Embora “inteligência artificial” e “aprendizagem de máquina” pareçam termos técnicos complexos e distantes de nossas realidades, nós já utilizamos essas tecnologias, como consumidores, num ritmo cotidiano. E além disso, já há diversas empresas brasileiras se aproveitando desses recursos para oferecer novos serviços ou turbinar seus negócios.
Durante um evento do Google em Belo Horizonte, o Olhar Digital pôde conhecer alguns dos brasileiros que estão aplicando técnicas de aprendizagem de máquina em seus trabalhos. Muitas delas utilizam a ferramenta Tensorflow, do próprio Google, que foi liberada neste ano em esquema open source.
Com essa tecnologia, as empresas conseguem levar serviços importantes a mais pessoas, ou otimizar processos de seus negócios. Confira:
Cobrando na hora certa
A FS Security é uma empresa de tecnologia que presta serviços para operadoras de telecomunicações. Entre os serviços estão a criação de soluções de armazenamento em nuvem, envio de mensagens SMS de cobrança e de ofertas.
Edson Brabdi, o diretor de tecnologia da FS, entende que os envios de mensagens desse tipo são uma questão delicada. Quem já recebeu uma série de mensagens SMS com ofertas indesejadas ao longo do dia entende que isso pode causar uma raiva imensa contra a empresa. Naturalmente, as empresas preferem evitar esse tipo de situação.
Para isso, a FS utilizou ferramentas de aprendizagem de máquina para analisar quais mensagens SMS de oferta tinham a melhor resposta. O sistema avaliou dados demográficos como idade, localização e nível de renda das pessoas para descobrir quais delas tinham maior probabilidade de responder positivamente às ofertas. O objetivo da empresa era reduzir o número de mensagens enviadas, e deu certo: em um ano, a empresa reduziu a quantidade em 40%, mantendo a taxa de retorno.
Para as mensagens de cobrança, a empresa adotou um processo semelhante. Ela avaliou os horários na semana e no mês em que as pessoas tinham maior probabilidade de responder às cobranças. Isso acarretou uma melhora de 42% na eficiência das cobranças e permitiu que a empresa reduzisse seu custo em TI, já que era necessário enviar menos mensagens.
Finalmente, a empresa também empregou tecnologia de aprendizagem de máquina na criação de serviços de armazenamento em nuvem para as operadoras. Usando a Cloudvision API do Google, ela pretende levar recursos melhores de organização e pesquisa de imagens ao serviço de armazenamento de fotos da Vivo. No futuro, o app da Vivo também será capaz de criar automaticamente álbuns para organizar as fotos dos usuários.
Treinando robôs atendentes
Chatbots, ou robôs que fazem as vezes de atendentes de serviços e negócios online, são uma das tendências para os próximos anos. E a Nama é uma empresa brasileira que está tentando aproveitar essa tendência criando uma plataforma para o desenvolvimento de robôs-atendentes.
A ideia da Nama é oferecer chatbots integrados a vários canais, como Facebook Messenger, Telegram e mensagens SMS. Trata-se de uma oportunidade atraente, já que segundo Rodrigo Scotti, um dos fundadores, mais de US$ 100 bilhões são perdidos por ano por conta de esperas em atendimento. Mas, para aproveitar essa oportunidade, a empresa precisa focar em oferecer bots que interajam com os usuários de maneira fluida e natural.
É aí que a aprendizagem de máquina entra. Por meio dela, os chatbots podem ser treinados para entender melhor a diversidade de opções que a linguagem humana oferece. Por exemplo, pense nas frases “Quero um sapato”, “Preciso de um sapato” e “Gostaria de comprar um sapato”: embora as três sejam diferentes, elas representam todas a mesma intenção (comprar um sapato). A máquina consegue aprender, então, que essas três frases são relativamente iguais.
Isso porque, diferentemente de outras empresas que oferecem chatbots com botões e opções limitadas de interação, a Nama foca em linguagem natural. Isso dá mais trabalho, mas também é mais confortável para os usuários. Para as empresas também: segundo Scotti, essas soluções permitem automatizar cerca de 40% dos processos de atendimento.
Mas se o robô estiver com problemas em algum atendimento, ele ainda pode ser treinado “manualmente”. A Nama oferece uma opção para que um operador humano acompanhe o atendimento da máquina. Assim, ele pode “ensinar” o robô a responder de forma mais adequada às mensagens dos usuários. Os dados obtidos pela máquina durante essa “aula de atendimento” também são aproveitados em seu treinamento.
Com esses recursos, a Nama será responsável por desenvolver um robô de atendimento para o Poupatempo de São Paulo. Lá, o robô será responsável por atender aproximadamente um milhão de usuários por dia. E ele poderá auxiliá-los em agendar atendimentos para tirar RG, carteira de trabalho e outros documentos, além de esclarecer dúvidas sobre esses processos.
Doutor, qual é a doença?
O Portal Telemedicina é uma plataforma que pretende levar atendimento médico de qualidade para mais regiões. Para isso, a empresa faz a ponte entre laboratórios de exames e médicos em outras localidades. Assim, o médico pode fazer remotamente o diagnóstico com base no exame.
Segundo o CEO da empresa, Rafael Figueroa, por mais interessante que fosse, esse processo não era simples. Era necessário ensinar enfermeiras a fazer o upload dos exames para o Portal e ensinar os médicos a acessá-los, além dos recursos computacionais necessários para processar, armazenar e organizar os exames. Foi nessa parte que as técnicas de aprendizagem de máquina puderam ajudar.
As ferramentas de análise de texto e imagem do Tensorflow são capazes de analisar automaticamente o exame e oferecer ao médico tudo que está escrito e mostrado nele num tempo mais rápido. Isso porque não é necessário que o exame em si seja mostrado ao médico: a inteligência artificial consegue extrair dele os textos e imagens, e mostrar apenas isso.
Também com o Tensorflow, a empresa consegue informar quase imediatamente se a qualidade do exame está comprometida e se ele precisará ser refeito. Isso é especialmente útil, já que o médico nem precisa olhar para um exame que não vai fornecer informações relevantes.
Mais que isso: analisando os dados e as imagens do exame, a inteligência artificial vai aprendendo a sugerir diagnósticos. Atualmente, ela já é capaz de oferecer algumas opções de diagnósticos aos médicos que usam a plataforma. Caso as sugestões não façam sentido, o médico informa isso ao sistema, que usa essa informação para se melhorar.
Graças a isso, segundo Figueroa, os médicos são capazes de entregar até 100 laudos de exame por hora – um aumento de dez vezes sobre a média de dez laudos por hora que médicos normalmente conseguem fazer. Com isso, a plataforma pretende reduzir o custo por laudo, levando medicina de qualidade a mais pessoas.
Atualmente, a rede já atua em oito especialidades diferentes, como eletrocardiograma, eletroencefalograma e acuidade visual. A ideia de Figueroa é expandir esse serviço a mais especialidades; no entanto, os maiores obstáculos a essa expansão, por enquanto, são regulatórios – e não de tecnologia.
Tags: