IA E ML para o mkt

Inteligência Artificial e Machine Learning estão aumentando a eficiência do marketing digital

Análise da Harvard Business Review Analytics Services encomendada pela Rakuten Marketing aponta que o uso da tecnologia automatizará cada vez mais tarefas, além de solucionar questões como fraude on-line e a efetividade das campanhas

O Marketing Digital definitivamente se tornou uma das maneiras mais práticas na oferta de experiências personalizadas, relevantes e oportunas no relacionamento entre marcas e consumidores, mas nos últimos anos tem percebido uma forte queda na sua efetividade, uma vez que 70% dos usuários da internet consideram anúncios digitais cada vez mais invasivos.

Esse dado foi retirado de um estudo encomendado pela Rakuten Marketing conduzido pela Harvard Business Review Analytics Services, que aponta o uso de Machine Learning (ML) e de Inteligência Artificial (IA) como o fator principal na recuperação da credibilidade das estratégias de marketing digital.

Machine Learning permite estabelecer indicadores-chave de desempenho mais específicos, viabilizando aos profissionais a entrega de resultados alinhados às metas comerciais da empresa como um todo

Segundo a análise, que trouxe alguns números de pesquisas realizadas nos últimos dois anos, mais de 60% dos clientes pararam de fazer negócios com pelo menos uma empresa devido à experiência ruim que tiveram. Neste levantamento, realizado em 2017 com 25 mil consumidores em 33 países, por exemplo, todas as categorias de serviços tiveram um aumento médio de 2,8% no índice de frustração dos clientes com as práticas de marketing e venda. Os motivos variam: não cumprimento de promessas, processamento inadequado de informações pessoais, entre outros.

Dessa maneira, o estudo buscou fazer uma análise completa de como o uso das duas tecnologias consegue de maneira efetiva peneirar, analisar e aprender com a enorme quantidade de dados disponíveis dos usuários e assim conseguir voltar a impactar esse consumidor de maneira positiva, resgatando a autoestima do marketing digital.

Isso porque, com o uso deste tipo de tecnologia, é possível automatizar cada vez mais tarefas do marketing, proporcionando aos profissionais mais tempo e energia para trabalhar em conteúdo e estratégia criativas. Outro ponto é a possibilidade de aprender mais sobre o comportamento do consumidor e resolver questões como a perca de engajamento durante uma campanha, que em muitos casos acabavam passando como incompreensíveis. Além disso, também estão sendo resolvidos mais rapidamente problemas de fraudes online.

Veja também: Como o RPA (Robotização de Processos) está evoluindo com a IA (Inteligência Artificial)

Os benefícios para os consumidores

São muitas as vantagens do uso de IA e ML em campanhas de marketing digital, segundo o estudo. Um exemplo são os anúncios interativos, que só são disponibilizados devido a um monitoramento promovido por meio da tecnologia. Outro exemplo são as notificações de produtos e temas de interesse que aparecem de maneira involuntária na tela do usuário durante uma pesquisa na internet.

Isso sem contar que o ML permite estabelecer indicadores-chave de desempenho mais específicos, viabilizando aos profissionais a entrega de resultados alinhados às metas comerciais da empresa como um todo. Mas isso não se trata apenas de ter melhores dados sobre quem são os clientes para alcançá-los de uma maneira mais efetiva, e sim contar com a capacidade de mudar rapidamente a maneira como anunciar.

“Essa possibilidade de responder sinais dos clientes em tempo real por meio destas tecnologias gera maior engajamento, que por sua vez contribui para o aumento e a eficácia do marketing digital. Além disso, o uso desse tipo de tecnologia automatiza tarefas de monitoramento e métricas permitindo identificar etapas nunca reveladas de uma jornada de compra; antecipar próximos passos dos clientes; gerenciar crises e personalizar muito mais as experiências. No final, tudo isso implica em fidelidade, apreço e aumento de receita para as marcas”, afirma Luiz Tanisho, Country Manager da Rakuten Marketing no Brasil.

Fonte: Channel360

): Inteligência artificial avança e facilita progresso em empresas, indústrias e escolas

Inteligência artificial avança e facilita progresso em empresas, indústrias e escolas

Para quem acompanha o mundo da tecnologia, falar sobre Inteligência Artificial, Machine Learning, robotização de processos é algo comum, um conceito já bastante familiar e que nós da NextTrends sempre abordamos por aqui, afinal esse é o nosso DNA. Mas quando o assunto vai parar nas televisões de nossas casas, em rede nacional, é que percebemos o quanto relevante e presente ele se tornou em nosso dia a dia – saindo dos escritórios para a nossa vida real.

O Jornal Nacional, da TV Globo, produziu uma série de três reportagens que mostram exemplos de como os computadores substituíram seres humanos em atividades que exigem tomada de decisão.

“A interação humana, essa do olho no olho e da troca de empatia com o outro, é desafiada por uma invenção da humanidade: a máquina treinada para pensar como os seres humanos, mas que olha a vida de outro jeito. Os robôs foram tirados da ficção científica e trazidos para o mundo real. Alguns são chamados humanóides, projetos ainda bem distantes de seres humanos”, diz a reportagem inaugural.

“O cérebro artificial é como um programa de computador, só que faz tarefas associadas a humanos. Ele usa o algoritmo, uma fórmula matemática para resolver problemas. E a máquina aprende a tomar decisões inteligentes com os dados fornecidos”, cita outro trecho da matéria.

A repórter mostra inúmeros exemplos de adoção da Inteligência Artificial, como na aviação, na sala de aula, na indústria da moda. Veja que interessante: https://g1.globo.com/jornal-nacional/noticia/2019/10/07/inteligencia-artificial-avanca-e-facilita-progresso-em-empresas-industrias-e-escolas.ghtml

Você sabe se é mesmo Inteligência Artificial?

Como você sabe se o que você está comprando ou construindo é verdadeiramente Inteligência Artificial?

Uma pesquisa do Gartner no início de 2019 descobriu que o número de empresas que implementam inteligência artificial (IA) cresceu 270% nos últimos quatro anos. Não é de admirar que as empresas em todos os lugares pareçam estar se esforçando para adotar a IA e, assim, evitar serem colocadas em séria desvantagem competitiva.

Também explica por que muitas empresas novas estão surgindo em todos os lugares, oferecendo produtos e serviços de IA e atraindo interesse entre clientes e investidores. No entanto, o grande volume de provedores de inteligência artificial pode causar sérias confusões no mercado. É difícil saber o que realmente constitui IA – um estudo (da The Verge) descobriu que 40% das startups de IA na Europa não usam a IA, mas sim o que pode ser outra forma de software disfarçado.

A IA engloba muitas tecnologias específicas, como chatbots, aprendizado de máquina, deep learning e análise preditiva. Todos têm em comum o fato de usar algoritmos treinados em dados para apoiar decisões de negócios e complementar a lógica e a experiência dos seres humanos. Os pais da IA, Marvin Minsky e John McCarthy, descreveram a inteligência artificial como “qualquer tarefa realizada por um programa ou uma máquina e que um humano teria que aplicar inteligência para executá-la”. Esta é uma definição bastante ampla e pode levantar mais questões do que respostas.

Você também vai gostar: Inteligência Artificial: o avanço do back office nas empresas

Parte do problema é que a IA ainda é um território do Velho Oeste sem muitas regras, regulamentos ou definições. E, sem um mercado claramente definido, o termo está aberto à interpretação.

A confusão sobre o que constitui a verdadeira IA faz lembrar o movimento de big data de vários anos atrás. Uma pesquisa no Google sobre o termo “big data” resulta em uma lista de fundadores e definições contraditórias do que realmente é – ainda que nos últimos anos, muitas pessoas têm dito que precisamos disso. Talvez a IA seja um desdobramento direto da blitz de big data.

Com tantas mensagens, ofertas e players, como você sabe se o fornecedor ou provedor de serviços com quem está trabalhando ou a solução que está criando realmente está usando IA? É importante se perguntar o que exatamente constitui um verdadeiro projeto de IA se você precisar incorporá-lo ao seu trabalho. Abaixo estão sete perguntas que podem ajudá-lo a descobrir e aproveitar ao máximo a IA:

1- Os cientistas de dados treinados estão desenvolvendo seu algoritmo?

