INTELLIGENT AUTOMATION 03

MAGAZINE

Ano 01 - Número 03 - Janeiro-Fevereiro 2021

www.iamagazine.com.br

Intelligent AUTOMATION

LATINO AMÉRICA

Revista dos Profissionais de BPM, RPA , Artificial Intelligence e Digital Process Automation

A Inteligência Artificial na agenda dos CEOs

A Intelligent Automation deste mês discorre se a inteligência artificial está na agenda dos CEOs. A inteligência artificial será pervasiva em um futuro não tão distante. Mas como as empresas estão dando os primeiros passos de adoção, quais são as dificuldades e, mais que isso, quais são as estratégias do nível diretivo (C-level) para incorporar a IA? A reportagem vai responder a essas questões.

Por Roberta Prescott

Data-driven Economy: impactos e desafios do trabalho - pág 30

Descomplicando a Inteligência Artificial - pág 56

RPA Congress SP reúne entusiastas da tecnologia

Inteligência Artificial na segurança do trabalho - pág 68

2 | INTELLIGENT AUTOMATION 02

Saiba mais

Saiba mais

Saiba mais

Saiba mais

INTELLIGENT AUTOMATION 02 | 3

MAGAZINE

EXPEDIENTE

Intelligent AUTOMATION PUBLISHERS

Eduardo David eduardo@iima.com.br Cezar Taurion cezar.taurion@iima.com.br

Prado Jr. pradojr@iima.com.br - MTB: 64174

DIRETOR DE REDAÇÃO

CONSELHO EDITORIAL

David Dias

Cezar Taurion cezar.taurion@ ciatecnica.com.br

david.dias@accenture.com

Carlos Barreto

Alan Pelz-Sharpe

carlosba@optonline.net

alanpelzsharpe@ deep-analysis.net

Maurício Castro

Martin Seefelder

mauricio.castro@br.gt.com

Luís Ruivo

mseefelder@deloitte.com

Gil Giardelli

luis.ruivo@pwc.com

Ewaldo Del Valle

gilgiardelli@5era.com

ewaldo.delvalle@sonda.com

Weslyeh Mohriak

weslyeh.mohriak@automationanywhere.com

CORRESPONDENTES INTERNACIONAIS ESTADOS UNIDOS

CHILE

ISRAEL

PORTUGAL

Carlos Barreto carlosba@optonline.net

Antonio Frieser Rojas afrieser@bilateral.cl

Gabriel Eigner info@israbras.com

David N Cardoso david.cardoso@sparker.solutions

INTELLIGENT AUTOMATION Magazine - Digital - é uma publicação bimestral do IIMA Instituto Information Management com versões em Português, Espanhol e Inglês.

seus produtos e soluções, planejar a expansão do mercado, promover suas soluções para alcançar os clientes e tomar as decisões certas sobre seu futuro.

Seu editorial aborda os avanços da Automação Inteligente de Processos Empresariais no Brasil e no Mundo, com aplicação das Tecnologias RPA - Robotics Process Automation, IA - Inteligência Artificial, Machine Learning, Deep Learning, NLP - Natural Language Process, BI, Analytics, Capture, BPM entre outras, que conduzem as Organizações em sua Jornada na Transformação Digital.

A INTELLIGENT AUTOMATION Magazine não se responsabiliza por opiniões de artigos assinados, notícias, cases ou outros conteúdos enviados por seus autores como colaboração.

Todo conteúdo da Revista pode ser reproduzido com a citação da fonte.

A Revista INTELLIGENT AUTOMATION Magazine colabora com os principais tomadores de decisão nas organizações e empresas para: prever tendências, orientar estratégias, melhorar

SOLICITAÇÃO DE ASSINATURA A assinatura é mediante o e-mail mariana@iima.com.br

INTELLIGENT AUTOMATION Magazine, se empenha em fornecer um conteúdo preciso, entretanto se exime de qualquer responsabilidade quanto a integridade ou adequação das informações, cabendo aos leitores a responsabilidade pelo uso que fará das informações.

ENVIE NOTÍCIAS PARA A REDAÇÃO Novidades, Artigos, Cases para o email: redacao@iamagazine.com.br

PROMOVA SUA MARCA E SOLUÇÕES Solicite o Mídia Kit para o e-mail comercial@iamagazine.com.br

EQUIPE DE OPERAÇÕES Atendimento aos Leitores: Mariana Dantas mariana@iima.com.br Produção Gráfica: Halan Prado halan@iima.com.br

Comercial: Gicelia Azevedo gicelia@iima.com.br

Web Designer: Igor de Freitas igor@iima.com.br

Administração: Tadeu Nunes tadeu@iima.com.br

NOSSOS PRODUTOS PUBLICAÇÕES

EVENTOS

FEIRAS/ EXPOSIÇÕES

Revista INFORMATION MANAGEMENT INTELLIGENT AUTOMATION Magazine

Congresso INFORMATIONSHOW RPA & AI CONGRESS INTELLIGENT CAPTURE

DIGITAL EXPO RPA + AI EXPO

4 | INTELLIGENT AUTOMATION 02

Rua Anhanguera, 627 Cep 01135-000 - Barra Funda São Paulo / SP - Brasil www.iima.com.br contato@iima.com.br Tel: 55 - 11 - 3392 4111

COMPARTILHE ESTA PUBLICAÇÃO:

www.informationmanagement.com.br www.informationmanagement.com.br

CAPA Por Roberta Prescott

A Inteligência Artificial na agenda dos CEOs A Intelligent Automation deste mês discorre se a inteligência artificial está na agenda dos CEOs. A inteligência artificial será pervasiva em um futuro não tão distante. Mas como as empresas estão dando os primeiros passos de adoção, quais são as dificuldades e, mais que isso, quais são as estratégias do nível diretivo (C-level) para incorporar a IA? A reportagem vai responder a essas questões.

PÁG 08

Por Roberta Prescott

ÍNDICE - ED 003

PÁG 16

A IA por trás do iFood

Da sugestão de pratos e restaurantes à melhor roteirização para os entregadores: a inteligência artificial está por trás do crescimento sustentável do iFood, conforme explicou Sandor Caetano, chief data scientist da companhia. Nesta entrevista exclusiva, o executivo detalhou a estratégia da empresa no uso de IA, falou sobre como as diversas áreas adotam tecnologias como machine learning e apontou o que será tendência

IA: Perspectivas e Futuro

PÁG 22 PÁG 38 Eu e a IA Descomplicando a Inteligência Artificial

PÁG 56 Inteligência Artificial na segurança do trabalho

PÁG 68

Data-driven Economy: impactos e desafios do trabalho

PÁG 34

Muito além do RPA

PÁG 30

30 livros de IA

PÁG 42

AI 1 PÁG 64

PÁG 72 Procura-se desesperadamente...

PÁG 42

Task Mining + Process Mining = Process Intelligence

PÁG 66 Comunicação assertiva e envolvimento dos funcionários são fundamentais para o sucesso da implantação de RPA nas empresas

Automação integrada com BPMS e RPA: Pessoas e Bots trabalhando juntos pelo melhor desempenho da organização

PÁG 34 INTELLIGENT AUTOMATION 02 | 5

Dias 20 e 21/OUT

Dias 15 e 16/SET

EDITORIAL

Cezar Taurion - VP Estratégia e Inovação Cia Técnica

A IA está realmente na agenda dos CEOS? Esse é um aspecto fundamental para adoção da IA nas empresas e é o tema de capa dessa nossa terceira edição da IA Magazine. A IA tem potencial disruptivo muito grande e, portanto, ter uma estratégia, com engajamento dos altos executivos e do CEO, é essencial para enfrentar os desafios que já estão à porta. De um modo geral, a IA utiliza capacidades, como conhecimento, percepção, julgamento e os meios para realizar tarefas específicas, que eram de domínio exclusivo dos seres humanos. A pergunta que fazemos a nós mesmos é onde e como aplicá-las? Devemos usá-las para criar novos produtos ou ofertas? Para aumentar o desempenho dos seus produtos? Para otimizar as operações internas dos negócios? Para melhorar os processos do cliente? Para reduzir o número de funcionários? Para liberar os funcionários para serem mais criativos? As respostas virão de nossa estratégia para aplicação de IA. Não existe resposta única, pois cada organização tem sua própria estratégia e ritmo de adoção.

A crescente evolução e sofisticação da IA nos permite quebrar pressupostos, hábitos e processos que construímos e solidificamos ao longo de décadas em relação aos modelos de operação e negócios das empresas. IA pode provocar obsolescência nas profissões e nos modelos de operação das empresas. Pode abrir espaço para criarmos novos e inovadores modelos de negócios. A junção do digital com o analógico é inevitável. O digital, motorizado pela IA, não é mais “a nova economia”, mas “a economia”.

O uso mais intensivo da IA e a criação de “AI-powered organizations” é a oportunidade das empresas se reposicionarem para a nova era digital. Não é a eletricidade e o motor a combustão interna que irão mudar e moldar o mundo das próximas décadas, como o fizeram no último século, mas tecnologias transformadoras digitais como a IA. A liderança desse processo de transformação é do CEO e portanto, entendemos que seu engajamento é essencial para a disseminação da IA. O papel que queremos exercer aqui na Intelligent Automation Magazine é de incentivar os estudos, debates e aplicações da IA. O primeiro passo para se tornar uma empresa impulsionada por IA é considerar IA como parte essencial e integrada da estratégia de negócios. IA sai dos laboratórios de protótipos para ser inserida na agenda do conselho e das decisões dos decisores. Por isso, dedicamos essa edição ao tema.

A nossa publicação é feita para e pelos seus leitores. Está e estará sempre aberta às ideias e contribuições de todos, sejam comentários ou artigos. Vocês verão vários excelentes artigos aqui, de nossos colaboradores. Junte-se a eles. Queremos incentivar a criação de uma comunidade de estudos e práticas de IA aqui no Brasil e para isso a publicação se propõe a servir de catalizador e megafone.

Contamos com vocês!

CAPA

IA estรก na agenda dos CEOs? 8 | INTELLIGENT AUTOMATION 02

CAPA

A resposta mais ponderada a esta questão é que, sim, inteligência artificial está entre as prioridades das lideranças, principalmente, das grandes corporações, mas ainda falta um plano estratégico bem estruturado e com visão de longo prazo. No Brasil, as companhias começam a adotar IA por iniciativas mais simples e precisam entender todo seu potencial para levar a inteligência para o core

Roberta Prescott Repórter

De tempos em tempos, despontam tecnologias que rompem paradigmas e que têm o poder de transformar companhias inteiras — basta recordar os impactos causados pela implantação de softwares de gestão (ERP) e, mais recentemente, com a migração das aplicações para a computação em nuvem. Agora é a inteligência artificial (IA) que tem tomado lugar nas discussões empresarias. Por trás do conceito que, em linhas gerais, busca desenvolver e empregar máquinas para realizarem atividades humanas de maneira autônomas, há uma série de tecnologias, incluindo robótica, aprendizado de máquina, deep learning, processamento de linguagem natural, reconhecimento de vídeos, entre outras, que, combinadas ou isoladas, podem mudar o destino das empresas.

A inteligência artificial mudará a forma como as tarefas são executadas. O trabalho ganhará outras dimensões no futuro, como reportou a edição número dois de Intelligent Automation. O chão de fábrica, cada vez mais robotizado, dará lugar à indústria 4.0. O mesmo está ocorrendo em diversos campos: avançam a agricultura de precisão, o atendimento automatizado por chatbots, o uso de assistentes pessoais, as previsões de comportamento humano, as aplicações na saúde, entre outros.

Com vasta aplicabilidade e alto poder transformacional, parece óbvio que IA entre na agenda dos líderes das empresas. De acordo com as fontes entrevistadas para esta reporta-

gem, os CEOs sabem da importância da inteligência artificial, mas o nível de maturidade do plano de implantação varia segundo o porte e o campo de atuação das companhias.

Na edição n°8 do CEO Outlook 2020, da KPMG, 32% dos CEOs sul-americanos (30% do grupo global) afirmaram que tanto a digitalização das operações quanto o modelo operacional das empresas tiveram de evoluir e se transformar drasticamente por causa da pandemia, fazendo progressos que levariam anos para ser atingidos.

Um porcentual de 61% dos executivos sul-americanos afirmaram que, em questão de poucos meses, foram feitos avanços sem precedentes na criação de novos modelos de negócio puramente digitais e no surgimento de novas fontes de renda para as empresas.

Ao mesmo tempo, o estudo apontou que a contratação de pessoal apto para o manejo dos sistemas de automatização e inteligência artificial aumentou de forma significativa para 57% dos CEOs sul-americanos (61% do grupo global), para 23% dos executivos da América do Sul (33% dos mundiais), o alcance desses resultados exigiu a superação de obstáculos importantes, como a falta de visão a respeito de futuros cenários operacionais (por exemplo, como serão os modelos de trabalho no futuro) ou a necessidade de tomar decisões complexas rapidamente a respeito de tecnologia e sua implementação em nível de escala (em muitos casos, ignorando ou encurtando os testes-piloto).

INTELLIGENT AUTOMATION 02 | 9

CAPA Para o sócio da KPMG no Brasil, responsável pelas práticas de IA e cognitiva, Frank Meylan, a inteligência artificial está, sim, na agenda dos CEOs, que sabem da importância em contar com uma estratégia mais bem-definida de uso de IA. “Mais e mais, está ficando claro que dominar a tecnologia e inseri-las nos negócios são fundamentais para o futuro das corporações. IA está na agenda, mas o caminho de como aplicar ainda não está claro”, afirmou, ponderando que, alguns setores, estão mais desenvolvidos que outros.

Em indústrias mais maduras, como a financeira, a IA representa uma estratégia do board e passa pelo alinhamento de diversas diretorias, com o C-level trabalhando em conjunto, com cada um no seu pedaço, mas todos alinhados em torno de uma mesma direção. “Nas grandes empresas, a IA está certamente na agenda dos CEOs, mas, diferentemente de computação em nuvem, ela não resume ao CIO. A IA está muito imbuída nas áreas de negócios e requer parceria entre áreas de TI e de negócio, porque, se o usuário não quiser, não implementa”, assinalou Marcia Ogawa, sócia líder de tecnologia, mídias e telecomunicações da Deloitte.

Porta de entrada O pontapé inicial das empresas na implantação de IA tem sido por meio da adoção de chatbots, respondendo a perguntas precisamente definidas. Os assistentes digitais vêm cumprindo o papel de ser o primeiro ponto de contato do cliente e eles têm evoluído tanto em termos de expansão de aplicabilidade como tecnologicamente — com o aperfeiçoamento da compreensão de linguagem escrita e interação por comando de voz, ouvindo e interagindo com humanos. Da BIA, do Bradesco, Alexa, da Amazon, e atendimentos virtuais das operadoras de telecomunicações como a Aura da Vivo, aos robôs que auxiliam clientes de bancos em investimentos financeiros, a inteligência artificial está embrenhada em diversos campos — e a perspectiva é que seja cada vez mais pervasiva.

10 | INTELLIGENT AUTOMATION 02

Frank Meylan, sócio da KPMG no Brasil, responsável pelas práticas de IA e cognitiva

Indo além, observando o lado interno das empresas, a IA apresenta-se bastante útil como, por exemplo, na implantação de motores de inteligência cognitiva para o backoffice. As aplicações incluem leituras de contratos para analisar as cláusulas e comparar com as políticas das companhias. É uma função, explicou Frank Meylan, da KPMG, que antecede o trabalho da área jurídica, liberando o tempo do advogado para tarefas mais estratégicas. Essa esteira totalmente automatizada de interação também pode ser adotada para leituras de documentos de diversas naturezas, incluindo Diários Oficiais e notas fiscais, e para integração, onboarding de funcionários.

O maior — e mais efetivo — uso de IA deve seguir a lógica de processo evolutivo, expandindo a adoção conforme os resultados vão aparecendo, a tecnologia barateando e casos de sucesso se propagando.

Outra tendência que se observa, desta vez tecnológica, é a inteligência indo para a ponta, com dispositivos tendo a computação e o processamento de IA rodando na borda (edge). É o conceito de edge computing se estendendo para IA e permitindo que decisões sejam tomadas na ponta. “Isso está embrionário no Brasil. Você tem aplicações de devices toman-

CAPA do decisões na ponta com base em software de IA, como, por exemplo, carros inteligentes com computadores de bordo, que já são inteligentes, já interagem com você. Com 5G, estas aplicações de borda vão explodir”, previu Marcia Ogawa, da Deloitte.

Assim como em momentos anteriores, companhias de alguns setores da economia tendem a abraçar primeiro as novas tecnologias.

São early adopters seja porque entendem a aderência ao modelo de negócio e vislumbram rapidamente os benefícios, seja porque têm fôlego financeiro e mão de obra qualificada. Em IA, instituições financeiras, telecoms e varejistas estão na linha de frente da adoção.

“Os grandes bancos de varejo do Brasil entenderam que não ter motores de IA na interação pode representar um malefício de eficiência (fazendo-os permanecer com grandes áreas de atendimento). À medida que há interação com cliente mais digitalizada e se criam pontos de contatos adicionais, a marca fica mais presente no dia a dia e nos eventos da vida dos clientes.

Por exemplo, ao acompanhar a fatura do cartão de crédito entendem-se os eventos de vida e sabe-se quando interagir com a pessoa, oferecendo o que ela precisa naquele momento.

Você tem de ter motores de IA para ter esses insights e ainda assim eles podem ser falsos positivos, precisando contar com informações para validação”, disse Frank Meylan.

center. Quando chega ao nível de maturidade, a equipe vê que conseguiu usar IA para interagir com cliente, e que pode usar em outras áreas. Depois que a empresa consegue entender o potencial de IA, dá passos mais largos e coloca em coisas mais estratégicas, do core”, disse Marcia Ogawa, da Deloitte.

Hoje, a maioria das grandes corporações brasileiras já conta com plano de usar IA e tem uma noção de onde pode usar, mas estão em estágio inicial de experimentação. Muitas esperam, porque não querem ser early adopter. Mas, de modo geral, Ogawa apontou que praticamente todas as grandes corporações já têm equipes que entendem de IA e aos poucos vão começar a colocar inteligência artificial em outras atividades e no core. Uma dificuldade no processo, contudo, pode ser o entendimento da grandeza dos projetos pelas pessoas que tomam as decisões. “Elas precisam ser informadas e ter clareza do que IA pode fazer; precisam entender o potencial”, ressaltou.

Salvo algumas exceções, como corporações que têm a tecnologia em seus DNAs e aquelas que estão acostumadas a lidar com dados em larga escala, falta a muitas companhias um plano estratégico de IA, com visão de longo prazo e utilização no core — indo, portanto, além de fases de experimentação em aplicações periféricas. Empresas dos setores de telecomunicações, finanças e de consumo

No agronegócio, apontou Meylan, principalmente para o cultivo de soja, estão sendo usados diversos motores de IA para fazer leituras das imagens coletadas por satélite e inserção de agrotóxico no nível da planta, com gotejamento da quantidade exata — e não necessitando mais da pulverização com avião.

A adoção em maior ou menos grau passa pela maturidade das empresas. “Está certo iniciar por coisas mais tangíveis, até porque a equipe precisa entender o que IA faz. Não está errado começar por chatbot, por automação de call

Marcia Ogawa, sócia líder de tecnologia, mídias e telecomunicações da Deloitte

INTELLIGENT AUTOMATION 02 | 11

CAPA e varejo são, na opinião da sócia líder de tecnologia, mídias e telecomunicações da Deloitte, as mais avançadas no processo.

