Histórias do Covid-19: Saiba como nossos clientes superaram esses novos desafios!

Implementando IA e Dados: Como Começar

Published on out 27, 2020 at 8:42 pm in Blog

Você certamente já sabe que a IA e Dados têm muitas aplicações práticas para melhorar o seu negócio. Ótimo. Saber disso é o primeiro passo. Mas, em seguida, você precisa botar a mão na massa e… IMPLEMENTÁ-LOS.

Esta é a realidade… e poucos falam sobre isso.

Na Altitude Software, além de entregar IA baseada em dados para os nossos clientes, nós também implementamos nossos algoritmos baseados em dados a fim de melhorar nossa própria eficiência.

Eu liderei essa jornada da Transformação Digital nos últimos dois anos, logo eu sei muito bem que além dos melhores algoritmos possíveis, como a Altitude oferece, há outros fatores importantes para o sucesso no crescimento do seu negócio por meio da implementação de IA e dados.

Aqui você vai ver alguns ensinamentos e reflexões importantes que eu gostaria de compartilhar hoje:

Big Data vs Small Data/Uso inteligente dos dados disponíveis

Machine learning (ou Aprendizado Automático) traz melhores resultados com big data, possibilitando formas mais rápidas e eficientes de projetar algoritmos (exemplo: classificação de cães/gatos).

E muitos dados já estão disponíveis, qualquer empresa tem. No entanto, às vezes não há “dados suficientes”, nem tudo é um dado GRANDE.

Isso significa que eu não posso usar dados? Isso significa que não há padrões a serem seguidos porque eu não tenho dados suficientes?

Depende. Nem todos os problemas precisam de muitos dados para serem resolvidos. No pior caso, se você não tem dados “suficientes” talvez signifique que eu posso não conseguir ter um algoritmo que aprenda sozinho com os dados, mas você provavelmente tem dados suficientes para automatizar muitas respostas a certos comportamentos e eventos. Nós podemos criar um aprendizado guiado.

Conclusão: Comece com os seus dados disponíveis, mesmo que pareçam poucos.

Um passo de cada vez

Uma vez que você começou pequeno com a implementação de IA e dados, há alguns passos que, em algum momento, irão te levar a um completo uso dos seus dados:

1. Obtenha/crie seus dados, se você não os tem

Há muitos dados ao nosso redor, mas nem todos estão acessíveis ou armazenados. Existem aspectos de privacidade e confidencialidade que precisam ser respeitados, por meio de acordos específicos ou eventuais anonimizações.

2 . Faça o “exercício da introspecção”: conheça a si mesmo, conheça os seus dados, enriqueça os seus dados, entenda o seu problema

Você precisa organizar/estruturar/classificar seus dados. É aí onde você provavelmente vai ocupar mais do seu tempo! O sistema irá eventualmente aprender a fazer isso por conta própria, mas para começar você precisa, pelo menos, decidir qual classificação e processo devem ter (e provavelmente fazer isso manualmente na primeira vez, ao menos).

Certamente, o processo trará surpresas: você pensou em uma classificação inicial e durante o processo você percebeu que está esquecendo de um ou outro aspecto. Você aprende isso ao analisar os seus dados, e isso te gerará várias repetições até que se sinta confiante de que tem um bom modelo de classificação.

Esse primeiro conjunto de dados pré-classificados já permitirá que você crie uma Base de Conhecimento inicial para um aprendizado guiado manualmente. Boas ferramentas de visualização também podem ajudar você a obter muito valor de negócio a partir apenas deste primeiro passo.

3. Processe os seus dados

Prepare-os para o algoritmo. Se isso for feito centralmente, pode ser bem descomplicado (a princípio), apesar de algumas repetições também serem esperadas até que você encontre o processo correto.

Se esse é o seu processamento em borda (na fonte, como em IoT), então você terá que pensar atentamente no tipo de processo que você quer fazer, já que mudar isso depois na fonte pode ser incômodo.

Uma vez que você tem um primeiro conjunto de dados, processados e organizados, você pode então…

4 . Escolher um algoritmo ML

Treine-o, avalie-o e ajuste-o. Isso pode levar várias repetições entre os passos 2, 3 e 4 até que você esteja satisfeito com os resultados.

