“A Inteligência Artificial (IA) é
um jogo baseado em
dados. As previsões serão
precisas se os dados
usados para treinar o
modelo de previsão
realmente representem os
casos-alvo que estão sendo
classificados ou previstos...
Se eu tivesse que usar uma
frase diria que a IA tem tudo
a ver com a tomada de
decisão – tomada de
decisão mais inteligente.”
—Sud Menon, Esri
Créditos do mapa: Lisa Berry
Usando Inteligência Artificial e GIS para transformar negócios
Os tomadores de decisão com acesso às melhores
informações definem o padrão para o sucesso.
Os líderes corporativos de hoje anseiam por informações
que fortaleçam suas operações e orientem as decisões
estratégicas. Nos últimos anos, essa busca mudou
bastante. A informação nunca foi tão abundante e o seu
potencial para ajudar os executivos a enxergar os
negócios nunca foi tão pronunciada.
Os fenômenos tecnológicos como a Internet das
Coisas (IoT) e a inteligência artificial (IA) são parte
dessa mudança: ambos estão produzindo informações
de amplitude e profundidade quase incalculáveis. De
fato, alguns pesquisadores dizem que o mundo criou
tantos dados nos últimos dois anos quanto em todos
os anos anteriores de sua existência.
No entanto, dados e informações são commodities -
abundantes, mas não necessariamente valiosos por si
mesmos. Entre os executivos, há um reconhecimento
crescente e profundo de que os insights, e não a mera
informação, é o novo ouro.
Por décadas, o termo inteligência artificial tem sido
utilizado para incorporar promessas de mudança de
vida em torno da tecnologia. Evidenciada pela
primeira vez pelo professor de Stanford John
McCarthy em 1955, a IA tem sido um ponto de contato
para nossas imaginações coletivas, evocando visões
que vão desde robôs que cozinham a carros
autônomos. Para alguns, a exposição constante e
frequente falta de entrega de resultados, levou ao
cansaço em torno do tema de IA.
No entanto, os saltos recentes no poder da computação,
os algoritmos cada vez mais complexos e a enorme
quantidade de dados gerados à medida que a
transformação digital global acontece, empurraram a IA
da teoria para a realidade cotidiana em muitos domínios.
Em uma pesquisa recente da New Vantage Partners, os
executivos de nível C destacaram a IA como a tecnologia
mais disruptiva - superando a computação em nuvem e
os blockchains. E quase 80% desses executivos têm
receio que os concorrentes aproveitem a inteligência
artificial para superá-los nos negócios.
Algumas áreas especificas dentro da IA ganharam
força. O aprendizado de máquina (Machine Learning
- ML), o aprendizado profundo, o processamento de
linguagem natural e a automação são palavras de
ordem dos setores de negócios e tecnologia, e por
boas razões. Um relatório da McKinsey & Company
de 2017 estima que as grandes empresas de
tecnologia fizeram investimentos internos em IA entre
US$ 18-27 bilhões em 2016. Os investimentos
externos, provenientes de capital de risco e private
equity, são estimados em US$ 8-12 bilhões no
mesmo ano. Do financiamento externo, o machine
learning conquistou quase 60% do investimento.1
Enquanto a compreensão da IA melhora em
diferentes áreas da tecnologia, os líderes
empresariais têm a oportunidade de se concentrar
nos avanços que trazem mais impactos às suas
organizações. O Machine Learning é um campo
particularmente empolgante que está expandindo
o horizonte dos executivos de negócios.
Este relatório examina o lado prático da inteligência
artificial, do machine learning e do GIS, e discute como
as organizações podem usar essas tecnologias para
descobrir insights de negócios e realizar a
transformação digital em um mundo em rápida
evolução. Essas tecnologias são cada vez mais
aplicadas em áreas que vão do varejo à assistência
médica, passando pelo gerenciamento de
emergências e de utilities até o governo. São usadas
para descoberta de medicamentos, detecção de
fraudes, avaliação de riscos e fabricação, para diminuir
os custos de mão de obra, reduzir o déficit de produtos
e acelerar a produção.
De forma mais ampla, os executivos estão
encontrando insights e vantagens competitivas a
partir dos dados, que descrevem onde as coisas
acontecem, por que acontecem dessa forma e
como podem ser melhoradas.
Em geral, quando as organizações recebem insights
precisos e imediatos, o risco é reduzido, a colaboração
aumenta, os executivos tomam decisões mais
assertivas com mais rapidez e a se ganha maior
satisfação dos clientes.
O mundo criou tantos dados nos últimos dois
anos tanto quanto em todos os anos anteriores
de sua existência. No entanto, dados e
informações são commodities - abundantes, mas
não necessariamente valiosos por si mesmos.
1 McKinsey Global Institute. Artificial Intelligence: The Next Digital Frontier. Junho 2017, p 9-12.
Map Credit: Esri 3D
Pensamento Criativo: Máquinas que Aprendem
Dentro das empresas de classe mundial, as ferramentas
de inteligência artificial estão incorporando os dados
brutos da transformação digital e da IoT, combinando-os
com o Sistemas de Informação Geográfica (GIS) e
oferecendo novos tipos de insights.
Uma enorme quantidade de dados de negócios e de
clientes estão relacionados a locais e horários físicos, e
milhares de organizações já analisam esses dados de
localização para descobrir a inteligência oculta: o tipo de
percepção que pode criar vantagens competitivas!
Em muitos casos, o Machine Learning - uma forma de
inteligência artificial - capacita essa análise.
A novidade é que essas tecnologias estão se tornando
mais inteligentes e são aplicadas em toda a empresa,
desde vendas até trabalho de campo e cadeia de
suprimentos.
De fato, uma combinação de Machine Learning e um
Sistema de Informações Geográficas (GIS) está
ajudando as organizações a capturar, armazenar e
gerenciar grandes quantidades de dados; executar
análises robustas; e, em seguida, visualizar os insights
incorporados nesses dados.
O Machine Learning usa algoritmos baseados em dados
que permitem que os computadores aprendam com os
dados, reconheçam padrões e melhorem continuamente
com a experiência. Por exemplo, à medida que imagens
brutas são inseridas em um algoritmo, ele começa a
identificar padrões e a precisão desse reconhecimento
aumenta com o tempo. Com dados suficientes, o
computador cria uma capacidade altamente precisa de
rotular componentes das imagens (casa, carro, cultivo,
etc.), uma habilidade que pode ser usada com grande
eficácia, como mostrado mais adiante em um caso de
sucesso.
Tal como acontece com a inteligência artificial, não há
um consenso único sobre a definição de aprendizado de
máquina. Dezenas de especialistas oferecem suas
definições. Para os propósitos deste relatório, Pedro
Domingos explica Machine Learning em The Master
Algorithm: “Os computadores não devem ser criativos;
eles devem fazer o que você manda. Se o que você
disser a eles for criativo, você terá aprendizado de
máquina.”2
Com o GIS o Machine Learning prospera. Grandes
quantidades de dados estão ligadas a uma
localização física e/ou a um momento no tempo.
Milhares de organizações atualmente analisam
dados de localização para descobrir insights ocultos
- o tipo de inteligência nas informações que cria uma
vantagem competitiva crucial. O que muitas pessoas
não percebem é que o Machine Learning alimenta
grande parte dessa análise.
A combinação de Machine Learning e de um Sistema
de Informações Geográficas é particularmente
adequada para executar análises em dados de
localização devido à sua capacidade de automatizar a
previsão, a classificação e o agrupamento dos dados.
Os casos a seguir se aprofundam nos recursos
avançados de Machine Learning e seu impacto na
tomada de decisões. À medida que a inteligência
artificial acelera, o aprendizado de máquina está
tornando a inteligência de localização uma força
poderosa por trás das decisões e operações críticas de
negócios.
O artigo continua na página 000006
2 Domingos, Pedro. The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake
Our World. Basic Books, a Member of the Perseus Books Group, 2018, p. xiv.
Planejamento Estratégico de Localização
A maioria das empresas tomam decisões baseadas
em hipóteses – desde o planejamento anual até a
previsão de quais mercados irão se expandir na
próxima década. E os executivos conhecem muito bem
os perigos de uma informação não precisa. A
Inteligência Artificial então se apresentou como uma
solução
Uma nova aplicação de Inteligência Artificial (IA)
está apoiando o planejamento estratégico das
empresas.
Testada pela primeira vez no setor de serviços
financeiros, o processo pode ser aplicado em todos os
setores comerciais. Ela combina os elementos da
Inteligência Artificial e do GIS, o que atraiu a atenção
das empresas em todo o mundo por ter vastas
quantidades de dados espaciais acionáveis, técnicas
analíticas modernas, domínio de conhecimento e cultura
para possibilitar decisões baseadas em informações
precisas.
