Machine Learning: 10 histórias de sucesso

Dos chatbots à análise preditiva, líderes de TI compartilham como estão usando Inteligência Artificial e Machine Learning para gerar insights de negócios e novos serviços

Menos tecnologias são mais quentes do que a Inteligência Artificial (IA) e o Machine Learning (ML) e várias empresas as estão aproveitando para atrair clientes e reforçar as operações de negócios. E a tendência só ganhará mais tração nos próximos anos, já que a AI e a ML serão as cinco principais prioridades de investimento para mais de 30% dos CIOs até 2020, de acordo com o Gartner.

Os medos iniciais de que os bots estão vindo para tirar emprego estão diminuindo um pouco, com uma alta probabilidade de que humanos e máquinas trabalhem juntos . Mas as empresas pisaram tristemente no freio em relação à recrutar funcionários cujos empregos têm alta probabilidade de serem automatizados, diz o diretor de tecnologia e inovação da Accenture, Paul Daugherty, coautor de um livro sobre o impacto da IA ​​na força de trabalho global, Human + Machine: Reimaginante Trabalhe na Era da IA .

Pesquisando 1,5 mil empresas para seu livro, Daugherty descobriu que 65% dos executivos reconheciam que suas forças de trabalho não estavam prontas para a Inteligência Artificial. No entanto, apenas 3% disseram que aumentaram seu treinamento para apoiar o uso crescente da IA.

"É um enorme abismo", disse Daugherty no Forbes CIO Summit no mês passado. "Todos nós pensamos que é problema de outra pessoa. Não é."

Para melhor ou pior, a automação via AI, ML e bots está chegando. Os CIOs que estão experimentando, construindo e até patenteando novas tecnologias AI e ML, compartilharam seus casos de uso com a CIO.com.

1 - APP determina a Irrelevância de determinadas funções
Daugherty diz que as tecnologias digitais emergentes estão mudando o paradigma da força de trabalho. E a Accenture está longe de estar imune; a consultoria automatizou cerca de 23 mil funções e redistribuiu funcionários. Ele antecipa que haverá mais realocação de funções para os 450 mil funcionários da consultoria.

"Acreditamos que precisamos de novos talentos", disse Daugherty. "Há muito pouco em torno disso."

Para ajudar seus funcionários nesse esforço, Daugherty diz que a Accenture criou uma versão beta de um aplicativo alimentado por ML que pode escanear um currículo e prever a velocidade com que o trabalho de um funcionário será irrelevante.

O aplicativo considera as experiências de trabalho de um funcionário e atribui uma pontuação de risco para a possível irrelevância de sua função. Por exemplo, o aplicativo notará que as habilidades de um funcionário serão datadas em 18 meses devido a IA ou alguma outra automação.

Mais do que apenas um pessimista digital, o aplicativo leva em conta a experiência de trabalho coletivo de um funcionário e recomenda habilidades adjacentes que ele pode adquirir para se manter mais relevante na empresa, disse Daugherty.

Orientação-chave: Cabe aos CIOs assumirem a responsabilidade pelas estratégias corporativas de Inteligência Artificial e trabalhar com os principais interessados ​​em RH e outras áreas de negócios para garantir consenso e continuidade. O CIO também deve identificar e eliminar rapidamente os vieses em seus algoritmos de IA, que podem proliferar à medida que a solução se expande por toda a empresa. "A IA responsável deve ser incorporada à organização", disse Daugherty.

2 - Machine Learning facilitando a manutenção preditiva
O ML é um componente central da estratégia de digitalização da Lennox International, que usa o software Spark, da Databricks, para analisar informações que passam pelos sistemas comerciais de aquecimento e ar condicionado da empresa, diz Sunil Bondalapati, diretor de TI da companhia. O monitoramento do desempenho da máquina em tempo real permite que a empresa preveja quando uma máquina falhará, permitindo que a Lennox previna os clientes, desde proprietários de casas a gerentes de shopping centers, com quatro horas de antecedência.

"As bases de dados nos permitem consumir os dados e prever com 90 por cento de precisão quando o equipamento está prestes a falhar", diz Bondalapati.

O caminho para o Databricks foi pavimentado com muitas ferramentas analíticas, cada uma delas usada para tratar casos de uso únicos, como cadeia de suprimentos ou Internet das Coisas (IoT). Mas Bondalapati diz que o Databricks fornece uma plataforma unificada na qual a empresa pode gerenciar centenas de terabytes de dados de centenas de bancos de dados, e é executada no Microsoft Azure, para que a Lennox não precise manter o sistema.

