Machine Learning e outras técnicas de IA estão revolucionando os negócios e são aspecto central dos saltos de produtividade que temos observado. Todos os grandes players – incluindo Microsoft, IBM, Google, etc – oferecem alternativas para reduzir as curvas de aprendizado e custo associados as técnicas e tecnologias. Entretanto, ainda consideramos baixa a adoção de IA fora de ambientes especialistas.

De um lado, falta aos times de negócio compreensão de quais são as aplicações possíveis em seus domínios. Do outro, falta aos times de tecnologia familiaridade para implementações seguras. Ambas deficiências somente são superadas com alguma experimentação.

Entendo que existem duas características fundamentais a serem consideradas para determinar não só a aplicabilidade, mas a necessidade, de Machine Learning. São elas:

1º - impossibilidade/dificuldade de implementar uma solução determinística que opere em tempos razoáveis, produzindo resultados satisfatórios para o negócio;

2º - possibilidade de melhorar resultados com o acúmulo de execuções ou de dados.

Não recomendo, de forma alguma, “começar grande”

Em nossa opinião, é recomendável procurar componentes menores, com responsabilidades bem delimitadas, mas com ganho potencial considerável.

Em meus clientes, temos recomendado e acompanhado a utilização de Machine Learning para elaboração de estimativas de vendas, volume desejável de estoques, distribuição de cargas de trabalho, etc.

Importante destacar que a manutenção de um projeto envolvendo aprendizado computacional, ou qualquer outro recurso de inteligência artificial, é desafiador. Novas competências serão necessárias além de expertise de novas tecnologias e bibliotecas. O processo é iterativo e demanda trabalho conjunto com especialistas em dados na elaboração de arquiteturas do modelo, métricas de sucesso e na estrutura da aplicação.

Se há um caminho para a transformação digital, ele está seguramente pavimentado com data science. É fundamental que os times de tecnologia e negócio “peguem gosto” por experimentação e adoção de técnicas como Machine Learning. Para isso, precisam colocar as “mãos na massa”. A espera pelo “momento ideal”, em tempos de mudança acelerada, pode acabar custando caro demais.

Algum comentário ou dúvida? Entre em contato comigo via Twitter ou LinkedIn.

Imagem gerada utilizando IA

Originalmente publicado em EximiaCo