Novidades em Inteligência Artificial, segundo o Gartner (2022)

As inovações de IA continuam a oferecer grandes benefícios aos negócios e as taxas de adoção vão acelerar nos próximos anos. Veja as perspectivas e o impacto.

Este é um artigo um tanto técnico, voltado para líderes e gestores organizacionais envolvidos com a área de Tecnologia da Informação (TI) e Inteligência Artificial (IA).

O Gartner Hype Cycle™ 2022 for Artificial Intelligence (AI) identifica inovações obrigatórias em tecnologia e técnicas de IA que vão além da IA ​​cotidiana que já está sendo usada para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade anteriormente estáticos.

Notavelmente, o AI Hype Cycle está cheio de inovações que devem gerar benefícios altos ou mesmo transformacionais”, diz Afraz Jaffri, analista diretor do Gartner. “Preste atenção especial às inovações que devem atingir a adoção geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA de ponta. A adoção antecipada dessas inovações pode gerar uma vantagem competitiva e valor comercial significativos e aliviar os problemas associados à fragilidade dos modelos de IA”.

As inovações de IA se dividem em quatro categorias

Espera-se que a ampla gama de inovações de IA impacte pessoas e processos dentro e fora de um contexto empresarial, tornando-os importantes para muitas partes interessadas, desde líderes de negócios até equipes de engenharia corporativas encarregadas de implantar e operacionalizar sistemas de IA.

Os líderes de dados e análises (D&A) têm mais a ganhar, no entanto, ao usar a perspectiva do Hype Cycle para elaborar suas estratégias de IA para o futuro e usar tecnologias que oferecem alto impacto no presente.

As inovações de IA no Hype Cycle refletem prioridades complementares e às vezes conflitantes em quatro categorias principais:

  • IA centrada em dados
  • IA centrada em modelos
  • IA centrada em aplicativos
  • IA centrada no ser humano

IA centrada em dados

A comunidade de IA tradicionalmente se concentra em melhorar os resultados das soluções de IA ajustando os próprios modelos de IA, mas a IA centrada em dados muda o foco para aprimorar e enriquecer os dados usados ​​para treinar os algoritmos.

Ao abordar as considerações de dados específicas de IA, a IA centrada em dados interrompe o gerenciamento de dados tradicional, mas as organizações que investem em IA em escala evoluirão para preservar ideias clássicas de gerenciamento de dados e ampliá-las para IA de duas maneiras:

  • Adicione recursos necessários para o desenvolvimento conveniente de IA por um público focado em IA que não está familiarizado com o gerenciamento de dados.
  • Use a IA para melhorar e aumentar os clássicos eternos de governança de dados, persistência, integração e qualidade de dados.

As inovações em IA centrada em dados incluem dados sintéticos, gráficos de conhecimento, rotulagem de dados e anotações.

Dados sintéticos, por exemplo, são uma classe de dados que são gerados artificialmente em vez de obtidos de observações diretas do mundo real. Os dados podem ser gerados usando diferentes métodos, como amostragem estatisticamente rigorosa de dados reais, abordagens semânticas e redes adversárias generativas ou criando cenários de simulação onde modelos e processos interagem para criar conjuntos de dados de eventos completamente novos.

A adoção está aumentando em vários setores, juntamente com o uso em aplicativos de visão computacional e linguagem natural, mas o Gartner prevê um aumento maciço na adoção de dados sintéticos:

  • Evita usar informações de identificação pessoal ao treinar modelos de machine learning (ML) por meio de variações sintéticas de dados originais ou substituição sintética de partes de dados
  • Reduz custos e economiza tempo no desenvolvimento de ML, pois é mais barato e mais rápido de obter
  • Melhora o desempenho de ML à medida que mais dados de treinamento levam a melhores resultados de treinamento

IA centrada em modelos

Apesar da mudança para uma abordagem centrada em dados, os modelos de IA ainda precisam de atenção para garantir que os resultados continuem a nos ajudar a tomar ações melhores. As inovações aqui incluem IA informada por física, IA composta, IA causal, IA generativa, modelos básicos e aprendizado profundo.

A IA composta refere-se à fusão de diferentes técnicas de IA para melhorar a eficiência do aprendizado e ampliar o nível de representações do conhecimento. Como nenhuma técnica de IA é uma solução mágica, a IA composta fornece uma plataforma para resolver uma ampla gama de problemas de negócios de maneira mais eficaz.

Espera-se que alcance a adoção geral em dois a cinco anos, os benefícios comerciais da IA ​​composta provavelmente serão transformacionais, permitindo novas maneiras de fazer negócios em todos os setores que resultarão em grandes mudanças na dinâmica do setor. Por exemplo, a IA composta:

  • Leva o poder da IA ​​a um grupo mais amplo de organizações que não têm acesso a grandes quantidades de dados históricos ou rotulados, mas têm experiência humana significativa
  • Ajuda a expandir o escopo e a qualidade dos aplicativos de IA (ou seja, mais tipos de desafios de raciocínio podem ser incorporados)

AI Causal inclui diferentes técnicas, como gráficos causais e simulação, que ajudam a descobrir relações causais para melhorar a tomada de decisões. Embora leve de 5 a 10 anos para que a IA causal alcance a adoção geral, espera-se que os benefícios de negócios sejam altos – permitindo novas maneiras de realizar processos horizontais ou verticais que resultarão em aumento significativo de receita ou economia de custos para uma empresa. Os benefícios causais da IA ​​incluem:

  • Eficiências ao adicionar conhecimento de domínio a modelos de IA causais de bootstrap com conjuntos de dados menores
  • Maior aumento de decisão e autonomia em sistemas de IA
  • Melhor explicabilidade ao capturar relações de causa e efeito fáceis de interpretar
  • Mais robustez e adaptabilidade ao alavancar relações causais que permanecem válidas em ambientes em mudança
  • Redução do viés nos sistemas de IA, tornando os vínculos causais mais explícitos

IA centrada em aplicativos

As inovações aqui incluem engenharia de IA, inteligência de decisão, sistemas operacionais de IA, ModelOps, serviços de IA em nuvem, robôs inteligentes, processamento de linguagem natural (NLP), veículos autônomos, aplicativos inteligentes e visão computacional.

Espera-se que a inteligência de decisão e a IA de ponta alcancem a adoção geral em dois a cinco anos e tenham benefícios comerciais transformacionais.

A inteligência de decisão é uma disciplina prática usada para melhorar a tomada de decisões ao entender e projetar explicitamente como as decisões são tomadas e como os resultados são avaliados, gerenciados e aprimorados por meio de feedback.

A inteligência de decisão ajuda a:

  • Reduzir a dívida técnica e aumentar a visibilidade e melhorar o impacto dos processos de negócios, aprimorando materialmente a sustentabilidade dos modelos de decisão das organizações com base no poder de sua relevância e na qualidade de sua transparência, tornando as decisões mais transparentes e auditáveis
  • Reduzir a imprevisibilidade dos resultados das decisões capturando e contabilizando adequadamente os fatores de incerteza no contexto de negócios e tornando os modelos de decisão mais resilientes

Edge AI refere-se ao uso de técnicas de IA incorporadas em terminais, gateways e servidores de borda da Internet das Coisas (IoT), em aplicativos que variam de veículos autônomos a análises de streaming. Os benefícios empresariais incluem:

  • Eficiência operacional aprimorada, como sistemas de inspeção visual de fabricação
  • Experiência aprimorada do cliente
  • Redução da latência na tomada de decisões, com o uso de análises locais
  • Redução de custos de conectividade, com menos tráfego de dados entre a borda e a nuvem
  • Disponibilidade de solução persistente, independentemente da conectividade de rede

IA centrada no ser humano

Esse grupo de inovações inclui confiança em IA, gerenciamento de risco e segurança (TRiSM), IA responsável, ética digital e kits de criação e ensino de IA.

