Gestão na Era da Inteligência Artificial: Conceitos básicos e exemplos de aplicações

Gestão na Era da Inteligência Artificial: Conceitos básicos e exemplos de aplicações

Bem-vindos a Gestão na Era da Inteligência Artificial!

Esta série aborda, de forma simples e acessível, os fundamentos da inteligência artificial, suas aplicações na gestão de operações e projetos e como se preparar para lidar com esse novo paradigma.

Neste primeiro post, discorro sobre as diferenças entre inteligência artificial e machine learning e apresento algumas aplicações que vem sendo utilizadas na atualidade.

Essa introdução é necessária para as discussões que teremos a seguir e deverá ajudá-los a dirigir as iniciativas nas suas empresas.

Inteligência Artificial

Nos últimos tempos, temos recebido uma enxurrada de informações sobre inteligência artificial. As notícias falam sobre o fim dos empregos, sobre a singularidade e sobre os riscos do extermínio da humanidade. Muita fantasia por enquanto, embora ninguém possa garantir o que acontecerá no futuro.

No mundo real, o que chamamos de inteligência artificial é tão somente “uma área de estudo que constrói sistemas que tomam decisões inteligentes” (CHANDRASEGARAN, 2017).

Podemos separar os sistemas de inteligência artificial em dois tipos básicos: programáveis e não programáveis.

Os programáveis atuam em problemas com possibilidades finitas e conjuntos de restrições. Exemplos:

  • Personagens de vídeo-games, cujas funções são pré-programadas e os cenários são limitados
  • O balanceamento de recursos do MS-Project, que verifica se há pessoas ou equipamentos superalocados e reorganiza os agendamentos de acordo com as restrições.

Os não programáveis buscam padrões para aprender sozinhos, através do treinamento com dados anteriores.Exemplos

  • Processamento de Linguagem Natural, em que há grande variabilidade na forma de escrever
  • Processamento de Imagens (ou visão computacional), já que uma imagem raramente é exatamente igual a outra.

Enquanto os sistemas programáveis utilizam conjuntos de regras, os não-programáveis utilizam modelos estatísticos para inferir o comportamento de uma nova amostra, motivo pelo qual são chamados de algoritmos de machine learning.

Machine Learning

Algoritmos de machine learning são sistemas inteligente capazes de “aprender sozinhos”, através de modelos estatísticos, sendo portanto um tipo de inteligência artificial.

Os modelos são gerados através de um processo de treino, que consiste basicamente em utilizar amostras de dados coletados anteriormente para calcular uma equação capaz de predizer o resultado de uma amostra futura. Assim sendo, para treinar um algoritmo são necessários dados de entrada e de saída.

Por exemplo, considere uma tabela com as seguintes informações: tipo de projeto, quantidade de pessoas alocadas, grau de risco e prazo médio. O algoritmo calculará os pesos dos primeiros três parâmetros em relação ao último, que representa o resultado final, para que na próxima execução consiga antever seu valor.

Os algoritmos de machine learning podem ser supervisionados, não-supervisionados, semi-supervisionados (que mesclam os dois tipos anteriores) ou baseados no aprendizado por reforço (FUMO, 2017), vejamos alguns exemplos:

  • Algoritmos supervisionados: nearest neighbors, naive bayes, decision trees, linear regression, SVM e redes neurais. 
  • Algoritmos não-supervisionados: k-means clustering e association rules
  • Aprendizagem por reforço (reinforcement learning) – Q-Learning, temporal difference (TD) e deep adversarial networks.

Aplicações no contexto da gestão

De um modo geral, as empresas têm aplicado a inteligência artificial como meio para automatizar processos, apoiar decisões, aumentar a acurácia e coletar insights. Finalmente, entendamos um pouco sobre o que é possível fazer com inteligência artificial:

Estimativas

  • Calcular o prazo de um projeto, a partir de parâmetros que classificam projetos anteriores
  • Estimar a necessidade de contratação de novas pessoas, cruzando a rotatividade com informações sobre o mercado
  • Inferir quando uma nova mudança deve chegar ao projeto e estimar seu impacto no custo

Balanceamento

  • Definir o melhor arranjo de pessoas para trabalhar num projeto, levando em conta suas habilidades, disponibilidade e o prazo esperado
  • Planejar a composição de despesas, conforme a prioridade de cada categoria, para alcançar uma lucratividade-alvo
  • Organizar o service mix da empresa para cada segmento, a partir de informações sobre vendas anteriores para maximizar a lucratividade

Controle

  • Atualizar cronogramas/kanbans automaticamente, a partir da conclusão de atividades
  • Categorizar despesas usando os comentários dos recibos de reembolso
  • Interpretar o texto de e-mails para identificar o assunto-chave e propor uma ação

Clusterização

  • Segmentar os clientes em categorias, dado um objetivo específico (e.g. mais interessados em comprar produtos de linha branca)
  • Verificar os clientes que mais se assemelham a uma referência (e.g. os clientes mais próximos àquele que vem investindo mais em fundos de renda fixa)
  • Segmentar projetos bem e mal sucedidos para descobrir os critérios de agrupamento

Análise de desvios

  • Calcular o ETC (estimate to complete), levando em conta o tempo médio das k atividades anteriores
  • Sugerir ações de correção, a partir de ocorrências similares
  • Verificar os motivos pelos quais os funcionários não comparecem aos treinamentos

Estes são alguns exemplos iniciais para ilustrar “o que é possível fazer” com a inteligência artificial. A lista é longa e crescente, nos próximos posts apresentarei mais detalhes e exemplos.

Recapitulando

  1. Inteligência Artificial é a área de estudo que constrói sistemas que tomam decisões inteligentes
  2. Machine Learning é um ramo da inteligência artificial que constrói algoritmos capazes de aprender sozinhos
  3. Existem quatro tipos de algoritmos de machine learning:  supervisionados, não-supervisionados, semi-supervisionados e de aprendizado por reforço
  4. Principais ganhos da inteligênci artificial no contexto de gestão: automatizar processos, apoiar decisões, aumentar a acurácia e coletar insights

Espero ter ajudado!

Eli Rodrigues

Referências:

 

Publicado por: Eli Rodrigues

Deixe seu comentário