Estimativas do McKinsey Global Institute indicam que o valor a ser liberado pelo uso de inteligência artificial e advanced analytics (AA) na América Latina é de cerca de USD 0,6 trilhão a USD 1 trilhão anualmente em ganhos de produtividade. No entanto, pesquisas da instituição mostraram que a América Latina está defasada em relação a outras regiões na adoção de IA/ AA. O Digital Quotient da McKinsey, um benchmark de maturidade digital, apontou que a região está em desvantagem em relação a líderes globais em todas as principais dimensões de advanced analytics. Em termos de indústrias, setores B2C como bancos e telecom lideram, como em outras regiões, e indústrias B2B têm acelerado o interesse e a adoção (por exemplo, agricultura, óleo e gás, mineração, energia), pois IA e AA podem gerar impacto significativo com menores investimentos de Capex.

Segundo a McKinsey, haverá vantagens significativas para as empresas que têm aspirações ambiciosas e lideram a adoção de IA e AA em suas respectivas indústrias. Um estudo recente identificou que as organizações com fortes práticas e capacidades de advanced analytics registram taxa de crescimento anual composta para receita e EBIT 4,2x e 1,9x maior que de seus pares, respectivamente.

com cerca de 200 profissionais de negócios e de tecnologia, indicou que 24% das organizações aumentaram seus investimentos em aplicações relacionadas à IA e 42% das empresas mantiveram seus projetos inalterados, mesmo depois do surgimento da crise da Covid-19. O levantamento destacou que as áreas com maior concentração de investimentos em IA são as iniciativas relacionadas à experiência e à retenção de clientes, incluindo novas formas de crescimento de receitas e de otimização de custos.

Kevin Quinn, especialista em IA no Gartner, ponderou que inteligência artificial está definitivamente no radar dos CEOs, com algumas organizações sendo muito mais maduras que outras.

“Empresas menores, que não têm a capacidade de ter uma equipe de ciência de dados de classe mundial, sabem que precisam fazer algo com isso e é por isso que a ideia de comprar aplicativos ou firmar a parceria com provedores de serviços é, provavelmente, a melhor maneira de seguirem em frente”, analisou.

Quinn disse acreditar que IA está no topo da agenda de CEOs e CIOs, com os líderes reconhecendo não apenas a importância de inteligência artificial, como também sua comple-

Em artigo, Jose Cafferata e Monica Szwarcwald, sócios no escritório da McKinsey & Company em São Paulo, e Amelia Toro é associate partner no escritório de Bogotá, defenderam que a maioria das empresas líderes na região está aplicando alguma versão de IA/AA para solucionar diferentes problemas de negócio, mas apenas algumas passaram de pilotos à adoção em escala para capturar seu pleno potencial e tornar-se realmente organizações movidas por dados.

Já uma recente pesquisa do Gartner sobre inteligência artificial realizada em setembro

12 | INTELLIGENT AUTOMATION 02

Jose Cafferata e Monica Szwarcwald, sócios no escritório da McKinsey & Company em São Paulo

CAPA e a análises deles para prevenir que a máquina tenha comportamentos enviesados não é fácil, mas é possível. O treinamento da IA precisa ser feito com muito critério.

No que tange à aceitação de IA internamente, a orientação é que o processo tenha o apoio da área de recursos humanos e seja faseado, principalmente, se evolver demissões. “Se você entra em um processo forte de robotização e imediatamente desliga um grande porcentual da área, imagina quando começar a robotização da área vizinha, vão sabotar”, aponta Frank Meylan, da KPMG. Trabalhar de forma colaborativa, envolver os funcionários e promover a recolocação são essenciais.

Kevin Quinn, especialista em IA no Gartner

xidade. “IA é mais complexa que um típico desenvolvimento de software”, assinalou. “E uma das maneiras de contornar isso é comprando aplicativos analíticos que já tenham IA embarcada, por exemplo, para otimização de preços, algo que hoje é amplamente por companhias aéreas e hotéis. Ou um aplicativo de IA para detecção de fraudes. Então, a maneira mais fácil seria comprar um aplicativo que já faz isso, mas o desafio é que você está fazendo algo que qualquer um pode fazer; e isso não necessariamente lhe dá uma vantagem competitiva”, ponderou.

Portanto, completou, no longo prazo, é necessário que as próprias empresas invistam no desenvolvimento, em formar uma equipe de ciência de dados e em ter experiência em gerenciar o complexo processo de construção de modelos de IA, além de monitorá-los e gerenciá-los.

Ofensores Existem, claro, medos por partes das companhias na adoção de IA e eles estão, principalmente, ligados a vieses e aa possibilidade de IA substituir o homem em suas tarefas — ambos os temas já foram reportagens de capa da Intelligent Automation. Cuidado com os dados

Para Marcia Ogawa, da Deloitte, o sucesso dos projetos de IA passa pela conscientização das equipes, pela promoção da educação dos funcionários para usar IA e pelo envolvimento de todos nos processos. Ogawa apontou que três principais ofensores de por que a IA demora em ser mais pervasiva nas organizações são awareness e educação; conflito interno e ética. “IA mexe no core, coloca uma máquina fazendo trabalho que as pessoas fazem e isso mexe muito com a área usuária”, explicou.

Já o custo das soluções com IA não é, na visão da especialista, uma barreira, uma vez que as tecnologias hoje de IA são escaláveis. “É diferente de um projeto que já tem de começar grande, como foi a implementação de ERP, CRM, que só as grandes empresas conseguiam fazer. Com IA não; são projetos menores e a disponibilidade tecnologia hoje é abundante, tem muita coisa open source e dá para fazer pequenos experimentos”, detalha Ogawa.

Nesse sentido, as companhias estão optando por implementação ágil, de curta duração e com sprints, para que possam ir escalando aos poucos. Essa metodologia é possível graças ao avanço das tecnologias, que, hoje, estão organizadas e seguem conceitos de APIs e open sources.

INTELLIGENT AUTOMATION 02 | 13

www.tcgprocess.com

ABERTURA DE CONTAS DIGITAIS PARA INSTITUIÇÕES FINANCEIRAS Onboarding de clientes em questão de minutos

“As instituições financeiras, independentemente do tamanho, precisam reavaliar o seu modelo de negócio atual, a estrutura central de seus sistemas, suas redes de distribuição e seu compromisso de inovação tecnológica, para atender um mercado com consumidores mais exigentes, competidores mais ágeis e acionistas que buscam melhores resultados.”

(COVID-19 Accelerates Urgency for Digital Banking Transformation”)

Quando um cliente, seja ele pessoa física ou uma empresa, deseja abrir uma conta em um banco, não há tempo a perder. Clientes esperam serviços imediatos, com um rápido tempo de resposta (SLA), exigindo que o banco finalize o processo de abertura de conta em 2 a 3 horas. Caso contrário, existe um grande risco de perder o cliente para um concorrente.

“

Ao passo em que entramos em uma nova década, bancos e as cooperativas de crédito devem repensar suas estratégias e prioridades à medida que os dados e as análises são aplicados ao desenvolvimento, distribuição e inovação de produtos, suporte administrativo e melhoria de experiência do consumidor. Agora é a hora para um ‘pensamento disruptivo’ no setor bancário.”

(Top 10 tendências e prioridades do setor de varejo bancário para 2020 segundo a The Financial Brand)

(Business Insider, The disruptive digital trends transforming banking services in 2020)

Desafios da abertura de contas DocProStar® para Abertura de Contas: 1 2 3

Complexidade Os processos de abertura de contas são complicados por natureza.

Intervenção Humana Obrigatoriedade de tratamento de múltiplos tipos documentais.

Custos Em geral, os processos são manuais e lentos gerando altos custos e maior risco.

Capturar Classificar Validar Revisar

Serviços na nuvem Coletar

Notificar

Normalizar

Validar Transação

Validar Documentos

Agir Checar Consistência

Normalizar

Classificar/Extrair

14 | INTELLIGENT AUTOMATION 02

Checar Regras de Negócio

OK?

Verificar

Verificar

/ / / / /

Aprender (RPA)

Normalizar Extrair Verificar Formalizar Executar Entregar

OK?

Decidir

Revisar

Executar NEWONE MAGAZINE

PRINCIPAIS BENEFÍCIOS AO CONSUMIDOR Mais Informações nos Sistemas Existentes

Centenas de horas de trabalho manual eliminadas

O DocProStar® permite que os bancos possam atualizar e melhorar seus processos de negócio, sem que haja necessidade de substituir os sistemas transacionais, aumentando o valor das informações nos repositórios existentes. A facilidade de integração traz resultados rápidos.

Classificação automática de documentos, extração de dados baseada em regras, garantia da conformidade da transação.

Todas essas atividades manuais são eliminadas no processo de abertura de contas, permitindo que os funcionários sejam realocados para atuar em outros processos bancários.

Melhore a experiência do cliente

Retorno sobre Investimento (ROI)

A arquitetura de software moderna do DocProStar® facilita a implantação de processos automatizados, que se integram a outros sistemas, fornecendo aos bancos tradicionais uma possibilidade única de otimizar o tempo de resposta (SLA) a ponto de competir com os novos bancos digitais.

Quando o processo de abertura de contas é automatizado com o DocProStar®, o retorno sobre os investimentos começa imediatamente e é finalizado em menos de 12 meses.

Além disso, a experiência do cliente melhora continuamente com o passar do tempo, uma vez que com a extração automática de dados, o banco consegue obter mais informações dos documentos recebidos, permitindo uma melhor compreensão do perfil de cada cliente.

Reduza o risco Aumente a Visibilidade e o Controle O alto nível de confiabilidade na extração de dados, garante a qualidade das informações que trafegam pelo processo, a validação de dados entre documentos, a formalização completa das transações e a verificação automática das regras de negócio reduzem drasticamente os riscos e garante a visibilidade das transações.

“O DocProStar® tem uma capacidade única de permitir a validação e a revisão simultânea, tanto de documentos individuais, quanto de dossiês completos, e foi isso que nos permitiu implantar um processo de abertura de contas extremamente preciso e altamente automatizado.”

-Cliente Bancário da TCG desde 2018

Sobre o A plataforma DocProStar®, automatiza processos de ponta a ponta para uma grande variedade de operações bancárias dependentes do uso de documentos, tais como abertura de contas, cadastro para empréstimos, crédito do consumidor, crédito imobiliário e correspondências digitais genéricas para bancos. A TCG fornece uma plataforma moderna, robusta e altamente escalonável, que inclui mecanismos próprios de robotização (RPA), Inteligência Artificial (IA) e outras tecnologias avançadas para atingir um novo nível de eficiência em processamento. O nível de acuracidade e o tempo de implementação reduzido se devem à uma abordagem “no code/low code” e a flexibilidade de implantação (nuvens privadas ou públicas, no local). Empresas que utilizam o DocProStar® reduzem custos, aceleram o tempo de processamento da transação, diminuem os riscos e oferecem maior valor para seus clientes e parceiros de negócios.

Sobre a TCG TCG é uma organização internacional focada em solucionar desafios de automatização dos processos de negócio (BPA) através da sua plataforma DocProStar®, digitalizando e automatizando processos complexos oriundos de empresas dos segmentos Financeiro, Seguro, Assistência Médica, Administração Pública, Prestadores de Serviços, etc. A TCG fornece soluções diretamente para seus clientes ou através de parceiros nos 5 continentes.

Tcg-process-brasil Issue 345

www.tcgprocess.com

(11) 3522-6604

INTELLIGENT AUTOMATION 02 | 15

ENTREVISTA

IA

A por trás do iFood

Da sugestão de pratos e restaurantes à melhor roteirização para os entregadores: a inteligência artificial está por trás do crescimento sustentável do iFood, conforme explicou Sandor Caetano, chief data scientist da companhia. Nesta entrevista exclusiva, o executivo detalhou a estratégia da empresa no uso de IA, falou sobre como as diversas áreas adotam tecnologias como machine learning e apontou o que será tendência

Roberta Prescott Repórter

16 | INTELLIGENT AUTOMATION 02

ENTREVISTA dessas, naturalmente, perguntas começam a surgir: “ah e, se eu tomar a decisão A ou B, o que consigo”, “como, usando estes dados gerais de insight, consigo chegar à métrica”. Então, você começa a desenvolver a capacidade de fazer análises.

Intelligent Automation - O iFood sempre teve uma cultura data driven, mas, com o crescimento exponencial nos últimos anos, precisava automatizar esses dados para apoiar a tomada de decisão. Como se deu isso?

Sandor Caetano - O iFood é, de fato, uma empresa que tem crescimento exponencial. O iFood, mesmo antes da aquisição pela Movile, sempre teve uma cultura de colocar metas agressivas para as pessoas e os times; e persegui-las com bastante energia. Como isso já fazia parte da empresa foi natural, ao longo do crescimento, o investimento em estruturas de dados que permitissem que os tomadores de decisão conseguissem olhar de forma rápida e ágil para os dados de seus interesses para tomarem decisões e para acompanharem o que tem acontecido com as suas métricas, saber como a métrica se comportou, o que deu certo e errado e como está em relação à meta. Quando você tem uma situação

IA - Como e quando a área de analytics foi criada?

SC - A área de dados foi criada naturalmente. [A tomada de decisão baseada em dados] faz parte do histórico do iFood, então, não sei dizer quando foi que começou e quando criaram as plataformas de dados. Essa estrutura funcionou por um tempo e a empresa continuou crescendo até que, no fim de 2018, o iFood tomou a decisão de ter uma área específica para tomar conta dos dados. Até então, era feito como se fosse uma ferramenta usada pelo negócio, para a tomada de decisão, porque você começa a tomar decisões baseadas em feelings, depois começa a levar para dados e, depois que você tem uma quantidade grande de dados, você automatiza com modelos e com machine learning; e as decisões táticas começam a ser tomadas de forma automática.

IA - Que tipo de dados você está falando e como eles evoluíram ao longo do processo? De onde eles são extraídos?

SC - O dado surge naturalmente com a construção de um novo serviço. Vou dar um exemplo: até 2017, se eu não me engano, o iFood não fazia entrega. Antes disso, você não tinha um sistema de logística, então, você não computava esses dados e

INTELLIGENT AUTOMATION 02 | 17

ENTREVISTA não tinha o aplicativo para entregador. A partir do momento que cria esse produto e que se têm serviços, os dados são gerados e são armazenados localmente para este produto. Hoje, temos um processo de curadoria de dados para cada produto novo criado. O dado fica numa zona em que ele só é acessível pelos sistemas; daí, ele passa por uma segunda zona onde ele é curado, é tratado. Porque os dados sozinhos não querem dizer muita coisa, mas, quando há processo de tratamento — por exemplo, entregas por minutos ou quanto tempo levou uma entrega para ser feita — é quando eles começam a fazer sentido para serem usados dentro do negócio.

Cada área nova criada gera um dado localmente que a gente traz para o data lake e cura, trata este dado para poder ser usado na tomada de decisão.

IA - Falando especificamente de inteligência artificial, como o iFood usa, o que foi adotado e como?

SC - A estratégia de IA do IFood é bem horizontal. A ideia é você ter IA em todos os lugares da empresa nos quais faça sentido ter. Então, a forma como estruturamos o time e até a forma como a empresa é gerida é a seguinte: todo o ano, é feito o planejamento e alguns pilares estratégicos são decididos. Com estes pilares estratégicos, nós alocamos o time de IA dentro destes pilares, o que garante que os profissionais fiquem onde geram mais valor para a empresa.

Dentro de cada um destes pilares, temos diversos produtos que foram criados ao longo do tempo. Por exemplo, a parte da logística, que é case da AWS, começamos com um modelo de tempo de entrega, ou seja, quanto tempo leva para um pedido chegar à casa do cliente, ao tempo que leva para o prato ser preparado, e isso aju-

18 | INTELLIGENT AUTOMATION 02

da o sistema de roteirização para mandar o entregador para o restaurante exatamente na hora em que o prato estiver pronto e ninguém perde tempo. É toda a parte de entrega e como você faz a roteirização, quem é o entregador que você vai escolher para fazer a entrega.

Temos projetos dentro de marketing, que a gente faz disparos de mensagens, campanhas, pushes do iFood. Temos testado projeto que você tira pedidos direto do Whatsapp, usando linguagem natural. Também temos recomendação de restaurantes e pratos dentro do aplicativo. Hoje, quando você olha para o iFood, estruturalmente, tem IA em praticamente todas as grandes áreas da empresa.

IA - Você falou que é uma estrutura horizontal. Como ela funciona?

SC - Um jeito fácil de imaginar a nossa estrutura é como se fosse uma consultoria que trabalha exclusivamente para iFood.

São algumas dezenas de profissionais, na verdade, já passamos de uma centena de profissionais, que ficam alocados em pequenos squads. Você, normalmente, tem uma liderança de projetos, uma liderança de IA, alguns técnicos que trabalham para esta liderança e que são alocados dentro dos squads, dos times que estão tocando projetos específicos dentro da empresa.

Então, é uma estrutura por projeto e que segue métodos ágeis e de desenvolvimento de software, trabalhando sempre para cumprir o objetivo da empresa.

IA - Quem são os profissionais que trabalham com IA? Qual é a formação deles?

SC - Hoje temos de tudo. Quando eu falo ‘a área de IA especificamente’ ela é basicamente todo o guarda-chuva que vai do engenheiro de dados, passando pelo engenheiro de machine learning, cientista de

ENTREVISTA dados ao analista de dados. Todo mundo que usa dados usa o método científico para poder trabalhar e entregar o seu valor.

Em termos de perfil, a maioria é formada por pessoas da computação ou engenharia, pessoas com background mais em Exatas, mas eu não consigo mais dizer que se trata de um grupo específico, porque hoje temos feitos contratações bem variadas, com gente de vários cantos.

IA - E é este mix que fará a diferença lá na frente, né?

SC - Exato. Quando você combina profissionais de background diferentes, um acaba ajudando o outro a enfrentar os problemas de negócios, a ter ideias e insights diferentes e a trabalhar com inovação.

IA - Quais são os principais desafios do IFood que a inteligência artificial pode ajudar a resolver?

SC - Como atendo várias áreas do iFood, falar em principal é complicado, mas acho que hoje o grande desafio, quando se pensa em uma empresa como iFood, é o crescimento sustentável. Os times de IA estão trabalhando em formas de garantir o crescimento da empresa ou estão trabalhando em formas de aumentar a receita ou diminuir custos. Sendo um pouco mais específico, eu diria que a maior concentração de trabalho do time de IA é para crescimento com alguns componentes em custos, como fraude, que você tem de combater.

IA - Quando você fala em crescimento sustentável, imagino que vocês busquem um equilíbrio entre número de restaurantes, entregadores e clientes para que tudo funcione harmonicamente. É isso? Como a inteligência artificial é usada nesse sentido?

SC - Acho que este é o grande desafio do iFood como um todo e também é a beleza

do negócio, porque é exatamente o que você falou: tenho três componentes que têm de estar em equilíbrio. Eu não posso ter um choque de clientes, como dobrar o número, sem ter restaurantes para poder vender para eles; e também preciso fazer com que o número de entregadores cresça. Então, é instável, porque tenho de manter os três componentes felizes, mas eu tenho também de manter esse equilíbrio para que as coisas funcionem.

A inteligência artificial não trabalha especificamente para tentar manter esse equilíbrio, mas mais em otimizações locais para cada um destes componentes.

