Machine Learning: estudos de caso mostram os resultados da AI (Artificial Intelligence)

Por Simon Blake é Diretor de Marketing da Vertiv EMEA

Imagine um porto, com containers marítimos balançando no ar. Imagine o caos que seria criado se um dos guindastes falhasse, despejando muitas toneladas de carga nas pessoas e nos containers abaixo. Agora, avance rapidamente para um futuro definido por inteligência de machine learning (ML). Uma caixa de controle e um sistema de alerta automatizado notificam os engenheiros de que o guindaste está com problemas. Na inspeção, nada é óbvio… mas, ao longo do tempo, o sistema identificou que o guincho poderá apresentar falha se a velocidade do vento permanecer acima de certo limite durante certo número de horas. O guindaste ‘aprendeu’ suas próprias fraquezas.

Esse tipo de visão nos diz que a ML oferece à humanidade a chance de livrar-se das nossas atividades mais perigosas e mundanas. Tarefas repetitivas podem ser realizadas e aprimoradas, ao mesmo tempo em que ambientes complexos podem ser compreendidos e gerenciados. ML capacitará máquinas e robôs de software a capturarem informações e adaptarem processos em conformidade com elas muito mais rapidamente do que nós conseguimos introduzir tais avanços em seu código.

Aprendendo sobre machine learning

Analisando de maneira simples, a ML é o meio pelo qual máquinas usam dados para ‘aprender’. Ou, nas palavras do Gartner, operar com ou sem supervisão, com base em aulas fornecidas por novas informações. A “decisão” de efetuar uma ação específica é determinada por laços de feedback que validarão ou invalidarão essa ação. Esse é um importante desenvolvimento na maneira como as máquinas trabalharão para nós. Tanto assim que, na 2017 Global Digital IQ Survey da PWC, mais de metade (54%) das organizações pesquisadas já estão fazendo investimentos substanciais em inteligência artificial – da qual a ML é uma das principais disciplinas. O número salta para quase dois terços (63%) em um período de três anos. Isso é um bocado de investimento em nossa nova família robótica. De fato, o valor desse setor em evolução é enorme. Segundo a IDC, os investimentos em IA e sistemas cognitivos atingirá USD 12,5 bilhões neste ano de 2017.

Porém, exatamente em que essas empresas estão investindo? Nós identificamos quatro áreas nas quais a ML realmente transformará o nosso mundo:

1. Máquinas que eliminam o risco 

Dos usos de ML que exploramos aqui, talvez o mais valioso seja a redução do risco. Em contextos mais industriais, como locais com maquinaria pesada ou ambientes operacionais perigosos, a ML tem a capacidade de reduzir o risco de incidentes catastróficos causados por falhas de equipamentos. Ela deverá também permitir uma confiabilidade muito maior em instalações como hospitais – nas quais as falhas de sistemas operacionais ou de energia podem ter consequências terríveis – graças a uma abordagem mais adaptável e inteligente à automação.

Essa evolução também aprimorará a infraestrutura crítica de TI que suporta as operações de negócios, o desempenho das aplicações e a disponibilidade. Tomemos como exemplo uma organização de serviços financeiros, na qual a liderança no negócio tem a expectativa de downtime zero e latência ultrabaixa nas suas negociações. A perspectiva de uma falta de energia elétrica é motivo de pesadelos para o CIO. A ML tem o potencial de redefinir os sistemas críticos dos quais essas organizações dependem. Por exemplo, o nobreak do futuro alertará preventivamente as equipes de engenharia e poderá ter a capacidade de autodiagnostico e resolução de problemas. Com os sistemas corretos em operação, as perdas criadas por faltas de energia poderiam ser eliminadas.

2. Máquinas que nos mantêm seguros 

O cenário da segurança é implacável. À medida que a tecnologia de defesa avança, igualmente avançam os hackers que a atacam. Desde a prevalência de dispositivos endpoint, como smartphones e tablets, com suas vulnerabilidades específicas, até a revolução da nuvem e as alterações de protocolos de segurança, há muitas possibilidades contra as quais os profissionais de segurança batalharem. A ML poderá ajudar a fornecer algumas das respostas. OGartner identificou que existe a probabilidade de um significante aumento na inclusão de capacidades de ML nos produtos para detecção de ameaças e gestão de segurança. A mitigação de riscos de cibersegurança exigirá maior quantidade de analytics e reações em tempo real – para entender padrões de tráfego incomuns ou fluxo de dados para fora da rede –, que, por sua vez, exigirão uma velocidade de ação simplesmente impossível para os seres humanos ou para a tecnologia atual. Embora os seres humanos permaneçam no controle da cibersegurança hoje, é provável que, em breve, veremos robôs assumindo a liderança. É claro que os que os hackers podem fazer com essa mesma tecnologia é outra questão…

3. Máquinas cuidando de sua própria vida 

Muitas empresas viverão ou morrerão conforme sua capacidade de controlar custos e gerenciar adequadamente a sua cadeia de suprimentos. Entretanto, para um significante número de organizações, isso depende de uma combinação de insight humano e automação de máquinas rápidas, mas não inteligentes. Cadeias de suprimentos e logística podem tornar-se repletos de ineficiências devidas a erro humano, à complexidade dos dados e ao desafio de “não saber o que você não sabe”. A ML oferece uma oportunidade de remover os elos fracos da cadeia e aumentar enormemente a abrangência e a velocidade dos cálculos envolvidos nesse processo – particularmente no tocante a identificar tendências que possam não ter sido descobertas de outra maneira.

À medida que a implementação das tecnologias de Internet das Coisas (IoT) continuar acelerada, o número de fontes de dados disponíveis aumentará enormemente. No futuro, as capacidades de navegação em veículos serão aprimoradas, os armazéns serão automatizados e o planejamento logístico ‘inteligente’ se tornará quase perfeito. Com o tempo, poderemos ver robôs adquirindo bens em nome de uma empresa e recebendo-os de outra que usa uma cadeia de suprimentos totalmente automatizada, baseada em ML. Muito diferente de um espaço comoditizado, a logística de cadeia de suprimentos poderá tornar-se, no futuro, um foco de empreendedores em tecnologia e superastros do desenvolvimento de aplicações.

4. Máquinas que contam histórias 

Embora hoje estejamos batalhando com os dados necessários à tomada de decisões comerciais informadas, a ML revolucionará a maneira como as organizações compreendem seus clientes. Porém, não será somente em termos de análise de dados que a ML causará um rebuliço. De fato, papéis tradicionalmente associados a seres humanos inteligentes e criativos poderão, em breve, ser assumidos por nossos amigos robóticos. A revista Wired relata que robôs poderão, em breve, ser repórteres esportivos no Reino Unido – um conceito que poderá provocar uivos de desespero de torcedores da nação inteira. A ideia de máquinas capazes de nos contar histórias ao mesmo tempo em que processam volumes gigantescos de dados abre um grande número de novas oportunidades. Assim, no futuro poderá ser mais fácil criar campanhas de marketing precisas e impactantes – mas (pelo menos por enquanto) ainda necessitamos daquele público humano para consumir os produtos!

Aprendendo a mudar 

Mesmo neste ponto embrionário, está claro por que a ML costuma ser encarada com um misto de fascínio e medo. Os dois sentimentos podem ser justificados. Entretanto, apesar de todas as dúvidas que possam permanecer acerca da substituição de conjuntos de habilidades humanas por automação, é provável que a ML transforme profundamente muitas empresas. Isso emergirá por meio de experimentos em áreas de ‘habilidades interpessoais’ como a de marketing, bem como redefinindo fundamentalmente a maneira pela qual ambientes comandados por física e engenharia podem ser gerenciados.

A ML imporá às equipes de TI pressões para fornecerem uma infraestrutura otimizada, mas também as ajudará a cumprirem seus papéis. Ela permitirá uma abordagem mais preditiva à gestão de TI e oferecerá maneiras adaptativas de operar sistemas de energia e refrigeração. Para equipes enfrentando uma falta de habilidades, a automação baseada em ML removerá uma parte do desafio do headcount. Quer apreciem ou detestem esses conceitos, os profissionais de TI precisam abraçá-los, porque estarão na vanguarda dessa evolução.

Últimas notícias