Você sabia que Inteligência Artificial não é mais coisa do futuro? A nossa intenção aqui é desmistificar um pouco esse conceito e explicar como o utilizamos dentro da Link2go para ajudar o seu negócio! 

Indo direto ao ponto, Inteligência Artificial nada mais é do que uma coleção de metodologias para reconhecimento de padrões em dados. Chegamos ao primeiro ponto importante, mais do que métodos sofisticados e extremamente complexos, DADOS. Qualquer modelo de inteligência artificial se alimenta deles e qualquer padrão a ser reconhecido é uma relação escondida, latente, entre dados. 

Vamos começar discutindo coleta de dados. O exemplo mais corriqueiro talvez seja um censo do IBGE. A priori a grande motivação é acompanhar estatísticas a respeito da população e suas variações conforme o tempo. Para realizar análises em cima destes dados sempre vamos partir de um pressuposto: que eles são confiáveis. Qualquer análise, conclusão, etc, está em risco se as respostas ao censo tiverem sido enviesadas ou até mesmo mentirosas. Esses são os problemas com relação às respostas dadas à pesquisa, porém pode haver problemas com a própria confecção das perguntas! Imagine que o objetivo fosse estudar pessoas com câncer, porém não houvesse perguntas a respeito de histórico familiar, informação que sabemos ser crucial para identificar tendências à doença. Vamos discutir um pouco mais sobre dados adiante, porém esse parágrafo deve enfatizar a importância da QUALIDADE dos dados adquiridos 

Com os dados em mãos, podemos começar a explorá-los! A primeira abordagem que vamos discutir chama-se “não supervisionada”, que consiste majoritariamente em encontrar subgrupos em nosso conjunto com características em comum. Vamos dar um exemplo comum aqui na Link2go. Analisamos muitas ligações de call center e podemos, por exemplo, selecionar as ligações com pior performance e utilizar algoritmos de agrupamento (também conhecidos por algoritmos de “cluster”) que de forma independente e sem viés humano procuram dados com características similares. Uma conclusão não muito surpreendente seria que há um grupo em que há muitos termos de baixo calão. O interessante é quando obtemos insights que não são óbvios, por exemplo, de que há outro grupo mal avaliado em que praticamente todas as ligações foram feitas no fim dia, ou ainda de que nelas não houve saudação ao iniciar a conversa. São insights que podem ajudar a guiar o atendimento para uma melhor satisfação do cliente. 

A segunda abordagem, chamada de supervisionada, é um pouco diferente. Antes buscávamos subgrupos em um conjunto de dados, agora a intenção é outra. Dentro do conjunto há agora dados pertencentes a dois tipos, ou duas classes. Vamos dar um exemplo corriqueiro aqui na Link2go, o de análise de sentimento. Falas do cliente ou do atendente em uma ligação são marcadas como positivas, negativas e neutras, ou seja, atribuem-se classes relacionadas ao sentimento naquele instante para todas as falas. O objetivo de um algoritmo agora é aprender através das características ACÚSTICAS do áudio quais são os traços que definem uma emoção. Vemos então que para esse tipo de abordagem necessitamos além dos dados (áudio) um processo de LABELLING (atribuição de classes) extremamente confiável. 

Nesse post aprendemos que inteligência artificial nada mais é que reconhecimento de padrões em dados, que estes devem ter sido adquiridos com qualidade e confiança, e que podemos utilizar duas abordagens em sua análise, a supervisionada e a não supervisionada, dependendo da disponibilidade de LABELS e da tarefa que temos em mãos. Cada abordagem tem seu papel e cabe ao cientista de dados escolher qual é a mais adequada, e então utilizar sua caixinha de ferramentas para tirar as conclusões mais precisas o possível a respeito de seus dados.