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

Informações Selecionadas sobre Negócios e Tecnologia

Atualmente com tanta informação disponível na internet não é fácil para nós pesquisarmos e selecionarmos com critérios o que realmente é importante para empreendedores, gestores e líderes de startups e empresas tradicionais em transformação para o digital e inovador.

Quero deixar aqui o meu convite para você cadastre-se gratuitamente no StartupRadar (http://startupradar.com.br) e ter acesso a informações em português e inglês.

Ao se autenticar, acesse no menu superior a aba [Conhecimento] e navegue via tags e busca.

Observações:

  1. não se trata de notícias ou eventos, mas sim de uma base de conhecimentos com artigos, relatórios e informações relevantes de autores e fontes confiáveis. Material essencial ao constante aperfeiçoamento profissional.
  2. Caso tenha alguma critica ou sugestão para melhoria ou indicação de artigo basta utilizar a aba [Contato] do StartupRadar.

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

Sobre mim: aqui, Contato: aqui.

StartupRadar

Como é a Tomada de Decisão orientada pela IA

Dando sequência a série de artigos que decidi compartilhar sobre a importância do uso da Inteligência Artificial (IA) na transformação digital das organizações, preparei este post com base em um conteúdo que acho extremamente relevante sobre o tema. As informações que seguem consideram a importância do uso dos dados abundantes que atualmente temos disponíveis (Big Data), a importância que eles têm para que os líderes e gestores das organizações possam tomar decisões de qualidade que vão além de poucas variáveis e a intuição, bem como o uso do poder da IA como parceira nessas questões estratégicas e táticas, pois como vimos em artigos anteriores, nas questões operacionais ela pode até decidir por si só.

Um número mais que considerável de empresas se adaptaram a uma abordagem “orientada a dados” para a tomada de decisões operacionais. Os dados podem melhorar as decisões, mas requer o processador certo para obter o máximo destes dados. Aqui, a maioria das pessoas ainda assumem que o processador é humano, onde o termo “orientado a dados” implica até que os dados sejam selecionados e resumidos para as pessoas processarem.

Mas, para alavancar totalmente o valor contido nos dados, as empresas precisam trazer a Inteligência Artificial (IA) para seus fluxos de trabalho e, às vezes, até mesmo, tirar os humanos do caminho, precisamos evoluir de fluxos de trabalho orientados a dados para orientados por IA.

A distinção entre “orientado a dados” e “orientado a IA” não é apenas semântica. Cada termo reflete ativos diferentes, o primeiro com foco em dados e o segundo com capacidade de processamento. Os dados contêm os insights que podem permitir melhores decisões; o processamento é a maneira de extrair essas ideias e executar ações. Humanos e IA são processadores, com habilidades muito diferentes. Para entender a melhor forma de alavancar cada um, é útil revisar nossa própria evolução biológica e como a tomada de decisões evoluiu na indústria.

Entre cinquenta a setenta e cinco anos atrás, o julgamento humano era o processador central da tomada de decisões de negócios. Os profissionais confiaram em suas intuições altamente ajustadas, desenvolvidas a partir de anos de experiência e uma quantidade relativamente pequena de dados em seu domínio, para, por exemplo, escolher as ideias criativas certas para uma campanha publicitária, determinar os níveis de estoque certos para estocar ou aprovar os investimentos financeiros certos. A experiência e o instinto eram a maior parte do que estava disponível para discernir o bem do mal, o alto do baixo e o arriscado versus o seguro.

Talvez fosse humano demais. Nossas intuições estão longe de serem os instrumentos ideais para a tomada de decisão. Nossos cérebros são infligidos por muitos vieses cognitivos que prejudicam nosso julgamento de maneiras previsíveis. Este é o resultado de centenas de milhares de anos de evolução em que, como primeiros caçadores-coletores, desenvolvemos um sistema de raciocínio que se baseia em heurísticas simples – atalhos ou regras práticas que contornam o alto custo do processamento de muitas informações. Isso permitiu decisões rápidas (intuitivas), quase inconscientes, para nos livrar de situações potencialmente perigosas. No entanto, “rápido e quase inconsciente” nem sempre significava o ideal ou mesmo a precisão.

Imagine um grupo de nossos ancestrais caçadores-coletores amontoados em volta de uma fogueira quando um arbusto próximo sussurra de repente. É necessário tomar uma decisão do tipo “rápido e quase inconsciente”: concluir que é um predador perigoso e fugir, ou solicitar mais informações para ver se é uma presa em potencial – digamos, um coelho que possa fornecer nutrientes ricos. Nossos ancestrais mais impulsivos – aqueles que decidiram fugir – sobreviveram a uma taxa mais alta do que seus pares mais curiosos. O custo do voo e a perda de um coelho era muito menor do que o custo de ficar por perto e arriscar perder a vida para um predador. Com tal assimetria nos resultados, a evolução favorece a característica que leva a consequências menos dispendiosas, mesmo com o sacrifício da precisão. Portanto, a característica de tomada de decisão mais impulsiva e menos processamento de informações se tornou predominante na população descendente.