Por exemplo, na logística, estou preocupado em manter o entregador entregando e não parado na porta de um restaurante ou no prédio do cliente. É fazer com que o entregador consiga fazer rotas mais eficientes e mais curtas do ponto de vista de roteirização. Do lado do restaurante, quero ajudá-los a ter um cardápio melhor, principalmente pensando em restaurantes pequenos, então, IA ajuda eles a colocar o cardápio no aplicativo, de forma fácil de acessar. E, do lado do cliente, é melhorar a descoberta.

IA - Uma característica de empresas como iFood é ter de lidar com “Black Fridays” inesperadas, como, por exemplo, um dia chuvoso, quando pode haver booms de pedidos de delivery. Gostaria de saber como e se IA os ajuda a prever e a lidar com picos assim, apontando para o ser humano, alternativas possíveis, dentro do “caos”.

SC - O que temos feito é tentar ou mitigar esses problemas ou trabalhar em torno deles. Na logística, eu só tenho um dia das mães por ano e é uma data que costuma ter bastante pedido. Eu não posso fazer teste no dia das mães, não posso tomar riscos

INTELLIGENT AUTOMATION 02 | 19

ENTREVISTA no dia das mães, porque, se der algo de errado, vai ficar muita gente sem comida.

Para os eventos de pico, sejam eles previsíveis, como o dia das mães, ou imprevisíveis, como um sábado ou domingo chuvoso, nós criamos um simulador de rotas no qual eu consigo simular vários dias das mães, estimular vários domingos chuvosos e, assim, criar uma estratégia, uma roteirização, uma parametrização no meu sistema que funcione melhor nesses dias atípicos. É uma forma de contornar, porque todos os outros sistemas quebram nesses dias atípicos. Por exemplo, temos um sistema de previsão de tempo de entrega, mas, se começou a chover muito forte, posso ter menos entregadores que o normal na praça e muita gente pedindo. Um modelo de tempo de entrega vai sofrer com isso, porque é atípico, mas daí eu tenho um simulador que tenta ajudar a parte de roteirização para que o caos não seja tão grande e ele amenize melhor a situação.

IA - Quais são as tecnologias de IA que o iFood adotou?

SC - Temos um processo de desenvolvimento com interações, que, resumindo de forma mais simples, é a boa e velha regressão logística que nunca está descartada.

Agora, no modelo de consultoria, temos várias áreas-clientes dentro do iFood e cada uma delas tem um nível de maturidade diferente. Se chegarmos a uma área nova — como mercado, que iFood recentemente lançou —, as primeiras soluções de IA adotadas são aquelas que conseguimos colocar no ar de forma mais rápida, como a recomendação de produtos, as buscas e por aí vai. Para áreas que estão mais maduras e avançadas, eu consigo ter técnicas e processos mais avançados em termos de tecnologia. Por exemplo, para fazer uma boa recomendação de produto,

20 | INTELLIGENT AUTOMATION 02

eu preciso entender o meu produto e para isso eu tenho o problema do cardápio que nem todos os restaurantes têm os recursos para manter o cardápio dentro do aplicativo de uma forma profissional.

Então, temos alguns modelos de NLP [processamento de linguagem natural] que treinamos um Bird em português e adaptamos para entender de culinária. Temos uma segunda fase do modelo com todas as receitas da culinária brasileira — então, ele entende de português e de culinária. E temos uma terceira fase onde usamos ele para responder a questões e para fazer classificações dos pratos que eu tenho. Baseado em uma descrição de prato, sei se é prato principal, se é combo, quantas pessoas ele serve.

Também temos uma estrutura de grafo que conseguimos ligar ingrediente, informação nutricional ao prato, ao restaurante para fazer o que chamamos de hiperpersonalização para encontrar o prato dentro da base de restaurante que será melhor para você.

IA - Quais são os números do iFood hoje?

SC - Fazemos mais de 44 milhões de pedidos por mês, estamos em mais de mil cidades, temos 236 mil restaurantes na base e mais de 150 mil entregadores.

IA - Falando de tecnologia, machine learning é uma mais disruptiva. Como vocês têm usando?

SC - Em termos de disrupção, nós temos, dentro do iFood, processos específicos para criar inovação dentro da empresa — quando se tem algo que já acontece e quero romper com esse processo, isso faz parte do nosso dia a dia. Um exemplo: hoje uma das tecnologias mais quentes do mercado e que tem mais gerado alvoroço entre o pessoal que trabalha com machine learning são os modelos para texto. O processamento de linguagem natural é algo

ENTREVISTA

muito interessante e um campo que tem crescido e que tem aparecido muita coisa nova o tempo todo.

Você teve Bird em 2018, que já começou a ter níveis comparáveis ao ser humano para leitura e compreensão, e você tem hoje o GPT-3, que é um negócio que parece que é de outro mundo, para nós isso é muito interessante. Então, como é que disrupção funciona? Hoje, tem um projeto que, usando machine learning e esses modelos de NLP, eu consigo entender aquilo que o cliente quer a partir de um texto e tirar o pedido para ele. Temos falado muito em se conseguiremos ter um concierge virtual em escala. Eu queria ter, em uma plataforma de texto, a mesma experiência de quando eu vou ao restaurante de sempre e falo que eu quero o de sempre. Em termos de aplicação e de produto, se você conseguir chegar a esse nível com machine learning, você rompeu com tudo que existia antes. E aí que está a beleza da tecnologia.

IA - Chegamos a esse nível?

SC - Claro! E não vai demorar muito não.

Nós estamos testamos. Você sabe as preferências do cliente, você entende o que ele está querendo pedir, você usa modelos de processamento de linguagem natural

e consegue descobrir o que ele quer. Isso torna a vida do cliente mais cômoda — e você também sabe o que o cliente pede sempre. Temos colocado a mão nessas coisas: a recomendação de pratos surgiu disto, tirar pedidos pelo Whatsapp surgiu da necessidade de você ter mais dados sobre os pratos do cardápio. As tecnologias estão convergindo e não vai demorar a conseguir tirar pedidos de uma forma mais natural.

IA - Quais tecnologias de IA estão despontando?

SC - Texto é algo que vai mudar muito o negócio, vai tocar vários tipos de negócios diferentes e permitir a criação de vários produtos e formas de atender ao cliente.

Tenho acompanhado mais de perto as estrutura de dados para grafo, de como é que você tem a relação entre os dados afetando o todo. Você pode ter uma situação, como iFood, que você tem o ingrediente do prato, mais o prato que está sendo consumido, o restaurante, a hora do dia; e tenho a forma como o cliente se comporta.

Então, tenho os nós do grafo e como eles se interagem e se ligam para fazer você comprar o produto e o prato. Esta tecnologia vai evoluir bastante e temos apostado bastante — testes e modelos que criamos têm se mostrado muito interessantes.

INTELLIGENT AUTOMATION 02 | 21

ARTIGO

IA:

PERSPECTIVA E FUTURO

Cezar Taurion VP Consultoria CiaTécnica

O ano de 2020 foi no mínimo, atípico. A pandemia acelerou em muito as coisas que já estavam acontecendo. Na prática trouxe o que provavelmente aconteceria em torno dos próximos cinco anos para o hoje. A pandemia não criou novas tecnologias, mas a aceleração digital que provocou trouxe consigo uma mudança de comportamento. Antecipou muitos anos em poucos meses. Fez com que o futuro, chegasse de repente. As mudanças de hábitos e comportamentos é uma tendência irreversível e a base para a construção do cenário que podemos chamar de “novo normal”.

Não vamos voltar ao que era antes, mas esse “novo normal” de hoje é o que estaríamos fazendo normalmente daqui a cinco anos.

Nesse contexto, a IA apareceu com destaque.

Já estávamos testemunhando muitas e rápidas evoluções em pesquisa e desenvolvimento, mas observávamos também, infelizmente, uma lentidão na sua aceitação e disseminação nas empresas. À exceção das que tem IA como seu “core”, como Amazon, Google e

22 | INTELLIGENT AUTOMATION 02

outras digitais por natureza, a imensa maioria das empresas ainda usa IA ainda de forma simples e concentrada em experimentações em laboratórios e protótipos.

Para muitas dessas, o “top of mind” de aplicação de IA é chatbot, concentrando-se na automação das centrais de atendimento e service desks. Muitas dessas aplicações trazem sim, resultados positivos, e com o aumento expressivo da demanda causada pela pandemia, conseguiram ajudar as empresas que fizeram bons projetos a obter mais rapidamente o retorno do seu investimento. Entretanto, a maioria dos chatbots em operação aqui no Brasil tem baixo nível de sofisticação para suas respostas automáticas, passando qualquer interação que seja mais complexa que um típico Q&A para atendentes humanos. Estima-se que cerca de 2/3 das solicitações acabam caindo no atendimento humano, pois o chatbot não consegue compreender adequadamente a solicitação.

ARTIGO

AS

INTELLIGENT AUTOMATION 02 | 23

ARTIGO A IA só vai realmente decolar nas empresas quando estiver pautado na agenda do CEO e do board. Lembram-se da evolução do nível de adoção dos ERP e da computação em nuvem? Só decolaram quando o assunto saiu do âmbito da TI e de grupos de inovação e labs, para ser tópico importante na agenda dos executivos. Mas, por causa da pandemia e a aceleração digital que ela provocou, a IA já está começando a quebrar a barreira das desconfianças e já vemos iniciativas mais ousadas, além dos chatbots, começando a aparecer. Em muitas empresas o assunto já chegou na agenda do board e do CEO! Mas, a pandemia nos trouxe muitas lições quanto ao uso da IA. A rápida mudança de comportamento dos usuários nos seus hábitos de compra com a aceleração do comércio eletrônico (no início papel higiênico e álcool gel, seguido por alimentos e bebidas, depois por brinquedos e mais tarde por equipamentos de tecnologia e fitness), provocou pane nos algoritmos supervisionados de detecção de fraudes, supply chain e recomendações para os clientes. Eles não tinham sido treinados para este cenário!

Mudanças abruptas causam distorções nas repostas dos algoritmos supervisionados, pois não são contempladas nos seus dados de teste. Por outro lado, os chatbots, mesmo com deficiências, conseguiram ajudar as empresas a lidar com o aumento significativo da demanda dos usuários, muitos do quais neófitos em compras digitais.

Aos poucos começa a ficar mais delineado que IA não é apenas uma tecnologia, mas uma tecnologia transformadora, uma tecnologia que muda e molda a sociedade, como o fizeram a eletricidade e o motor a combustão interna. Sua disseminação vai ocorrer à medida que o nível executivo a considere prioritária e sua capacidade de utilização não fique res-

24 | INTELLIGENT AUTOMATION 02

trita à especialistas com PhD, mas que possa ser usada de forma bem mais democrática.

Nas inúmeras consultorias, conversas e palestras que faço com executivos tenho observado alguns sinais de maturidade, que são muito positivos. Extraí aqui alguns tópicos que já vejo serem debatidos em algumas empresas: 1) As empresas começam a se preocupar com governança de dados. IA não é apenas algoritmos, mas dados são a principal fonte de suprimento. Um algoritmo excelente, sem dados, é como motor sem combustível ou com combustível de baixa qualidade. Não vai funcionar.

2) O conceito de “Responsible AI”, que envolve ética, preocupação com segurança e privacidade dos dados e minimização de vieses já começa a permear algumas discussões nas empresas.

3) Executivos já começam a ter a percepção que IA não é apenas chatbot ou melhoria da experiência do cliente, mas pode afetar de forma substancial não apenas o modelo de negócios, mas o “operating model” das organizações. Já começamos a ver sinais que o senso de urgência quanto à adoção da IA já está sendo ativado.

4) Disseminar IA na empresa não é apenas contratar alguns cientistas de dados, mas demanda estratégia, organização, evangelização e educação por todos os níveis funcionais.

5) A infraestrutura tecnológica e questões de desempenho não podem ser ignorados quando IA sai do lab e entra em produção.

IA demanda investimentos.

6) A pandemia mostrou que as coisas estão aceleradas e que as iniciativas de IA já não podem ser postergadas.

ARTIGO 7) O atual estado da arte em IA é o que chamamos de “narrow AI”, ou seja, a IA na prática não é inteligente, mas aparenta ser.

Isso significa que um algoritmo faz bem uma única coisa. A combinação de diversos algoritmos com outras tecnologias como RPA (RPA não é IA!) pode trazer resultados muito positivos. Portanto, ficar esperando por uma IA “inteligente” é perder tempo e a pandemia mostrou que tempo é o que não temos!

8) Escassez de dados é um fato e nem todas as empresas têm a infra e o dinheiro de um Google ou Amazon para treinar algoritmos sofisticadíssimos. Portanto, começar com projetos menores e menos ambiciosos é o caminho mais adequado. Não é necessário começar com modelos complexos, mas modelos mais simples como regressão linear, support vector machines, K-nearest neighbors, e naïve bayes podem ser treinados com volumes menores de dados. Existem também técnicas como geração de dados sintéticos, “federated learning” e “self-supervised learning” que podem ajudar muito.

9) IA não vai substituir o trabalho humano, mas complementá-los e expandi-los, salvo tarefas que são robotizáveis em sua totalidade. Mas para isso, nem é preciso IA. Os ascensoristas foram substituídos por sistemas computacionais que não usam IA. Mas, a interação entre máquinas e humanos deve merecer atenção das áreas de RH, que provavelmente passarão se denominar Robôs e Humanos. RH deve estar engajado nas estratégias de IA da organização.

10) Governança de IA é um assunto debatido quando se planeja a disseminação da IA pela empresa. Cada organização, pela sua cultura e característica operacional, vai definir seu próprio modelo, se centralizado, descentralizado ou federado.

Não existem receitas de bolo aplicáveis a

todas as empresas igualmente. Cada uma vai chegar a seu próprio modelo e ajustá-lo continuamente, à medida que mais e mais ganhe experiência com uso de IA. 11) Ter infra própria ou usar IA como serviço? O uso de IA como serviço em nuvem é extremamente útil nas fases de experimentação e criação de protótipos. Mas, a disponibilidade de instâncias especializadas com chips de hardware otimizados para IA e grandes quantidades de armazenamento de dados torna o ambiente de nuvem também bastante adequado para as organizações criarem e implantarem em operação aplicativos de IA sem os riscos, custos e atrasos da aquisição de infra própria. Outro fator a considerar é e demanda por skills menos especializados.

Claro, que nem tudo é maravilhoso e você tem que discutir alguns aspectos como os que o uso de serviços de IA implicam em menos controle do que o desenvolvimento interno e o acesso à modelos complementares será limitado, reduzindo a personalização e o refinamento. Não ignore seus requisitos de privacidade. O uso de serviços de IA envolve passar seus dados a terceiros. Isso está de acordo com suas políticas de governança de dados? Você sabe se este terceiro retém uma cópia dos seus dados e os utiliza para outros fins?

Como nas APIs, você cria uma relação de dependência. Pode ser muito caro migrar para outro provedor de IA como serviço, dadas as dependências e os custos de transferência de dados. Os serviços de IA oferecem uma maneira rápida e flexível de desenvolver soluções sob medida, a um custo menor do que a criação de uma equipe interna. Podem ser alternativas ideais para prototipagem. Mas, se você precisar de mais controle, flexibilidade, autonomia e propriedade intelectual, estes serviços não serão a solução.

INTELLIGENT AUTOMATION 02 | 25

ARTIGO 12) Escassez de talentos é um problema real.

A demanda por talentos em IA é crescente e existe um abismo entre demanda e oferta, com diversas funções disponíveis para cada profissional de IA verdadeiramente capacitado. A IA abrange diversas atividades e muitas delas exigem competências avançadas em matemática, estatística e programação. Mas, além das habilidades técnicas, cada vez mais os profissionais envolvidos em projetos de IA devem ter conhecimento do domínio do negócio, para interpretar os dados adequadamente e fornecer recomendações relevantes; e experiência em engenharia de software, para desenvolver soluções que funcionem no mundo real. A combinação de competências técnicas, setoriais e de engenharia exigidas dos profissionais de IA limita o tamanho do pool de talentos e faz com que seja necessária uma equipe diversa. Não existe ninguém que seja bom em tantas e diversas áreas de conhecimento.

13) E falando em talentos, a questão é como recrutar? Para evitar contratações errôneas, faça uma descrição eficaz do trabalho que será demandado do(a) profissional de IA, enfatizando os projetos em que ele(a) vai se envolver, habilidades e impacto para o negócio.

Como sugestão para uma melhor definição do “job description” de cargos como “ML engineer” ou data scientist, faça uma busca no Google para as vagas oferecidas pelas empresas de tecnologia, como Google, Amazon, Microsoft e outras, que poderão servir de benchmark e orientação. Ao contratar, verifique se você compreende a função, a experiência e os requisitos mínimos para os quais está contratando. Se sua equipe usa exclusivamente Python, e Tensor Flow como framework, e você tem pressa, não contrate alguém que só trabalha com R e nunca usou Tensor Flow. A falta de habilidades afetará seus custos diretamente, pois os indivíduos vão levar algum tempo para aprender novas

26 | INTELLIGENT AUTOMATION 02

tecnologias. Descreva os projetos nos quais o candidato selecionado trabalhará. Eles se relacionam com visão computacional, processamento de linguagem natural ou manutenção preditiva? Use os termos padrão de matemática e estatística, como classificação, regressão, clustering, GAN, CNN e RNN para facilitar a compreensão. Descreva a expectativa para a função, bem como a dificuldade dos problemas a serem resolvidos.

14) Um sinal de maturidade é quando o assunto “entrada em produção” de modelos de IA passa a ser um tema importante. Um sistema de IA colocado em produção é diferente de um ERP tradicional. Neste, assim que ele se torna operacional, você o deixa quieto, sem tocar mais nele. “Não mexa, se mexer estraga”! Já em sistemas de IA, depois que um modelo é implantado, seu comportamento deve ser monitorado. Espera-se naturalmente que o desempenho preditivo de um modelo diminua com o tempo à medida que o ambiente muda. Esse fenômeno, conhecido como “concept drift”, ocorre quando as distribuições dos recursos de entrada se afastam da distribuição na qual o modelo foi originalmente treinado. Ou sejam, os dados que foram usados para treinar o modelo são agora diferentes do contexto real dos dados que entram para o modelo operar. Uma vez detectado este desvio, ele pode ser reajustado treinando novamente os modelos de aprendizado de máquina. Mas detectar a deriva através do monitoramento é difícil, às vezes só sendo observado após dias, semanas ou meses de sua entrada em operação. O fato desse assunto fazer parte das discussões sinaliza que a empresa já está enfrentando problemas em produção, sinal de maturidade no uso de IA. Entretanto, muitos desses pontos ainda são debatidos de forma superficial. Notei nas conversas uma carência de maior aprofundamento em aspectos fundamentais como:

ARTIGO

1) Uma estratégia e visão claramente definida de como e quando usar IA, que priorize e alinhe as iniciativas de IA com as estratégias e propostas de geração de valor para o negócio.

2) Engajamento da alta organização e do CEO com as iniciativas de IA. A alta administração tem que ser o “sponsor” de fato destas iniciativas, para sair das discussões no board, obter budget adequado e começar a agir.

3) Política de contratação de talentos e formação e reciclagem dos atuais profissionais. Na maioria das vezes o RH não está envolvido adequadamente nas estratégias de IA e só é acionado para fazer buscas no Linkedin. Mas sem estar envolvido nas estratégias fica difícil especificar perfil de talentos que serão necessários.

4) Escolha do ferramental adequado. Muitas vezes a escolha é muito mais influenciada pelo apelo comercial do fornecedor da tecnologia e não pela aderência à estratégia de IA que a empresa quer adotar.

