6 Preceitos sobre Machine Learning indispensáveis aos CEO´s

A maior razão no entendimento sobre Machine Learning reside na premissa que ao ser implementada adequadamente produz resultados aperfeiçoados com o tempo, mais dados e maior usabilidade.

É uma observação de grande importância, por conta das empresas que não utilizam adequadamente o Machine Learning no provimento de melhores serviços ou na sugestão de produtos de maneira diferenciada, correm o risco de fracassar perante seus concorrentes que utilizam esta tecnologia de maneira otimizada.

Todo CEO atento costuma perceber novas empresas concorrentes, oferecendo melhores serviços com softwares mais eficientes segundo o vice-presidente da Plataforma em Nuvem da Oracle, Amit Zavery. Como etapa seguinte, a maioria destas empresas começará a implementar o Machine Learning visando evoluir seus softwares e por consequência as relações com seus clientes. Sendo tarde demais para os que não seguirem esta tendência.

As regras conhecidas como if-then na programação convencional são diferentes das utilizadas uso do Machine Learning na tomada de decisões, como exemplo do visitante pesquisando uma coleira para cachorro, no sistema convencional se o visitante pesquisa este produto então ofereça este produto. Já no modelo Machine Learning o algoritmo definido aprende com uma infinidade de dados podendo chegar a resultados não tão óbvios, como pessoas que pesquisaram coleira para cães e residentes duma determinada região, em dezembro, geralmente comprarem botas de inverno nas próximas duas semanas.

É comentado do Machine Learning estar mais acessível para a maioria das empresas, por elas poderem acessar os grandes recursos disponíveis na computação em nuvem, pagando apenas pelos serviços utilizados. Há tempos esse potencial computacional estava disponível apenas a grandes e mais sofisticadas corporações.

Após este pequeno prelúdio, conheça as seis premissas sugeridas por Zavery para os CEO´s inovadores sobre implementar estrategicamente o Machine Learning.

1. O Machine Learning não é uma caixa mágica

Os CEO´s devem desmistificar esse conceito, considerando desatar dele táticas fundamentais e outros termos exigindo dos demais líderes organizacionais o mesmo comportamento. “Não dever ser visto como uma caixa mágica, contendo todas as respostas” afirma Zavery.

O Machine Learning por exemplo, tem como estratégia utilizar um conjunto de táticas provavelmente já familiares aos CEO´s ou no mínimo facilmente compreensíveis por eles como análise regressiva, classificação e agrupamento, análise de séries temporais e detecção de anomalias.

Soluções como o TensorFlow, Caffe e Keras são estruturas (frameworks) utilizadas na implementação do Machine Learning, considerados como estruturas de aprendizado profundo (deep learning), possuindo recursos para, por exemplo, desenvolver aplicativos capazes de compreender a fala humana, identificar imagens entre algumas aptidões.

Há ainda a condição dos líderes organizacionais analisarem que tipo de informações são fornecidas aos algoritmos do Machine Learning, propiciando aos gestores obterem suas próprias conclusões.

2. O Volume de dados em massa é desnecessário

Mesmo os dados sendo elementos indispensáveis, mais importantes que sua quantidade reside na qualidade destas informações. Por essa razão, comenta Zavery ainda estar no ‘entra lixo, sai lixo”.

Ainda assim, o Machine Learning traz como encanto os resultados e modelos refinados ao longo do tempo, desde que os modelos sejam adequadamente nutridos sendo mantidos com dados pertinentes e atuais, executando sua reciclagem.

Desta maneira, poderão as organizações aplicar táticas de aprendizagem amparadas pelo Machine Learning, identificando deficiências, aperfeiçoando suas habilidades ao invés do anseio na obtenção num passe de mágica por dados importantes, finaliza Zavery que “Se você for aguardar por todos os dados estarem disponíveis, sua organização ficará para trás”.

3. Cultura baseada em regras tende a mudar com o Machine Learning

Pelo Machine Learning não estar vinculado a regras, torna-o capaz de colaborar com as organizações na exploração de diversas outras escolhas, enquanto continuam direcionadas por dados sólidos e raciocínios humanos.

Um exemplo aqui pode ser utilizado numa campanha de marketing segmentada, definindo regras claras a quem deve receber um tipo específico de anúncio, através de um determinado canal enquanto durar a campanha. É possível pelo Machine Learning analisar uma maior diversidade interna dados além de origens externas como períodos de compra e mídias sociais, possibilitando outras combinações e possibilidades.

No modelo para cadeia de suprimentos (supply chain), o Machine Learning pode identificar riscos não previamente identificados pela equipe, onde Zavery conclui que “Você ficará surpreso com as respostas”.

4. Você pode obter vitórias rapidamente

É possível das organizações obterem êxito precocemente no uso do Machine Learning, em qualquer quantidade de áreas operacionais, dentre esta dimensão Zavery destaca quatro delas vislumbrando grande investimento e retorno:

• Melhores oportunidades e indicações a exemplo da coleira e das botas de inverno, onde o Machine Learning evolui continuamente na sugestão para o próximo produto que o visitante provavelmente estará interessado em adquirir.
• Cadeia de suprimentos otimizada amparada pelo Machine Learning na predição dos problemas em seu funcionamento, solicitando a manutenção antes que ocorram.
• No campo da Segurança da Informação a interpretação do volume de dados oriundos dos arquivos de comportamento (logs) já superou a capacidade humana. Através do Machine Learning é possível monitorar continuamente e assim assimilando o comportamento das operações, avisando os profissionais da TI sobre ataques iminentes.

• A previsibilidade contra falhas e análises de risco também está amparada pelo Machine Learning na manutenção preditiva, sofisticando os equipamentos ao analisar dados provenientes dos sistemas fabris. Isto permite eliminar senão reduzir o tempo não planejado de inatividade, sendo um grande benefício vindo do IoT (Internet of Things) permitindo uma seleção melhor dos dados desses sistemas.

5. Medo pela redução de empregos não deve ser desprezada

Assim como a inteligência artificial, tem no Machine Learning amplamente utilizado motivos para atemorizar alguns colaboradores. Existe neles o potencial para ocupar cargos exercidos atualmente por pessoas ?!

Nesta indagação é afirmado por Zavery sobre o Machine Learning ser meramente a etapa seguinte da automação, tendo sido os colaboradores amparados e recebido investimentos para sua adaptação pelos CEO´s. Finaliza sobre “O Machine Learning provê melhores ferramentas para a execução das suas tarefas”. “Os CEO´s precisam esclarecer seus benefícios permitindo a organização ser mais competitiva. Tornando o negócio mais lucrativo obtendo mais receitas, resultando em mais autonomia para investir em outros assuntos”.

6. Chegou o momento de investir no Machine Learning

Praticamente depois de quase 60 anos do termo Machine Learning ter sido inventado, três importantíssimos elementos justificam os motivos do seu recente destaque, segundo Zavery.

• A utilização da computação em nuvem pagando pelo uso, conforme já descrito, amplia a viabilidade por não precisa investir exorbitâncias numa infraesturura computacional. “Permite das organizações usufruírem muito mais do Machine Learning do que antes” postula Zavery.
• A acessibilidade e usabilidade dos algoritmos implementados no Machine learning foram ampliados, permitindo variações e personalizados como para frameworks de linguagem natural e diversos segmentos fabris. “Aprender intrinsicamente esses modelos não é mandatório e mesmo assim é possível utilizar em seu aplicativo” conclui Zavery.

• Muito mais dados tornaram-se acessíveis às organizações, inflando seus próprios armazéns de dados com fontes também anônimas e consequentemente propiciando descobertas mais robustas.