Como empresas se enganam com o machine learning

Entenda por que suas estratégias de Inteligência Artificial talvez não sejam o suficiente

 

O machine learning, ou aprendizado de máquina, campo da Inteligência Artificial que permite que um software modifique sua rotina de funcionamento a partir da repetição e da mínima interferência humana, é cada vez mais ambicionado por negócios que querem mostrar que, de algum modo, se diferenciam dentro de seu setor de atuação. Mesmo que muitos venham a aplicá-lo, diversos são os enganos quanto à sua natureza.

É o que diz artigo do site Hacker Noon. Quando se referem a aprendizado de máquina, a maioria das pessoas tem o costume de tratá-lo como uma solução única e aplicável a qualquer negócio, enquanto a realidade mostra que há, no mínimo, dois universos distintos, que enxergam o assunto de maneira complementar.

Já falamos, em outras ocasiões, sobre organizações que se enganam na direção que tomam suas estratégias supostamente voltadas para dados. Com o aprendizado de máquina, não é diferente, e aqueles que não o entenderem vão continuar errando por bastante tempo. Por isso, vamos explicar os pontos em que sua empresa provavelmente tem falhado na hora de integrar ferramentas de machine learning a seu cotidiano. Acompanhe conosco:

Um conto de dois aprendizados de máquina

Imagine contratar um chef para lhe construir um forno ou engenheiro elétrico para lhe cozinhar pães. Em se tratando de machine learning, esse erro é mais comum do que se imagina. Se você quer abrir uma padaria, é uma excelente ideia contratar um padeiro experiente e versado no ofício de pães e massas. Você também precisaria de um bom forno, logicamente. Enquanto esta é uma ferramenta crítica, eu aposto que talvez você não iria querer que seu recém-contratado padeiro ficasse a cargo da construção daquele forno. Por que sua empresa faz o mesmo quando se trata de aprendizado de máquina, então?

Afinal, seu negócio é de pães ou de fornos?

Pesquisa em machine learning

O que normalmente não é dito é que todos os cursos e livros sobre machine learning são sobre a construção de fornos, ou o que quer que seja que você precise em sua cozinha, e não sobre como cozinhar ou inovar com receitas diferentes.

Se você desenvolve algoritmos de aprendizado de máquina, seu foco é criar ferramentas para que os outros usem — seguindo nas analogias, utensílios e ferramentas de cozinha. Quem fica a cargo disso é a pesquisa em aprendizado de máquina, desenvolvida em universidades e replicada em diversos outros espaços.

Pelo que se entende por machine learning, muitos negócios estão no lugar errado. Hoje, há muitas aplicações sofisticadas por aí. Como você vai construir um forno microondas melhor se você nem sabe como o que você tem em casa funciona? É claro que você precisa estudar! Tornar-se um pesquisador leva anos e anos e há um bom motivo para isso.

Machine learning aplicado

A maioria das empresas apenas quer ir direto à cozinha, achando que isso irá resolver seus problemas corporativos. Elas não têm o menor interesse em vender fornos microondas e comumente repetem o erro de tentar criar aplicações sem experiência prévia. É difícil culpá-las, uma vez que a empolgação em torno do aprendizado de máquina tende a encaminhar tudo para essa direção.

Se você quer mesmo inovar, não há a necessidade de reinventar a roda. Fornos microondas já existem e você consegue comprá-los em vários lugares diferentes. Se criar ambientes de aprendizado de máquina parece tão complicado, há serviços que permitem que você use suas fórmulas prontas.

Para a maior parte das aplicações, sua equipe não precisa entender todos os cálculos matemáticos empregados em suas estratégias, da mesma forma que um chef não precisa entender a eletrônica de um forno microondas. Por outro lado, há muito o que você precisa saber se quer implementar o machine learning em seu negócio.

Testando e falhando com o machine learning

Infelizmente, muitas empresas não conseguem tirar nada de valioso do machine learning por não perceberem as diferenças entre o campo da pesquisa e suas aplicações tangíveis. Ao invés disso, é como se elas tentassem iniciar os trabalhos de sua cozinha contratando pessoas com ampla experiência de construção de partes para fornos microondas, mas que nunca cozinharam nada. O que pode dar errado, não é? Se isso der certo, é porque você teve sorte e acidentalmente contratou um engenheiro que, por acaso, é um bom chef.

Normalmente, você não terá sorte. Nós não temos muito tempo em nossas vidas e, se você dedica tanto dele a aprender sobre os esquemas elétricos de diferentes fornos, menos tempo você tem para aprender a usá-los de fato. Qual o tempo que sobra para aplicar todas as habilidades de aprendizado de máquina que você tanto estudou?

Quem contratar para a tarefa, então? Assim como em uma cozinha industrial, você precisa de uma equipe interdisciplinar, que entenda seu espaço e esteja disposta a aprender mais e mais. Caso contrário, seus projetos serão facilmente interrompidos no meio do caminho e não chegarão a lugar algum.

O time certo para o trabalho

Se você quer pensar em aplicações de ponta dentro de sua rotina já existente, contrate pesquisadores. Da mesma forma, contrate funcionários que entendam o que vale a pena ser feito dentro de seus objetivos propostos, que entendam os fornecedores e os consumidores, que sejam capazes de criar e pensar em novas soluções baseadas naquilo que a empresa já tem a seu dispor, que consigam assegurar a escalabilidade de uma aplicação, que consigam garantir a interdisciplinaridade de sua equipe e que consigam garantir a qualidade de um projeto mesmo em meio a adversidades. Enquanto essas não precisam ser pessoas diferentes, tenha certeza de que cada papel vai ser cumprido.

Falando em terceirizar, se sua equipe experimentou diversas ferramentas diferentes e ainda não consegue encontrar nada que vá de encontro aos objetivos da empresa, é bastante lógico contratar alguém com experiência prévia em pesquisa. Quanto a chamar ou não alguém com esse perfil para seu quadro permanente de funcionários ou terceirizar o trabalho para alguma organização com foco em pesquisas e construção de novos algoritmos, isso tudo depende da escala e da maturidade de suas operações e intenções.

 

Quando voltamos ao machine learning para empresas, o mais difícil é saber para o que você precisa dele e como ele pode beneficiar seus clientes. Não que seja uma etapa tão complicada, mas muitos esquecem de passar por ela. Resolver problemas corporativos com aprendizado de máquina é, na verdade, mais fácil do que a maioria imagina — aqui, a criatividade desempenha um enorme papel.

A Twist tem o time multidisciplinar e as soluções certas de Inteligência Artificial para sua empresa. Para conhecê-las melhor, fale conosco! Continue acompanhando nosso blog e assine nossa newsletter para mais conteúdos como esse.

Se inscreva na nossa newsletter