Com o Databricks, a equipe e as unidades de negócios de Bondalapati trabalham juntas para construir modelos para fluxos de dados. O software baseado em Spark transforma os dados e fornece insights para a equipe de TI e de negócios. "O modelo de colaboração que a Databricks oferece foi a chave para nós", diz Bondalapati.

Um conselho importante: Bondalapti diz que os CIOs devem colocar em prática uma nova ferramenta , especialmente quando as apostas são tão grandes. Por exemplo, Bondalapati supervisionou uma prova de conceito que incluiu 10 bilhões de registros de dados. "Entramos nisso timidamente, mas foi de abrir os olhos", diz Bondalapati.

3 - Viagens corporativas: há um algoritmo para isso
No início de seu mandato como CIO e CTO da American Express Global Business Travel, David Thompson implementou a automação de processos robóticos (RPA) e as tecnologias ML para melhorar a eficiência de como o fornecedor de serviços de viagens corporativas processa transações.

Thompson, que falou em um painel na Forbes CIO Summit em abril, usou o RPA para automatizar o processo de cancelamento de uma passagem aérea e emissão de reembolsos. Também orientou a criação de algoritmos de ML que ajudam os clientes a encontrar melhores tarifas para passagens aéreas e acomodação em hotéis, vasculhando as taxas do setor corporativo, uma tarefa que vários funcionários já haviam desempenhado anteriormente.

Esses funcionários foram realocados para fornecer maior valor para os clientes. E Thompson diz que a tecnologia está aumentando a satisfação do cliente e gerando mais receita.

"É uma grande vitória para nós até agora", diz Thompson, que usou as ferramentas da ML para verificar fraudes em seu emprego anterior na Western Union. "Agora as pessoas ficam livres para passar mais tempo com os clientes".

Um conselho importante: Thompson diz que as discussões sobre automação são difíceis, pois as pessoas temem por seus empregos. Mas os CIOs devem ser claros, decisivos e honestos se quiserem estabelecer credibilidade com o negócio. "Eu vejo o meu papel como facilitador de tecnologia para o negócio - para usar tecnologias e processos para resolver um problema de negócios", diz Thompson.

4 - AI como facilitador de produtos e negócios
A Adobe Systems está aproveitando o ML para ajudar a analisar tickets em software de help desk em busca de tendências a falhas de sistema e, depois, corrigir problemas de forma proativa, resultando em paradas mais significativas, disse a CIO Cynthia Stoddard durante o MIO CIO Sloan Symposium no início deste mês.

Se o sistema registra eventos que sugerem que uma interrupção possa ocorrer, age de forma proativa para eliminar ou mitigar esses eventos antes que eles disparem falhas.

Chamada de HAAS, a ferramenta está capturando e corrigindo qualquer coisa, desde integrações mal-sucedidas com o ERP da Adobe e feeds de dados defeituosos, destinados a entrar nos diversos sistemas de análise da empresa. Stoddard diz que o HAAS reduziu os tempos de correção de 30 minutos, quando realizados manualmente por humanos, para 1 minuto. Ela estima ter economizado 330 horas contratadas da Adobe para corrigir problemas, só nos últimos meses. Usando relatórios detalhando os problemas, os engenheiros da Adobe podem criar correções permanentes.

"Se você sabe que precisa consertar alguma coisa e sabe como consertá-la, pode automatizá-la", disse Stoddard. "Tem sido um tremendo benefício." O trabalho baseia-se na estrutura de testes de diagnóstico em ML que a equipe de Stoddard criou em 2017,

O negócio comercial da Adobe também adotou a Inteligência Artificial. Em novembro de 2016, a empresa introduziu o Sensei , uma camada de tecnologia de IA que está aplicando ao seu produto para criar e publicar documentos, e para analisar e acompanhar o desempenho de aplicativos móveis e da web.

Recomendação importante: Usar o ML para identificar padrões é a chave para criar recursos de autocorreção. "Se você sabe como consertou, pode colocar o componente lá e tirar o elemento humano da equação", diz Stoddard.

5 - Vinculando bancos de dados de dispositivos médicos com ML
A Hearst Business Media, cujos ativos incluem a First Databank e a Fitch Ratings, está usando o ML para vincular bancos de dados de dispositivos médicos para facilitar o acesso de clientes a informações, segundo Mark Urhmacher, vice-presidente sênior de engenharia de software do conglomerado de mídia.

