Falando Sobre... Inteligência Artificial e os ERP

Artigo

BLOG

Mauro Oliveira

7/27/202313 min read

Quando vemos algum conteúdo comentando sobre Inteligência Artificial (IA) sempre tem no início alguma frase do tipo “Estamos apenas arranhando a superfície”, ou Estamos apenas colhendo os frutos dos galhos mais baixos”. E sabe de uma coisa: isso é a pura verdade!!!

Na nossa história, vimos algumas tecnologias com finalidades gerais fazerem o mundo virar de cabeça para baixo várias vezes. O fogo, nas épocas primitivas, máquinas à vapor, motores de combustão interna, eletricidade, e recentemente a internet já nos mostraram os seus impactos, que foram profundos e definitivos na vida de todos nós e com abrangência mundial. Agora, com a Inteligência Artificial, temos a oportunidade de ver o nascimento de mais uma tecnologia de finalidade geral de enorme impacto.

As possibilidades que a IA traz são fantásticas. Tarefas, processos e modelos de negócios já estão sendo reconstruídos utilizando essa tecnologia, onde, ela pode realizar ou apoiar a realização de atividades de qualquer nível de complexidade que existe, sendo que, em muitos casos, muito melhor e mais rápido que as pessoas que a realizam.

DIagnósticos de doenças, pesquisas com biotecnologia, trâmites de processos jurídicos, atendimento de usuários de lojas virtuais, gerenciamento de estoques, produção de roupas personalizadas… e certamente os ERP estão nesta onda de transformação. Vamos falar sobre isso.

Mas, O Que É Mesmo Essa Tal de Inteligência Artificial?

O termo Inteligência Artificial foi cunhado em 1955 pelo professor de matemática John McCarthy, onde foi definido como sendo um ramo da ciência da computação que se propõe a elaborar dispositivos que simulem a capacidade humana de raciocinar, perceber, tomar decisões e resolver problemas, enfim, a capacidade de ser inteligente.

É uma mudança enorme de paradigma. Na programação tradicional, temos que colocar muita energia para codificar tudo que o sistema precisa fazer, aqui os sistemas aprendem com os dados que recebem e/ou que obtém por testes.

Apesar do assunto ter sido amplamente utilizado em debates calorosos e com projeções apocalípticas de dominação do mundo pelas máquinas (basta ver a sequência de filmes do Exterminador do Futuro), ainda estamos muito longe de vermos os sistemas de IA conseguirem ter um tipo abrangente de inteligência que nem a nossa.

A primeira grande visão pública da IA foi em 1997 quando o computador Deep Blue (da IBM) venceu uma partida de xadrez do campeão mundial Garry Gasparov. Neste momento, as pessoas perceberam que tinha algo realmente novo acontecendo.

Muitas ações começaram a serem feitas em torno da IA, só que com baixo nível de investimento. Depois de 2010, três fatores começaram a se consolidar, fornecendo meios para que a IA prosperasse:

=> Fator 01: Acesso aos Dados: como vamos ver, o acesso aos dados é de fundamental importância para que as IA se desenvolvam… são os “alimentos” destes “seres”... e, na última década vemos uma verdadeira explosão de captação, desenvolvimento, acesso e tratamento de dados. Por exemplo, num único vôo de avião moderno produz algumas dezenas de gigabytes de dados sobre as ações, condições de vôo e equipamentos.

=> Fator 02: Performance dos Hardwares: a capacidade dos hardwares para processar dados aumentou de forma expressiva. Só para se ter uma referência, uma única CPU atual consegue processar em um dia um volume de tarefas que uma CPU da década de 90 precisaria de 250 mil anos para fazer.

=> Fator 03: Algoritmos Melhores: com as necessidades geradas pelo aumento expressivo dos dados trabalhados, os cientistas de dados começaram a desenvolver algoritmos cada vez melhores de IA, utilizando técnicas matemáticas e estatísticas de alto nível e ferramentas de programação mais apropriadas foram criadas.

As ferramentas de IA podem virtualmente trabalhar sobre qualquer aspecto associado à atividade de pensar, entretanto os maiores avanços até o momento têm sido nos campos da percepção e da cognição.

Na área da percepção, pontos como o entendimento da fala/voz e de imagens tiveram grandes avanços. Já na área da cognição, as formas de resolução de problemas se destacaram.

Existem muitos conceitos embarcados no mundo da IA, mas vamos falar de forma bem superficial sobre alguns deles, que são os mais nos interessam para este artigo.

Machine Learning (Aprendizado de Máquina - AM)

O AM é uma subárea da IA que tem sido mais utilizado no momento. Ele é incrivelmente poderoso para fazer previsões ou determinações calculadas por algoritmos sobre bases representativas de dados. Os dados “treinam” o algoritmo.

Os algoritmos de AM podem ser divididos em 3 categorias:

=> Aprendizado Supervisionado: é útil nos casos em que uma ou mais características (rótulos) de análise estão disponíveis, sendo aplicado em grandes conjuntos de dados utilizados para treinar a IA. Esses dados é que vão ser a base para a IA perceber como as coisas funcionam, e assim, com a interação do dia a dia, ir acumulando mais informações e refinando o processo.

=> Aprendizado Não Supervisionado: é útil nos casos em que o desafio é descobrir relacionamentos implícitos em um referido conjunto de dados não-rotulados (sem características previamente associadas). Algumas funções de Data Mining são muito bem utilizadas com este perfil, e agora alavancada pelas IA.

=> Aprendizado de Reforço: está entre estes dois extremos – existe alguma forma de feedback disponível para cada passo ou ação preditiva, mas sem características precisas ou mensagens de erro. Exemplo: Uma meta de aumento de visibilidade de propaganda é definida e um conjunto de possibilidades para isso ocorrer é disponibilizado, deixando a cargo do sistema de AM buscar um caminho por testes até conseguir o resultado desejado.

Deep Learning (Aprendizado Profundo - AP)

O AP é uma subárea do AM. Ela tem as mesmas formas de trabalhar da AM, com as mesmas categorias, só que utiliza recursos diferentes.

As AP são formadas por Redes Neurais Artificiais, que são inspiradas pelo entendimento da biologia do nosso cérebro, mas, diferente de um cérebro biológico, onde qualquer neurônio pode se conectar com qualquer outro neurônio dentro de uma certa distância física. Essas redes neurais artificiais trabalham em camadas de processamento, através de conexões e com direções de propagação de dados.

Ela consegue trabalhar com situações incertas e necessita de um volume brutal de processamento de hardware.

Um ponto muito interessante das AP é a sua ampla capacidade de aprendizado. Enquanto os algoritmos de AM tem aprendizado virtualmente nulo quando passa de um determinado ponto de interação com os dados, os AP, pelo que sabemos até o momento, continua aprendendo ainda mais… ainda não foi plenamente definido em que ponto os AP param de aprender, ou, se realmente em algum momento eles vão parar de aprender.

Atualmente o AP é utilizado nas atividades de tratamento de percepção de textos, imagens, sons, etc., mas, num futuro próximo, vamos ver cada vez mais este tipo de algoritmo nos sistemas empresariais.

Vamos Ver Alguns Exemplos de Uso de IA nos Negócios

Antes de entrarmos no mundo dos ERP com IA é necessário que você consiga perceber o amplo conjunto de possibilidades de uso da IA nos negócios, nas condições que temos hoje.

Muitos bons profissionais das suas áreas e até mesmo das áreas de tecnologia, ainda não conseguem perceber como tudo está mudando e como tudo poderá mudar ainda mais em breve. Veja alguns exemplos abaixo.

01) Produção e Venda de Cerveja

Recentemente eu vi numa edição do programa Mundo S/A (que eu adoro) dedicado ao tema IA, uma empresa européia que desenvolveu uma IA para interagir facilmente com os seus consumidores de cerveja e obter um feedback suficientemente apurado para traçar gostos e com isso refinar constantemente a cerveja produzida… este ciclo faz com que poucos lotes de produção sejam iguais e forçando uma logística muito rápida de produção-venda-consumo.

Do meu ponto de vista, eles poderiam ir além, e, com o apoio da IA, desenvolver serviços de produção e assinatura de cervejas de pequenos lotes.

02) Venda Online de Óculos

Algumas empresas já estão realizando venda de óculos online com a captação do rosto das pessoas e fazendo elas perceberem como o óculos fica no rosto delas. Até aí tudo bem, isso já acontece há algum tempo.

A questão é que os modelos de dados estão sendo apurados, e todos os dados obtidos neste processo alimenta uma IA que consegue estruturar ações mais assertivas de sugestões de opções para cada pessoa, além de fornecer subsídio para melhorar as ações comerciais de abordagens regulares e até na criação de novos óculos.

03) Processo de Recrutamento e Seleção de Pessoal

Recrutar e selecionar pessoas para as empresas pode ser um processo caro, com baixa assertividade e muitas das vezes esses processos são mal executados pelas pessoas.

Com o uso de IA, serviços especializados já estão oferecendo meios para que os processos seletivos com volumes enormes de candidatos sejam tratados e analisados de forma profissional e através de metodologias complexas, que, manualmente, seriam inviáveis de serem feitas.

Outro ponto relevante envolvido é o grau elevado de aprendizado de longo prazo que o IA tem com os grandes volumes de dados trabalhados em vários processos de recrutamento e seleção de pessoal, e a possibilidade de atualizações de grupos de perfis com ferramentas bem automatizadas de AM Supervisionados.

04) Processo de Aprovação de Empréstimos Bancários

Faz algum tempo que já vemos algoritmos comuns (com regras de negócio fixas) sendo utilizados para apoiar a aprovação de empréstimos bancários, ou até mesmo fazer todo o processo, mas com o uso de IA, interagindo de forma dinâmica com vários fatores e bases de dados, esse processo aumentou em muito a assertividade e a sua velocidade.

05) Monitoramento e Controle de Ciberataques

Este processo é extremamente automatizado e que tem altos ganhos do uso de IA.

Todas as atividades de monitoramento de ameaças de segurança de informação que está acontecendo na web, monitoramento do que está acontecendo na empresa (em cada device), teste intensivo de medidas evasivas, de contenção e de eliminação de ameaças, além de inúmeras outras atividades extremamente especializadas, são amplamente beneficiadas com o uso das ferramentas de IA.

06) Diagnóstico de Exames Médicos

Já estamos vendo grandes evoluções nesta área com o uso de IA, seja no aumento da velocidade dos diagnósticos e/ou na assertividade dos mesmos.

Recentemente vi pautas comentando sobre como o uso de IA permitiu uma visão mais apurada de imagens na detecção de alguns tipos de câncer que não eram possíveis serem vistos anteriormente com o mesmo tipo de exame.

07) Processo de Montagem e Revisão de Petições

Uma atividade muito comum (e que consome um bom tempo) nos escritórios de advocacia é a montagem e a revisão de petições de processos. Normalmente o processo inicia realizando uma entrevista com uma ou mais pessoas que estão relacionadas direta ou indiretamente ao processo, depois o advogado monta a petição e encaminha o processo, passando, eventualmente, com algumas revisões e atualizações.

As ferramentas de IA já estão fazendo todo esse trabalho de forma plenamente automatizada e/ou semi-automatizada, inclusive conduzindo a entrevista se adaptando as possibilidades apresentadas pelas respostas das pessoas.

08) Geração de Conteúdo Jornalístico

As ferramentas de IA já estão com alguma evolução nas habilidades de entender conteúdos (vídeos, áudios, imagens e textos) e gerar resumos e meios de organização interessantes. Editores de texto e ferramentas de ECM (Enterprise Content Management) já estão se beneficiando com IA de forma mais simples.

Neste momento vemos um volume bem razoável de jornais e blogs usando IA para gerar resumos e acompanhamentos de partidas de futebol, divulgações de eventos, acompanhamento de catástrofes, etc.

09) Processo de Atendimento ao Cliente

Constantemente vemos casos sendo publicados nos meios de comunicação comentando sobre empresas que passaram a utilizar recursos de IA nos seus processos de atendimento ao cliente e tiveram ganhos enormes de qualidade, reduções drásticas de custos e ganhos de velocidade nos seus serviços.

Essa atividade está tão evoluída, que uma legislação européia está impondo às empresas que identifiquem para os seus clientes quais pontos de interação no atendimento que eles estão fazendo está acontecendo com um software e não com uma pessoa.

10) Assistentes Pessoais

Desde sistemas corporativos até smartphones estamos vendo uma explosão de uso de assistentes pessoais com IA.

Eles fazem atividades mais básicas como empacotar e enviar um relatório por e-mail, até monitoramentos dinâmicos de desvios de atividades.

Ainda vamos ver uma grande revolução neste recurso.

Reintero que esses são apenas alguns exemplos num verdadeiro oceano de oportunidades de IA. Agora vamos aos ERP.

A IA no Mundo dos ERP

Algumas ações de incorporar IA aos ERP já estão acontecendo, mas, além desse ponto, o que vamos comentar aqui são sobre as potencialidades e os riscos envolvidos.

01) O Primeiro Passo É O Fornecedor de ERP Ter Um Modelo de Gestão Com IA

Recentemente estava lendo um artigo na revista Harvard Business Review, do ano passado, falando sobre o caso de implantação do IA no modelo de gestão do Facebook. Fiquei impressionado com os cuidados que foram tomados e no objetivo sempre bem definido de que o uso do IA deveria ser institucionalizado, com uma área de apoio sendo criada entre a de P&D e de Produto.

A IA é grande demais para os fornecedores de ERP pensarem pequeno. Não são somente pontos específicos de ação dentro do ERP, é todo o negócio de ERP sendo transformado, e para isso a sua empresa precisa se adaptar a esse mundo, antes de pensar em adaptar o seu ERP.

02) Trazer os Dados Não Estruturados Para o Mundo dos ERP

Os ERP operam com dados estruturados, mas os negócios também precisam conviver com inúmeras e volumosas fontes operacionais e de resultados de dados não estruturados. O que fazer?

O ERP pode passar a coletar e tratar dados não estruturados associados às suas operações, mas isso exigiria algumas adaptações significativas. O modelo mais interessante e mais rápido de implementar é ter e utilizar uma ferramenta de Big Data adequada aos seus negócios, com uma bom conjunto de integrações.

Só com renovação e tratamento constante dos dados é que as ferramentas de IA tem verdadeiro valor para os seus negócios, e os dados não estruturados vão te ajudar nisso.

03) Saber Trabalhar Com Grandes Volumes de Dados É Vital

Análises de dados e tomadas de decisões baseadas em dados sempre foram vitais para as empresas, só que a grande maioria dos gestores não sabem fazer isso muito bem e nem conseguem instituir essas ações na sua estrutura organizacional.

Tratamento de bases de dados em bancos de dados relacionais e ações de Data Mining já vem sendo executado por algumas empresas, mas com o uso da IA no dia a dia, as empresas vão ter que dar um passo adiante nas suas práticas com os dados.

Já estamos vendo no mercado uma crescente demanda por Analistas e Cientistas de Dados.

04) Ponto Crítico: Dados Para o Aprendizado de Máquina

Certamente as fontes de dados que vão alimentar as ferramentas de IA são de extrema importância, pois elas é que vão “treinar” as ferramentas e dizer como elas devem trabalhar.

Nesse aspecto deve-se tomar cuidado com a qualidade dos dados, os rótulos associados (quando aplicado) e potenciais vieses de decisão embarcados nos dados.

Por exemplo: em um estudo recente numa ferramenta de IA de Recrutamento e Seleção, foi percebido poucas falhas nos dados, mas dentro das bases de dados utilizadas para “treinar” a referida IA, tinha embarcado um forte viés favorecendo os candidatos que eram do gênero masculino e outro viés prejudicando os que eram de raça negra.

Os problemas de qualidade nos dados não são fáceis de serem localizados.

Multiplique dezenas de possibilidades de falhas e vieses de decisão em cada uma das dezenas de ferramentas de IA que pode ter numa empresa e veja os impactos que isso pode causar.

05) Oportunidades: Dados Para o Aprendizado de Máquina

“Em quase todos os problemas, conseguimos achar uma oportunidade”, e aqui isso não é diferente.

As IA precisam de dados para serem treinadas e se aperfeiçoarem, sendo que em algumas IA esses dados podem ser iguais ou muito parecidos em várias empresas diferentes, como características fiscais, diagnósticos de exames radiológicos ou até mesmo atendimento de prefeituras.

Por que não criar serviços que façam compilações padrões iniciais de bases de dados de IA? Por que não fornecer serviços completos de análise e implantação dos dados nos IA? Por que não?

06) O Modelo de Plataforma Precisa de IA

Um dos modelos de negócio mais crescente no mercado é o modelo de plataforma, onde uma empresa fica intermediando opções de venda de produtos e serviços específicos e mantendo uma captação constante de potenciais clientes e fornecedores para estes produtos e serviços.

Em vários pontos das plataformas, ferramentas de IA podem ser aplicadas, mas certamente o principal recurso é o direcionamento da navegação dos cliente com base nos rótulos dos produtos e dos serviços. Isso é vital.

07) Tem Alguns Pontos de IA Que São Básicos Para a Maioria dos ERP

Assistentes pessoais, análises automáticas de desvios potenciais e reais de processos, atendimento aos clientes, atendimento aos usuários do ERP e análises de demandas de produtos e de serviços, são pontos que todos os ERP poderiam (deveriam) ter já no momento atual.

08) A Verticalização Gera Boas Oportunidades de Uso do IA

Dentro das estratégias de posicionamento dos fornecedores de ERP temos a Verticalização do ERP, com um sistema gerado para atender demandas de um segmento de negócio que um ERP Genérico não consegue atender - por exemplo: Hospitalar e Acadêmico; e o ERP Genérico com Verticalização da Implantação, onde os parâmetros e cadastros são gerados para atender a um segmento específico de negócio - por exemplo: verticalização para Máquinas e Equipamentos e verticalização para Distribuidoras.

Ao se especializar, maiores investimentos na geração e disponibilização de ferramentas de IA terão maior ROI (Return on Investment). Simples assim.

09) Risco: A IA Pode Errar

Como já foi comentado anteriormente, diferente dos sistemas comuns, que você codifica tudo que precisa fazer e utiliza regras de negócio para o funcionamento, as IA precisam de dados para treinar as suas funções, e assim, tomarem as suas decisões. Com base nisso, qualquer ferramenta de IA pode ter falhas operacionais.

No atual momento de amadurecimento das IA, não é aconselhável que elas atuem de forma completamente independente em operações críticas, e é aconselhável que os ERP tenham meios para monitorar tais ações.

10) A IA no Ecossistema de ERP

Ferramentas para gerar Assistentes Pessoais, ferramentas para gerar Chatbot, sistemas especialistas com IA embarcados, banco de dados relacional com IA embarcado, mercado de componentes de IA, AIaaS (Artificial Intelligence as a Service) e muito mais produtos e serviços fazem parte dos ecossistemas dos ERP, e isso faz a toda a diferença.

Os fornecedores de ERP não precisam desenvolver todas as suas necessidades de IA para atender os seus clientes. Os clientes dos ERP não dependem totalmente dos seus fornecedores para embarcar alguns tipos de funções de IA nos ecossistemas dos seus ERP.

Quando falamos de IA, já temos muitas possibilidades disponíveis dentro dos ecossistemas de ERP e isso só tende a aumentar.

Certamente o tema está longe de se esgotar, mas se você conseguiu com este artigo entender que o IA está abrindo um novo mundo e que isso inclui os ERP, eu já estou feliz. Agora, se este artigo fez você ficar motivado a pensar melhor em IA nas suas operações com os ERP e nele você viu um apoio para isso, eu vou ficar plenamente satisfeito.

Afinal, estamos apenas “arranhando a superfície” sobre o tema.

Mãos e mentes à obra!!!