5. É aqui que você começa a ganhar força

Você começou por classificar manualmente os seus dados e foi um trabalho imenso. Mas, uma vez que o algoritmo aprendeu a classificar com confiança, você será capaz de ir para a pré-classificação automática de dados (com alguma confiança), modelagem preditiva e otimização de algoritmos. O algoritmo afinal será capaz de completar sua BC e sugerir novos dados que podem estar faltando no seu conjunto.

Cuidado com as armadilhas na sua jornada de dados

Ao implementar IA e dados, não há “algoritmo universal de IA”, tudo depende dos seus dados e terá que ser adaptado aos seus dados. Então, não se esqueça de que há algumas armadilhas a evitar na jornada de dados:

1. O primeiro desafio: conseguir bons dados para treinar seu modelo ML. Parece óbvio, mas:

  • Lixo entra, lixo sai”: Se os dados iniciais são de baixa qualidade (uma má organização dos dados, por exemplo), você tem resultados de baixa qualidade.
  • Às vezes esquecemos que o algoritmo somente irá prever ou representar o universo dos seus dados de treinamento. Se os meus dados só contêm expressões em espanhol de pessoas espanholas, por exemplo, o algoritmo pode ter problema em fazer sugestões para conversas do espanhol da América Latina. Garanta que você tenha conjuntos de dados que representem todos os diferentes universos que você quer que o algoritmo aprenda.
  • Não esqueça de atualizar os seus conjuntos de dados de treinamento constantemente, para que você não perca a noção da realidade.

2 . Onde processar os dados: processamento central vs. processamento em borda?

Se você optar pelo segundo, e às vezes você não tem escolha, você precisa ter certeza do que é o processo correto, porque mudá-lo depois que está distribuído em vários dispositivos, pode não ser tão fácil.

3. E, finalmente, Mudança de Gestão:

Quando você introduz automatização por meio do uso de dados e ML, certamente isso irá implicar em mudar vários processos na sua empresa. Mesmo para uma empresa de tecnologia como a Altitude Software, na qual os funcionários são tecnicamente experientes e prontos para adotar os avanços mais atuais, isso representa um desafio que não pode ser minimizado. Você precisa trabalhar o fator humano de adoção de mudanças para garantir o sucesso.

Ao final, implementar IA e dados com sucesso tem a ver com 3 fatores-chave:

  • Visão: seja ambicioso, saiba onde você quer chegar.
  • Conhecimento Técnico: trata-se de aplicar a tecnologia para resolver um problema de negócios. Compreender as ferramentas disponíveis e os possíveis problemas é fundamental.
  • Liderança, resultados, orientação, flexibilidade e persistência. Não há mágica, é a combinação de negócio, tecnologia e pessoas.

Eu adoraria ouvir a sua opinião sobre esse assunto!

Envie-me uma mensagem 

e continuaremos com esta conversa!

Avatar

Sonia Comajuan

Outras notícias

Serviços bancários e financeiros: o papel do contact center responsivo

Prospere ao invés de sobreviver! A indústria bancária teve que repensar a forma como faz tudo, não somente para.

Saiba mais

COMO EQUILIBRAR SERVIÇOS BANCÁRIOS TRADICIONAIS E DIGITAIS?

As pessoas desejam que os bancos e outras instituições financeiras ofereçam serviço digital ao mesmo tempo em que seguem.

Saiba mais

A ERA DE AUTOATENDIMENTO BANCÁRIO

A tecnologia de autoatendimento disponível hoje em dia no sistema bancário me faz lembrar de quando eu era uma.

Saiba mais

Quais são os benefícios de um Contact Center Responsivo de Companhias de Seguros?

Quando eu estava na faculdade, trabalhava meio período como garçonete em um restaurante italiano, onde me deparei com uma.

Saiba mais

Altitude e Lynker firmam parceria em prol da excelência e personalização no atendimento ao cliente

Altitude e Lynker firmam parceria em prol da excelência e personalização no atendimento ao cliente São Paulo, setembro de.

Saiba mais

Como o atendimento ao cliente ajuda a criar uma experiência satisfatória no varejo

*Vanessa Tiba  Tornar um cliente fiel a uma marca é sempre um desafio – e principalmente um desejo das.

Saiba mais

responsive_square1

Não pode se dar ao luxo de perder clientes?

Torne o seu Contact Center responsivo e livre de frustrações. Responda a 100% das perguntas dos seus clientes.