Urmacher, que preside uma pequena equipe de ciência de dados do centro de excelência em IA da empresa, diz que a Hearst está criando seus próprios algoritmos de ML e usando o software TensorFlow, do Google, para treinar modelos com base em conjuntos de dados da empresa. "Nós tendemos a ser oportunistas e usar as ferramentas de código aberto até que elas não funcionem, e depois veremos outras alternativas", disse Urhmacher.

Mantenha-o generalizável. Urhmacher diz que adotar uma abordagem que seja generalizável tem sido fundamental para o sucesso da Hearst em ML. "Uma das aplicações incrivelmente valiosas do Machine Learning a partir de nossa perspectiva é uma abordagem generalizada para lidar com o alinhamento de bancos de dados diferentes", disse Urhmacher. Por exemplo, Urhmacher diz que a Fitch precisa entender as entidades corporativas, enquanto o First Databank precisa entender como os medicamentos são prescritos em todo o mundo.

6 - IA aumentando a pesquisa de valores mobiliários
A Putnam Investments, provedora de fundos mútuos, estratégias de investimentos institucionais e serviços de aposentadoria, vê a IA e o ML como essenciais para melhorar a cobertura das ações pelos analistas de pesquisa da empresa, disse o CIO, Sumedh Mehta.

Os analistas trabalham em estreita colaboração com os cientistas de dados da Putnam para criar teses que ajudam a coletar insights de grandes quantidades de dados, diz Mehta. A Putnam também está trabalhando em algoritmos que recomendarão as perspectivas de vendas mais importantes.

"É um poder extremamente disruptivo e transformacional, e todo o motivador do negócio é a eficiência e a produtividade", diz Mehta.

Com uma combinação de engenheiros de software, cientistas de dados, analistas e fornecedores, o CIO criou um centro de excelência em ciência de dados que é essencialmente o ponto zero para os esforços de IA e ML. Ele diz que seus parceiros de negócios "esclarecidos" adotaram essas abordagens para alcançar uma melhor automação.

O trabalho de IA e ML faz parte da transformação digital mais ampla da Putnam, que envolve a modernização da infraestrutura de TI com computação em nuvem e a criação de uma única plataforma na qual administrar os negócios.

Conselho-chave: As organizações devem dedicar seu tempo e definir as expectativas adequadamente, entendendo que as primeiras ideias levarão a novas perguntas em vez de respostas. "Não existe um momento eureka quando se trata de IA", diz Mehta. "Não é o caso de que, de repente, o seu algoritmo irá fornecer insights que você ainda não conhece."

7 - IA ajuda a lidar com as planilhas financeiras
A Intuit está acelerando os esforços de IA e ML sob a gestão de Ashok Srivastava, diretor de dados da fabricante de software.

A empresa está usando o Amazon Web Services para ajudar seu QuickBooks Assistant a entender melhor e processar linguagem natural , diz Srivastava, que em sua função anterior construiu a plataforma de Big Data da Verizon. Uma área de foco crescente é orientar os usuários através das centenas de categorizações dos Quickbooks.

"Estamos lidando com mais de 1 bilhão de transações do QuickBooks e podemos otimizar as categorizações que ocorrem com alta precisão", acrescenta Srivastava.

O TurboTax da empresa usa IA para ajudar os usuários a obter o reembolso máximo, guiando-os pelo processo de dedução detalhada, economizando até 40% do tempo de preparação de impostos dos usuários e esforços para recuperar documentos.

A empresa está usando ML e tecnologia de nuvem da AWS para escalar mais rapidamente, diz Srivastava.

Conselho-chave: Cultivar algoritmos de voz requer atrair os talentos de engenharia certos para resolver desafios reais de negócios. Srivastava, que também trabalhou para o Ames Research Center da NASA, está atualmente contratando engenheiros que possam trabalhar com as tecnologias ML e AI para atingir os objetivos da empresa.

8 - Dados históricos prevêem desempenho futuro
Rich Hillebrecht tem desafios únicos como CIO da Riverbed Technology, fornecedora de software projetado para melhorar o desempenho de redes de longa distância. Hillebrecht diz que está testando como usar o ML para ingerir dados de várias fontes em toda a cadeia de suprimentos da empresa, a fim de obter melhores insights sobre os negócios.

"Queremos aplicar técnicas de Machine Learninga para processar mais dados do que normalmente teríamos", disse Hillebrecht ao CIO.com.

Por exemplo, a Riverbed pode combinar o gerenciamento de pedidos e outros dados de ERP com dados históricos sobre clima e outros fatores para encontrar padrões que possam prever o desempenho futuro. "Queremos ser mais preditivos em termos de risco e de nossa capacidade de atender aos clientes", diz Hillebrecht.

Outros casos de uso da Riverbed poderiam incluir o uso do ML para ajustar automaticamente as configurações de desempenho e detectar ameaças de segurança cibernética. Hillebrecht antecipa a criação de um único lago de dados a partir do qual os insights de negócios podem ser extraídos.

Um conselho importante: Uma estratégia sólida para IA e ML requer uma abordagem cautelosa. Hillebrecht diz que está avaliando cuidadosamente ferramentas e tecnologias, incluindo o IBM Watson.


9 - Melhores insights para os clientes
Como muitos grandes bancos, o US Bank coletou uma riqueza de dados de clientes. E como a maioria dos bancos, o US Bank tem lutado para extrair insights acionáveis ​​desses dados. Bill Hoffman, diretor de análise do US Bank, está trabalhando para mudar isso. Nos últimos meses, ele usa a tecnologia Einstein AI/ML da Salesforce.com para aumentar a personalização em pequenas unidades comerciais.

Por exemplo, se um cliente pesquisou no site do US Bank informações sobre empréstimos hipotecários, um agente de atendimento ao cliente pode fazer o acompanhamento com esse cliente na próxima vez que visitar uma agência. Também ajuda o Banco dos EUA a encontrar padrões que os humanos podem não ver. Por exemplo, o software pode recomendar que os agentes liguem para um possível cliente em uma determinada indústria na quinta-feira, entre as 10h e as 12h, porque é mais provável que ele pegue o telefone. Einstein também pode colocar um alerta no calendário do agente para lembrá-lo de ligar para o candidato na quinta-feira seguinte.

Essas capacidades chegam ao cerne do que muitas organizações de serviços financeiros estão tentando fazer; cultivar uma visão de 360 ​​graus dos clientes para recomendar serviços relevantes no momento mais adequado. "Estamos nos movendo de um mundo que estava descrevendo o que aconteceu ou o que está acontecendo para um mundo que é mais sobre o que vai acontecer ou deveria acontecer", diz Hoffman. "O valor central está sempre um passo à frente, antecipando as necessidades de nossos clientes e o canal no qual eles querem interagir conosco."

Conselho-chave: Faça uma abordagem de teste e aprendizado para IA e ML e seja paciente. Mas também esteja pronto para dimensionar as coisas que estão funcionando. "Sempre tenha o cliente no centro", diz Hoffman. "Pergunte: como isso beneficiará o cliente?

10 - O ML remove o 'trabalho pesado', tornando-o mais produtivo
Ed McLaughlin, presidente de operações e tecnologia da Mastercard diz que o ML permeia tudo o que a empresa faz. A Mastercard está usando o ML para automatizar o que ele chama de "trabalho duro" ou tarefas repetitivas e manuais, liberando humanos para realizar trabalhos que aumentam a produtividade e o valor. "Está claro que alcançamos um estado da arte em que há um caso claro de investimento para automatizar as tarefas no local de trabalho", diz McLaughlin.

A Mastercard também está usando ferramentas ML para aumentar o gerenciamento de mudanças em todo o ecossistema de produtos e serviços. Por exemplo, as ferramentas do ML ajudam a determinar quais mudanças são as mais livres de riscos e quais requerem análise adicional. Finalmente, a Mastercard está usando ML para detectar anomalias em seu sistema que sugerem que hackers estão tentando obter acesso. McLaughlin também criou uma "rede de segurança" que quando encontra um comportamento suspeito, dispara disjuntores que protegem a rede. "Temos sistemas de pontuação de fraudes constantemente observando as transações para atualizá-las e pontuar a próxima transação que está ocorrendo", diz ele.

Um conselho importante: No que diz respeito a McLaughlin, IA e ML são apenas ferramentas no amplo kit de ferramentas do processador de pagamentos. Apesar de todas as novas ferramentas brilhantes no mercado, ele diz que os CIOs não deveriam confiar neles para resolver magicamente problemas de negócios.