No contexto moderno, as heurísticas de sobrevivência tornam-se inúmeros vieses cognitivos pré-carregados em nossos cérebros herdados. Esses vieses influenciam nosso julgamento e tomada de decisão de maneiras que se afastam da objetividade racional. Damos mais peso do que deveríamos a eventos vívidos ou recentes. Classificamos grosseiramente os sujeitos com estereótipos amplos que não explicam suficientemente suas diferenças. Ancoramos na experiência anterior, mesmo quando é completamente irrelevante. Tendemos a invocar explicações ilusórias para eventos que são realmente apenas ruídos aleatórios. Essas são apenas algumas das dezenas de maneiras pelas quais o viés cognitivo atormenta o julgamento humano e, por muitas décadas, foi o processador central da tomada de decisões de negócios. Agora sabemos que confiar apenas na intuição humana é ineficiente, caprichoso, falível e limita a capacidade da organização.

Tomada de decisão com suporte de dados

Graças a Deus, então, pelos dados. Os dispositivos conectados agora capturam volumes impensáveis de dados: toda transação, todo gesto do cliente, todo indicador micro e macroeconômico, todas as informações que podem fundamentar melhores decisões. Em resposta a esse novo ambiente rico em dados, adaptamos nossos fluxos de trabalho. Os departamentos de TI dão suporte ao fluxo de informações usando máquinas (bancos de dados, sistemas de arquivos distribuídos e similares) para reduzir os volumes incontroláveis de dados em resumos digeríveis para consumo humano. Os resumos são posteriormente processados por humanos, usando ferramentas como planilhas, painéis e aplicativos de análise. Eventualmente, os dados altamente processados e agora gerenciáveis e pequenos são apresentados para a tomada de decisões. Este é o fluxo de trabalho “orientado a dados”. O julgamento humano ainda é o processador central, mas agora usa dados resumidos como uma nova entrada.

Embora seja indubitavelmente melhor do que confiar apenas na intuição, os humanos que desempenham o papel de processador central ainda criam várias limitações.

  1. Não aproveitamos todos os dados. Os dados resumidos podem ocultar muitas das ideias, relacionamentos e padrões contidos no conjunto de dados original (grande). A redução de dados é necessária para acomodar a taxa de transferência de processadores humanos. Por mais que sejamos adeptos de digerir nosso ambiente, processando sem esforço grandes quantidades de informações ambientais, somos notavelmente limitados quando se trata de processar os dados estruturados manifestados como milhões ou bilhões de registros. A mente pode lidar com números de vendas e preço médio de venda acumulado até um nível regional. Ele entra em conflito ou é encerrado quando você começa a pensar na distribuição completa de valores e, crucialmente, nos relacionamentos entre elementos de dados – informações perdidas em resumos agregados, mas importantes para a tomada de decisões. (Isso não é para sugerir que os resumos de dados não sejam úteis. Com certeza, eles são ótimos, fornecendo visibilidade básica dos negócios. Mas fornecerão pouco valor para o uso na tomada de decisões. Muito se perde na preparação para seres humanos.) Em outros casos, os dados resumidos podem ser totalmente enganosos. Fatores de confusão podem dar a aparência de um relacionamento positivo quando, na verdade, é o contrário. E uma vez que os dados são agregados, pode ser impossível recuperar os fatores contribuintes para controlá-los adequadamente. (A melhor prática é usar ensaios clínicos randomizados, ou seja, testes A/B. Sem essa prática, mesmo a IA pode não ser capaz de controlar adequadamente fatores de confusão.) Em resumo, usando humanos como processadores centrais de dados, ainda precisamos de negociação para contornar o alto custo do processamento de dados humanos.
  2. Os dados não são suficientes para nos isolar do viés cognitivo. Os resumos de dados são dirigidos por seres humanos de uma maneira que é propensa a todos esses preconceitos cognitivos. Dirigimos a sumarização de uma maneira que é intuitiva para nós. Pedimos que os dados sejam agregados aos segmentos que consideramos serem arquétipos representativos. No entanto, temos essa tendência de classificar de forma grosseira os sujeitos que apresentam estereótipos amplos que não explicam suficientemente suas diferenças. Por exemplo, podemos acumular os dados em atributos como geografia, mesmo quando não há diferença discernível no comportamento entre as regiões. Os resumos também podem ser considerados como um “grão grosso” dos dados. É uma aproximação mais áspera dos dados. Por exemplo, um atributo como geografia precisa ser mantido em um nível de região onde há relativamente poucos valores (ou seja, “leste” versus “oeste”). O que importa pode ser melhor do que isso – cidade, CEP e até dados no nível da rua. É mais difícil agregar e resumir para o cérebro humano processar. Também preferimos relacionamentos simples entre elementos. Nós tendemos a pensar nos relacionamentos como lineares porque é mais fácil para nós processarmos. A relação entre preço e vendas, penetração no mercado e taxa de conversão, risco de crédito e receita – tudo é assumido linear mesmo quando os dados sugerem o contrário. Até gostamos de inventar explicações elaboradas para tendências e variações de dados, mesmo quando elas são explicadas de forma mais adequada por variações naturais ou aleatórias.