5) A governança de dados é muito mais falada que implementada. A sua ausência

implica que na hora em que os sistemas de IA começarem a serem implementados vão fazer falta os protocolos e check-lists que garantam níveis adequados de dados, em volume, variedade e qualidade para que os algoritmos precisam para serem treinados.

A pandemia acelerou o interesse pelo uso de IA. Dos chatbots começaremos a ver aplicações mais sofisticadas, permeando toda a organização. Aos poucos começa a cair a ficha do significado que o CEO da Microsoft, Satya Nadella, que dizer quando expressou que “AI is the ‘runtime’ that is going to shape all what we do”.

IA começa aos poucos a se disseminar e ocupar espaços cada vez maior nos próprios fundamentos operacionais da empresa. O desafio não é tecnológico, mas cultural. Recomendo a leitura do artigo “Building the AI-Powered Organization”, publicado pela Harvard Business Review, que ajuda a entender esses desafios e como contorná-los. IA vai transformar a natureza da operação das empresas e será parte do “novo normal”. Portanto, nada mais normal que comecemos agora a priorizar nossa estratégia de IA.

INTELLIGENT AUTOMATION 02 | 27

28 | INTELLIGENT AUTOMATION 02

INTELLIGENT AUTOMATION 02 | 29

ARTIGO

Data-driven Economy: impactos e desafios do trabalho Dora Kaufman

Professora do TIDD PUC SP, colunista da Época Negócios em impactos sociais e éticos da inteligência artificial

30 | INTELLIGENT AUTOMATION 02

ARTIGO As tecnologias de Informação e Comunicação (TIC), disseminadas na sociedade a partir do final do século XX, viabilizaram a geração, armazenamento e distribuição de uma quantidade inédita de dados. Os dados representam o conhecimento acumulado acerca da sociedade, e são protagonistas da denominada Economia de Dados ou Capitalismo de Dados (Data Capitalism, expressão cunhada por Mayer-Schönberger e Ramge, Reinventing Capitalism in the Age of Big Data, 2018). Seus modelos de negócio são baseados na posse e/ou acesso ao big data e na capacidade de extrair as informações desses dados por meio de sofisticadas técnicas estatísticas, identificando insights ocultos, impulsionando o desenvolvimento de produtos e a experiência do usuário, cliente ou consumidor.

Com o advento do big data, as técnicas estatísticas tradicionais tornaram-se inaptas, sendo gradativamente substituídas pelos modelos estatísticos de inteligência artificial (IA), particularmente as técnicas de aprendizado de máquina denominadas de Redes Neurais de Aprendizado Profundo (Deep Learning Neural Networks - DLNNs). Uma das diferenças é a capacidade das DLNNs de lidar com grandes quantidades da variável “dimensionalidade” (milhões de pixels, por exemplo, no reconhecimento de imagem), com impacto positivo no grau de acurácia dos resultados. Atualmente, a IA está automatizando decisões, processos e fluxos de trabalho, e prevendo eventos futuros com alto grau de assertividade. As DLNNs tornaram-se fator estratégico de processos decisórios em múltiplas tarefas em distintos setores da economia e da sociedade, tornando a IA a tecnologia de propósito geral da Revolução 4.0 (Data-driven Economy).

A disrupção da Revolução 4.0 difere das revoluções industriais anteriores pela aceleração,

que dificulta as organizações, governos e indivíduos de se prepararem adequadamente, e por modelos de negócio intensivos em tecnologia e não em mão-de-obra. A produção de riqueza atual, em qualquer setor, é significativamente maior com o emprego de menos trabalhadores/colaboradores. Outro aspecto é o observado por Kai-Fu Lee (AI Superpowers China, Silicon Vallley, and the New World Order, 2018): as revoluções industriais anteriores desqualificaram o trabalho (deskilling).

As linhas de montagem das fábricas transformaram as tarefas que eram feitas por trabalhadores qualificados, sapateiro - artesão por exemplo, em linhas de montagem com trabalhadores com baixa qualificação (nonskilled labor) em que cada um adiciona uma diminuta parte ao todo. A Revolução 4.0, ao contrário, requer o chamado uspkilling ou reskilling, ou seja, demanda a qualificação do trabalho para desempenhar tarefas mais complexas e multidimensionais (as tarefas rotineiras/repetitivas/previsíveis, gradativamente, estão sendo, gradativamente, desempenhadas pela automação inteligente, ou seja, tecnologias de IA).

Projeções de consultorias e instituições internacionais sobre o mercado de trabalho divergem quanto aos números porque refletem as distintas metodologias e percepções sobre a ingerência dos arcabouços sociais, legais e regulatórios, contudo, em geral, convergem sobre a tendência: deslocamento de trabalhadores.

Por outro lado, como existe um déficit de profissionais habilitados a desempenhar as novas funções, convivem mundo afora altas taxas de desemprego com oferta de vagas “em aberto”. Atualmente, 68% dos executivos brasileiros alegam dificuldade para encontrar profissional qualificado para posições-chave. Esse índice é bem superior ao registrado em países da região, como Argentina (40%), Costa Rica (40%) e México (38%) (Fonte: https://www.oecd.

INTELLIGENT AUTOMATION 02 | 31

ARTIGO org/publications/skills-for-social-progress-9789264249837-pt.htm).

As primeiras evidências dos impactos da Covid-19 sugerem que, além do deslocamento do mercado de trabalho causado pelo choque de saúde, os empregadores devem acelerar a automatização de tarefas, ampliando a possibilidade de uma recuperação “sem empregos”. Relatório do Fórum Econômico Mundial (WEF - World Economic Forum), publicado em 21 de outubro de 2020, analisa o cenário atual do trabalho impactado por “dupla interrupção”: a pandemia causada pela Covid-19 e o avanço da automação. O WEF reconhece a urgência de requalificar e capacitar a força de trabalho para atender às oportunidades de empregos mais sustentáveis, com o pressuposto que o desenvolvimento e o aprimoramento das habilidades e capacidades humanas por meio da educação e aprendizagem são os principais motores do sucesso econômico, do bem-estar individual e da coesão social. A escassez de habilidades e de competências nos mercados locais compromete a capacidade das empresas de aproveitar o potencial de crescimento proporcionado pela adoção de novas tecnologias. Embora, no momento, o número de empregos destruídos seja superado pelo número de “empregos de amanhã” criados, em contraste com os anos anteriores, a taxa de criação de empregos está diminuindo enquanto a taxa de destruição de empregos está acelerando.

O WEF, em sua reunião de janeiro 2020, já sensível à necessidade de preparar o futuro, lançou a plataforma “The Reskilling Revolution” (https://widgets.weforum.org/ reskillingrevolution/) incentivando a contribuição de líderes, organizações e governos, com o propósito de qualificar e requalificar a força de trabalho. Nos EUA, por exem-

32 | INTELLIGENT AUTOMATION 02

plo, o governo convocou o setor privado a se comprometer com a qualificação/requalificação de sua força de trabalho por meio do “Pledge to America’s Workers”: mais de 415 empresas do setor privado já se comprometeram com 14,5 milhões de oportunidades de aprimoramento de carreira nos próximos cinco anos. No final de 2019, a França criou uma conta de competências individuais com uma aplicação móvel dedicada à formação profissional e aprendizagem ao longo da vida. Sob a “moncompteformation.gouv.fr “, 28 milhões de trabalhadores elegíveis em tempo integral e parcial receberão € 500/ano diretamente em sua conta para gastar em qualificação e aprendizagem contínua, com trabalhadores pouco qualificados e aqueles com necessidades especiais recebendo até € 800/ano. Cingapura, recentemente, complementou sua pioneira “Iniciativa do Futuro de Competências” com a implantação do “Pacote de Suporte de Treinamento Aprimorado (ETSP)” para apoiar trabalhadores e organizações em requalificação e qualificação durante a pandemia.

No Brasil, a vulnerabilidade do trabalho à automação é alta: segundo a consultoria IDados, quase a metade dos empregos são de baixa qualidade, mais propensos a eliminação - salários baixos, instabilidade, jornada excessiva - o que representa 45,5 % do total das ocupações, colocando o país em níveis comparativos a Honduras (41,6%) e Nicarágua (43,3%) e pior do que Costa Rica (18,8%) e Panamá (29%) (https:// valor.globo.com/brasil/noticia/2020/10/09/ quase-metade-dos-empregos-no-pais-e-de-baixa-qualidade-indica-estudo.ghtml).

A tendência é um mercado de trabalho cada vez mais desigual, com as funções de alto desempenho extremamente lucrativas e as demais com perdas salariais, ou elimi-

ARTIGO nadas pela automação. Segundo o último Relatório de Desenvolvimento Humano da Organização das Nações Unidas (ONU), 2019, o Brasil é o vice-campeão mundial em desigualdade com 1% da população mais rica concentrando quase um terço da renda, só perdendo para o Catar com 0,7%.

Um dos entraves para a redução da desigualdade é a precariedade histórica do sistema de ensino brasileiro, que dificulta a formação de talentos humanos especializados e mantém baixa a produtividade.

Estudo realizado pela OCDE (Organização para a Cooperação e Desenvolvimento Econômico) sobre a Transformação Digital no Brasil (2020) indicou que 50% dos brasileiros não se formaram no ensino médio e 17% não concluíram o ensino fundamental, números bem acima da média dos demais países da OCDE. As matrículas em cursos de formação profissional e de graduação técnica são baixas, com apenas 3,8% dos alunos do ensino médio optando por cursos técnicos. O fraco desempenho no Programa Internacional de Avaliação de Estudantes (Programme for International Student Assessment, PISA) da OCDE, sugere além da baixa qualidade do ensino, uma grande disparidade nos resultados dependendo do contexto socioeconômico dos alunos. Ensino deficiente é uma barreira aos trabalhadores no uso eficiente de tecnologias digitais (e de se beneficiar delas), gerando, portanto, uma desigualdade digital de segundo nível que restringe ainda mais a mobilidade dos trabalhadores, particularmente os trabalhadores de baixa qualificação.

Estudo recente da Udemy (“Global Skill Gap Report”, Fonte: https://valor.globo. com/carreira/noticia/2020/10/30/brasileiros-nao-acreditam-ter-as-habilidades - que-precisam.ghtml), com profissionais

de cinco países - Índia, México, Espanha, França e Brasil - mostrou que 94% brasileiros reconhecem a lacuna de habilidades (contra a média global de 83%), sendo que 75% acredita que essa lacuna de habilidades os afeta diretamente. A velocidade das mudanças preocupa os trabalhadores brasileiros: 85% deles afirmam que essa velocidade está tornando as competências rapidamente obsoletas (contra 70% na França, 77% na Espanha, 78% no México, e 84% na Índia). Dentre as habilidades mais valorizadas, destacam-se as competências digitais técnicas (55%) e as de gestão e liderança (53%). O consenso é que as empresas precisam construir uma cultura de aprendizado contínuo.

Independente do ritmo e intensidade da transformação digital, a medida que a tecnologia avança, os trabalhadores serão realocados para tarefas não suscetíveis à mecanização, i. é., tarefas que exigem habilidades humanas. É mandatório desenvolver as chamadas “competências do século 21” junto à formação meramente técnica, capacitando o trabalhador a tomar decisões táticas ligadas ao seu campo de atuação e facilitando a mobilidade entre distintas funções.

Dois conceitos chave à serem observados: a) lifelong learning, aprendizagem ao longo da vida, fundamental para acompanhar a aceleração atual, requerendo atualização contínua que extrapola o ensino formal; e b) autorregulação da aprendizagem, em que cada um estrutura, monitora e avalia seu próprio aprendizado, ampliando sua capacidade de retenção de conteúdo e engajamento. O futuro será de quem “aprende a aprender”.

Dora Kaufman, Professora do TIDD PUC SP, colunista da Época Negócios em impactos

INTELLIGENT AUTOMATION 02 | 33

ARTIGO

Muito além do RPA David Claro

Head de oferta RPA da Solutis

34 | INTELLIGENT AUTOMATION 02

ARTIGO

A Indústria 4.0 chegou. Mas, isso não significa que seja um tema novo. Ao contrário, a automação já existe desde o século 18, com a criação da primeira máquina a vapor. De lá para cá, o uso de robôs tornou-se mais abrangente com o surgimento nas linhas de produção. Com o grande avanço tecnológico e com o uso do RPA (Robotic Process Automation) já é possível ter robôs em atividades de backoffice, dentro dos escritórios, integrando-se com tecnologias de IA (Inteligência Artificial), IoT (Internet das Coisas) e Cloud (Computação em Nuvem).

Essa maior abrangência pode dar ao mercado a falsa impressão de que, no futuro, muitas atividades serão exclusivamente realizadas por robôs. Não é bem assim. À medida que se torna realidade, a aplicação do

conceito de RPA deixa claro que não se trata do remédio para todos os males da produtividade. Ao contrário, para implementar projetos bem sucedidos de RPA é preciso ter uma visão clara do todo, identificando o que de fato pode ser automatizado.

E é esse choque de realidade que tem determinado uma nova abordagem por parte dos fornecedores de soluções de RPA. Mais conscientes, eles se veem hoje mais preocupados em entender as dores de seus clientes do que em automatizar tudo a qualquer custo. Essa nova postura tem se traduzido em uma aposta de muitas empresas: projetos de RPA baseados em customer Experience e IA. É a partir dessa visão que as empresas mais

INTELLIGENT AUTOMATION 02 | 35

ARTIGO atentas ao mercado estão redesenhando suas ofertas. A ideia aqui é, mais do que oferecer redução de custos, manter o foco na geração de valor ao cliente. Mais uma vez, a realidade tem demonstrado que, muitas vezes, as reduções trazidas pela pura e simples substituição do ser humano por um robô não se traduzem em melhores produtos ou serviços e, por consequência, em clientes satisfeitos.

Nessa abordagem voltada a geração de valor, a eficiência operacional é garantida pelo trabalho conjunto de humanos e robôs. Isso porque, em muitos casos, o ponto de equilíbrio se encontra justamente na robotização parcial do processo, deixando espaço para interações pessoais que garantam a experiência do usuário.

Do ponto de vista do ambiente de TI, essa abordagem tem garantido a sobrevida de diversos sistemas legados que, ao final, não são totalmente substituídos. Isso significa economia e o adiamento de investimentos que, em uma visão de um ambiente 100% robotizado, teriam que ser feitos imediatamente.

O interessante aqui é que a robotização parcial de processos amplia a possibilidade de criação de soluções mais robustas. Ao adotar essa visão, o fornecedor avalia os processos que poderiam ser automatizados levando em conta não apenas essa possibilidade, mas também critérios como visão de negócio, experiência do consumidor, arquitetura, uso de inteligência artificial e DevOps, por exemplo. Com isso, na prática, ele está maximizando o poder do RPA. Mas é sempre bom lembrar que estes projetos não nascem somente da expertise do fornecedor. Para que sejam bem sucedidos, eles precisam surgir de uma dinâmi-

36 | INTELLIGENT AUTOMATION 02

ca de cocriação e práticas de design que estimulem a troca de conhecimento com o cliente, permitindo que este possa gerenciar e definir sua estratégia de automação.

Isso, somado ao uso de IA, contribui enormemente para a excelência de projetos de RPA, permitindo que os clientes se envolvam e tenham a liberdade de conduzir suas próprias jornadas.

Ao priorizar o cliente, é possível ajudá-lo a entender e calcular a real redução de custos e ganhos de eficiência que ele pode obter em cada projeto de RPA. Para isso, muitas empresas têm utilizado o modelo RICE Scoring, que avalia alcance (Reach), Impacto (Impact), Confiança na efetividade da automação (Confidence) e Estimativa de recursos necessários (Effort). Com ele, é possível entender quais processos seriam mais eficientes do ponto de vista de RPA. Para que tudo isso aconteça, vale dizer, é preciso que o fornecedor esteja preparado para discutir junto com o cliente a viabilidade do projeto e seu retorno e seja capaz de ajudá-lo a priorizar quais processos devem ser automatizados. O cliente precisa embarcar no processo, conhecer todas as fases para então decidir se ele vale a pena.

Não há dúvidas de que a RPA é revolucionária e tende a inovar processos, mas é preciso ter claro que não se trata de um big bang, mas de algo que vai se implantando aos poucos. Nesse processo, cabe às empresas fornecedoras de soluções acompanhar a execução dos robôs, identificar interoperabilidade e disparar correções, além de cuidar de questões de governança, como gestão de ativos de automação, boas práticas de desenvolvimento e mitigação de riscos operacionais. Tudo isso sem perder de vista a experiência e a satisfação do cliente.

INTELLIGENT AUTOMATION 02 | 37

ARTIGO

Eu e a IA 38 | INTELLIGENT AUTOMATION 02

ARTIGO

Fernando Birman

Fundador da Season Consulting.

Professor da FIA/Labdata.

Mentor, investidor e conselheiro de startups.

Consultor parceiro da Ciatécnica.

Anos 80. O computador dava os seus primeiros passos fora da geladeira, o velho CPD, avançando em diferentes áreas das organizações. Mesmo sendo um reles microcomputador, ainda era muito caro e devia ser compartilhado por várias pessoas.

Minha missão era catequisar o maior público possível, mostrando os milagrosos poderes do novo companheiro de trabalho. O sucesso não tardou e as pessoas passaram a disputá-lo. Desse momento à sua ubiquidade foi uma questão de tempo.

Sempre almejei muito mais do que capacitar usuários. Como se não bastasse empurrar goela abaixo uma miríade de cursos de informática, criamos algo que permitisse uma compreensão profunda

INTELLIGENT AUTOMATION 02 | 39

ARTIGO do potencial da informática e dos seus impactos nas empresas e na sociedade.

Lá no final da década de 80, concebi e ministrei uma série de palestras sobre Inteligência Artificial (IA).

Como sinal dos tempos, as transparências usadas naquelas palestras foram perdidas. Sim, falávamos de IA, mas usávamos retroprojetores. Se a apresentação foi embora, a bibliografia permanece. Embolorada, porém presente. Foram muitos livros e revistas, pois não tínhamos a Web e nem o Google. Além dos clássicos, usei várias edições da revista Scientific American. Uma delas, merece destaque.

A edição de setembro de 1984 era focada em software. Um artigo assinado por Terry Winograd sobre computadores e linguagens foi a minha fonte para a parte mais interessante e divertida da palestra, que tratava de NLP, processamento de linguagem natural. O destaque foram as ambiguidades da linguagem humana e a dificuldade das máquinas para compreendê-las.

Os exemplos daquele artigo jamais saíram da minha cabeça: ‘as galinhas estão prontas para comer’, ‘ela deixou o prato cair sobre seu pé e quebrou-o’, ‘roubaram o banco da praça’ e assim por diante. Além de compreensão da linguagem natural, a IA da época era resolução de problemas, representação do conhecimento, jogos, etc.

Em casa, estudava heurística para entender como a máquina ‘pensava’ a fim de poder derrotá-la nos jogos. Cheguei a construir um jogo que aprendia, mas não achei nenhuma evidência arqueológica para compartilhar com vocês. Isso era minha diversão, o resto parecia muito acadêmico e pouco pragmático.

40 | INTELLIGENT AUTOMATION 02

Neste contexto de começo de carreira, a minha missão foi estimular a imaginação, despertar o interesse dos colegas e mostrar como a TI desenvolvia-se para emular algumas habilidades humanas, nunca todas. Entretanto, aquele final dos anos 80 trouxera uma novidade.