Quer você empregue cientistas de dados internos ou contrate empresas terceirizadas de serviços de inteligência artificial, você precisará de cientistas de dados que entendam como desenvolver soluções de inteligência artificial para resolver seu problema específico, a fim de criar uma solução de inteligência artificial efetiva. Esses profissionais normalmente sabem como agregar e treinar grandes conjuntos de dados e sabem como monitorar o aplicativo para ver se ele está atingindo sua meta.

2- Você está usando servidores de GPU?

A IA não requer apenas quantidades massivas de dados para ser o mais eficaz possível. Ela também precisa do poder de processamento para lidar com essa tarefa. Os servidores que contêm chips NVIDIA GPU são essenciais para projetos de inteligência de dados intensivos.

3- Você está agregando seus dados em toda a empresa?

A única maneira de permitir verdadeiros aplicativos de aprendizado de máquina é agregar dados de toda a empresa. Isso inclui dados de transações de clientes, sistemas de ponto de venda, inventário, sistemas de ERP, pesquisa e desenvolvimento (P&D), marketing, recursos humanos e finanças e contabilidade. Embora também possa ser importante complementar esses dados com fontes externas, é essencial que a maioria dos dados venha de sua empresa para resolver seu problema de negócio muito exclusivo.

4- O modelo de aprendizado de máquina é altamente iterativo e contínuo?

Um sólido projeto de aprendizado de máquina fica mais inteligente quanto mais dados ele analisa. O contrário acontece com projetos simples de análise de dados que usam análise para orquestrar aplicativos e fluxos de trabalho.

5- Aborda todo o ciclo de vida?

A IA deve fornecer recursos em todo o ciclo de vida. Isso significa desde a identificação de dados, limpeza, classificação e rotulagem até o desenvolvimento e teste de modelagem estatística e medição da eficácia da solução de aprendizado de máquina.

6- Como ele rotula os dados?

Algumas empresas usam crowdsources aleatórios para classificar grandes quantidades de dados a fim de coletar dados muito necessários, mas isso nem sempre é suficiente. Você pode usar especialistas em dados treinados para tornar os algoritmos realmente inteligentes. Os especialistas em dados treinados geralmente podem rotular com mais precisão e abordar desafios de negócios específicos para obter informações e insights mais personalizados.

7- Realmente aborda o seu problema de negócios?

O verdadeiro teste de uma solução de inteligência de mercado é sua capacidade de ajudá-lo a resolver um desafio de negócio único, auxiliado pelas capacidades cognitivas dos computadores. Se você está tentando resolver problemas específicos, como determinar a probabilidade de perda de clientes, responder mais rapidamente a perguntas dos clientes ou identificar anormalidades em um raio X, e sua solução está apenas agregando dados e construindo um algoritmo, mas não deixa você mais próximo de resolver a questão, ela realmente não está cumprindo a promessa da IA.

A IA está preparada para a transformação digital em quase todos os setores. Eventualmente, a maioria das empresas poderia ser alimentada por IA. Mas, por hoje, é preciso discernimento cuidadoso para saber se o que você está obtendo é realmente IA. Vale a pena fazer sua lição de casa e fazer as perguntas difíceis ao selecionar ou criar uma solução para ajudá-lo a entrar na onda.

Fonte: Forbes, por Carlos Melendez

Inteligência Artificial: o avanço do back office nas empresas

Inteligência Artificial: o avanço do back office nas empresas

A Inteligência Artificial (IA) está promovendo alguns dos progressos mais notáveis no back office de empresas de todos os tipos. O back office é onde entram as operações de negócios que suportam as principais áreas da organização voltadas para o cliente. Nele estão enquadradas atividades como finanças e contabilidade, recursos humanos, operações da cadeia de suprimentos e logística, TI, suporte e todas outras peças da empresa que são necessárias para que o resto da operação funcione sem problemas. É no back office que tudo acontece, mas nada diretamente relacionado com os clientes. Isso pode ser qualquer coisa, desde pesquisa, agendamento de recebimento e realização de pagamentos ou gerenciamento de instalações. Muitas dessas operações envolvem atividades humanas e processos de negócios que podem ser aprimorados e acelerados por meio do uso de sistemas e tecnologias inteligentes habilitados por IA.

Melhorando os processos: 1. Ordens de pagamento com Inteligência Artificial

Um dos lugares onde a Inteligência Artificial pode melhorar as coisas é através do processo de ordem de pagamento. Esse processo envolve tudo, desde um cliente fazendo um pedido até o recebimento do pagamento desse pedido. Para as empresas receberem o pagamento, elas geralmente precisam emitir, enviar, receber e processar faturas. Isso envolve diferentes processos e sistemas, tanto aqueles diretamente relacionados ao pagamento, como aqueles relacionados a contas a receber. A tecnologia de contas a receber impulsionada pela IA está contribuindo para que as empresas recebam seus pagamentos dentro do prazo.

Surpreendentemente, muitas faturas ainda são enviadas em papel, um grande risco! As faturas em papel podem estar repletas de erros, inconsistências e informações ausentes. Erros que podem ser corrigidos por serviços baseados em Inteligência Artificial, tornando os processos mais eficientes. Os sistemas inteligentes ajudam a resolver disputas, examinam e processam solicitações de reembolso e conseguem identificar itens deixados de lado. Isso acontece devido à capacidade inata dos sistemas de IA de identificar padrões e anomalias em transações e documentos.

Os sistemas habilitados por IA também são capazes de identificar os melhores clientes: quem paga no prazo correto, compra com frequência ou que tipos de produtos compra. Munidas destas informações, as empresas podem criar incentivos personalizados para esses clientes. A análise baseada em aprendizado de máquina (Machine Learning) também ajuda a identificar problemas/falhas nos produtos. A partir de então, é possível conversas com clientes insatisfeitos, tornando o processo mais fluido para todos os envolvidos. Usar a Inteligência Artificial permite um tom sempre agradável para melhorar a experiência do cliente.

Melhorando os processos: 2. Da compra ao pagamento (Procure-to-pay)

A segunda grande onda de inovação nas operações de back office promovida pela IA abrange sistemas e processos de purchase-to-pay (todo o ciclo de compras). As empresas precisam comprar e adquirir uma grande variedade de itens, desde equipamentos de escritório até suprimentos de fabricação. Os sistemas baseados em IA estão acelerando e tornando mais eficientes e confiáveis ​​os processos que as organizações usam para adquirir e pagar produtos e serviços. Eles também garantem a conformidade com as políticas corporativas e regulatórias.

As ferramentas de software habilitadas com Inteligência Artificial podem ajudar a detectar anomalias, identificar dados relevantes para aprimorar os sistemas de aquisição, atribuir itens de aquisição às pessoas corretas para aprovações e agilizar os processos de compras. A IA pode ajudar a transformar o processo interno de compras em operações eficientes e de alto poder que reduzam ou eliminem gargalos, identifiquem oportunidades de descontos, consolidem as compras entre departamentos, reduzam desperdício, fraude e abuso e mantenham as compras em conformidade com várias regras.

À medida que esses sistemas habilitados para Inteligência Artificial se tornam mais integrados ao local de trabalho, eles aprendem com o tempo, tornando-se uma força inteligente personalizada por trás da cena. Os sistemas de compras inteligentes podem aprender como são os pedidos típicos e o que não é típico em uma determinada empresa ou organização. As aplicações são especialmente benéficas para grandes organizações com requisitos de compra complicados. Organizações que compram grandes quantidades de itens e diferentes tipos de produtos e serviços podem se beneficiar de um sistema inteligente para manter uma vigilância constante sobre os processos de aquisição. A capacidade dos sistemas habilitados por IA de reconhecer padrões ajuda a identificar quando as coisas estão sendo compradas, esgotadas ou não utilizadas com frequência suficiente.

Tornando a automação do processo mais inteligente com Inteligência Artificial

Os sistemas de IA também são bons em realizar tarefas repetitivas que requerem elementos da capacidade cognitiva humana. Ferramentas de automação de tarefas repetitivas estão fazendo incursões significativas nas empresas. Adicionar aos sistemas a capacidade de entender documentos, ouvir mensagens de voz, interagir com clientes usando interfaces conversacionais ou usar a tomada de decisão preditiva tornará essas ferramentas de automação mais inteligentes.

As empresas querem que os sistemas de IA e de aprendizado de máquina executem tarefas até então realizadas por pessoas que são muito tediosas ou demoradas. Um exemplo: no passado, uma pessoa tentaria descobrir por que faturas não foram pagas e solucionar junto ao consumidor. Os métodos utilizados muitas vezes são inadequados e ineficientes. A IA pode mudar a forma como as pessoas lidam com a cobrança de dívidas em seus negócios e agilizar o processo. Ela também pode ajudar a aprender a melhor maneira de alcançar pessoas ou organizações, aumentando as chances de sucesso.

Veja também: Você sabe o que é machine learning? Entenda tudo sobre esta tecnologia

Nesse mesmo sentido, a IA melhora a conformidade, especialmente em setores altamente regulamentados e que precisam manter uma documentação meticulosa. A IA mantém essas empresas em conformidade com os requisitos em evolução ou com os cenários variados em que se enquadram. Ela pode, por exemplo, executar auditorias automáticas em sistemas ou sinalizar e filtrar conversas contra as políticas da empresa. A IA também usa o reconhecimento da linguagem natural para interagir com funcionários, fornecedores, clientes e parceiros. Assim, ela possibilita melhorar as operações e acelerar a conformidade com os regulamentos.

Os recursos analíticos da IA ​​ajudam a pesquisar e examinar os dados da empresa para fornecer informações sobre a “agulha no palheiro”, buscando os registros e fornecendo insights automáticos. Sistemas inteligentes baseados em IA também estão ajudando com o gerenciamento de funcionários. Como? Monitorando o engajamento, a interação e o comportamento dos funcionários. Essa é uma forma de garantir que os padrões e as regras corporativas sejam seguidos para evitar qualquer repercussão negativa. Esses sistemas de Inteligência Artificial também estão ajudando a tornar os colaboradores mais eficientes, oferecendo suporte interno por meio de chatbots e outras formas de suporte interno. Os chatbots de autoatendimento com foco no colaborador estão provando ser muito valiosos, fornecendo assistência para consultas relacionadas a RH ou suporte de TI.

Os sistemas de Inteligência Artificial estão se tornando rapidamente uma parte indispensável do ambiente de backoffice corporativo. Eles servem como um assistente aprimorado que pode reduzir significativamente a carga de trabalho de pessoas, especialmente em multinacionais. A IA está fornecendo eficiência e automação muito necessárias para áreas que antes exigiam enorme quantidade de atividades humanas de alta importância, mas de baixo valor.

Fonte: Forbes (traduzido e adaptado)

Machine Learning: saiba tudo sobre esta tecnologia

Você sabe o que é machine learning? Entenda tudo sobre esta tecnologia

Um termo tecnológico cada vez mais mencionado por aí é o tal do “machine learning”, que, em português, significa “aprendizado de máquina”. É fácil deduzir que a tecnologia se trate de máquinas e sistemas capazes de adquirir novos conhecimentos por conta própria, mas muita gente ainda não sabe, exatamente o que é o machine learning, como ele surgiu, onde ele é aplicado e qual o seu potencial para o futuro da tecnologia, em geral.

Mas calma, a gente explica!

O começo de tudo

Tudo começou em 1959 com o pioneiro da inteligência artificial, Arthur Samuel, engenheiro do MIT. Foi ele quem criou o termo “machine learning” naquele mesmo ano, descrevendo o conceito como “um campo de estudo que dá aos computadores a habilidade de aprender sem terem sido programados para tal”. Na época, Samuel trabalhava em um projeto para criar uma máquina autônoma com estas características.

Mas foi somente com o advento da Internet que o machine learning começou a tomar forma, já que, com tanta informação coletada e armazenada na web, foi preciso criar meios de organizar esse conteúdo gigantesco de maneira automatizada – e um dos pilares do machine learning é justamente a análise de dados com a finalidade de detectar padrões.

Big Data tem papel importante

E o big data entra na história, já que, em sua essência, a tecnologia faz exatamente isso: armazena toneladas de dados obtidos por meio de redes sociais, mecanismos de buscas, e, até mesmo, por meio de microfones e câmeras de smartphones. Então, algoritmos cada vez mais inteligentes fazem uma verdadeira varredura dessa quantidade gigantesca de informações e, a partir do momento em que padrões são descobertos, os sistemas se tornam capazes de fazer previsões com base nesses padrões.

Veja mais em Big Data Analytics, você sabe o que é?

Um exemplo prático que já faz parte do cotidiano de muitas pessoas são as sugestões de produtos que aparecem em sites e redes sociais. Já reparou que, cada vez mais, produtos anunciados para você são exatamente aquilo que você queria, ou, ainda, itens que você nem sabia que existiam, mas que atendem a alguma necessidade específica? Pois isso é o machine learning entrando em ação, indicando produtos para seu consumo com base em seus hábitos e preferências online.

O machine learning também já funciona com eficiência em aplicativos que exibem rotas no trânsito, como o Google Maps, por exemplo, ou, ainda, em filtros anti-SPAM de e-mails e, até mesmo, em sistemas de segurança de bancos. E, como esta tecnologia ainda tem muito crescimento pela frente, a coisa só tende a crescer, sendo aplicada em uma quantidade cada vez maior de sistemas que fazem parte do nosso dia-a-dia.

Além do machine learning

Algo que já está acontecendo é a criação das chamadas redes neurais, desenvolvidas por cientistas computacionais que usam o machine learning para simular o funcionamento do cérebro humano artificialmente. E isso já cai para o campo da inteligência artificial, que provê a máquinas e sistemas a capacidade de realizar tarefas de maneira inteligente e autônoma, usando o machine learning para seu aprimoramento.

Fonte: CanalTech

Microsserviços + RPA: você vai querer pegar este atalho

A expressão “tempo é dinheiro” nunca soou tão verdadeira como agora. Hoje não dá para perder muito tempo para lançar uma aplicação, um produto ou um serviço novo no mercado, a concorrência te engole antes! Mas como ser mais ágil e eficaz? Sabe aquela velha história (não tão velha assim) de fatiar entregas que as metodologias ágeis têm como base? Ela funciona! Os microsserviços seguem mais ou menos essa linha. E podem ser o pulo do gato para a transformação digital da sua empresa, permitindo que você aproveite as novas tendências: Inteligência Artificial, Machine Learning, Robotização de Processos (RPA), entre outras.

Microsserviços são uma abordagem de arquitetura que decompõe uma aplicação por funções básicas. Cada função é chamada de serviço (por isso o nome!) e pode ser criada e implantada de maneira independente. O que isso significa em termos práticos? Significa que cada serviço individual pode funcionar ou falhar sem comprometer os demais. Assim, as aplicações podem ser desenvolvidas, testadas e implantadas mais facilmente. A técnica simplifica a interface com sistemas legados e viabiliza o acesso a dados em tempo real, além de facilitar a integração com empresas parceiras. Este é o atalho!

A arquitetura de microsserviços abrange a ideia de API – Interface de Programação de Aplicativos (nós falamos sobre ela aqui), ideal para habilitar o suporte de um aplicativo para uma diversidade de plataformas, seja na web, no celular ou até em objetos dotados de Inteligência Artificial. E o que isso quer dizer? Que ficou muito mais fácil e acessível (inclusive financeiramente) adotar as mais novas tecnologias para atingir seus objetivos de negócio!

A NextTrends, por exemplo, trabalha com arquitetura de microsserviços para o desenvolvimento de robôs que tornem possível automatizar com inteligência suas consultas a dados e seus processos (RPA). Plug and play – fácil e rápido de integrar com suas soluções e sistemas. A cobrança pode ser feita por chamada a cada API, com um preço que cai conforme o volume.

Ainda não se convenceu? Pense bem, o motorista que recebe um chamado pelo aplicativo não vê sentido em digitar o endereço no assistente de rotas. A opção de check-in pela internet libera viajantes de enfrentar longas filas em aeroportos. Pacientes preferem agendar consultas via web, do que ligar pessoalmente. Enfim, muitas vezes, a automação está nos detalhes e faz todo mundo ganhar tempo. Ainda assim, milhares de profissionais continuam gastando horas com Alt+tab e Crtl+C/Crtl+V, transferindo informações de um sistema a outro ou pesquisando/validando dados cadastrais, por exemplo. Faz sentido?

Quem se estabelecer sobre arquiteturas de nuvem, microsserviços e outros padrões criados para interoperar levará vantagem. É só uma questão de escolha.

pt_BRPortuguese
pt_BRPortuguese