Com boa parte das pessoas em casa há um ano, os hábitos de consumo têm passado por transformações, quase sempre associadas à tecnologia. Segundo a pesquisa Shopping During The Pandemic, 47% das pessoas no Brasil têm comprado mais pela internet. O levantamento foi realizado pela Ipsos com 20,5 mil entrevistados de 28 países.
Foto: Shutterstock
Chatbots, gerenciadores de agenda, máquinas de cálculo, entre outras funções, têm sido úteis tanto para as organizações como para o consumidor final. E por trás de todos esses facilitadores estão a Inteligência Artificial e o Aprendizado de Máquina (Machine Learning), cada vez mais protagonistas para as pessoas e empresas.
Com as companhias voltadas às aplicações baseadas em Machine Learning, o MLOps (Machine Learning Operations) deve sair da condição de operacionalização emergente para ganhar destaque. Similar ao DevOps, trata-se da combinação de práticas e ferramentas que permitem às equipes de Data Science e Operações aprimorar a implementação de modelos, por meio da governança de formatos de Aprendizado de Máquina e Inteligência Artificial, monitoramento, validação, colaboração e comunicação.
Em suma, o MLOps foi desenvolvido para estabelecer cultura e ambiente onde as tecnologias de Machine Learning possibilitem benefícios comerciais, construindo, testando e liberando, de maneira rápida, frequente e confiável a tecnologia de Aprendizado de Máquina em produção. Os algoritmos, apoiados pela coleta de dados de uma empresa, aprendem de forma contínua a ponto de necessitar de pouca intervenção humana – em alguns casos, quase nenhuma.
A ferramenta é utilizada amplamente em bancos e operadoras de crédito. Ambos usam a tecnologia para identificar possíveis transações fraudulentas. Um exemplo disso está nos casos em que a operadora de cartão telefona para o cliente no intuito de validar uma compra recente. Isso acontece porque, provavelmente, a companhia utilizou o Machine Learning para sinalizar uma transação suspeita. Ou seja, o consumidor não precisa, necessariamente, procurar um estabelecimento para se informar sobre uma movimentação “esquisita”.
Outro caso é o de serviços de streaming como a Netflix, que conta com mais de 17 milhões de assinantes no país, segundo levantamento da FGV. Cada vez mais cotidiana na vida dos brasileiros, sobretudo após o início da pandemia, a plataforma conta com mecanismos de recomendação on-line de Aprendizado de Máquina. Ao utilizar dados coletados de milhões de usuários, os sistemas de Machine Learning se tornam aptos a prever filmes, séries e documentários que podem cair no gosto do consumidor, baseando-se nas escolhas de títulos mais recentes.
Como benefícios, é possível citar a tomada de decisão mais assertiva, diagnóstico, otimização de processos, reparo de sistemas e monitoramento. Em contrapartida, os pontos de atenção são a escassez de profissionais qualificados – embora tenhamos cursos, ainda não existem opções acadêmicas para preparar pessoas para o mercado de trabalho – e, também, a falta de cultura baseada em dados por parte das empresas.
Justamente em razão desses contrapontos, o mercado enxerga as tecnologias como emergentes. No entanto, há muito o que se explorar, ainda mais por se tratar de recursos que lidem com algoritmos e dados (considerados por especialistas o novo petróleo).
O que não se pode negar é que ambos já possuem relevância na vida das pessoas e, cada vez mais, será observada com bons olhos como importantes para os negócios.
*Ahirton Lopes é Chief Data Officer (CDO) da Lambda3 e professor na FIAP, onde ministra aulas nos cursos de MBA em Artificial Intelligence & Machine Learning, Digital Data Marketing, Cyber Security e Health Tech.