Os sistemas especialistas chegavam e, desta vez, IA passava a ter um significado real nas empresas. Os meus pares mais animados aventuraram-se em desenvolvimentos com Prolog e LISP. Sem perceber, vivíamos uma onda de IA. O Gartner não havia inventado o ‘Hype Cycle’, mas, com relação aos sistemas especialistas, seria o chamado pico de expectativas inflacionadas: muito barulho e pouca realização.

Enquanto a onda de IA minguava diante dos resultados pífios, a minha carreira também mudava de rumos. Afastei-me da tecnologia para cuidar de finanças e gestão, todavia, a IA nunca saiu da minha cabeça. Era um interesse pessoal, coisa de quem gosta de ficção científica, seja no formato de livro ou cinematográfico.

Tudo distante da agenda profissional.

Mesmo quando voltei à tecnologia, quase dez anos depois, era um executivo de TI, com metas, orçamentos e responsabilidades. Na iminência da virada do milênio, estava focado em megaprojetos como o próprio bug do milênio, o ERP, a primeira onda de e-business, etc. A informática era pervasiva e não era necessário tutelar os usuários, muito pelo contrário, a demanda já estava num nível além do administrável. Enfim, pouco tempo para IA. Um evento havia chamado a minha atenção: os duelos de xadrez entre Gary Kasparov e o Deep Blue da IBM de 1996 e a sua reedição de 1997. Quando entendi

ARTIGO o funcionamento do engenho enxadrista criado pela IBM, meu primeiro reflexo foi dizer: assim não vale! Aquilo divergia da IA que imaginei uma década atrás, onde a elegância da solução residia nos intrincados algoritmos. Aquilo era, segundo a própria IBM, a força bruta da computação, a alavancagem de uma colossal massa de dados.

Na posição de executivo, centrado na gestão da tecnologia e distante dos estudos acadêmicos, demorei para compreender a mudança de foco da IA. O que havia percebido como um truque sujo da IBM era na verdade o prenuncio do grande filão da IA atual: “São os dados, estúpido!”

Os gargalos que limitavam as elucubrações da IA do passado ficaram na história. Neste novo milênio, graças à Lei de Moore, a capacidade de mastigar e digerir dados atingiu um novo patamar.

A maturidade do ‘cloud computing’ vem aliar praticidade à potência. De repente, todos temos um supercomputador à mão. A extravagância da IBM de 1996 poderia a ser alcançada por qualquer um.

Sim, vivemos uma nova onda da IA. Ao contrário da primeira, citada no começo do artigo, agora é para valer. Há tempos, os casos de sucesso de aplicação de técnicas de ‘machine learning’ e ‘deep learning’ pipocam em todas as áreas do conhecimento humano. E as outras áreas da IA como compreensão da linguagem, visão computacional ou resolução de problemas obviamente também evoluem demais.

é o menor dos problemas. Os desafios residem do campo das pessoas, dos dados e, notadamente, das ideias. Temos as pessoas capacitadas para desenvolver soluções de IA? Os dados estão preparados para serem explorados? As organizações estão abertas e receptivas?

Enquanto as grandes empresas movem-se com extrema lentidão no terreno da IA, inúmeras startups tomaram a iniciativa de usá-la de maneira original e incorporá-la nos seus modelos de negócios disruptivos. O motor da inovação pela IA está no ecossistema de inovação.

A minha biografia de executivo começa e termina com papeis comparáveis, mas longe de serem idênticos. Antes, militava para o uso mais amplo da TI, buscava a eficiência. Depois, também no papel de evangelizador, persegui a transformação digital. Desta vez, o que estava em jogo não é o funcionamento da empresa, mas a sua própria sobrevivência.

A tarefa de acelerar a transformação digital compreende várias atividades entrelaçadas com a IA: criar a cultura de dados na organização, procurar por oportunidades de uso de IA, buscar soluções de IA no ecossistema, capacitar as equipes para a IA e assim por diante. Hoje, estamos diante de uma missão hercúlea, que não pode depender de um visionário, é preciso embarcar todos neste desafio.

Engajar a cúpula, trazer soluções, fazer pontes no ecossistema estão entre as minhas missões atuais. Trinta e cinco anos depois e, de alguma forma, sempre abraçado com a IA.

Neste quadro de solidez e maturidade, o gargalo não é a tecnologia de outrora.

Pelo contrário, a plataforma tecnológica

INTELLIGENT AUTOMATION 02 | 41

ARTIGO

42 | INTELLIGENT AUTOMATION 02

ARTIGO

30 livros de IA Cezar Taurion

VP Estratégia e Inovação Cia Técnica

IA é um tema com o qual que venho trabalhando e estudando há muito tempo, desde os anos 80. Confesso que sou um entusiasta da IA. E não é de hoje. Lembro que na adolescência devorava livros de Isaac Asimov, como a famosa trilogia “Fundação” e, principalmente, “Eu, robô”. “Eu, robô” foi uma série de contos que são um marco na história da ficção científica, pela introdução das célebres Leis da Robótica, e por um olhar completamente novo a respeito das máquinas.

Os robôs de Asimov conquistaram a cabeça e a alma de gerações de escritores, cineastas e cientistas, sendo até hoje fonte de inspiração de tudo o que lemos e assistimos sobre eles.

Depois veio o inesquecível filme de Stanley Kubrick, “2001, uma odisséia no espaço” e com ele o HAL 9000 (Heuristically programmed ALgorithmic computer), que é um computador com avançada inteligência artificial, instalado a bordo da nave espacial Discovery e responsável por todo seu funcionamento.

Os diálogos dele com os atores me deixaram realmente impressionado com que o futuro poderia nos trazer. Quando li um paper so-

bre Eliza, software criado por pesquisadores do MIT, vi que a IA era possível sim, pois já nos anos 60 um sistema conseguia interagir de forma razoável com humanos. Comecei a ler todos os livros sobre o assunto e em meados dos anos 80, consegui aprovação para colocar em prática uma experiência, dentro da empresa na qual trabalhava.

Na época o cenário da IA estava dividido em duas linhas de pensamento, um grupo que adotava o conceito de “rule-based”, também chamado de “expert systems” ou sistemas especialistas, e o grupo que se orientava pelo conceito de redes neurais (neural networks). As redes neurais pareciam muito promissoras, mas faltavam dados e a capacidade computacional disponível era imensamente inferior à que temos hoje. Pragmaticamente optei pelos sistemas especialistas, pois a lógica de desenvolvimento me parecia mais factível: entrevistar profissionais especialistas em determinada área e codificar seus processos de decisão, em uma árvore de decisão, com IF-THEN-ELSE. Um sistema especialista tem dois componentes básicos: um motor de infe-

INTELLIGENT AUTOMATION 02 | 43

ARTIGO rência e uma base de conhecimentos. A base de conhecimento tem os fatos e regras, e o motor de inferência aplica as regras aos fatos conhecidos e deduz novos fatos. Primeira dificuldade foi aprender a linguagem Lisp, mas vencida a barreira, a prática de buscar o conhecimento dos especialistas foi um entrave: por serem especialistas eram muito requisitados e não tinham tempo disponível, muito menos para um projeto experimental. Além disso, era muito difícil tentar traduzir suas decisões, muitas vezes intuitivas, em regras claras para serem colocadas na árvore de decisão. E à medida que ia acumulando conhecimentos do especialista, o processo tornava-se mais e mais complexo. Em resumo, o sistema nunca funcionou adequadamente e foi descontinuado. Mas valeu a experiência.

Na última década, a IA renasceu e a ênfase foi direcionada para as redes neurais. Já temos os dois fatores essenciais: capacidade computacional disponível e abundância de dados. Em capacidade computacional, um simples smartphone tem mais poder computacional que todo o data center que NASA dispunha quando enviou o primeiro homem à Lua, em 1969.

E na retaguarda deste smartphone temos nuvens computacionais com capacidades quase infinitas. Em termos de dados, geramos hoje mais de 2,5 quintilhões de bytes por dia e este número dobra rapidamente.

O ponto de inflexão das redes neurais deu-se em meados dos anos 2000 com as pesquisas de Geoffrey Hinton, que descobriu maneiras eficientes de treinar várias camadas de redes neurais. Isto permitiu o rápido avanço de algoritmos de reconhecimento de imagem e fala. Surgiu o termo “deep learning” (DL) que hoje é o motor básico dos principais avanços na área de IA. Os conceitos de DL foram a base de construção do AlphaGo, que venceu o campeão mundial de Go, um complexo jogo de estratégia oriental, e posteriormente do AlphaZero, que aprendeu so-

44 | INTELLIGENT AUTOMATION 02

zinho, em 4 horas a jogar xadrez e vencer o software campeão mundial, o Stockfish.

O que vemos hoje? A rápida evolução da IA traz impactos tão significativos que ainda não percebemos sua amplitude. Não temos ideia de como será nossa sociedade, as empresas e o mercado de trabalho em 2050, mas sabemos que a IA e a robótica vão mudar quase todas as modalidades de trabalho atuais, transformando as carreiras e profissões como as conhecemos hoje.

Sim, a IA já está aqui. Os algoritmos já estão entre nós e se disseminam cada vez mais, se entranhando em todos os aspectos de nossa vida. Devemos nos preparar para as mudanças que um mundo recheado de algoritmos de IA trarão para a sociedade. Entretanto, a IA não precisa e nem deve ser uma equação de soma zero, humanos versus IA, mas sim humanos mais IA gerando mais inteligência.

Claro, que para isso temos que nos preparar.

Estudar, saber e entender o que é IA, seus potenciais e suas limitações. Não é mágica e tem muito, mas muito mais para evoluir.

Estamos no início da curva de aprendizado.

Aqui estão uma lista de 30 livros que abordam o tema IA e que recomendo. Li todos eles e acredito que possam contribuir em muito para conhecermos mais o que é e o que não é IA. Comecemos pelo livro “Deep Learning” de Ian Goodfellow et al. É um excelente livro para conhecer e entender Deep Learning. O “Deep Learning Revolution” de Sejnowski nos mostra a evolução dos algoritmos de DL. Imperdível. O Algoritmo Mestre traça um percurso pelas cinco maiores escolas de ML, mostrando como elas transformam ideias da neurociência, evolução, psicologia, física e estatística em algoritmos.

A IA está cada vez mais se entranhando nas nossas vidas, como aconteceu com o smar-

ARTIGO tphone, que hoje é praticamente um órgão do corpo humano. O livro de Asimov, “Eu, Robô” de 1950 foi um marco. O enredo segue o relato da personagem Susan Calvin, robopsicóloga que está sendo entrevistada no final da vida. Ela narra as passagens mais importantes da carreira em nove contos. A partir de casos particulares, Asimov desenha um futuro onde máquinas tomam suas próprias decisões, e a vida dos humanos é inviável sem a ajuda de seres autômatos.

O livro também virou um clássico porque enumera as Três Leis da Robótica: 1) um robô não pode ferir um humano ou permitir que um humano sofra algum mal; 2) os robôs devem obedecer às ordens dos humanos, exceto nos casos em que tais ordens entrem em conflito com a primeira lei; e 3) um robô deve proteger sua própria existência, desde que não entre em conflito com as leis anteriores. As regras visam à paz entre autômatos e seres biológicos, impedindo rebeliões.

Estas diretrizes devem ser respeitadas pelos pesquisadores de IA. A questão da ética em IA não pode e nem deve ser subestimada.

Deve, por princípio, fazer parte do design de soluções: “Ethics by design”.

Outro dia estava pensando nos meus netos e como seria a futura vida profissional deles. Sei que eles não usam e jamais usarão teclado e mouse. E que não precisarão aprender a dirigir. A Internet, os apps e os wearables já fazem parte de sua vida e cada vez mais estarão vivendo em um mundo digital, com novos hábitos sociais e comportamentais. E não usarão mais

apps, substituídos por assistentes virtuais que se comunicam via gestos e voz. Mas, a partir daí tudo passa a ser nebuloso. Como podemos nos preparar e preparar nossas crianças para um mundo com tantas transformações e incertezas radicais? Um bebê nascido hoje terá trinta e poucos anos em 2050. Se tudo correr bem, ele ainda estará vivo em 2100, e pode até ser um cidadão ativo do século 22. O que devemos ensinar a esse bebê para ajudá-lo a sobreviver e prosperar no mundo de 2050 ou do século 22? Que tipo de habilidades ele vai precisar para conseguir um emprego, entender o que está acontecendo ao seu redor e explorar o labirinto da vida?

Nós não temos respostas para estas perguntas. Nunca fomos capazes de prever o futuro com precisão, mas hoje é praticamente impossível. E a IA já está no nosso presente. Imagine o futuro! Precisamos entendê-la e a aproveitarmos em seu potencial, reconhecendo suas limitações.

Lembram-se do filme Her, onde o sistema de IA, na bela voz de Scarlett Johansson, entendia tudo que Theodore falava? Pois é. Ainda estamos bem distantes deste cenário. Tem muitos bots bem evoluídos (e outros nem tanto), que dão impressão de entender o que a gente fala. Mas, quando olhamos as técnicas de deep learning com mais atenção vemos que os sistemas atu-

INTELLIGENT AUTOMATION 02 | 45

ARTIGO ais têm dificuldades inerentes de conseguir compreender como sentenças relacionam-se com suas partes, como palavras. É o princípio da composicionalidade. Composicionalidade é propriedade das expressões complexas cujo sentido é determinado pelos sentidos dos seus constituintes e pelas regras usadas para os combinar. Todas as teorias lingüísticas concordam que uma das principais características das línguas humanas é sua capacidade de criar expressões complexas a partir de unidades lingüísticas simples. A IA tem dificuldade de manusear composicionalidade. Também tem dificuldades de compreender a ambiguidade, que nós, humanos, colocamos nas nossas conversas. Significa que uma máquina não pode interagir conosco? Claro que não, mas não consegue manter uma conversação no nível que nós, humanos mantemos.

O que falta? Senso comum. Tem alguns bons livros sobre as técnicas de NLP.

Vasculhando minha biblioteca armazenada no Kindle, que já são 363 livros, redescobri um livro que li em meados de 2011, “Final Jeopardy: Man vs. Machine and the Quest to Know Everything”, que conta a história do desenvolvimento do Watson. Comecei a relê-lo, pois agora, quase dez anos depois, com tanta evolução acontecendo de forma acele-

46 | INTELLIGENT AUTOMATION 02

rada na IA, é bom recordar casos pioneiros. O momento em que o Watson venceu a competição de TV, Jeopardy, é um marco na história da IA. Quem se interessa pela evolução da IA e como ela chegou até aqui, deve dar uma lida neste livro.

Gostei de três livros que abordam IA sob a ótica de negócios. O primeiro “How AI is Transforming Organizations” é uma coletânea de artigos publicado pela MIT Sloan. Recomendo também “Competing in the Age of AI” da Harvard Business Review.

O terceiro e um pouco mais técnico tem o livro “Data Science para Negócios”, que é um bom livro para gestores de negócios que lideram ou interagem com cientistas de dados e engenheiros de ML e que desejam compreender melhor os princípios e algoritmos disponíveis, sem entrar em detalhes técnicos.

Li e reli o excelente livro de Kai-Fu Lee, “AI Super-powers: China, Silicon Valley and the New World Order”. O livro aborda uma tese interessante, que analisa a evolução da IA sob a ótica de 4 ondas: “Internet AI”,

ARTIGO “Business AI”, “Perception AI” e “Autonomous AI”. Cada onda alavanca a evolução da IA e provoca rupturas em setores de negócio. Recentemente, o pesquisador de IA Andrew Ng disse que “IA é a nova eletricidade”. Há cerca de um século, começamos a eletrificar o mundo através da revolução da eletricidade. Substituindo máquinas a vapor por máquinas que usam eletricidade, transformamos o transporte, a fabricação, a agricultura, a saúde e praticamente toda a sociedade. Agora, a IA está no seu ponto de inflexão, iniciando uma transformação igualmente dramática na sociedade.

E recomendo três excelentes livros que debatem o tema da relação entre humanos e máquinas. Vale a pena lê-los!

Uma discussão instigante é o quão longe a IA poderá ir. A IA entende ou não o que está fazendo? IA não é novidade. O termo foi cunhado na década de 50, passou por altos e baixos e, agora, graças à capacidade computacional disponível e uma inundação de dados em formato digital, começa a tomar forma. Temos hoje condições de desenvolver algoritmos bas-

tante sofisticados e uma forma específica de IA, DL, tem sido a grande aposta de sua evolução. Para muitos, DL é o atual estado da arte em IA. É verdade que algoritmos sofisticados de DL, obtendo desempenho superiores à de humanos em tarefas bem específicas faz com que consideremos a IA como super humana em todos os sentidos. Não é verdade. O que ainda temos é uma “narrow AI”, que consegue fazer uma coisa específica muito bem, mas, não tem a mínima ideia do que está fazendo. Não tem consciência e, portanto, à luz, do que consideramos inteligência humana, está ainda muito, mas muito distante de ser inteligente. As máquinas também não têm consciência. Quando o Watson venceu o “Jeopardy!” ele não saiu para comemorar a vitória com os amigos. Quando AlphaGo venceu Lee Sedol no Go, ele não teve a mínima compreensão do que fez. Cumpriu o que seus algoritmos tinham que fazer e pronto. AlphaGo não sabe fazer outra coisa a não ser jogar Go. Não sabe jogar xadrez. Isso impede que usemos IA para atividades que demandam senso comum, empatia e criatividade. Por exemplo na saúde, a máquina pode fazer bem a análise de imagens, mas como na verdade não vêm, mas simplesmente enxergam pixels, não podem substituir o médico nas interações onde os cuidados médicos demandam personalização e humanidade. Tem uma frase atribuída a Einstein que vale a pena citar aqui: “Any fool can know. The point is to understand”. Alguns livros discutem esse assunto e merecem ser lidos!

Uma questão que deve ser aprofundada: o futuro do trabalho na era da IA. Outro dia mesmo estava pensando nos meus netos e como seria a futura vida profissional deles. Sei que

INTELLIGENT AUTOMATION 02 | 47

ARTIGO eles não usam e jamais usarão teclado e mouse. E que não precisarão aprender a dirigir. A Internet e os apps (e os wearables!) já fazem parte de sua vida e cada vez mais estarão vivendo em um mundo digital, com novos hábitos sociais e comportamentais. Aliás, é provável que nem usem mais apps, substituídos por assistentes virtuais que se comunicam via gestos e voz. Mas, a partir daí tudo passa a ser nebuloso. Como podemos nos preparar e preparar nossas crianças para um mundo com tantas transformações e incertezas radicais? Um bebê nascido hoje terá trinta e poucos anos em 2050. Se tudo correr bem, ele ainda estará vivo em 2100, e pode até ser um cidadão ativo do século 22. O que devemos ensinar a esse bebê para ajudá-lo a sobreviver e prosperar no mundo de 2050 ou do século 22? Que tipo de habilidades ele vai precisar para conseguir um emprego, entender o que está acontecendo ao seu redor e explorar o labirinto da vida?

Nós não temos respostas para estas perguntas. Nunca fomos capazes de prever o futuro com precisão, mas hoje é praticamente impossível. Uma vez que a tecnologia nos permite projetar corpos, cérebros e mentes, não se pode mais ter certeza sobre qualquer coisa, incluindo coisas que anteriormente pareciam estáveis e eternas. Já deixamos para trás o termo ficção científica. Torna-se mais adequado falarmos em antecipação científica, pois não será mais questão de “se” alguma coisa será inventada, mas “quando”.

Por exemplo, o acelerado avanço da automação e da IA vai mudar em muito as profissões atuais.

O impacto da robotização chegando às áreas de conhecimento muda radicalmente nossa percepção sobre automação. Antes era consenso que automação afetaria apenas as atividades operacionais, como nas linhas de produção.

Mas agora percebemos que podemos vê-la atuando em atividades mais mentais do que manuais, que envolvem tomadas de decisões, que tradicionalmente abrange pessoas com forma-

48 | INTELLIGENT AUTOMATION 02

ção universitária e são responsáveis pelo extrato profissional considerado superior.

Parece impossível? A cada dia surgem mais evidências que esta mudança está bem mais próxima que pensamos. E breve chegará o dia em que a automação poderá substituir pessoas nas tomadas de decisões nos negócios.

As máquinas poderão substituir administradores que atualmente confiam em instinto, experiência, relações e incentivos financeiros por desempenho, para tomar decisões que algumas vezes levam a resultados muito ruins.

Este cenário vai nos obrigar a mudar muitas profissões e obviamente a redesenhar a formação acadêmica para enfrentar este desafio.

Não estamos realmente formando as pessoas para as profissões do futuro. Mas, o que devemos fazer? Que tal começarmos a analisar com mais profundidade o tema? Alguns livros debatem o assunto com propriedade.

A IA tem potencial disruptivo muito grande e, portanto, ter uma estratégia, é essencial para enfrentar os desafios que já estão à porta. Mas, como desenhar uma estratégia de IA? A IA poderá substituir ou modificar profissões que existem hoje, além de criar outras. De um modo geral, a IA utiliza capacidades, como conhecimento, percepção, julgamento e os meios para realizar tarefas específicas, que eram de domínio exclusivo dos seres humanos. A pergunta que fazemos a nós mesmos é onde e como aplicá-las? Devemos usá-las para criar novos produtos ou ofertas? Para aumentar o

ARTIGO desempenho dos seus produtos? Para otimizar as operações internas dos negócios?

Para melhorar os processos do cliente? Para reduzir o número de funcionários? Para liberar os funcionários para serem mais criativos? As respostas virão de nossa estratégia para aplicação de IA. Não existe resposta única, pois cada organização tem sua própria estratégia e ritmo de adoção. De qualquer maneira, três pilares devem fundamentar o desenho da estratégia: o nível de conhecimento e conceituação do potencial de IA; a capacidade (talentos) disponíveis para implementar os conceitos; e a cultura da organização e sua aderência ou não a inovações e experimentações. Um primeiro passo é estudar empresas que podem ser consideradas “AI powered organizations”, aquelas em que a IA está no cerne do seu negócio, como Amazon e Alibaba.

Um instigante e polêmico livro foi “Superintelligence: paths, dangers, strategies”, de Nick Bostrom, diretor do Future of Humanity Institute, da Universidade de Oxford, no Reino Unido.

Apesar do tema aparentemente ser inóspito, ele chegou a ser um dos best sellers do New York Times. Ele debate a possibilidade, real, do advento de máquinas com superinteligência, e os benefícios e riscos associados. Ele pondera que os cientistas consideram que houveram cinco eventos de extinções em massa na história de nosso planeta, quando um grande número de espécimes desapareceu. O fim dos dinossauros, por exemplo, foi um deles, e que hoje estaríamos viven-

do uma sexta, essa causada pela atividade humana. Ele pergunta, e será que nós não estaremos nessa lista?

Claro existem razões exógenas como a chegada de um meteoro, mas ele se concentra em uma possibilidade que parece saída de filme de ficção científica, como o “Exterminador do Futuro”. O livro, claro, desperta polêmica e parece meio alarmista, mas suas suposições podem se tornar realidade.

Alguns cientistas se posicionam a favor deste alerta, como Stephen Hawking, que disse textualmente: “The development of full artificial intelligence could spell the end of the human race”. Também Elon Musk, que é o fundador e CEO da Tesla Motors tuitou recentemente: “Worth reading Superintelligence by Bostrom.

We need to be super careful with AI. Potentially more dangerous than nukes”.

Pelo lado positivo, Bostrom aponta que a criação destas máquinas pode acelerar exponencialmente o processo de descobertas científicas, abrindo novas possibilidades para a vida humana. Uma questão em aberto é quando tal capacidade de inteligência seria possível. Uma pesquisa feita com pesquisadores de IA, apontam que uma máquina superinteligente - Human Level Machine Intelligence (HLMI) – tem 50% de chance de aparecer em torno de 2050. Para 2100, a probabilidade é de 90%! Será?

Então, pessoal, espero que curtam esta bibliografia tanto quanto eu curti. São leituras instigantes que abrem fantásticos insights.

Boa leitura para todos!

INTELLIGENT AUTOMATION 02 | 49

ARTIGO

Task Mining + Process Mining = Process Intelligence

50 | INTELLIGENT AUTOMATION 02

ARTIGO

Claudio Chaves Jr Diretor Regional, LATAM na ABBYY

No meu artigo anterior, falamos sobre a importância do uso do Process Mining na descoberta, análise e monitoramento de processos, usando como fonte, os dados de eventos gerados pelos sistemas que permeam um processo de negócio.

O aumento da demanda na utilização deste tipo de tecnologia tomou proporções relevantes, comparáveis ao próprio movimento de robotização de tarefas repetitivas através das ferramentas de RPA. Dentro deste mesmo contexto, percebeu-se que a automação em si não seria o grande desafio, mas sim a capacidade de identificar claramente quais são os melhores processos de negócio candidatos a automação, e bem como monitorar e medir se os objetivos planejados inicialmente com a automação, estão efetivamente sendo alcançados.

Com todas as tecnologias e acrônimos que surgem todos os dias, muitas vezes, até mesmo os usuários mais experientes com temas tecnológicos, acabam não entendendo a aplicação de cada ferramenta para cada tipo de problema. Neste cenário de descoberta e entendimento dos processos, percebeu-se uma lacuna para tratar aqueles processos que são realizados baseados apenas em aplicações (sistemas) das quais apenas se tem acesso aos sistemas em si.

Entender perfeitamente a interseção entre dados, processos, pessoas e sistemas é um ponto fundamental para uma verdadeira transformação digital. A capacidade de conectar os eventos entre os dados, as tarefas do usuário e os registros do sistema de negócios capacitam as organizações a reduzir o retrabalho nos processos, melhorar o atendimento ao cliente e acelerar a transformação digital. Enquanto o Process Mining é uma ferramenta muito poderosa para obter informações sobre os processos corporativos, o Task Mining opera em um nível mais baixo, voltado para o usuário de aplicações desktop, com o intuito de descobrir e analisar todas as tarefas que os usuários executam no meio de processos de negócio.

O Task Mining analisa o comportamento do usuário em aplicações desktop e os vincula perfeitamente com detalhes e instâncias do processo com base nos dados extraídos de eventos do sistema. Desta forma é possível ver onde tarefas repetitivas e ineficientes estão retardando seus processos, e com isso, é possível tomar ações pro-ativas e eficientes para realocar recursos nos lugares certos para resolvê-los. O ABBYY Timeline integra estas duas tecnologias através de uma plataforma única de última geração que proporcina o mais alto nível de análise de processos, o que denominamos como Process Intelligence.

INTELLIGENT AUTOMATION 02 | 51

ARTIGO

Mas como funciona o Task Mining da ABBYY? Gravação

• Coleta não intrusiva e gravação em larga escala de todos as ações dos usuários e suas respectivas sessões • Suporte grande quantidade de usuários de desktop com descoberta de variações

no comportamento dos usuários • Proteje informações confidenciais, aplicando tecnologia própria de OCR e visão computacional para remover e ocultar informações confidenciais através de políticas rigorosas

Análise

• Identifica tarefas, elementos de tela e ações do usuário

tos dos processos através do detalhamento de tarefas

• Automaticamente identifica padrões de interações do usuário por amostragem de múltiplas operações de tarefas para detectar variabilidades na execução da tarefa • Compreensão mais profunda dos even-

• Combina a interação do usuário de atividades de desktop e logs de eventos operacionais que revela oportunidades de automação

52 | INTELLIGENT AUTOMATION 02

ARTIGO

Recomendação

• Recomenda possíveis candidatos para automação de tarefas com base em diferentes critérios, tais como, duração, o número de etapas repetitivas na execução da tarefa, e a complexidade da execução

• Ajuda a construir um plano de transformação e dimensionar automação de alto valor nos processos críticos para o sucesso do seu negócio

O ABBYY Timeline utiliza as mais recentes tecnologias de Inteligência Artificial para identificar e automatizar tarefas repetitivas através de mais de 25 módulos que ajudará na análise e monitoramento de processos de ponta a ponta. Os novos recursos de Task Mining aproveitam o nosso amplo portfólio de soluções de inteligência de conteúdo e processos para conectar interações do usuário com processos de negócio, preenchendo assim uma importante lacuna entre eventos dos sistemas corporativos e uma compreensão aprofundada de como o trabalho é realmente realizado nas estações de trabalho. Desta forma, os gestores dos processos poderão ter uma visão unificada de todos os esforços e variações necessárias para completar todas as tarefas associadas na entrega dos resultados.

• Quais tarefas são boas candidatas a automação • Quais tarefas realmente valem a pena automatizar • Quais tarefas podem ser automatizadas • Como a automação de tarefas afeta o redimento do processo • Tarefas desnecessarias ou de longa duração • O melhor conjunto de tarefas para obter os resultados almejados em cada processo

Como benefícios tangíveis obtidos com a adoação do Task Mining, os usuários poderão facilmente identificar:

Para conhecer mais sobre a plataforma de Process Intelligence ABBYY Timeline clique aqui.

A ABBYY foi eleita nos últimos dois anos como líder no segmento de processamento inteligente de documentos pelo Everest Group e segmento de Process Mining pelo NelsonHall. A ABBYY vem há mais de 30 anos desenvolvendo tecnologia própria para automação de processos baseados em documentos. Milhares de organizações e mais de 50 milhões de pessoas de mais de 200 países e regiões usam produtos, tecnologias, soluções e serviços da ABBYY. A ABBYY fornece soluções e serviços para um terço das 100 empresas da Forbes que estão implantando sistemas de automação robótica de processos (RPA) para obter automação inteligente.

INTELLIGENT AUTOMATION 02 | 53

54 | INTELLIGENT AUTOMATION 02

INTELLIGENT AUTOMATION 02 | 55

ARTIGO

Descomplicando a Inteligência Artificial Igor Ramos Rocha Consultor de Empresas em Tecnologia.

Em seu atual estágio de aplicação prática, a Inteligência Artificial (IA) consiste em uma variedade de técnicas de predição. Predição é o processo que possibilita a obtenção de informações que você não possui a partir de informações que você possui. Essa pode parecer uma definição simplista para uma tecnologia tão impressionante, mas é de fato a sua essência, como veremos a seguir.

Por exemplo, uma aplicação de IA que reconhece se uma determinada imagem é de um gato, primeiro teve acesso a uma grande quantidade de imagens sabidamente de gatos, de forma a reconhecer padrões comuns a todas as imagens de gatos. Com isso, diante de uma imagem nova, que você não sabe do que se trata, a aplicação de IA busca pelo “padrão gato” e o resultado é a predição de a imagem nova ser de um gato.

56 | INTELLIGENT AUTOMATION 02

Aqui é importante fazermos uma diferenciação entre Inteligência Artificial e Inteligência Artificial Geral. Esta última simula a inteligência humana de forma plena, executando tarefas como raciocínio abstrato, formulação de conceitos, planejamento estratégico e é ainda objeto de pesquisa e filmes de ficção científica.

Como a capacidade dos sistemas para tratar grandes quantidades de dados e diversidade de padrões é finita, a maioria das aplicações de IA é especializada em um único tema (p.ex. reconhecimento de imagens de gatos).

Dentre as técnicas abrangidas pela IA, a Aprendizagem de Máquina tem sido a utilizada na ampla maioria das aplicações. A Aprendizagem de Máquina permite que computadores trabalhem com um determi-

ARTIGO

nado tema, sem terem sido explicitamente programados nele.

No nosso exemplo de reconhecimento de imagem de gatos, não é necessário programar o computador com o “padrão gato”. O computador extraiu o padrão gato a partir de um grande conjunto de imagens sabidamente de gatos e com isso “aprendeu” a predizer se uma determinada imagem é ou não de um gato.

Existem vários modelos de implementação da Aprendizagem de Máquina, dentre os quais citamos dois mais comuns: - Aprendizagem Supervisionada: o nome deriva do fato de que se baseia em um grande conjunto de dados previamente identificados (por um humano) e sua principal aplicação é

fornecer uma predição de um dado novo ser (ou não) compatível com o conjunto de dados conhecidos. P.ex. reconhecimento de imagens.

- Aprendizagem Não Supervisionada: como o nome sugere, neste modelo os dados não foram previamente identificados e sua principal aplicação é fornecer uma predição de um dado pertencer ou relacionar-se a um determinado grupo, por apresentar um mesmo padrão. P.ex. segmentação de clientes.

Na IA os dados possuem um papel fundamental e são divididos em três categorias: - Dados de Treinamento: são usados para a aplicação identificar características ou correlações em um conjunto de dados de forma a “aprender” que um dado pertence a um determinado grupo ou tem uma relação definida com outros dados do conjunto.

INTELLIGENT AUTOMATION 02 | 57

ARTIGO Em seu atual estágio de aplicação prática, a Inteligência Artificial (IA) consiste em uma variedade de técnicas de predição. Predição é o processo que possibilita a obtenção de informações que você não possui a partir de informações que você possui. Essa pode parecer uma definição simplista para uma tecnologia tão impressionante, mas é de fato a sua essência, como veremos a seguir.

Por exemplo, uma aplicação de IA que reconhece se uma determinada imagem é de um gato, primeiro teve acesso a uma grande quantidade de imagens sabidamente de gatos, de forma a reconhecer padrões comuns a todas as imagens de gatos. Com isso, diante de uma imagem nova, que você não sabe do que se trata, a aplicação de IA busca pelo “padrão gato” e o resultado é a predição de a imagem nova ser de um gato.

Aqui é importante fazermos uma diferenciação entre Inteligência Artificial e Inteligência Artificial Geral. Esta última simula a inteligência humana de forma plena, executando tarefas como raciocínio abstrato, formulação de conceitos, planejamento estratégico e é ainda objeto de pesquisa e filmes de ficção científica.

Como a capacidade dos sistemas para tratar grandes quantidades de dados e diversidade de padrões é finita, a maioria das aplicações de IA é especializada em um único tema (p.ex. reconhecimento de imagens de gatos).

Dentre as técnicas abrangidas pela IA, a Aprendizagem de Máquina tem sido a utilizada na ampla maioria das aplicações. A Aprendizagem de Máquina permite que computadores trabalhem com um determinado tema, sem terem sido explicitamente programados nele.

No nosso exemplo de reconhecimento de imagem de gatos, não é necessário programar o computador com o “padrão gato”. O computador extraiu o padrão gato a partir

58 | INTELLIGENT AUTOMATION 02

de um grande conjunto de imagens sabidamente de gatos e com isso “aprendeu” a predizer se uma determinada imagem é ou não de um gato.

Existem vários modelos de implementação da Aprendizagem de Máquina, dentre os quais citamos dois mais comuns: - Aprendizagem Supervisionada: o nome deriva do fato de que se baseia em um grande conjunto de dados previamente identificados (por um humano) e sua principal aplicação é fornecer uma predição de um dado novo ser (ou não) compatível com o conjunto de dados conhecidos. P.ex. reconhecimento de imagens.

- Aprendizagem Não Supervisionada: como o nome sugere, neste modelo os dados não foram previamente identificados e sua principal aplicação é fornecer uma predição de um dado pertencer ou relacionar-se a um determinado grupo, por apresentar um mesmo padrão. P.ex. segmentação de clientes.

Na IA os dados possuem um papel fundamental e são divididos em três categorias: - Dados de Treinamento: são usados para a aplicação identificar características ou correlações em um conjunto de dados de forma a “aprender” que um dado pertence a um determinado grupo ou tem uma relação definida com outros dados do conjunto.

- Dados de Entrada: são os dados novos submetidos à aplicação e que desejamos saber se pertencem a um determinado grupo ou se tem relação com outros dados, com base no que foi aprendido pela aplicação.

- Dados de Feedback: a predição feita pela aplicação sobre os dados de entrada, indicando pertencerem um grupo ou terem relação com outros dados, retorna para a própria aplicação para refinar o processo de aprendizagem.

ARTIGO Quanto maior for a quantidade de dados melhor será a qualidade da predição. Uma quantidade grande de dados de treinamento é importante para que a aplicação ofereça bons resultados desde o início. E à medida que a aplicação é usada, submetida a dados de entrada e gerando dados de feedback, a predição tende a melhorar.

Além de revelar informações até então desconhecidas a partir de dados conhecidos, um outro objetivo importante da IA é automatizar tarefas. Para isso, as aplicações precisam ser capazes de usar as predições para a tomada de decisões, o que implica na capacidade de fazer julgamentos.

Para entendermos o julgamento vamos considerar um exemplo onde a IA é usada para predizer se uma mensagem de e-mail é spam e direcioná-la para a caixa de entrada ou para a caixa de spam. Remeter uma mensagem legítima para a caixa de spam pode resultar no usuário descartar algo importante. Por outro lado, encaminhar uma mensagem de spam para a caixa de entrada pode levar o usuário a perder tempo com algo indesejado. A aplicação de IA precisa então ponderar o resultado da ação de direcionamento da mensagem em função da consequência que ela trará para o usuário, ou seja, fazer um julgamento para executar a melhor ação possível.

De maneira geral, o julgamento por uma aplicação de IA pode ocorrer por deliberação ou por experimentação. Por deliberação, se for possível associar previamente a cada predição uma ação correspondente. Por experimentação, usando tentativa-e-erro, com o acompanhamento de um humano, até a IA “aprender” qual a ação que um humano executaria diante das predições possíveis e, depois, poder dispensar o acompanhamento.

tos fundamentais da IA. Com a utilização de técnicas e modelos adequados, podemos obter informações valiosas, até então desconhecidas, a partir de dados que estão à disposição da empresa, bem como automatizar inúmeras tarefas, por mais complexas que sejam.

A empresa que deseja utilizar a IA precisa primeiro fazer uma avaliação no nível de sofisticação analítica do negócio. Toda organização possui dados e a maneira como ela usa esses dados em prol do negócio revela quão pronta ela está para se engajar em uma iniciativa de IA. Existem 5 níveis de sofisticação analítica: - Nível 1 – Dados: o negócio que está neste nível é capaz de coletar os dados adequados para entender eventos passados, i.e., conseguem responder à pergunta “o que aconteceu?”. Sistemas de BI e CRM, por exemplo, oferecem funcionalidades que permitem o cruzamento e a visualização de dados para serem avaliados por pessoas.

- Nível 2 – Conhecimento: neste nível a empresa possui a capacidade de entender e codificar a lógica que explica por que certos resultados ocorreram ou, em outras palavras, conseguem responder à pergunta “por que aconteceu?”. Aqui encontramos aplicações de data mining e de analytics oferecendo a capacidade de identificar padrões e correlações entre dados.

- Nível 3 – Inteligência: a organização que está neste nível provavelmente já utiliza a IA, pois aqui já existe competência preditiva, o que também pressupõe domínio sobre os dois níveis anteriores. A empresa consegue responder à pergunta “o que acontecerá?”.

Neste nível também encontramos (ou existe potencial para) tarefas automatizadas pela IA, de forma que esta tecnologia já está integrada a processos da empresa ligados direta ou indiretamente ao negócio.

Dado, predição e julgamento são os elemen-

INTELLIGENT AUTOMATION 02 | 59

ARTIGO - Nível 4 – Insight: este é o nível onde a IA consegue revelar oportunidades ou mesmo fornecer novas ideias, de maneira geral respondendo à pergunta “o que poderia ser melhor?”. Nas empresas que estão neste nível a IA encontra-se disseminada de forma que o negócio é “powered by AI” e onde ocorreu a Transformação Digital. Ao invés das pessoas desenvolverem sistemas para ajuda-las a criar produtos e atender aos clientes, elas desenvolvem as aplicações de IA e estas são quem criam os produtos e prestam serviços aos clientes.

so” é composto por várias “tarefas”. Cada tarefa possui um conjunto de “decisões” e estas decisões competem às diversas “funções”, que são desempenhadas por pessoas.

- Nível 5 – Mudança: considerado o nível mais sofisticado, nele a IA é capaz de transformar a si mesma, automatizando o ciclo “dados – insights – ações – resultados”. A pergunta a ser respondida é “como automatizar a transformação?”. Este último nível é também o mais ambicioso. É como se o negócio, ou parte dele, tivesse “vida própria”, reconfigurando a si próprio em função da resposta obtida do mercado.

- Eliminar tarefas: a introdução da IA no processo pode tornar certas tarefas obsoletas de modo que não são mais necessárias.

Em alguns casos pode haver até mesmo uma reconfiguração ou redesenho do processo como um todo.

O resultado da análise anterior indicará competências que precisam ser absorvidas e adequações que necessitam ser executadas para capacitar a organização a trabalhar com IA. O próximo passo é entender a IA como uma Reengenharia de Processos. Em 1993, em meio a difusão dos computadores nas organizações, Michael Hammer e James Champy introduziram o conceito da reengenharia de processos. Para uma implementação bem-sucedida dos computadores foi necessário, primeiro, estudar o processo para identificar as tarefas necessárias para alcançar um determinado objetivo e, somente então, avaliar se a implementação do computador fazia sentido.

A IA é o tipo de tecnologia que também requer repensar os processos da mesma forma que na reengenharia. Resumidamente, um “proces-

60 | INTELLIGENT AUTOMATION 02

Ao implementar a IA em um processo temos três impactos possíveis: - Automatizar tarefas: significa substituir tarefas antes executadas por pessoas pela IA. Importante destacar aqui que eliminar uma pessoa de uma tarefa não significa excluí-la de uma função.

- Adicionar tarefas: embora à primeira vista pareça contraproducente, a implementação da IA pode revelar oportunidades de incrementar o processo para oferecer novas funcionalidades que eram inviáveis antes da IA. Para apoiar essa “reengenharia baseada em IA” um método eficiente é o “AI Canvas”.

A exemplo do Business Model Canvas, que se popularizou nos anos 2010, o AI Canvas oferece a disciplina para enxergar uma tarefa sob o ponto de vista da IA. O AI Canvas orienta o mapeamento dos elementos fundamentais de uma aplicação de IA que devem ser identificados em uma tarefa: - Ação: o que você quer fazer?

- Predição: o que você precisa saber para a tomada de decisão?

- Julgamento: como você pondera as recompensas e as penalidades decorrentes de uma ação?

- Resultado: quais os parâmetros para a decisão ser considerada bem-sucedida?

- Entrada: quais dados você precisa para exe-

ARTIGO cutar o algoritmo preditivo?

- Treinamento: quais dados você precisa para treinar o algoritmo preditivo?

- Feedback: como você pode usar o resultado para aprimorar o algoritmo?

Com a maturidade analítica adequada da organização e o mapeamento das tarefas onde se deseja implementar aplicações de IA em um negócio, estamos aptos a avaliar eventuais gaps que precisam ser cobertos antes de iniciar um projeto e, uma vez satisfeitas as condições fundamentais, partirmos para o planejamento da implementação.

Uma boa implementação começa com o buy-in no nível dos executivos seniores (C-level). Independente se objetivo é tratar apenas uma tarefa mais crítica ou problemática, dentre as inúmeras que compõem um dos muitos processos do negócio, ou se a ambição é promover uma transformação do negócio como um todo por meio da IA, o patrocínio do board é fundamental.

Nem todos os executivos precisam estar comprometidos (embora os que não estejam precisam ao menos estar envolvidos). Como algum tempo e energia serão dispendidos para trazer um ou mais executivos a bordo do projeto, é importante avaliar com quais deles será necessário maior empenho nessa missão e isso dependerá da natureza da iniciativa de IA: - CEO: o patrocínio do principal executivo é sempre importante e por isso, via de regra, ele sempre deve fazer parte da lista. Mas sua atuação se torna absolutamente fundamental quando a iniciativa de IA pretende impactar o core business da empresa ou a estratégia do negócio.

- CTO: Chief Technology Officer não é uma denominação mais moderna e nem sinônimo de CIO. Este executivo, via de regra, está à frente da tecnologia diretamente relaciona-

da ao negócio da empresa e seus clientes e, portanto, terá papel decisivo se o projeto de IA estiver relacionado com este domínio.

- CIO: embora muitas vezes este profissional incorpore as funções de CTO, a priori, seu foco de atuação são os processos e sistemas operacionais da organização. Portanto, se o projeto de IA visa otimização operacional, ele será uma peça-chave.

- CDO: ainda raro nas organizações e com suas funções frequentemente atreladas ao CTO (ou CIO), em nível gerencial, o Chief Data Officer será fundamental principalmente se o projeto de IA demandar grande esforço de organização de dados.

- CAO: mais raro ainda do que o CDO nas empresas é o Chief Analytics Officer, dedicado a transformar dados em ativos de negócio. Se ele (ou quem quer que tenha esta função) existir, será uma pessoa chave. Por mais contraditório que possa parecer, alguns profissionais de analytics são refratários a IA e precisarão ser “convertidos”.

Outro ponto importante são os “motivadores organizacionais”. A organização como um todo deve desenvolver uma percepção positiva da iniciativa de IA, principalmente em projetos multifuncionais, que envolvem vários departamentos: - EBITA: o resultado econômico é provavelmente o motivador mais abrangente. O aumento da receita e/ou a redução das despesas impacta toda organização e beneficia a todos.

- Competitividade: a pressão exercida pelo próprio mercado e/ou através dos concorrentes gera o efeito FOMO – Fear Of Missing Out, ou medo de ficar para trás.

- Pequenas vitórias: começar com pequenos projetos bem específicos onde a

INTELLIGENT AUTOMATION 02 | 61

Da Teoria à Prática a Ciatécnica transform suas demandas em projetos reais O futuro e a vantagem competitiva das empresas está no mundo digital Cezar Taurion

Baixe nosso e-book

Como as tecnologias digitais vão mudar a forma como os médicos se relacionam com os pacientes

TEL.: +55 11 4780-4940 contato@ciatecnica.com

www.ciatecnica.com.br 62 | INTELLIGENT AUTOMATION 02

ma

INTELLIGENT AUTOMATION 02 | 63

ARTIGO

AI 1 Antonio Barreiros

Membro do Grupo de consultores associados da Cia Técnica.

Estamos vivendo um momento interessante na evolução da inteligência artificial em sua vocação de interferir em nossas vidas humanas. Alguns aspectos precisam ser avaliados, discutidos, repensados e controlados. Neste estágio atual, ainda utilizamos a AI como uma nova e formidável ferramenta aceleradora de nossas atividades. Ainda muito limitada, se pensarmos em seu potencial, pois basta verificarmos alguns dos Bots que atendem os usuários de bancos, empresas de e-commerce entre outros, que só trabalham com alguma eficiência o caminho feliz, restringindo a questões pré-formuladas, a capacidade de comunicação com seus clientes, o que além de ineficaz, representa um exemplo de AB (Artificial Burrice)pois cria um bloqueio na capacidade do cliente resolver o problema.

Nossa inteligência é preciosa por sua capacidade de resolver problemas para facilitar

64 | INTELLIGENT AUTOMATION 02

nossa vida em sociedade, e não para suprir tarefas repetitivas a partir de premissas estabelecidas. Isto é mecanizar, automatizar, com uma bonequinha com apelido engraçadinho, mas não é inteligência. A inteligência pressupõe ética. Pressupõe que os profissionais que exploram a tecnologia disponível, precisariam ser pesadamente treinados em aspectos sociais, éticos e humanos, de forma a não permitir que seus produtos possam ser utilizados para se extrair vantagens do público. Devem entender que suas aplicações podem ser raqueadas por elementos nocivos de hoje e do futuro, Imagine voce sendo operado por um robô raqueado por um desafeto.

Morte certa. Certamente no futuro a teoria unissista de um remédio especifico para cada um de nós, pode e deve ser manipulada por algum Bot que vai analisar toda a base de informações sobre você e planejar o composto que vai salvar sua visa. Mas

ARTIGO

e se esse bot for acessado por um racker a serviço de um laboratório comandado por pessoas inescrupulosas que adicionam uma substancia na produção impactando em sua saúde. Obvio que essa é uma tecnologia de uso restrito. O técnico que programa um chatbot pode interferir em uma aplicação de saúde.

Os transportes também serão fortemente afetados pela AI. Não me refiro a carros automatizados como a iniciativa do Google.

Penso no não-movimento, onde sua localização permitirá que drones , e serão tantos de só AI para gerenciar isso, irão entregar e receber qualquer peça, onde quer que você determine. Peças de tamanho reduzido também poderão ser impressos em 3D em bancas que substituirão as bancas de jornais. Substituiremos totalmente o papel, o que é ótimo para o meio ambiente, e agora poderemos substituir a queima do petróleo, que passará a ser um gerador das substancias a serem utilizadas pelas impressoras 3D com formulações totalmente bio degradáveis mantendo a extração de petróleo por algumas décadas mais.

Mas nosso ponto aqui é a Ética. Recentemente quatro cientista do Google, afirmaram que a empresa está “começando” a interferir em estudos importantes sobre potenciais perigos da tecnologia. Induzem a acreditarmos que estão vivenciando um processo de censura. No mesmo Google tivemos a saída abrupta de Tilinta Gebru, que liderava um grupo de especialistas em pesquisa focada na ética de softwares de AI. Quantas empresas, muito menos preocupadas do que a Google que, pelo menos, mantem uma equipe para estudar e ques-

tionar esses temas, estão acelerando suas pesquisas somente orientada por resultado e ganhos financeiros e promocionais.

Sabemos há algum tempo, que a maioria dos profissionais e estudantes do Vale do Silício e das grandes Universidades americanas consomem toneladas de nootropicos, buscando aumentar sua perfomance individual, acelerando trabalhos relativos a AI entre outros. Ora, estamos procurando melhorar nosso cérebro para melhorar AI? Estamos preocupados com o risco que essa evolução pode trazer para nossa sociedade se não for desenvolvida dentro dos padrões da ética, considerando as três diretivas básicas da robótica, criadas por Isaac Asimov? Acho que a maioria dos envolvidos nem sabe quem foi Asimov.

Precisamos criar diretivas obrigatórias que precisam ser parte das soluções de AI. Precisamos certificar esses produtos e blinda-los contra invasões maléficas. Precisamos inserir cadeiras estudantis que permitam e aprofundem aspectos da ética e humanidade em cursos que cubram desde desenvolvedores até cientistas e executivos.

Pouco antes de vir a falecer, o cientista Stephen Hawking , publicou um artigo expondo sua preocupação com o uso descontrolado da tecnologia de AI, por pessoas não mentalmente preparadas para lidar com esse poder.

Mas ou menos o que o Humberto Eco, filólogo e escritor italiano, disse há algum tempo atrás, sobre o uso da internet por pessoas despreparadas para tal. E que eu saiba , nenhum dos dois precisou se utilizar de nootropicos para desenvolverem seu trabalho.

INTELLIGENT AUTOMATION 02 | 65

ARTIGO

Comunicação assertiva e envolvimento dos funcionários são fundamentais para o sucesso da implantação de RPA nas empresas Edgar Garcia

Diretor comercial da UiPath para a América Latina

Um dos maiores desafios para as empresas ao implementar soluções em RPA – robotic process automation – é a comunicação. Comunicar os benefícios da tecnologia de modo que os funcionários os compreendam, auxiliem na sua implementação e não se sintam ameaçadas por ela é desafiador e ao mesmo tempo crucial para o sucesso de um projeto de RPA. Isso ocorre porque os profissionais costumam se sentir ameaçados pela nova tecnologia, uma vez que não a conhecem. Entre fevereiro e março do ano passado, a UiPath realizou uma pesquisa com 4.500 trabalhadores de escritórios localizados nos EUA, Reino Unido, França, Alemanha, Índia e Cingapura detectou que 25% se preocupam em perder o emprego devido à automação e a maioria dos trabalhadores de escritório (83%) em todo o mundo se sentiria mais segura em seu trabalho se o empregador oferecesse oportunidades de aprender novas habilidades.

Ou seja, se por um lado os trabalhadores se sentem ameaçados pelo RPA – podendo,

66 | INTELLIGENT AUTOMATION 02

com isso dificultar sua implementação – por outro se mostram receptivos a atualizar seu conhecimento e, com isso, estarem mais aptos a atuarem lado a lado com a tecnologia e usufruindo de todas as suas vantagens.

Por onde as empresas devem começar a desenvolver a estratégia certa? Acredito que são três pontos a serem priorizados: 1. Desenvolva um plano de comunicação adequado Este plano deve contemplar uma ampla explicação sobre o que é RPA, quais processos são adequados para automação e como os colaboradores se beneficiarão da tecnologia. É fundamental que se sintam envolvidos no processo, possam esclarecer suas dúvidas e compreendam que o RPA pode lhes ajudar a se concentrarem em atividades realmente estratégicas e não burocráticas ou repetitivas e, com isso, consigam ter tempo para realmente impulsionar suas carreiras.

ARTIGO 3. Atue de forma estratégica desde antes de implementar a tecnologia Pode parecer óbvio, mas não é. Muitas empresas perdem tempo e dinheiro ao implementarem soluções de RPA sem realizar um planejamento estratégico adequado e, com isso, automatizar apenas um setor, quando a automação poderia ser realizada em escala, trazendo retornos muito mais rápidos ao negócio. É preciso avaliar quais resultados se espera obter da automação e, portanto, mapear todos os processos que podem ser automatizados em uma corporação simultaneamente.

Este mapeamento amplo só pode ser feito de forma eficiente com a ajuda dos funcionários!

2. Trabalhe junto com três grupos: diretores, gerentes e funcionários.

Os diretores devem estar envolvidos em topas as etapas: do conceito à implantação em grande escala. Os executivos devem ter acesso a relatórios regulares para avaliar evolução e resultados.

Os gerentes estão em uma posição estratégica para implementação de um projeto de RPA, respondendo aos diretores sobre a evolução da tecnologia na corporação e ao mesmo tempo envolvendo times na sua execução, engajando funcionários e tranquilizando-lhes que a solução não vem ameaçar empregos.

Funcionários. Já falamos acima sobre a importância de uma comunicação proativa e clara sobre o RPA. Envolver os funcionários implica ainda em fornecer o máximo possível de capacitação e treinamento contínuo.

Além disso, os funcionários são fundamentais para o próximo ponto:

Toda empresa de qualquer segmento de mercado pode se beneficiar das soluções de RPA. Mas para que isso seja possível, é preciso investir em uma comunicação clara e envolvimento de todos que fazem o negocio acontecer. O RPA não é uma ameaça, mas uma solução que gera mais valor para o negócio e para o profissional que pode alcançar outros patamares em sua carreira ao se focar no que é realmente importante.

Sobre a UiPath: A UiPath tem como visão entregar uma empresa totalmente automatizada ™️, ou seja, viabilizar que a automação desbloqueie todo o potencial do negócio.

A UiPath oferece uma plataforma de ponta a ponta para automação, combinando sua solução líder em Robotic Process Automation (RPA) com um conjunto completo de recursos, permitindo que cada organização dimensione suas operações em uma velocidade sem precedentes.

INFORMAÇÕES PARA A IMPRENSA:

Elabore Estratégia (www.elaboreestrategia.com.br) Luciana Santos Tardioli – (11) 97350-6928 luciana@elaboreestrategia.com.br Vanessa Costa – (11) 98584-1072 vanessa@elaboreestrategia.com.br

INTELLIGENT AUTOMATION 02 | 67

ARTIGO

Inteligência Artifi

na segurança do trabalh Tarcisio Caddah

Innovation Consultant at T4S Tecnologia

Moacyr Duarte

Especialista em Gerenciamento de Riscos

Desde o nascimento da Engenharia de confiabilidade do meio do século passado, foram identificados nas análises dos sistemas dos processos um conjunto de desvios que podiam gerar interrupção da atividade, danos aos equipamentos, ao ambiente, aos operadores e vizinhos das instalações. Esse conjunto de desvios é tratado como risco que é o potencial negativo relacionado com a frequência.

A medida que os sistemas e os processos se sofisticaram, os métodos lógicos e matemáticos para analisar esses riscos também evoluíram.

Tais métodos sempre foram usados como defesa para circunscrever os riscos, suas consequências na contingência e na sua mitigação. Porém, fica claro que, alguns aspectos precisam receber mais atenção nos dias de hoje, como por exemplo, a repetição e as condições de contorno estabelecidas para cada cenário.

68 | INTELLIGENT AUTOMATION 02

As atividades de maneira geral têm características rotineiras e repetitivas, e isso facilita circunscrever os processos e as condições de contorno para controlar os riscos decorrentes de cada uma delas. Porém, o uso autodeterminado em condições não projetadas de coisas simples, como por exemplo a utilização do telefone celular, vem resultando em ocorrências como incêndios, lesões e uma série de outros eventos negativos que são muito dificilmente controlados porque não temos acesso integral as condições de contorno.

Isso deixa claro que por melhor, mais criteriosa e competente que seja cada análise dos riscos para cada atividade, cada trabalhador, em cada frente de serviço pode criar e interferir em sua rotina gerando novos cenários que fogem totalmente aos controles previamente estabelecidos. E por sermos seres confinados no presen-

ARTIGO

icial

ho

te, que só tem acesso ao futuro e ao passado por estruturas intelectuais, quando planejamos uma atividade no futuro, esse mesmo futuro que existe no nosso planejamento, é aquele que conhecemos do passado e que criamos baseados em experiências.

E é exatamente nesse cenário que a inserção das tecnologias no cotidiano das pessoas promove uma geração infinita de futuros imprevisíveis, que são entregues a cada usuário, a cada momento de suas vidas. E com isso, a chance de haver parâmetros no futuro real que não serão considerados, não por inexperiência ou por falha da análise, certamente gerarão inúmeros riscos que consequentemente não serão controlados.

Por isso é indispensável que o emprego de Inteligência Artificial crie um “para-choque” que, de alguma maneira bloqueie e revele os riscos que são decorrentes da quantidade enorme de futuros variantes com os quais cada trabalhador pode gerar. Só com a adoção de novas ferramentas poderemos evitar que, nós especialistas da área de riscos, não sejamos mais surpreendidos por futuros cenários que fugiram totalmente de nossas análises e expectativas, por mais

competente que cada um de nós tenha sido. É nesse cenário que precisamos aplicar o potencial imensurável da IA. Identificando e antecipando riscos, poupando inúmeras consequências negativas, criando junto ao usuário no momento do uso da tecnologia esse cheque amigável das condições de contorno, que mesmo imprevisíveis, possam ser constantemente atualizadas frente a cada mudança de cenário.

Permitindo dessa forma uma intervenção proativa e totalmente disruptiva frente a cada alteração do ambiente que gere as condições para um acidente acontecer.

Por isso acreditamos que estamos diante de uma ruptura radical entre passado e futuro, onde as reuniões de especialistas não acontecerão mais pós acidentes, mas sim antes deles acontecerem, uma vez que a identificação por máquinas de futuros imprevisíveis seja capaz de revelar os cenários de riscos que as limitações humanas ainda não nos permitem prever.

Sabemos que isso pode parecer utopia ou até mesmo loucura à primeira vista, mas para nós loucura mesmo é tolerar que 2 milhões de vidas sejam perdidas por acidentes do trabalho a cada ano em pleno século 21.

INTELLIGENT AUTOMATION 02 | 69

70 | INTELLIGENT AUTOMATION 02

INTELLIGENT AUTOMATION 02 | 71

ARTIGO

Procura-se desesperadam 72 | INTELLIGENT AUTOMATION 02

mente...

ARTIGO

Edilson Pinto

Professor da UFRN, médico e escritor Tutor orientador da empresa Junior MedSolutions JR Sócio fundador da LapidaDOR

Bem, não sei se o cantor Frejat continua procurando um amor que seja bom para ele, diferente de todos e em cujos olhos possa descobrir uma razão para viver, e, assim conseguir esquecer as feridas dessa vida. E haja feridas abertas em 2020... Às vezes, fico me perguntando se ele está procurando no lugar correto: numa fila de cinema, numa esquina ou numa mesa de bar? E por eu ter encontrado meu amor, minha Viviane, dentro do hospital de oncologia, durante minha residência de cirurgia oncológica, no Rio de Janeiro, em 1992, gostaria muito poder de ajudá-lo. Por isso, vou sugerir que ele procure na Inteligência Artificial (IA), pois tenho certeza que lá ele encontrará...

Não vai ser um caminho fácil, já que seus olhos terão que se voltar ao passado pois a vida só poderá ser compreendida olhando-se para trás, como ensinava o filósofo dinamarquês Soren Kierkegaard.

INTELLIGENT AUTOMATION 02 | 73

ARTIGO O ano era 1895, e os irmãos Lumière, não satisfeitos com a descoberta da fotografia, resolveram ousar ainda mais: inventaram o cinema, algo que causou uma ruptura tão grande na sociedade: o impacto do vídeo histórico “Arrivée d’um train em gare a La Ciotat (Chegada de um trem à estação da Ciotat) que levou as pessoas a fugirem da sala do cinema temendo serem atropeladas, pode ser considerado o primeiro grande efeito de transformação em uma tecnologia secular do homem, o chamado olho humano¹.

Entretanto, passado tanto tempo, o ser humano ainda “é incapaz de perceber, a olho nu, as grandes transformações”. Daí o porquê, no filme Matrix, o agente Smith ter segurado Neo em uma linha de trem, com o objetivo de eliminá-lo - e a medida que o trem se aproximava - ele advertia: “Está escutando, Neo? Este é o som da inevitabilidade!”².

Portanto, quem tiver olhos, veja; quem tiver ouvidos, ouça: não dá mais para pensar de forma linear, na zona de conforto, mesmo após cinco décadas da invenção do microprocessador por Gordon Moore, pois essa miopia, aliada à surdez de querer permanecer no status quo, gerará a um drástico resultado: “corpos ficarão pelo caminho”¹.

“Corpos”?!! Sim! Nokia, Motorola, Kodak, Yahoo, Xerox, MySpace, Atari, Blackberry, Blockbuster... E a lista não vai parar de crescer se as pessoas continuarem sem verem e ouvirem que o mundo cresce exponencialmente a cada 18 meses, como ensina a Lei de Moore. É urgente perceber o ritmo das mudanças tecnológicas!!!

Então, se quisermos ajudar Frejat a encontrar um amor que seja bom para ele, o primeiro

74 | INTELLIGENT AUTOMATION 02

mandamento, que parece tão óbvio, como nos adverte Duncan Watts deve ser: “Aprender a questionar justamente seus instintos sobre como as coisas funcionam, e se possível desaprendê-los”³.

As empresas corporativas tradicionais precisam entender que se o foco antes era a geração de resultados a curto prazo, agora é vital reprogramar a bússola do novo poder – altamente descentralizado, sem dono organizacional nem líderes - para enxergar e ouvir que há um novo consumidor na área, procurando amores que consigam conhecer melhor os seus segredos.

E um dos milhares exemplos disso que acontece na área da saúde – ainda tão arraigada no modelo onde o conhecimento pertencia à guardiãs do conhecimento distantes dos seus pacientes, utilizando vocabulários complicados e receitas inelegíveis - é a plataforma https://www. patientslikeme.com/, que conecta milhares de pessoas através de mais de 2.800 doenças, compartilhando informações médicas, experiências e, o que é mais importante, criando a mais valiosa commodity da atualidade: milhões de dados.

E nenhum médico terá mais a chave de fechar essas portas, essas conexões ⁴.

Portanto, tinha mesmo razão o poeta inglês John Donne, que considero como o pai da internet, quando no século XVI disse: “ninguém é por si só uma ilha”. Afinal, para as ideias se multiplicarem, a inovação deve ser cada vez mais aberta, com o recrutamento de “olhos e ouvidos” de múltiplas pessoas que podem não ter, a princípio, nada em comum, mas, se procurarmos, com cuidado, veremos que estarão todos à imagem e semelhança do cantor Frejat: “procurando um amor, razões para viver e assim esquecer as feridas dessa vida”...

ARTIGO Segundo o CFM - Conselho Federal de Medicina, no Brasil, a cada 60 minutos, em média, pelo menos cinco pessoas morrem vítimas de acidente de trânsito.

Não só nas curvas da estrada de Santos, mas em todas as estradas e ruas do nosso país onde mais de 1,6 milhão de feridos nos últimos dez anos, ao custo direto de quase 3 bilhões de reais para o Sistema Único de Saúde (SUS). Não há referência nenhuma sobre o custo intangível: famílias destroçadas, UTIs abarrotadas de sofrimento, e não me perguntem: “Por quem os sinos dobram?”, pois o mesmo Donne já avisou: “A morte de qualquer homem diminui a mim, porque na humanidade me encontro envolvido”.

Certo, definimos o problema, e agora?

Como resolvê-lo?

Bem... Primeiro teremos que pedir encarecidamente que a IA crie um braço chamado IAam (Inteligência Artificial do Amor). IAam?!!

Sim, para uma ideia “colar”, segundo os irmãos Chip e Dan Heath, será necessário que ela seja simples, surpreendente, clara, tenha credibilidade, seja repleta de sentimentos humanos e que consiga lhe fazer viajar para enxergar como o problema pode ser resolvido⁵.

Pois bem, imagine você entrando no seu carro, depois de ter tomado várias taças de vinho, durante toda noite, seus reflexos estão diminuídos, mas não a ponto de lhe fazer desistir da direção. Para abrir o veículo, você terá que soprar na sua chave...

Sim! Soprar na ponta da chave! Já que o carro é movido a energia, nada melhor do que seguir os ensinamentos das escrituras sagradas: “e soprou-lhe nas narinas o fôlego da vida; e o homem tornou-se alma vivente”.

Assim, o Ruach (o sopro de vida) acionará

um alerta no computador de bordo do veículo: álcool acima do limite suportável!

- Senhor, nós vamos dirigir o seu carro - diz o nosso motorista criado pela IAam. - De jeito nenhum - responderá você. Afinal, o nível alcoólico agora está em concentração bem preocupante.

- Senhor, temos duas opções: ficar aqui até amanhã parados ou eu vou dirigir o seu carro, afinal, perguntaram certa vez ao escritor argelino Albert Camus se ele fosse fazer um livro sobre ética, como seria? Rapidamente, o ganhador do prêmio Nobel de literatura respondeu: “As primeiras noventa e nove páginas eu deixaria em branco e a última escreveria apenas uma palavra: AMOR! Que a IAam venha nos ensinar sobre ética e amor, e, assim, finalmente a busca de Frejat seja alcançada: “Eu procuro um amor que ainda não encontrei Diferente de todos que amei Nos seus olhos quero descobrir Uma razão para viver E as feridas dessa vida eu quero esquecer Pode ser que eu a encontre numa fila de cinema Numa esquina ou numa mesa de bar Procuro um amor que seja bom pra mim Vou procurar, eu vou até o fim E eu vou tratá-la bem, pra que ela não tenha medo Quando começar a conhecer os meus segredos”...

Referências 1. MAGALDI, S; SALIBI NETO, J. GESTÃO DO AMANHÃ: Tudo que você precisa saber sobre gestão, inovação e liderança para vencer na 4a revolução industrial. Gente; 10ª edição (1 março 2018) 2. KELLY, K. INEVITÁVEL: as 12 forças tecnológicas que mudarão o nosso mundo. HSM; 1ª edição, abril 2017; 3. WATTS, DJ. TUDO É ÓBVIO. Paz & Terra; 4ª edição, dezembro 2012; 4. TIMMS, H; HEIMANS, J. O NOVO PODER – Como disseminar ideias, engajar pessoas e estar sempre um passo à frente em um mundo hiperconectado. Intrínseca; 1ª edição, agosto 2018; 5. HEATH, C; HEATH, D. IDEIAS QUE COLAM: por que algumas ideias pegam e outras não. Editora Alta Books; 1ª edição, julho 2018.

INTELLIGENT AUTOMATION 02 | 75

Transformação Digital

com Assinaturas Eletrônicas

Com os pads de assinatura manuscrita eletrônica e os pen displays da Wacom, os provedores de serviços financeiros são capazes de digitalizar formulários, capturar assinaturas eletrônicas manuscritas e implementar fluxos de trabalho sem papel.

Ao eliminar a necessidade de imprimir, digitalizar e recuperar papel, a tecnologia de assinatura eletrônica da Wacom libera o consultante a se envolver mais diretamente com os clientes antes, durante e depois de sua transação.

Os pads de assinatura Wacom capturam uma riqueza de dados biométricos que permite verificação precisa de assinatura manuscrita eletrônica - uma parte importante de uma política de autenticação de vários fatores sempre que documentos importantes precisam ser assinados e validados.

Descubra o que a Wacom pode fazer por você.

Não se contente com soluções de caneta e tinta digital que não foram projetadas sem consideração do seu caso de uso.

Para manter a interação humana que os clientes valorizam ao tomar decisões financeiras importantes pessoalmente, as soluções Wacom replicam a sensação de assinaturas tradicionais de caneta e papel, com o benefício adicional de um processo completamente digital.

76 | INTELLIGENT AUTOMATION 02

Conecte-se à Wacom hoje para começar a construir sua filial do futuro: • • •

Estenda o ciclo de vida do produto Modernize a experiência do cliente Aumente a segurança com criptografia ponta a ponta

Por que trabalhar com Wacom?

Oferece suporte à verificação de assinatura biométrica como parte de seus protocolos de autenticação.

Permita que seus clientes utilizem experiências familiares com benefícios digitais.

Aproveite a potência e a qualidade dos produtos confiáveis e de baixa manutenção da Wacom.

Acelere sua papelada com fluxos de trabalho digitais completos.

Crie novos fluxos de receita digitalizando fluxos de trabalho para interações pessoais.

Visite wacom.com/for-business para saber mais ou solicitar uma demonstração

INTELLIGENT AUTOMATION 02 | 77

ARTIGO

Automação integrada com BPMS e RPA: Pessoas e Bots trabalhando juntos pelo melhor

desempenho da organização Kelly Sganderla

Consultora de Inovação em Processos na iProcess

A automação de processos tem surgido como um dos grandes aliados da transformação digital nas organizações. O novo cenário tecnológico agora possibilita que não apenas pessoas e sistemas, mas também robôs autônomos sejam recursos com as quais podemos contar para executar as tarefas operacionais do dia a dia das empresas.

O Gartner® apresentou em 2019 a tendência de Hiperautomação das organizações, em que as empresas deverão transformar digitalmente o máximo de processos de negócio possíveis. Com isso, há duras tecnologias que não podem faltar na caixa de ferramentas tecnológicas de Digital Operations: BPMS (Business Process Management Suite) e RPA (Robotic Process Automation).

BPMS (Business Process Management Suites), são plataformas de automatização de processos de trabalho (workflow) que possibilitam gerenciar de forma integrada a sequência de tarefas e atividades a serem realizadas para atender a pro-

78 | INTELLIGENT AUTOMATION 02

cessos transversais na organização. Com BPMS, é possível orquestrar e conectar o trabalho de diferentes profissionais, áreas e equipes através de uma gestão fluída, que automaticamente gerencia e atribui as atividades aos responsáveis. Além de controlar o fluxo de trabalho das pessoas, é possível através de BPMS orquestrar

ARTIGO

também atividades realizadas por sistemas, que possibilita um ganho de inteligência e produtividade na execução dos processos.

a) Como um usuário, acessando o portal da plataforma BPMS, abrindo uma solicitação de um determinado processo, preenchendo os campos necessários e acionando o início do processo.

Enquanto o BPMS ocupa-se em controlar o fluxo de trabalho entre os participantes de um processo, RPA (Robotic Process Automation) tem se demonstrado um grande aliado na automatização de algumas das suas tarefas mais manuais e repetitivas.

b) Como um sistema, realizando uma chamada e enviando dados dos parâmetros de entrada se o processo no BPMS estiver exposto como serviço.

BPMS + RPA

2) Um processo no BPMS pode ter uma ou mais atividades executadas por um robô de RPA, e isso pode acontecer das seguintes formas:

Estas duas soluções se complementam de forma a combinar os ganhos de eficiência, que podem ser obtidos com a automação dos processos operacionais pelo RPA, com os ganhos de eficácia, qualidade e controle, obtidos da automação dos processos de trabalho e monitoramento dos processos de negócio nas plataformas de BPMS. 1) Uma automação em RPA pode iniciar um processo no BPMS das seguintes formas:

a) O processo no BPMS tem uma tarefa do tipo service task, que faz uma chamada e envia os dados necessários à plataforma de RPA, requisitando a execução de uma tarefa pelo robô. b) O robô, como um usuário, periodicamente acessa a lista de tarefas do BPMS em busca da tarefa específica, acessa e responde a ela.

Na execução de tarefas de BPMS pelo robô, podem haver diferentes cenários de aplicação:

INTELLIGENT AUTOMATION 02 | 79

ARTIGO

Fonte da imagem: blog.iprocess.com.br

I. A tarefa foi atribuída a um usuário humano, mas o robô acessa a tarefa e complementa com dados que possam ser úteis a ele na execução do trabalho. É mais comum nos casos de RDA (Robotic Desktop Automation).

Neste caso, o robô apenas preenche dados no formulário da tarefa no BPMS e a salva, sem realizar nenhuma outra ação.

II. A tarefa foi atribuída para um usuário do robô, que pode não apenas preencher dados no formulário, mas também encerrá-la através de encaminhamento da tarefa para um usuário humano revisá-la ou tomar ações de decisão, ou ainda pode devolvê-la para outro usuário realizar correções caso alguma regra não seja atendida.

A melhor forma de integrar BPMS e RPA dependerá das características do processo automatizado no BPMS e a tarefa robotizada no RPA. Um caso aplicado de BPMS + RPA O exemplo a seguir é um caso aplicado de um processo no qual as tecnologias de BPMS e RPA foram combinadas para possibilitar resposta rápida da equipe de negócios às situações monitoradas pelo robô.

80 | INTELLIGENT AUTOMATION 02

Processo de Atendimento a Oportunidades Comerciais Neste Processo de Atendimento a Oportunidades Comerciais, cada e-mail de contato de um cliente vira um processo de atendimento. O contato é avaliado pelo Coordenador Comercial, que verifica se consiste em uma oportunidade.

De acordo com sua resposta, a equipe de inbound pode responder ao cliente (caso seja uma dúvida técnica ou simples pedido de informações, por exemplo) ou a oportunidade é encaminhada para atendimento por um Gerente de Conta Comercial, antes passando pela obtenção de dados complementares e cadastros em alguns sistemas de apoio. Ao final, se a negociação for bem sucedida, a proposta contratada é cadastrada no sistema financeiro.Neste processo, temos as seguintes interações BPMS+RPA: I. Um robô RPA monitora a chegada de e-mails de novas oportunidades.

Os dados são extraídos do e-mail pelo robô, ele acessa o BPMS como um usuário, inicia um processo de Atendimento de Oportunidades, preenche o formulário e confirma o início do processo. Esses passos são realizados para cada e-mail de contato recebido.

ARTIGO

II. O BPMS orquestra automaticamente diversas ações, como enviar e-mail de confirmação do início de processo de atendimento para o cliente, a identificação dos usuários responsáveis pelas diferentes tarefas e ao final aciona um serviço de salvamento de dados no sistema financeiro com o faturamento previsto como resultado da negociação.

III. O BPMS aciona automaticamente, na tarefa “Consultar dados do Cliente”, um serviço de RPA exposto que ao ser acionado inicia a execução do trabalho pelo robô. O robô busca dados em um site externo de consulta CNPJ e ao final responde sincronamente ao BPMS com os dados obtidos encerrando a tarefa de forma síncrona. Embora não seja muito usual, este tipo de acionamento pode ser interessante caso o serviço seja preexistente.

IV. O RPA possui uma tarefa que periodicamente percorre a lista de trabalho do usuário do robô no BPMS, pesquisando tarefas do tipo “Criar oportunidade no CRM e cadastrar cliente”. O robô acessa a tarefa, obtém todos os dados dos campos da tarefa no BPMS, acessa e cadastra o cliente no Cadastro de Clientes e no CRM da empresa, que é SaaS. Após concluir os cadastros, o robô volta à tela do BPMS e encerra a tarefa, permitindo que o processo siga para as etapas seguintes.

Enquanto o BPMS garante que cada participante seja envolvido no momento adequado em cada caso e os indicadores de desempenho sejam coletados e medidos, o RPA garante que o processo não fique parado aguardando a disponibilidade de alguém para executar tarefas de simples operação manual repetitiva (como obter dados ou copiar/colar dados para preencher formulários em sistemas externos).

Existem vantagens e desvantagens tanto na abordagem da integração via serviço (em geral mais estável porém mais dependente da TI e eventuais modificações em sistemas) quanto na abordagem da integração via telas (em geral menos estável porém menos dependente da TI).

Kelly Sganderla é consultora de inovação em processos, atuando na descoberta, modelagem, análise, redesenho, automação e implantação de soluções para gestão de processos (BPM, BPMS, RPA) na iProcess há 18 anos. Instrutora de formações técnicas em BPM, BPMS e RPA pela iProcess Education. É Bacharel em Ciência da Computação pelo Centro Universitário La Salle (UniLaSalle-Canoas) com especialização Mastering Design Thinking pelo MIT e certificação CBPP - Certified Business Process Professional pela ABPMP. Sua vida profissional é dedicada a estudar e consolidar experiência em transformação de processos. Líder de iniciativas de inovação em processos em áreas de finanças, marketing, indústria, varejo, utilities, entre outras. Autora de dezenas de artigos sobre BPM, BPMN, RPA e hiperautomação no Blog da iProcess.

INTELLIGENT AUTOMATION 02 | 81

Ajudamos empresas a superar os desafios de seus negócios com tecnologia e simplicidade.

Sua jornada RPA começa com a gente.

☎ (11) 4861-2300

✉ s2m_comercial@s2m.com.br

82 | INTELLIGENT AUTOMATION 02

 São Paulo Av. Ibirapuera, 2120 - 2º andar / CEP 04028-001