuro dos Negócios.

Alguns artigos relacionados com a Inteligência Artificial nos Negócios

por

Questões-chave à transformação digital

A aceleração do digital é diferente de tudo que vimos antes e está moldando o “novo normal”. Os líderes empresariais estão dizendo que, durante a pandemia, realizaram em dias o que levaria um ano. Como eles conseguiram isso?

As empresas implantaram rapidamente estratégias digitais para fornecer a seus clientes uma variedade de métodos de comunicação além da voz. Estamos vendo como as tecnologias digitais estão sendo usadas para reimaginar completamente o cenário de negócios. A tecnologia de comunicação está no centro desta transição para um modelo de trabalho remoto flexível para os funcionários e uma experiência digital contínua do cliente para empresas em geral.

Em tempos tão competitivos, as empresas não podem perder receitas preciosas e oferecer uma experiência digital perfeita para o cliente é uma questão de sobrevivência com empresas que enfrentam questões como;

  • Como podemos atender pedidos rapidamente?
  • Quanto do processo de negócios precisa de interação humana?
  • Existem maneiras de retrabalhar para que a experiência do cliente seja sem contato?
  • Como podemos garantir que o consumidor tenha uma experiência positiva de interação com a nossa marca?

Por isso, antes de qualquer solução ser elaborada e implementada, existem perguntas-chave que devem ser feitas:

Quando foi a última vez que você teve uma experiência incrível com o cliente?

Dê a volta na mesa da sala de reuniões e peça a cada diretor para compartilhar uma experiência recente de um cliente de que gostaram e descrever por que foi tão memorável.

Como disse Steve Jobs; “Você tem que começar com a experiência do cliente e trabalhar de volta com a tecnologia, não o contrário.” Aproveitar suas próprias experiências é um bom exercício de primeiro passo porque ajuda a identificar “momentos universais que importam” da perspectiva do cliente e permite que você explore como é o sucesso do (Customer eXperience) CX no mundo real.

Como é uma transformação digital de sucesso para sua empresa?

Por exemplo: comunicações via múltiplos canais integrados (omnichannel), onde os dados históricos e o contexto são transferidos entre os canais de maneira contínua e segura, sistemas mais amigáveis ao usuário, custos operacionais reduzidos, aumento da receita, etc.

Liste as prioridades de todos e fale sobre as maneiras pelas quais uma estratégia digital pode ajudar a atingir cada objetivo, por exemplo, aliviar a pressão dos agentes oferecendo autoatendimento para algumas consultas.

Quais canais você deseja incentivar seus clientes a usarem mais?

Classifique os canais que você mais gostaria de encorajar os clientes a usarem ao interagir com sua marca (ou seja, voz do agente, webchat, e-mail, celular / SMS, mídia social, autoatendimento de IA, filial / loja, ou outra).

Divida sua base de clientes atual por idade em 2020. Escreva a porcentagem aproximada para cada categoria:

  • Geração silenciosa: Idade 73 – 94,
  • Geração Baby Boomer: Idade 54-72
  • Geração X: idade 38-53,
  • Milenios / Gen Y: idade de 22 a 37,
  • iGen de 8 a 21 anos.

A pesquisa mostra que as preferências do canal mudam com base na idade. Portanto, antes de decidir em quais canais deseja investir mais ou abandonar, é importante considerar a divisão por idade de seus clientes com as preferências de canal. Você deve então alinhar sua estratégia de acordo. Caso contrário, você pode não prestar serviços da maneira que seus clientes preferem se conectar com você, e eles levarão seus negócios para uma marca que o faz.

Quais métricas principais você deseja melhorar durante sua transformação digital?

Converse e classifique as métricas de experiência do cliente que mais importam para sua empresa. Por exemplo, a resolução na primeira chamada é importante ou todos os clientes são atendidos inicialmente e recebem uma variedade de opções para um retorno de chamada ou outros canais de contato?

As métricas da marca também podem ser vinculadas, como uma pesquisa on-line ou a capacidade de permanecer na ligação para responder a uma breve pesquisa sobre o conhecimento da marca, perguntando quais outros produtos e serviços os clientes conhecem e como eles se sentem emocionalmente em relação à marca. eles provavelmente farão compras novamente etc.