O processo usa GIS, Inteligência Artificial e recursos
preditivos para mostrar aos executivos que tipo de
desempenho podem esperar de um local de varejo que
ainda não foi construído. Também, os executivos
financeiros, por exemplo, podem solicitar uma projeção
de receita de uma agência bancária para o ano inteiro
em um mercado que estão avaliando e recebê-la em
segundos.
Até os recentes avanços em Inteligência Artificial e
computação, esse tipo de análise estava confinada à
mitologia dos negócios. Agora, as empresas de ponta
estão testando suas capacidades e reconhecendo seu
impacto no planejamento comercial de longo prazo.
A nova abordagem depende em parte da análise de
tempo de percurso, que é uma ferramenta presente no
GIS há anos. A análise do tempo de percurso analisa
os dados associados à população em torno de um
local específico - o local para abertura de uma nova
agência bancária, por exemplo - e entrega um mapa
inteligente que mostra o provável público para essa
agência.
As descobertas recentes em GIS e IA elevaram a
sofisticação dessa análise, mostrando aos executivos
não apenas a área comercial da agência, mas também
o custo esperado e a receita antecipada.
Em um cenário de varejo, alguns executivos estão
planejando expansões, enquanto outros estão tentando
se retrair. Os insights, não apenas os dados, são
fundamentais para o planejamento. Com uma nova
metodologia baseada no poder preditivo, esses
executivos estão imersos nos cenários hipotéticos que
ajudarão a impulsionar seus negócios.
Dependendo do objetivo comercial, os executivos
podem comparar vários locais para uma loja de
varejo, para revelar as vendas esperadas em cada
um e determinar a melhor localização possível.
Ou então, podem projetar vários locais, como uma
rede de filiais, usando o processo para evitar
conflitos entre os pontos de venda dos diferentes
locais e entender o impacto da receita da rede como
um todo.
Os cenários hipotéticos de hoje estão ficando cada vez
mais sofisticados com a ajuda da Inteligência Artificial
e de recursos de tecnologia GIS. Sem essa nova forma
de gerar insights, os executivos de negócios podem
correr riscos ao planejar os grandes investimentos
com base na intuição e nas suposições.
Automatizando processos de logística
Tradicionalmente, o governo realiza inspeções de
vários tipos no campo. Os dados coletados durante as
visitas permitem identificar violações nas leis, ou as
informações obtidas podem direcionar os agentes
para os locais certos.
O Machine Learning, incorporado ao GIS, permite a
automatização de várias partes dos processos de
inspeção, tornando-os menos trabalhosos. O mundo
agora está completamente documentado por imagens
de satélite. Usando a plataforma impulsionada pelo
GIS, um algoritmo de Machine Learning é alimentado
com milhares de fotos. À medida que sua
“experiência” aumenta, o algoritmo aprende a
reconhecer padrões que sinalizam as atividades
ilegais. As autoridades do governo agora podem
realizar análises sistemáticas e identificar com
precisão quais desses padrões podem estar violando
as leis, tudo em uma fração do tempo.
O Machine Learning é especialmente bom para
reconhecer padrões dentro de imagens. Com um
acervo quase infinito de imagens de satélite
disponíveis para as empresas e o custo das
imagens de drones despencando, as
possibilidades se tornam realmente atraentes.
As indústrias, por exemplo, podem fotografar suas
operações, criando um gêmeo digital das fábricas.
Usando essa cópia digital dos ativos físicos, eles
executam simulações, rastreiam movimentos em
tempo real nas instalações e capturam dados de
sensores colocados em toda a fábrica. Incorporados
em uma plataforma GIS, os algoritmos de Machine
Learning processam a grande quantidade de dados
que o gêmeo captura, gerando inteligência para o
fabricante, como recomendações de manutenção
preventiva e alertas de atividades incomuns com base
no reconhecimento de padrões.
O processamento de imagens via Machine Learning
atinge vários setores, incluindo a agricultura, onde
o uso de imagens de drones é comum, e a medicina,
onde as máquinas estão aprendendo a ler exames
médicos e a identificar doenças potenciais de forma
precisa.
O artigo continua na página 8
I Imagens: Baton Rouge Infrared
Logística — Entregar
e atender as
expectativas
As empresas de logística sabem o valor da
velocidade, eficiência e informação. Elas estão à
disposição dos clientes, que esperam uma
entrega mais rápida e visibilidade constante de
onde as compras estão durante o processo de
entrega.
Uma integração sem precedentes de tecnologias
oferece às empresas esse tipo de percepção. Com
uma plataforma GIS combinada com sofisticados
algoritmos de inteligência artificial, os fabricantes e
as empresas de logística pioneiras estão
aperfeiçoando seus conhecimentos das redes
rodoviárias e melhorando a capacidade de
agendamento. Esses novos recursos ajudam a
economizar tempo e dinheiro, aumentando a
satisfação do cliente.
Em um exemplo, uma ferramenta que combina
Inteligência Artificial e GIS chamada Road Snapping
ajuda as empresas a preencher as lacunas de
conhecimento nas redes rodoviárias.
Para áreas remotas onde as estradas nem sempre
aparecem nos mapas e para locais de alta
densidade de população, onde algumas estradas
fecham para a construção e outras abrem pela
primeira vez, as empresas que movimentam veículos
de entrega necessitam diariamente de insights
atualizados. Sem isso, os motoristas acabam em
rotas tortuosas e sem saída, que tiram da empresa -
e seus clientes - tempo, combustível e dinheiro.
Agora, uma combinação única de dados de IoT,
GIS e algoritmos alimentados por IA está
fornecendo essa percepção. Utilizando milhões de
pontos de GPS das vans de entrega da empresa, o
programa de inteligência artificial determina onde
estão as estradas não marcadas ou intransitáveis e
atualiza a tecnologia GIS para que gestores e
motoristas possam evitar erros que podem custar
caro.
Para as empresas que buscam aumentar a
satisfação do cliente, a capacidade de determinar
tempos precisos de chegada para as mercadorias
não é apenas uma boa opção, é um diferencial
para alcançar operações mais eficientes e, portanto,
mais lucrativas. Outra ferramenta chamada ETA,
executada com um conjunto semelhante de dados
de IoT, análise de localização e inteligência artificial,
está produzindo esse tipo de percepção.
A ferramenta ETA conta com uma rede neural - um
mecanismo de inteligência artificial especialmente
projetado para utilizar o poder de computação em
busca de respostas. A ETA analisa milhões de
pontos de dados históricos para cada rota de
entrega, incluindo fatores como origem e destino, se é
um fim de semana ou feriado, o tipo de veículo
envolvido, os produtos entregues e as superfícies das
estradas percorridas. Com o poder de computação, a
ferramenta transforma esse big data em tempos de
chegada previstos com um alto grau de precisão.
No relatório State of Logistics de 2017, o Conselho de
Profissionais de Gerenciamento da Cadeia de
Suprimentos e a AT Kearney, observaram que o custo
da logística empresarial representa 7,5% da
economia dos EUA. Enquanto a maior parte dessa
imensa soma é simplesmente o custo de fazer
negócios, uma parte substancial dela é resultado do
desperdício.
Agora, os mashups de dados de IoT, o GIS e a
inteligência artificial estão abrindo um novo caminho
para obter mais eficiência.
Drive Safely:
Individualized Premiums in the Insurance Industry
Car insurance premiums are typically based on
demographics—an amalgamation of characteristics
based on age, gender, geographic location, and other
data points. Over time, an individual’s premium may go
up or down based on his or her driving record.
But what if a 17-year-old male (with a high premium)
is a cautious driver, while a 45-year-old female (with a
low premium) has a bad habit of texting while driving
to work?
Atualmente, os prêmios são calculados de acordo com
a análise das tendências gerais nos grupos
demográficos. O Machine Learning permite que as
organizações personalizem as experiências para o
indivíduo, em vez de utilizar o valor da média.
Uma companhia de seguros, sediada nos EUA, está
experimentando uma nova maneira de calcular os
prêmios. Ao analisar os dados de acelerômetros
junto com os dados GIS, conforme os carros se
movem no espaço e no tempo, um algoritmo de ML
pode reconhecer padrões no comportamento do
motorista, incluindo velocidade e mensagens de
texto.
Se, por exemplo, um motorista fizer correções
pequenas e rápidas em estradas curvas, os
algoritmos podem identificar esse comportamento
como que o motorista está mexendo no celular.
Essa identificação de comportamento é baseada na
análise de milhões de pontos de dados de
motoristas em todo o país, o que permite que o
algoritmo reconheça comportamentos individuais.
Não mexe no celular enquanto dirija? Esse
motorista pagará um prêmio menor. A natureza
granular do aprendizado de máquina permite que a
seguradora calcule os prêmios individuais baseados
no comportamento, recompensando os motoristas
que operam os veículos com segurança.
O artigo continua na página 10
Dirija de forma segura:
prêmios individualizados no setor de seguros
Os prêmios dos seguros de carros geralmente são
baseados em dados demográficos - uma fusão de
características com base na idade, sexo, localização
geográfica e outros pontos de dados. Com o tempo,
o prêmio de um indivíduo pode subir ou descer com
base no seu histórico como motorista.
Mas, e se uma mulher de 18 anos (com um prêmio
alto) é uma motorista cautelosa, enquanto um
homem de 45 anos (com um prêmio baixo) tem o
péssimo hábito de enviar mensagens de texto
enquanto vai para o trabalho?
A capacidade de capturar, gerenciar e analisar big data
baseado em localização é uma força específica do GIS
e do Machine Learning. Essa combinação tem
aplicações em vários setores, incluindo logística,
manufatura, varejo e finanças.
Reconhecimento de padrões de trânsito e prevenção de acidentes Estudo de caso
Qualquer pessoa que tenha participado de um grande
evento esportivo entende o sentimento bom de uma
vitória. Com milhares de fãs engajados até o apito final,
a alegria da vitória rapidamente se torna a agonia do
trânsito, com multidões de torcedores saindo do
estádio.
Um condado no sudeste dos Estados Unidos está
usando inteligência artificial, IoT e tecnologia de
localização para melhorar essa experiência. Em
cooperação com a empresa proprietária do estádio em
uma grande área metropolitana, o município está
testando um novo sistema que utiliza um algoritmo
inteligente para monitorar as câmeras das ruas e
ajustar os semáforos para regular os fluxos de
pedestres e de veículos.
O conceito parece simples, mas ambos extremos do
espectro são enganosamente complexos. Usar
monitores humanos para supervisionar multidões tão
grandes pode se tornar rapidamente ineficiente e
avassalador, e confiar a tarefa à tecnologia exige
algoritmos sofisticados de Machine Learning.
O município e seus parceiros estão usando a
detecção de tendências, uma forma avançada de
Machine Learning, como parte da solução. Ao
contrário das técnicas de reconhecimento de padrões
que deram ao aprendizado de máquina sua
notoriedade - incluindo a detecção de sinais de
trânsito em imagens estáticas - essa técnica envolve
não apenas instantâneos, mas também imagens que
mudam com o tempo. No centro de comando do
estádio, o algoritmo analisa os vídeos em tempo real
de fãs que partem dos pontos onde as multidões
estão começando a se formar. Usando a Location
Intelligence para entender onde os semáforos -
conectados à IoT - podem ser ajustados para aliviar
esse engarrafamento. O programa faz os ajustes
necessários em locais específicos ao mesmo tempo
que mantém todo o sistema livre de lentidão.
O projeto é uma parceria inovadora entre o município e
os proprietários dos estádios, os quais têm interesse em
que o trânsito de pedestres e de veículos flua sem
problemas pela cidade. Cada grupo traz uma peça
importante para a solução de Machine Learning: a rede
de câmeras baseada em IoT do município combinada
com o centro de comando da equipe esportiva e a
infraestrutura conectada.
No coração desta solução de trânsito inteligente está
um GIS moderno. A tecnologia GIS foi uma das
primeiras a incorporar inteligência artificial para
oferecer recursos preditivos, fornecendo mapas de
calor para ajudar as empresas a detectar áreas de
melhoria ou queda nas vendas, por exemplo. Essa
capacidade preditiva agora está sendo combinada
com novas formas de inteligência artificial para
aumentar o poder preditivo das organizações e manter
as multidões em movimento.
Map Credit: SunTrust, Cobb County
Seu pedido está pronto:
Predição de comportamento no setor de varejo
No setor de varejo, o produto é fundamental, mas a
experiência do cliente não fica para trás. Nos últimos
anos, os executivos de varejo ampliaram a definição de
experiência do cliente para além dos pontos de contato
tradicionais. Os líderes de varejo agora se concentram
nas muitas experiências físicas e sensoriais que os
clientes têm quando interagem com a marca, a loja e a
presença de mídia social e online de um varejista.
Devido a esses muitos pontos de contato e ao volume de
informações de clientes gerados pela transformação digital e
pela IoT, o varejo está especialmente maduro para aplicativos
de Machine Learning. Por meio de inovações recentes, o
Machine Learning está ajudando os varejistas a transformar os
dados dos clientes - compartilhados com a permissão do
usuário - em insights que conduzem experiências
personalizadas com sua marca. Por exemplo, os clientes que
pedem uma refeição usando o aplicativo de um varejista podem
receber seus alimentos no exato momento em que entram na
loja.
Como é possível esse nível de precisão? Em grande parte, é
devido aos recursos preditivos de Machine Learning combinados
com a Location Intelligence. Ao analisar milhões de pontos de
dados com base no comportamento do cliente e nos dados de
localização rastreados por meio do aplicativo, os algoritmos de
ML podem fazer previsões precisas sobre quando o cliente
chegará - sem a prática de violação de privacidade do
rastreamento de localização individual.
“A IA, de longe, é um jogo baseado nos dados”, explica Sud
Menon, da Esri. Mas “as previsões serão precisas apenas se
os dados de treinamento usados para usar o modelo de
previsão de IA forem realmente representativos dos casos-
alvo que estão sendo classificados ou previstos”. "Se eu
tivesse que defini-la em uma frase", segue Menon, "diria que
IA tem tudo a ver com a tomada de decisão - tomada de
decisão mais inteligente".
Os varejistas com visão de futuro estão encontrando
maneiras de acessar os dados que precisam para poder
prever - com altos níveis de precisão - o que os clientes vão
demandar; em que momento; por qual canal; e, mais
importante, onde eles estão. Combinando Location
Intelligence e inteligência artificial, as empresas podem
preencher a lacuna tradicional entre a previsão da cadeia de
suprimentos e a demanda real do consumidor.
O planejamento de mercadorias de hoje abrange toda a rede
complexa em iterações dinâmicas que refletem as tendências
em tempo real. A detecção preditiva da demanda apoiada pela
Location Intelligence e pela IA proporciona a vantagem de
competir e construir a confiança do cliente. As empresas aplicam
essa abordagem inovadora para oferecer maior satisfação ao
cliente, obter vantagens competitivas e alcançar maior valor de
marca.
A experiência do cliente pode ser melhorada por meio de
Machine Learning de outras maneiras. As cidades já estão
colocando GIS e ML para trabalhar direcionando os
motoristas para os espaços de estacionamento abertos
mais próximos em áreas urbanas densas. Os grandes
varejistas podem fornecer ofertas no aplicativo quando um
cliente passa pela loja, oferecendo incentivos de acordo
com sua localização e comportamento/histórico de
compras precisos.
Ao combinar location intelligence e
inteligência artificial, as empresas
podem preencher a tradicional lacuna
entre a previsão da cadeia de
suprimentos e a demanda real do
consumidor.
“Com os métodos
estatísticos mais antigos,
você alcança um patamar
em termos de quanto
valor pode extrair dos
dados. Mas, com os
novos métodos de Deep
Learning, quanto mais
dados você usar, mais
valor será extraído. Ainda
não atingimos um
patamar teórico em
termos de quanto valor
pode ser obtido.”
—Alberto Nieto, Engenheiro GIS e de Aprendizado de Máquinas
Moldando o amanhã, hoje
A IA e o Machine Learning estão alimentando uma mudança
fundamental na forma como os líderes de negócios interagem
com seus dados, produtos e clientes, e essa tecnologia só
continuará aumentando em sofisticação e poder. O Deep
Learning - um subconjunto do ML que usa algoritmos baseados
na estrutura neural do cérebro humano - está na vanguarda da
inteligência artificial e combina seu poder com a Location
Intelligence.
Alberto Nieto, especialista em GIS e IA, explica a empolgação
em torno do ML e do Deep Learning: “Com os métodos
estatísticos mais antigos, você alcança um patamar em termos
de quanto valor pode extrair dos dados. Mas, com os novos
métodos de Deep Learning, quanto mais dados você usar, mais
valor será extraído. Ainda não atingimos um patamar teórico em
termos de quanto valor pode ser obtido.”
À medida que a transformação digital continua acelerando e os
dados produzidos pela IoT crescem, os executivos enfrentam a
perspectiva tentadora de extrair ainda mais valor da análise de
dados. Do ponto de vista dos executivos, chegou a hora de
responder a perguntas críticas: o que é IA, o que ela pode fazer
pelo meu negócio e quem deve ser responsável por seu
desenvolvimento e alinhamento estratégico?
Hoje, os líderes empresariais têm a oportunidade de fazer
investimentos estratégicos em áreas emergentes da inteligência
artificial. Essas decisões acabarão por ajudá-los a liberar o
poder de geração de insights da IA e da Location Intelligence em
suas organizações.
As organizações que melhor compreendem como aplicar essas
tecnologias - não apenas para usá-las, mas para ajudá-los a
atingir suas metas em um nível fundamental - terão sucesso e
prosperarão.