Dados bem elaborados: será que a ‘Computação Cognitiva’ é a nova grande tendência no campo das análises?

Marcelo Araujo, Arquiteto de Soluções da Informatica

Juntamente com toda a empolgação que envolve a inteligência artificial e a aprendizagem de máquina, há também o reconhecimento de que nada disso seria possível sem uma matéria-prima essencial: dados em quantidades imensas. À medida que eles são inseridos em sistemas, que aprimoram cada vez mais a capacidade de agir de maneira inteligente sobre esses dados sem qualquer intervenção humana, estamos testemunhando a chegada da “computação cognitiva”.

A computação cognitiva pretende imitar os processos do pensamento humano. De acordo com a definição fornecida pelo Cognitive Computing Consortium, a computação cognitiva redefine “a natureza da relação entre as pessoas e seu ambiente digital cada vez mais difundido. Elas podem desempenhar o papel de assistentes ou treinadoras para o usuário, e podem agir de forma virtualmente autônoma em muitas situações para a resolução de problemas. Os limites dos processos e domínios que esses sistemas poderão afetar ainda são variáveis e não totalmente explorados. Seus resultados podem ser prescritivos, sugestivos, instrutivos ou simplesmente para distração”.

Um sistema de computação cognitiva “oferece uma síntese não apenas de fontes de informações, mas também de influências, contextos e insights. Para tanto, os sistemas muitas vezes precisam ponderar sobre evidências conflitantes e sugerir uma resposta que seja não apenas ‘correta’, mas sim ‘ideal’”.

Tudo isso soa muito bem dentro do laboratório. Mas será que a ideia está pronta para o mundo real dos negócios? Um relatório recente do IBM Research Institute sugere que a computação cognitiva está ganhando terreno em muitas aplicações de negócios. Na pesquisa, que envolveu 500 executivos, a maior parte deles espera dobrar sua utilização da computação cognitiva nos próximos três anos, especialmente para oportunidades operacionais.

As áreas atuais em que a computação cognitiva é aplicada incluem desempenho de ativos, instalações e energia, empregada em 12% das unidades, com 16% esperando adotar a computação cognitiva nos próximos três anos. A visibilidade do transporte conectado é a próxima área de maior emprego, com 10% e mais 11% que preveem a adoção em breve.

As áreas que são mais propensas a crescer nos próximos três anos incluem a de monitoramento da qualidade do produto e previsão de falhas, com 21% afirmando pretender adotar em breve (atualmente, 8% já utilizam esse tipo de solução). Outros 20% planejam a otimização de unidades de fabricação, com 9% já utilizando. Dezenove por cento pretendem adotar nos próximos três anos a otimização de inventários e redes, também em relação aos atuais 9%.

O que é notável é que todas essas aplicações representam utilizações operacionais aprofundadas de dados, em comparação com aplicações mais visíveis e bem finalizadas, tais como marketing, gerenciamento de relacionamento com o cliente (CRM), saúde ou desenvolvimento de novos produtos. Os dados que podem ter transitado pelas organizações durante anos, essencialmente despercebidos, de repente fazem parte de uma nova onda de inteligência que está orientando o destino das organizações. Como sugerem os autores do relatório, a computação cognitiva, da maneira como está sendo aplicada às operações, representa a espinha dorsal de qualquer esforço de migração para a empresa digital.

A computação cognitiva está prontamente disponível para as organizações, e “O processo não precisa ser nada exótico e nem custar rios de dinheiro”, de acordo com Tom Davenport, professor da Babson College, MIT e autor de vários livros sobre análise. Ele chama a computação cognitiva de “a próxima etapa lógica após a análise de dados”.

A computação cognitiva pode ser aplicada para solucionar problemas cuja resolução, até o momento, estava além do alcance da análise tradicional, diz Davenport. “No mundo do big data, por exemplo, dados provenientes de sensores, mídias sociais e aplicativos on-line geralmente fluem e se acumulam muito mais rapidamente do que os seres humanos são capazes de analisar e/ou gerenciar. Sem o recurso de aprendizagem de máquina para criar modelos a partir desses dados, eles jamais poderiam ser analisados”.

Veja a seguir algumas maneiras para começar a utilizar a computação cognitiva:

Recorra aos recursos on-line e de nuvem para obter ajuda e insights. Davenport recomenda algoritmos de aprendizagem de máquina disponibilizados pelos principais provedores de nuvem do mercado. Essas ferramentas “…facilitam a exploração de aplicativos de redes neurais para aprendizagem aprofundada, tais como o reconhecimento de fala e imagens”, diz Davenport. Além disso, hoje em dia, problemas de escassez de competências podem ser tratados por meio de inúmeros cursos online disponibilizados em universidades e unidades de aprendizagem.

Identifique áreas de negócios a serem aprimoradas. “Talvez seja um gargalo de conhecimento – uma situação que pode se beneficiar da aplicação de conhecimentos que, anteriormente, encontravam-se inacessíveis”, sugere Davenport. “Ou, talvez, seja uma situação com um volume de dados tão grande que os seres humanos jamais seriam capazes de gerenciar. Então, inicie sua experiência com as tecnologias cognitivas a partir deste problema”.

Encare os dados de uma maneira diferente.Integre os dados de dispositivos conectados à Internet das Coisas (IoT) e aplicativos transacionais baseados na nuvem para atrair novos públicos e, ao mesmo tempo, criar novos canais de distribuição de produtos e serviços”, recomendam os autores do relatório do IBM Institute. Recorra a “fontes não tradicionais de dados (tais como clima ou tendências sociais), aplique a análise da cadeia de abastecimento e a otimização de rede em tempo real para permitir decisões automatizadas e a mitigação de riscos”.

Empenhe-se em processos de detecção, integração e análises avançadas por meio de dispositivos conectados. O relatório do IBM Research Institute recomenda que os esforços de computação cognitiva sejam direcionados para melhorar “o retorno sobre ativos em todas as classes de ativos. Antecipe-se a falhas e melhore a qualidade das peças, ao mesmo tempo em que prevê a disponibilidade dos produtos”.

Comments