Infelizmente, estamos acomodando nossos vieses quando processamos os dados.

Trazendo a IA para o fluxo de trabalho

Precisamos evoluir ainda mais e trazer a IA para o fluxo de trabalho como um processador primário de dados. Para decisões de rotina que dependem apenas de dados estruturados, é melhor delegar as decisões à IA. A IA é menos propensa ao viés cognitivo humano. (Existe um risco muito real de usar dados tendenciosos que podem fazer com que a IA encontre relações ilusórias que são injustas. É necessário entender como os dados são gerados, além de como são usados.) A IA pode ser treinada para encontrar segmentos na população que melhor explica a variação nos níveis de finos de granularidade, mesmo que não sejam intuitivos para nossas percepções humanas. A IA não tem problemas em lidar com milhares ou até milhões de agrupamentos. E a IA é mais do que confortável em trabalhar com relacionamentos não lineares, sejam eles exponenciais, leis de potência, séries geométricas, distribuições binomiais ou outras.

Esse fluxo de trabalho aproveita melhor as informações contidas nos dados e é mais consistente e objetivo em suas decisões. Ele pode determinar melhor qual anúncio criativo é mais eficaz, os níveis ideais de inventário a serem definidos ou quais investimentos financeiros serão feitos.

Embora os humanos sejam removidos desse fluxo de trabalho, é importante observar que a mera automação não é o objetivo de um fluxo de trabalho orientado por IA. Claro, isso pode reduzir custos, mas isso é apenas um benefício incremental. O valor da IA ​​é tomar decisões melhores do que o que os humanos sozinhos podem fazer. Isso cria uma melhoria gradual na eficiência e permite novos recursos.

Aproveitando os processadores IA e Humanos no fluxo de trabalho

Remover humanos de fluxos de trabalho que envolvem apenas o processamento de dados da estrutura não significa que eles sejam obsoletos. Existem muitas decisões de negócios que dependem mais do que apenas dados estruturados. Declarações de visão, estratégias da empresa, valores corporativos, dinâmica de mercado são exemplos de informações disponíveis apenas em nossas mentes e transmitidas através da cultura e de outras formas de comunicação não digital. Essas informações são inacessíveis à IA e extremamente relevantes para as decisões de negócios.

Por exemplo, a IA pode determinar objetivamente os níveis de estoque corretos para maximizar os lucros. No entanto, em um ambiente competitivo, uma empresa pode optar por níveis mais altos de estoque, a fim de proporcionar uma melhor experiência ao cliente, mesmo à custa dos lucros. Em outros casos, a IA pode determinar que investir mais dinheiro em marketing terá o maior ROI entre as opções disponíveis para a empresa. No entanto, uma empresa pode optar por moderar o crescimento para manter os padrões de qualidade. As informações adicionais disponíveis para os seres humanos na forma ou estratégia, valores e condições de mercado podem merecer um afastamento da racionalidade objetiva da IA. Nesses casos, a IA pode ser usada para gerar possibilidades das quais os humanos podem escolher a melhor alternativa, dadas as informações adicionais às quais têm acesso. A ordem de execução desses fluxos de trabalho é específica do caso. Às vezes, a IA é a primeira a reduzir a carga de trabalho em humanos. Em outros casos, o julgamento humano pode ser usado como entrada para o processamento da IA. Em outros casos ainda, pode haver iteração entre a IA e o processamento humano.

A chave é que os humanos não estão interagindo diretamente com os dados, mas com as possibilidades produzidas pelo processamento dos dados pela IA. Valores, estratégia e cultura são a nossa maneira de conciliar nossas decisões com racionalidade objetiva. É melhor fazer isso explicitamente e totalmente informado. Ao alavancar a IA e os seres humanos, podemos tomar melhores decisões do que usar apenas uma delas.

A próxima fase da nossa evolução

Passar de orientado a dados para orientado a IA é a próxima fase de nossa evolução. Adotar a IA em nossos fluxos de trabalho permite um melhor processamento de dados estruturados e possibilita que humanos contribuam de maneiras complementares.

É improvável que essa evolução ocorra dentro da organização individual, assim como a evolução por seleção natural não ocorre dentro dos indivíduos. Pelo contrário, é um processo de seleção que opera em uma população. As organizações mais eficientes sobreviverão a taxas mais altas. Como é difícil para empresas maduras se adaptarem às mudanças no ambiente, suspeito que veremos o surgimento de novas empresas que adotam contribuições de IA e humanas desde o início e as incorporam nativamente em seus fluxos de trabalho.

Para uma visão mais ampla sobre IA, não deixe de ver os artigos relacionados abaixo.

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

Sobre mim: aqui, Contato: aqui.

Referência:

  • What AI-Driven Decision Making Looks Like, by Eric Colson, Harvard Business Review, 2019.

Artigos Relacionados: