Como Machine Learning é Usado por Grandes Empresas
Do ChatGPT à Alexa, não restam dúvidas de que o aprendizado de máquina (Machine Learning – ML) está deixando de ser
apenas uma curiosidade “extra” para se tornar um “ingrediente-chave” nas grandes empresas. No entanto, à medida que
cresce sua popularidade, aumenta também a confusão em torno dele. O que é aprendizado de máquina? O que ele faz?
Como posso usá-lo no meu negócio? Este artigo vai esclarecer essas dúvidas ao descrever o seu real potencial com alguns
exemplos de como o machine learning é usado por grandes empresas do mercado.
Aprendizado de Máquina: O Que É? O Que Pode Fazer?
Nos últimos anos, foram gerados e armazenados mais dados do que nunca. Isso levou à formação de enormes bancos de
dados – a matéria-prima para o aprendizado de máquina. Na verdade, essa área da Inteligência Artificial (AI) concentra-se
nisso: ela busca desenvolver algoritmos e modelos estatísticos que os sistemas computacionais utilizam para resolver
tarefas às quais não foram explicitamente programados para fazer. Isso é feito identificando padrões nos dados e
aprendendo com eles por meio de inferências estatísticas. É como ensinar uma criança por meio de exemplos; no entanto,
a criança aqui é um algoritmo. À medida que mais dados são inputados, esse algoritmo progressivamente melhora. No
final, obtém-se insights e conclusões que guiam a tomada de decisão em empresas de todos os tipos.
Existem várias técnicas de aprendizado de máquina, como aprendizado supervisionado e não supervisionado, as quais
podem ser aplicadas em diferentes contextos. Da manufatura até serviços financeiros e sistemas de recomendação, o
principal objetivo do machine learning é tornar o processo tradicional de tomada de decisão – baseado em dados – mais
eficiente e preciso.
Vejamos o exemplo do cofundador da plataforma Udacity. Ele observou que alguns de seus vendedores eram muito mais
eficazes do que outros para responder a consultas recebidas via web. Esses registros dos chats eram essencialmente um
conjunto de dados rotulados – exatamente o que um sistema de aprendizado de máquina supervisionado precisa. Assim, as
interações que levaram a uma venda foram rotuladas como sucessos, e todas as outras, como fracassos. Esses dados foram
usados para prever quais respostas os sucessos provavelmente dariam às perguntas frequentes. Essas previsões foram
apresentadas aos outros vendedores, orientando sua conduta e melhorando seu desempenho. Os resultados? Os
vendedores aumentaram sua eficiência em 54% e foram capazes de atender o dobro de clientes no mesmo tempo.
Impressionante, certo? E mais: esse não é um fenômeno isolado. A equipe do Google DeepMind usou sistemas de machine
learning para melhorar a eficiência de resfriamento nos centros de armazenamento de dados em mais de 15%, mesmo
depois de otimizados por especialistas humanos. A Infinite Analytics desenvolveu um sistema de ML para prever se um
usuário clicaria em determinado anúncio, melhorando o posicionamento de anúncios online, o que resultou em um
aumento de US$ 125 milhões na receita anual.
Em vista disso, vamos explorar três exemplos mais detalhados de como grandes empresas fazem uso de machine learning:
1. Netflix
A Netflix é um ótimo exemplo de uma empresa que usa aprendizado de máquina para melhorar a experiência do cliente. A
gigante do streaming há muito tempo usa algoritmos de aprendizado de máquina para personalizar suas recomendações
para os assinantes.
Como Machine Learning é usado por grandes empresas
Usando dados como histórico de visualização de um cliente, histórico de visualização de clientes com interesses
semelhantes em entretenimento, informações sobre programas e filmes individuais e até dados sobre quando um cliente
provavelmente estará mais ativo na plataforma, a Netflix é capaz de recomendar conteúdo relevante para espectadores
individuais. Estima-se que esse sistema de recomendação impulsione 80% das horas de conteúdo transmitidas na
plataforma.
Além da personalização das recomendações, a Netflix usa machine learning para otimizar a qualidade de streaming ao
prever o uso de banda larga, fornecendo palpites de quando armazenar em cache servidores regionais para obter tempos
de carregamento mais rápidos. Isso ajuda a manter os clientes engajados com o serviço e reduz as chances de cancelarem
suas assinaturas.
2. Amazon
Todos conhecem a Amazon – aquela empresa de varejo que entrega pacotes na sua casa em surpreendentes 24 horas. Mas
você já se perguntou como eles fazem isso?
Bem, a resposta é: machine learning.
Modelos de previsão desenvolvidos pela SCOT (Amazon’s Supply Chain Optimization Technologies) aplicaram técnicas
avançadas de ciência de dados para alcançar as previsões de demanda mais precisas possíveis. Os sistemas de compra
determinam a quantidade certa de produto a ser comprado de diferentes fornecedores, enquanto os sistemas de
colocação em grande escala determinam a localização ideal para produtos dentre centenas de instalações pertencentes à
rede de atendimento global da Amazon. A previsão de inventário calcula os níveis de inventário em cada armazém para a
próxima semana, de forma que os estoques que possam dar problema sejam identificados e um alerta precoce – de itens
que apresentarão excesso ou falta – seja emitido. Assim, garante-se que sempre haverá o produto necessário disponível na
quantidade certa e no local certo.
3. Edgecase e IBM Watson
Quando você já sabe pelo que procura, fazer compras online é uma experiência tranquila: os filtros – como preço, cor e
marca – ajudam a encontrar exatamente o que se quer. No entanto, esse não é o caso quando você tem apenas uma ideia
vaga ou nenhuma ideia do que está pesquisando: os dados mostram que as taxas de conversão (porcentagem de visitantes
que realmente compram algo) são, ao contrário do que se pensa, mais altas em lojas físicas do que em lojas online.
A Edgecase está tentando mudar esse cenário ao tornar a experiência de compras online mais próxima da loja física. A
partir de modelos de machine learning, os produtos podem ser catalogados de acordo com diversos critérios, para que
sejam recomendados de acordo com as necessidades do cliente. Assim, ele pode filtrar produtos por ocasião, por exemplo.
E esses são apenas alguns exemplos de um mundo inteiro de possibilidades de uso de machine learning em empresas,
grandes ou pequenas. Se interessou pelo assunto? Precisa de ajuda para utilizar machine learning na sua empresa? Agende
uma reunião com o time da ICMC Júnior!