Quando a IA substitui as decisões humanas, ela amplifica resultados bons e ruins. A IA responsável permite os resultados certos ao resolver dilemas enraizados na entrega de valor versus tolerar riscos. IA responsável é um termo abrangente para aspectos de fazer escolhas éticas apropriadas aos negócios ao adotar a IA, incluindo valor comercial e social, risco, confiança, transparência, justiça, mitigação de preconceitos, explicabilidade, responsabilidade, segurança, privacidade e conformidade regulatória. A IA responsável levará de 5 a 10 anos para alcançar a adoção geral, mas terá um impacto transformacional nos negócios.

A ética digital é uma tendência de curto prazo (dois a cinco anos) que provavelmente terá um alto impacto nos negócios. A ética digital compreende os sistemas de valores e princípios morais para a condução das interações eletrônicas entre pessoas, organizações e coisas. Essas questões, especialmente no que se refere à privacidade e preconceito, continuam sendo motivo de preocupação para muitos. As pessoas, cada vez mais conscientes de que suas informações são valiosas, ficam frustradas com a falta de transparência, uso indevido e violações. As organizações estão agindo para mitigar os riscos em torno do gerenciamento e da proteção de dados pessoais, enquanto os governos estão implementando uma legislação mais rígida.

Muitas organizações ainda ignoram a ética digital, porque acham que ela não se aplica ao seu setor ou domínio, mas o Gartner prevê que até 2024, 30% das grandes organizações usarão uma nova métrica de “voz da sociedade” para atuar em questões sociais e avaliar o impacto no desempenho de seus negócios. As organizações precisarão integrar a ética digital em suas estratégias de IA para reforçar sua influência e reputação entre clientes, funcionários, parceiros e sociedade.

Resumidamente

  • O Gartner Hype Cycle™ de 2022 para Inteligência Artificial apresenta inovações “imperdíveis” que devem gerar amplos benefícios para qualquer organização.
  • Essas inovações vão além das técnicas cotidianas de IA já usadas para adicionar inteligência a aplicativos de negócios, dispositivos e ferramentas de produtividade anteriormente estáticos.
  • Preste atenção antecipada às inovações que devem atingir a adoção geral em dois a cinco anos, incluindo IA composta, inteligência de decisão e IA de ponta.

Referência

Traduzido e levemente adaptado de What’s New in Artificial Intelligence from the 2022 Gartner Hype Cycle, by Jackie Wiles – Gartner, 2022.

Artigos relacionados

Posicionamento da IA em anos anteriores

Como o Gartner via a IA neste em 2021

Como o Gartner via a IA neste em 2020

Como o Gartner via a IA neste em 2020

Inteligência Artificial na Estratégia de Marketing

Sou pesquisador do Núcleo Decide pela FEA-USP / CNPq, onde desde 2020 estamos pesquisando sobre o uso da inteligência artificial na tomada de decisões das organizações, e professor da disciplina Fundamentos da Inteligência Artificial na pós-graduação da ESPM. Nesse sentido, os temas sobre tomada de decisão, estratégia, inovação, marketing e inteligência artificial fazem parte do meu escopo de pesquisa, estudo, ensino e consultoria.

Ao pesquisar sobre estes temas, encontrei o artigo “Artificial Intelligence (AI) in Strategic Marketing Decision-Making: A research agenda”, de Merlin Stone e outros autores, vide referência, o qual traduzi, resumi e adaptei, como segue. Acredito que o texto pode ser útil a todo gestor de marketing que queira ser mais orientado a dados em suas decisões e deseje utilizar a IA como aliada na busca por agilidade e resultados melhores em suas atividades.

Introdução

Este artigo enfoca a evolução da prática de marketing e, em particular, a possível aplicação da inteligência artificial (IA) à tomada de decisões estratégicas de marketing.

A fronteira entre humanos e computadores na tomada de decisões está mudando. Hoje, a IA é cada vez mais implantada em operações de marketing, por exemplo, identificação de riscos, gerenciamento de resposta do centro de contato, bem como em publicidade de marketing, incluindo análise e direcionamento de clientes, design e seleção de publicidade para corresponder aos clientes-alvo, precificação para maximizar o rendimento de clientes individuais. Num futuro próximo, espera-se que a IA seja empregada na tomada de decisões estratégicas, por exemplo, quais modelos de negócios usar, quais estratégias seguir, quais mercados segmentar, quais produtos comercializar, quais canais de comunicação e distribuição usar, quais estratégias de preços e posicionamento competitivo seguir etc. No entanto, o uso da IA ​​na estratégia de marketing não tem sido muito discutido no domínio público. Contatos com a indústria indicam que algumas empresas avançaram muito nessa área, mas esses projetos são mantidos em sigilo e tratados como fonte de vantagem competitiva.

Ressalta-se, neste ponto, que o foco não está na substituição da tomada de decisão humana nas decisões estratégicas, mas na criação de um mecanismo de tomada de decisão de maior qualidade, usando IA, para que os profissionais de marketing tenham acesso a informações mais rápidas, completas e opções mais elaboradas para escolher e a criação do quadro teórico associado.

Hoje a IA é vista principalmente como um suporte às grandes decisões de negócios e não como um tomador de decisão – exceto em alguns casos operacionais, mas atribuem isso ao fato de que a IA atualmente constituída é relativamente fraca, em comparação com o que será a forte IA do futuro.

Este artigo tem como perspectiva negócios business-to-consumer (B2C) e das empresas que vendem aos consumidores através de outros negócios (conhecidos como B2B2C).

Os benefícios

Espera-se que os benefícios da aplicação da IA ​​à tomada de decisões estratégicas de marketing incluam:

  • Maior velocidade de tomada de decisão, especialmente em resposta à disponibilidade de novos dados ou ameaças competitivas emergentes, permitindo que as empresas capturem os benefícios de posições de mercado mais fortes mais cedo.
  • Identificação de dados perdidos.
  • Aumento da racionalidade, particularmente por meio da remoção ou redução do viés cognitivo por parte dos tomadores de decisão.
  • Criação de uma base comum para a tomada de decisões.
  • Incorporação do aprendizado da experiência.
  • Maior qualidade na gestão dos projetos de marketing.

Exemplos de aplicação

Existem maneiras pelas quais a IA pode ser usada em diferentes áreas de tomada de decisão e planejamento de marketing. Nem sempre há uma separação clara entre estratégia de marketing e estratégia de negócios. Tampouco há uma separação clara entre a estratégia geral de marketing e a estratégia para os diferentes elementos do mix de marketing. Por exemplo, as decisões sobre os canais de marketing têm aspectos estratégicos, bem como aspectos táticos, principalmente porque as abordagens digitais alteram o equilíbrio entre os canais e os papéis que os diferentes canais desempenham. Essas decisões podem afetar todos os aspectos do marketing.

Segue uma amostra de possíveis mudanças que o digital fez em diferentes atividades de marketing, pois a digitalização do marketing é uma pré-condição para que os dados sejam disponibilizados para a IA, ​​e exemplos de possíveis implantações da IA. São considerados a IA no Marketing Estratégico, a IA no Mix de Marketing e a IA na Gestão do Marketing, com diversos subtópicos.

IA no Marketing Estratégico

Estratégia geral – mercados-alvo, mix de marketing para cada um, objetivos, KPIs, metas etc.

Permite que as informações para a tomada de decisões sejam reunidas e automatizadas rapidamente, e os resultados de diferentes estratégias sejam analisados mais rapidamente para que a estratégia possa ser revisada em uma abordagem de experimentação com testes e aprendizado.

Exemplos:

  • Avaliando rapidamente diferentes resultados com base em estratégias alternativas.
  • Auxiliando na tomada de decisões rápidas para escolher aquelas com maior probabilidade de produzir melhores resultados.

Modelo de negócio de gestão de clientes

Refere-se a quais clientes a empresa deseja adquirir, reter, desenvolver (up-sell e cross-sell) e alienar, com quais receitas e custos resultantes, para atingir seus objetivos estratégicos, em vez de atender às metas de determinados elementos do mix de marketing isoladamente.

Exemplos:

  • Usando tecnologia como aprendizado de máquina para ajudar a “alcançar” públicos semelhantes.
  • Quantificando e explorando as consequências de diferentes modelos de negócios.

Marca geral e proposta

Dependendo se a empresa está envolvida em muitos tipos diferentes de produtos e mercados, pode se aplicar a toda a empresa ou a partes dela, mas em um nível mais alto do que produtos e serviços individuais – com diferentes abordagens de marca adotadas em diferentes canais.

Exemplo:

  • Identificando resultados de investimentos de marca, recomendando investimentos futuros e estratégia de canal.

Desenvolvimento de novas fontes de receita

Refere-se ao desenvolvimento de receita usando uma forma ou a introdução de um novo produto ou serviço que é, de alguma forma, diferente das formas existentes – pode envolver qualquer ou todos os elementos do mix de marketing e diferentes mercados.

Exemplo:

  • Identificando fluxos de receita para a base de clientes existente e para novos mercados para acelerar o lançamento.

Gestão de ecossistemas, parcerias, terceirização e redefinição da cadeia de valor

Como empresas e parceiros (fornecedores e fabricantes), que trabalham em estreita colaboração, são organizados para garantir que a estratégia geral de marketing (e negócios) da empresa seja desenvolvida e entregue, e como os ganhos de trabalhar juntos são compartilhados.

Exemplo:

  • Identificando as partes mais produtivas do ecossistema e as lacunas no desenvolvimento do ecossistema.

Estratégia competitiva – quem são os principais concorrentes, visando a vitória e a defesa

Como os concorrentes diretos e indiretos são identificados, suas estratégias descobertas e compreendidas e como a empresa cria estratégias para evitar, sempre que possível, os efeitos negativos da concorrência.

Exemplo:

  • Identificando sinais fracos de concorrência iminente.
  • Identificando pontos fracos na estratégia própria e da concorrência.

Gestão de recursos

Permite que os custos e benefícios gerais de diferentes estratégias sejam medidos e analisados mais rapidamente para ajustar os recursos – nos períodos de pico de demanda.

Exemplo:

  • Analisando os dados para identificar riscos, recompensas e resultados/ possíveis cenários de planejamento.

IA no Mix de Marketing

Marca

O lócus das marcas de muitas empresas mudou do mundo real para o virtual, com muitas marcas de muitas outras sendo fortemente afetadas pelo que se fala sobre elas no mundo virtual.

Exemplos:

  • Acompanhando a mudança da imagem da marca usando evidências da web, principalmente das mídias sociais.
  • Encontrando evidências das causas da mudança de marca e perda de participação de mercado.

Produtos

A entrada do cliente no design do produto (design colaborativo) pode ser obtida muito mais rapidamente.

Os clientes podem projetar seus próprios produtos com mais facilidade. Os projetos podem ser testados e revisados mais rapidamente, enquanto os problemas podem ser identificados e corrigidos com mais rapidez e facilidade usando uma variedade de canais digitais e ferramentas de colaboração.

Exemplos:

  • Sintetizando a entrada de clientes.
  • Simulando resultados de novos designs de produtos de formulações.

Proposição

A proposta pode ser mais sintonizada com os mercados-alvo e o envolvimento dos clientes com diferentes propostas podem ser entendidos mais rapidamente, com alterações iterativas feitas e testadas para obter mais feedback.

Exemplo:

  • Identificando quais proposições funcionam melhor por meio de feedback e testes do cliente.

Preço

Os preços podem ser adaptados mais facilmente para diferentes clientes. O gerenciamento de rendimento pode ser aplicado em novas áreas.

Exemplo:

  • Redefinindo as estratégias de preços com base nos resultados de diferentes abordagens de gerenciamento de rendimento.

Publicidade

A publicidade em site/mobile/digital está gradualmente usurpando a publicidade em mídia física convencional, permitindo maior rastreabilidade e melhor avaliação do retorno do investimento. Isso está levando a uma indefinição da distinção entre publicidade digital e outros métodos de comunicação de marketing. A automação aplicada à publicidade por meio de abordagens programáticas e semelhantes está aumentando muito a oportunidade de aplicar abordagens de IA.

Exemplo:

  • Escolha/design de textos, imagens e vídeos para atender segmentos de mercado e indivíduos em diferentes canais e plataformas.

Marketing direto

O marketing direto se expandiu para fora da mídia convencional de correio e telefone para incluir praticamente todas as comunicações de marketing, especialmente digital e CRM, de modo que de alguma forma aparece em todo o marketing, seja iniciado pela empresa ou seus clientes. As indicações, sempre valiosas, se transformaram em recomendações para muitas empresas.

Exemplo:

  • Escolhendo qual forma/combinações de tipos de contato/canais/conteúdo que é apropriado para diferentes mercados-alvo e indivíduos.

Venda pessoal

A venda pessoal agora tem um suporte de informações muito mais forte, enquanto sistemas aprimorados de gerenciamento de vendas, às vezes integrados a sistemas de gerenciamento de resposta, permitem direcionamento, prospecção e gerenciamento de clientes e prospects muito mais eficazes.

Exemplos:

  • Fornecendo resposta personalizada aos indivíduos.
  • Analisando os resultados.
  • Recomendando diferentes maneiras de personalizar.

Relações públicas

O boca a boca eletrônico está substituindo a exposição na mídia convencional, não apenas por meio de redes sociais, mas por todos os aspectos do diálogo na web e em dispositivos móveis – e muitas vezes se desenvolvendo rapidamente e em tempo real. Em alguns setores, as avaliações online tornaram-se críticas para determinar se um produto será vendido, enquanto os influenciadores sociais se tornaram uma parte muito importante do marketing em alguns setores, como viagens, roupas, cosméticos e automotivo.

Exemplo:

  • Identificando padrões de boca a boca, razões para eles, ações sugeridas e sentimento subjacente.

Promoção de vendas

A eficácia das promoções de vendas pode ser avaliada muito mais rapidamente do que nunca, enquanto os canais online facilitam a distribuição de incentivos de compra como cupons, descontos e outros incentivos.

Exemplos:

  • Identificando quais promoções funcionam melhor e mais rapidamente com quais clientes/segmentos de mercado.
  • Identificando quais ofertas devem ser usadas e quando.

Conteúdo

O aumento do número de canais e a importância dos conteúdos (texto, áudio, imagem, vídeo) na persuasão e influência dos clientes tem vindo a destacar-se, sobretudo pela possibilidade de personalizar todo o tipo de conteúdo para segmentos de mercado e agora clientes individuais, suportado pela capacidade de pesquisar, classificar e analisar todos os tipos de conteúdo. O rápido aumento do conteúdo de vídeo, facilitado por melhorias significativas na largura de banda móvel, com mais vindo com o advento do 5G, é um desafio e uma oportunidade, multiplicado pelo uso de mensagens para comunicar conteúdo. A realidade estendida (virtual e aumentada) está mudando a abordagem do conteúdo, permitindo a combinação de experiências reais e digitais. A narrativa de marcas e produtos está sendo muito mais usada, em parte porque suporta o desenvolvimento de conteúdo muito mais rico que pode ser usado em todos os canais de comunicação. No entanto, uma questão que permanece controversa é até que ponto o uso da IA ​​pode apoiar e incentivar a criatividade e aumentar os retornos dela.

Exemplos:

  • Servindo conteúdo para os clientes e prospects certos no momento certo e analisar os resultados de servi-lo.
  • Personalizando o conteúdo para segmentos e clientes-alvo.

Gestão de clientes (aquisição, retenção, desenvolvimento, atendimento ao cliente, experiência do cliente)

Como o estoque do cliente é construído para produtos específicos ou grupos deles, desde as metas estabelecidas até as técnicas usadas para alcançar os resultados desejados e acompanhar o cumprimento do compromisso e das promessas do cliente após a transação.

Exemplos:

  • Otimizando os níveis de estoque em tempo real e ajudando o cliente a reagir à demanda de diferentes segmentos.
  • Automatizando a interação com o cliente (bots)

Distribuição

A web tornou-se um canal de distribuição muito importante para muitos produtos e serviços baseados em informação, bem como alguns produtos físicos e, em muitos mercados, o canal dominante para comunicação de marketing, de modo que as decisões de distribuição e comunicação ficam intimamente ligadas uma à outra, com os clientes que procuram uma resposta imediata às suas solicitações, ou um método simples para comprar quando estiverem prontos.

Exemplos:

  • Otimizando canais.
  • Identificando canais ausentes.
  • Melhorando os tempos de transação e agilize o atendimento.

IA na Gestão do Marketing

Pessoas

Os profissionais de marketing, vendas e serviços podem ser muito mais bem informados sobre o que precisam saber para vender e comercializar melhor, e os resultados de seu trabalho podem ser obtidos e distribuídos com mais facilidade. Eles também podem se beneficiar profissionalmente com mais treinamento em novas ferramentas de marketing digital e como aplicar a tecnologia pessoalmente.

Exemplos:

  • Identificando quais informações devem ser usadas para apoiar diferentes tipos de decisão.
  • Identificando onde os gerentes não estão usando as informações corretas, não têm acesso às informações corretas ou estão interpretando erroneamente as informações que possuem.
  • Fornecendo ferramentas e estruturas para melhor usar as oportunidades criadas pela nova tecnologia de IA.

Análise de marketing

Usar os enormes volumes de dados agora disponíveis para algumas empresas e clientes cada vez mais impacientes por respostas rápidas visando mensagens de saída e resposta rápida a mensagens de entrada pode ser muito mais preciso e oportuno. O tempo tornou-se extremamente importante para capturar a intenção de compra, pois os clientes podem estar no mercado por um período muito curto, pois fazem suas comparações e chegam a suas conclusões usando as montanhas de conteúdo disponíveis das empresas e de seus concorrentes.

Exemplo:

  • Acelerando a análise e sua aplicação – tanto do ponto de vista interno “reativo” quanto do ponto de vista dos clientes que acessam informações relevantes para uma compra.

Pesquisa de mercado

A pesquisa de mercado está cada vez mais on-line, enquanto a obtenção de informações de feedback iniciado pelo cliente e análise de sentimentos (com as permissões apropriadas) estão fornecendo uma nova fonte de informações aos profissionais de marketing sobre como seus clientes atuais e potenciais pensam, sentem e agem.

Exemplos:

  • Obtendo e analisando de conjuntos de dados maiores.
  • Analisando resultados de pesquisas, especialmente quando combinados em diferentes estudos.

Segmentação de mercado

Devido à sua crescente complexidade, a segmentação de mercado está se tornando cada vez mais automatizada. Os resultados de mudanças recentes nas metas e implantação de diferentes elementos do mix de marketing para produzir taxas de resposta e vendas adequadas.

Exemplo:

  • A IA pode ajudar com uma segmentação mais precisa, inclusive permitindo mudanças em tempo real na estratégia.

Dados e sistemas

Os processos de marketing podem ser migrados para os sistemas, cada vez mais rodando na “nuvem” e permitindo que o marketing e a equipe colaborem e melhorem sua eficácia e velocidade de processos como fluxo de trabalho e gerenciamento de projetos. Os sistemas permitem um acesso muito melhor aos dados necessários para a tomada de decisões, desde sobre clientes individuais até decisões estratégicas e, em seguida, para medição, revisão e cálculo do retorno do investimento. A personalização e o marketing baseado em localização deixaram de se tornar palavras de ordem e passaram a ser negócios de rotina para as equipes de marketing mais eficazes. No entanto, eles representam riscos de privacidade significativos, pois os requisitos de proteção de dados se tornaram um foco central para o gerenciamento de marketing. Enquanto isso, os requisitos de integração de dados de diferentes fontes para maximizar a eficácia do marketing, particularmente a integração de suas plataformas de gerenciamento de dados (sistemas centralizados para coletar e analisar grandes conjuntos de dados de fontes diferentes) com suas plataformas de demanda (sistemas que permitem aos compradores de publicidade digital coordenarem suas atividades, incluindo licitações) são essenciais para acompanhar os concorrentes.

Exemplos:

  • Identificando oportunidades para melhorar os retornos da implantação de sistemas.
  • Identificando novas maneiras de acelerar o fluxo de trabalho e uma colaboração para auxiliar no desenvolvimento da velocidade de lançamento no mercado e maior conformidade.

Gerenciamento de recursos de marketing

A automação de marketing permite que os processos de marketing sejam gerenciados de forma mais eficaz, pois o retorno do investimento para diferentes despesas de marketing é calculado e previsto com mais precisão do que os canais tradicionais.

A otimização do gerenciamento de recursos é fundamental com os negócios sendo mais esticados do que nunca por um mercado hipercompetitivo.

Gerenciamento de conteúdo

Gerenciar o crescente volume e variedade de conteúdo requer a manutenção de vários sistemas, e personalizar constantemente o conteúdo para as necessidades e casos de uso de situações específicas é particularmente importante, dada a crescente possibilidade de expor o cliente errado ao conteúdo errado.

A correspondência de conteúdo com o cliente final certo (no momento certo) usa significativamente mais recursos de marketing, portanto, o retorno do custo adicional de melhoria do gerenciamento de conteúdo deve ser medido e aplicado.

Exemplos:

  • Otimizando para clientes individuais.
  • Disponibilizando ferramenta que agiliza a entrega de conteúdos e melhora a sua otimização.

Gerenciando pessoas de marketing

Isso está relacionado a como os profissionais de marketing são recrutados, treinados, desenvolvidos, direcionados e avaliados como profissionais de marketing. Isso é particularmente importante em um cenário de tecnologia digital em rápida mudança, que exige um conjunto de habilidades totalmente novo dos canais e disciplinas tradicionais de marketing.

Exemplo:

  • Identificando os profissionais de marketing mais produtivos e auxiliando na resolução de problemas associados à tomada de decisão de outros.

Modelo operacional de marketing

Com a digitalização, o modelo operacional de marketing está mudando. Um dos melhores exemplos disso é o surgimento da publicidade programática, que está ajudando as empresas que usam a tecnologia a ir além do gerenciamento manual da publicidade para usar a tecnologia para alcançar o nirvana de atribuir o valor correto às diferentes intervenções publicitárias, dada a posse e uso das ferramentas de análise certas para alcançar o público-alvo certo automaticamente.

Exemplo:

  • Otimizando o funcionamento eficiente do modelo, incluindo o uso de aprendizado de máquina para tomar decisões em tempo real sobre públicos e níveis de investimento apropriados.

Finanças de marketing

É essencial identificar de onde vêm a receita e o lucro crucial ao operar em um complexo negócio multicanal e multiproduto/serviço. Dada a redução das barreiras à entrada online, a crescente velocidade de mudança no mercado, para garantir que um negócio está agindo de forma sustentável é preciso apurar muito mais rapidamente. Novas medidas estão sendo usadas, não apenas as financeiras clássicas, que levam em conta, abordagens de portfólio e tração digital.

Exemplo:

  • Identificando os retornos com precisão com mais rapidez e imparcialidade do que a análise humana.

Considerações Finais

O uso da IA em Marketing aos poucos tem evoluído de operacional para tático e estratégico. Gestores de marketing precisam acompanhar esta evolução, assim como a evolução do marketing tradicional com o digital, e a orientação de suas decisões por dados.

Sobre mim: aqui. Contato: aqui.

Um abraço, @neigrando

Referência

  • Este post trata-se de uma tradução reduzida e adaptada do artigo acadêmico original (em inglês): “Artificial Intelligence (AI) in Strategic Marketing Decision-Making: A research agenda”, por Merlin Stone, Eleni Aravopoulou, Yuksel Ekinci, e outros autores – de 2020.

Artigos relacionados

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