Se você não tem um entendimento comum de como é o sucesso, não saberá se o alcançou. O alinhamento com os mesmos indicadores-chave de desempenho antes da transição torna mais fácil para a organização concentrar esforços e obter o verdadeiro sucesso.

Como sua empresa chega aos clientes de forma proativa?

Pense nas informações, serviços e soluções adicionais que seus clientes consideram úteis. Talvez seja o envio de uma mensagem SMS para o telefone celular com um número de rastreamento de pacote ou um e-mail com uma mensagem de acompanhamento para uma pergunta de seguro com um link para a apólice.

Pense nas tecnologias de nuvem de que você precisará para estabelecer e manter essas comunicações 1: 1 personalizadas.

  • Quais canais você usa?
  • Seus esforços de divulgação são personalizados?
  • O que leva à necessidade de entrar em contato?

Os clientes querem que as marcas se envolvam com eles em seus termos. Reserve um tempo para planejar maneiras proativas de interagir com seus clientes – em tópicos de interesse para eles, em seus canais preferidos e às vezes convenientes para eles. Esses fatores são essenciais para diferenciar sua marca dos concorrentes.

Como você prevê o treinamento de funcionários em sua nova tecnologia e sistemas?

Freqüentemente, os líderes focam demais em pesquisar e investir na melhor tecnologia para dar vida à sua transformação digital e não conseguem pensar em como treinar os funcionários em tudo isso. E, como resultado, seu grande investimento oferece muito pouco retorno. Quando isso acontece, os trabalhadores ficam frustrados porque não sabem como usar a tecnologia para fazer seu trabalho com eficácia. Isso resulta em clientes não experimentando o serviço superior que a tecnologia deveria oferecer.

Quais são suas maiores barreiras para uma mudança efetiva?

Decidir o que mudar é uma coisa, fazer a mudança durar é outra bem diferente. Analise cada unidade de negócios e discuta as áreas em que você pode precisar implementar programas estruturados de gerenciamento de mudanças para garantir que todos – do gerente ao usuário final – estejam envolvidos do início ao fim.

Considerações finais

A transformação digital não é mais uma opção, na maioria dos casos é necessária não só para competitividade, mas também para sobrevivência organizacional.

Alcançar uma transformação digital de sucesso é um investimento de vários anos e de várias pessoas. Freqüentemente, o processo de preparar as pessoas, dispostas e capazes de aceitar e abraçar novas formas de trabalhar é o maior desafio de todos. Pensar em maneiras de superar as barreiras da mudança organizacional antes de iniciar a jornada digital ajudará você a concluir toda a transformação dentro do prazo e do orçamento.

Considere uma abordagem digital com foco no cliente, reduzir o esforço do cliente e capacitando os funcionários para diminuir o custo de servir, cria clientes mais felizes e desenvolve defensores da marca. E isto contamina organização, criando cultura, mudando estratégias, pessoas, processos e tecnologia.

Se gostou, por favor, compartilhe. Abraço, @neigrando

Se precisar de Consultoria e/ou Assessoria na Transformação Digital de sua organização, entre em Contato: aqui. 

Sobre mim: aqui, Contato: aqui.

Artigos Relacionados:

por

Os 7 Padrões da Inteligência Artificial

Em 1979 na Universidade Estadual de Maringá (UEM), participei como aluno de um primeiro curso sobre Inteligência Artificial (IA), onde tive contato com uma linguagem chamada LISP. Fiquei encantado e disse para mim mesmo, este é um tema que quero me aprofundar. Assim, procurei acompanhar a evolução do tema e foi então que, em outubro de 1986, participei do “I Encontro Regional sobre Inteligência Artificial” em São Paulo, promovido pela “SUCESU – Sociedade dos Usuários de Computadores e Equipamentos Subsidiários”, quando aproveitei para fazer um Curso sobre a linguagem Prolog. Depois disso, houve um longo período onde o tema perdeu relevância. Mais tarde surgiu o aprendizado de máquina, redes neurais e ultimamente a aprendizagem profunda e aprendizagem por reforço. Com isso, big data, hardware e software muito mais poderosos, houve a volta dos encantos da IA e da computação cognitiva, agora com aplicações práticas para a vida e para o mundo dos negócios.

Em 2016, durante o meu mestrado, comecei a participar do Núcleo Decide da FEA-USP, que desenvolve pesquisas e seminários sobre Tomada de Decisão nas Organizações (TDO). Em 2017 participei do evento sobre Tomada de Decisão em Startups, em 2018, sobre o uso da Intuição na Tomada de Decisão, em 2019 sobre o uso da IA na TDO. Desde então estamos nos aprofundando numa pesquisa acadêmica sobre esse último tema.

Nesse ínterim compartilhei por aqui um artigo com uma introdução à computação cognitiva, outro sobre as 4 ondas da inteligência artificial e outros sobre IA em negócios.

Agora compartilho mais um artigo sobre o tema da IA, com foco em negócios.

Um universo de casos práticos de uso da IA

De veículos autônomos, aplicativos de análise preditiva, reconhecimento facial, chatbots, assistentes virtuais, automação cognitiva e detecção de fraude, os casos de uso para IA são muitos. No entanto, independentemente da aplicação de IA, há semelhanças para todas essas aplicações. Aqueles que implementaram centenas de projetos de IA percebem que, apesar de toda essa diversidade na aplicação, os casos de uso de IA se enquadram em um ou mais dos sete padrões comuns. Os sete padrões são: hiperpersonalização, sistemas autônomos, análise preditiva e suporte à decisão, interações conversacionais / humanas, padrões e anomalias, sistemas de reconhecimento e sistemas orientados a objetivos. Qualquer abordagem personalizada para IA exigirá sua própria programação e padrão, mas não importa em que combinação essas tendências são usadas, todas elas seguem seu próprio conjunto de regras. Esses sete padrões são então aplicados individualmente ou em várias combinações, dependendo da solução específica à qual a IA está sendo aplicada.

Reconhecimento: máquinas que podem reconhecer o mundo

Significa usar o aprendizado de máquina e outras abordagens cognitivas para identificar e determinar objetos ou outras coisas desejadas a serem identificadas na imagem, vídeo, áudio, texto ou outros dados não estruturados principalmente.

Casos típicos:

  • Reconhecimento, Classificação e Análise de Objetos;
  • Reconhecimento de Som e Áudio;
  • Reconhecimento de Texto e Manuscritos;
  • Reconhecimento de Gestos;
  • Resumo de Conteúdo;
  • Imagens Médicas;
  • Reivindicações de Seguro; 
  • Detecção de Falsificação
  • Outros

Conversacional: máquinas que podem se comunicar como seres humanos

Quando máquinas e seres humanos interagem por meio de formas conversacionais de interação e conteúdo através de uma variedade de métodos, incluindo voz, texto e imagem. Inclui chatbots, assistentes de voz e análise de sentimentos, humor e intenção.

Casos típicos:

  • Processamento de Linguagem Natural (NLP)
  • Chatbots capacitados pela IA
  • Assistentes de Voz
  • Análise de Sentimento, Humor e Intenção
  • Resumo de Conteúdo
  • Tradução de Máquina
  • Conteúdo Inteligente
  • Geração de Conteúdo
  • Outros

Análise preditiva: ajudando os humanos a tomarem melhores decisões

Implica no uso de aprendizado de máquina e outras abordagens cognitivas para entender como comportamentos passados ou existentes podem ajudar a prever resultados futuros ou ajudar os humanos a tomar decisões sobre resultados futuros com base nesses padrões.

Casos típicos:

  • Previsão
  • Apoio a Decisão
  • Pesquisa Assistida
  • Consciência Situacional
  • Logística e Cadeia de Suprimentos
  • Bancos e Finanças
  • Energia
  • Outros

Sistemas orientados a objetivos: resolvendo o quebra-cabeça

Com o poder do aprendizado por reforço e outras técnicas de aprendizado de máquina, as organizações podem aplicar o aprendizado de máquina e outras abordagens cognitivas para dar a seus sistemas a capacidade de aprender por tentativa e erro. Isso é útil para qualquer situação em que você deseja que o sistema encontre a solução ideal para um problema. Inclui jogos, otimização de recursos, solução iterativa de problemas e leilões de lances e em tempo real.

Casos típicos:

  • Jogos
  • Simulação de Cenário
  • Controle de Semáforos
  • Robôs
  • Licitações e Publicidade
  • Aconselhamento Robótico
  • Farmácia e Ciências da Vida
  • Outros

Sistemas autônomos: reduzindo a necessidade de trabalho manual

Sistemas autônomos são sistemas físicos e virtuais de software e hardware capazes de realizar uma tarefa, atingir uma meta, interagir com o ambiente e atingir um objetivo com o mínimo envolvimento humano. Inclui máquinas e veículos autônomos de todos os tipos, como carros, barcos, trens, aviões e muito mais. Também inclui sistemas autônomos, como documentação e geração autônoma de conhecimento, processos de negócios autônomos e automação cognitiva, podendo operar em estreita proximidade com humanos na tomada de decisão preferencial.

Casos típicos:

  • Veículos Autônomos
  • Robôs Colaborativos
  • Processos Autônomos de Negócios
  • Documentação / Geração de Conhecimento
  • Decisões Autônomas
  • Logística Autônoma
  • Varejo Autônomo
  • Outros

Identificando padrões e anomalias: descobre o que combina e o que não combina

Usa o aprendizado de máquina e outras abordagens cognitivas para aprender padrões nos dados e aprender conexões de ordem superior entre os pontos de dados para ver se ele se encaixa em um padrão existente ou se é um erro ou anomalia.  As aplicações incluem detecção de fraude e risco para verificar se as coisas estão fora do comum ou se as expectativas estão acontecendo. Pode encontrar padrões entre os dados e ajudar a minimizar ou corrigir erros humanos. Inclui ainda texto preditivo, onde ele pode analisar padrões de fala e gramática para ajudar a sugerir palavras para acelerar o processo de escrita.

Casos típicos:

  • Detecção de Fraude e Risco
  • Descobrindo Insights nos Dados
  • Detecção e Correção Automática de Erros
  • Monitoramento Inteligente
  • Aumento e Descoberta de Dados
  • Digitação Preditiva / Texto Preditivo
  • Correspondência do Candidato
  • Outros

Hiperpersonalização: trata cada cliente como um indivíduo

Significa usar o aprendizado de máquina para desenvolver um perfil de cada indivíduo e, em seguida, fazer com que esse perfil aprenda e se adapte com o tempo para vários propósitos, como exibir conteúdo relevante, recomendar produtos relevantes, fornecer recomendações personalizadas.

Casos típicos:

  • Perfil de Cliente Melhorado
  • Personalização de Conteúdo
  • Sistemas de Recomendação
  • Perfil de Comportamento
  • Publicidade Hiperpersonalizada
  • Medicina Hiperpersonalizada
  • Finanças e Seguros Hiperpersonalizados
  • Outros

Combinando padrões para o sucesso do projeto de IA

Embora possam parecer padrões discretos que são implementados individualmente em projetos típicos de IA, na realidade, vimos organizações combinar um ou mais desses sete padrões para realizar seus objetivos. Ao pensar em projetos de IA em termos desses padrões, as empresas os ajudarão a abordar, planejar e executar melhor os projetos de IA. Na verdade, as metodologias emergentes estão se concentrando no uso desses sete padrões como uma forma de agilizar o planejamento de projetos de IA. Depois de saber que está fazendo um padrão de reconhecimento, por exemplo, você pode obter insights sobre uma ampla gama de soluções que foram aplicadas a esse problema, insights sobre os dados que são necessários para alimentar o padrão, casos de uso e exemplos de aplicativos do padrão, algoritmo e dicas de desenvolvimento de modelo e outros insights que podem ajudar a acelerar a entrega de projetos de IA de alta qualidade.

Considerações finais

Embora a IA ainda esteja na fase inicial de adoção na maioria das empresas, está claro que a identificação e o uso desses padrões ajudarão as organizações a realizar seus objetivos de projeto de IA mais rapidamente, com menos reinvenção da roda e com muito melhores chances de sucesso.

Se gostou, por favor, compartilhe. Abraço, @neigrando

Sobre mim: aqui, Contato: aqui.

Referência

Este post é uma tradução resumida e adaptada do artigo da Forbes: The Seven Patterns Of AI, escrito por Kathleen Walch; e casos típicos levantados pela empresa Cognilytica.

Artigos Relacionados: