Avinash Kaushik – A revolução do aprendizado das máquinas nos negócios

Um evangelizador do Marketing Digital. Assim é a forma que Avinash se denomina. Atualmente trabalha no Google e roda o mundo dando palestras. No RD Summit o tema principal de sua fala foi como podemos automatizar processos e melhorar resultados por meio da inteligência artificial.

https://www.linkedin.com/in/akaushik/

No mundo do Marketing, as segmentações sempre foram superficiais, utilizando apenas dados demográficos e hábitos genéricos, como faixa etária, escolaridade e renda, por exemplo. Mas Avinash usou um exemplo divertido para mostrar como isso não é o suficiente. Chamou ao palco um participante do sexo masculino e simulou que esse personagem teria um seu vício em comprar calcinhas em excesso todos os meses.

Levando em consideração os dados demográficos, seria impossível detectar essa necessidade de consumo, mas com as informações deixadas por essa pessoa no âmbito digital, seria provável e previsível entender esse comportamento. Isso porque os sites que ela visita, publicações que interage e tudo que ela lê na internet trazem uma riqueza enorme de informações. Dessa forma é possível entender o comportamento e direcionar o melhor conteúdo.

Apesar de ser do Google, Avinash informou que hoje o Facebook é a empresa que mais possui dados humanos no planeta. E não é difícil imaginar isso, pois nos perfis podemos saber se uma pessoa gosta de café ou não, time que ela torce, restaurantes que frequenta, cerveja preferida entre inúmeros outros dados.

O principal ponto é descobrir como impactar cada consumidor, assim como aquele viciado em comprar calcinhas. É preciso selecionar quais canais e conteúdos ele consome, direcionando a melhor mensagem.

Inteligência Artifical

Com essas informações em mãos, é possível usar inteligência artificial para melhorar a experiência do consumidor, otimizar equipes e processos e trazer melhores resultados. Toda essa introdução foi para destacar esse, que foi o ponto central da palestra.

Hoje o conceito de inteligência artificial ainda é bastante distorcido e fazendo alusão a robôs com corpos humanos. Na realidade a AI já é bastante aplicada na atualidade em funções cotidianas de diversas profissões.

Alguns exemplos dados por Avinash foram a JP Morgan, uma das maiores instituições financeiras dos Estados Unidos que reduziu o número de analistas de 600 para 2 entre o ano 2000 e 2015; neurorradiologistas, que reduziram a 15 minutos procedimentos que antes levavam 30 a 60 minutos para serem feitos; ambulâncias que conseguem detectar derrames de pacientes antes de chegar ao hospital; e o próprio Google, que usa sua plataforma de fotos com inteligência artificial para categorizar e organizar imagens conforme necessidades do usuário e facilitando a busca.

Machine Learning

Nada mais é do que a capacidade das máquinas aprenderem sem que sejam programadas para isso. Elas aprendem por comportamento.

Dentro do conceito de inteligência artificial e machine learning, existe ainda o deep learning. Ele envolve redes neurais mais profundas. De acordo com Avinash, o deep learning é uma técnica específica de machine learning que alimenta as aplicações mais emocionantes da inteligência artificial.

Com base nisso, Avinash diz que todo dispositivo usado hoje é baseado em ensino. Para uma experiência de deep learning, é necessário uma ativação por camadas. Simplificando, é ensinado à máquina um comportamento inicial e ela vai evoluindo conforme vai conhecendo novas experiências.

Um exemplo que ele utilizou foi o de ensinar a uma máquina o que é uma mesa. Se você ensina que uma mesa deve ser quadrada e com quatro pernas, ela ficará limitada a isso. Mas hoje há diversos modelos com uma única base ou de formato redondo, por exemplo. E é por meio dessas novas amostras que ela vai aprendendo o que é de fato uma mesa e o que não é.

O processo de machine learning pode ser dividido em 3:

1) Learn (Aprenda):

Não há programação explícita. Nessa etapa, eles usam o Tensor Flow, um software que é uma biblioteca de fonte aberta para inteligência de máquinas. Utilizam para rodar as redes neurais. Com isso conseguem juntar informações/dados e padrões de comportamento.

2) Build (Construa):

O Google possui uma plataforma chamada Google Cloud Plataform, que fornece serviços de aprendizagem de máquinas já com modelos pré-treinados para que o usuário possa criar seus próprios padrões.

Com isso é possível inserir as informações dos clientes e devolvê-las para Google, personalizando a experiência dela ao acessar o seu site, por exemplo. Digamos que o João entrou na sua página e logo de cara há uma mensagem para ele: Bem-vindo, João!

A experiência personalizada começa aí e o sentimento de envolvimento pela marca também.

Isso gera um aumento de velocidade em diversas operações das empresas; na parte de mídia, aplicações mobile, serviços financeiros e em qualquer website.

3) Profit (Lucre):

Para cada pesquisa, o Google usa 3 mil sinais de comportamento para criar a experiência do usuário. Usando o machine learning, 40% das informações são da sua empresa e 60% do Google.

Para cada milhão de pessoas há dezenas de milhares de pontos de contato e bilhões de sinais de comportamento humano.

É uma gama gigantesca de informações que podem ser resumidas da seguinte forma: Dados mais inteligentes = Marketing mais inteligente.

A distribuição de tempo gasto em análise atualmente está dividida da seguinte forma:

  • Coleta de dados – 50%
  • Relatório de dados – 40%
  • Análise de dados – 10%

Para o futuro, a previsão é:

  • Coleta de dados – 10%
  • Relatório de dados – 10%
  • Análise de dados – 30%
  • Partir para a ação – 50%

Para finalizar, Avinash deixou uma frase e uma provocação de meta para todos:

“Any useful statement about the future should seem ridiculous at first.”

(Qualquer afirmação útil sobre o futuro deve ter parecido ridícula no começo.)

Jim Dator

Objetivos para Outubro de 2018:

  1. 5% da força de trabalho treinada em machine learning
  2. 25% das principais funções do negócio movidas por machine learning
  3. 50% do Marketing Digital da empresa movido por machine learning

As metas são ousadas, mas segundo Avinash são muito possíveis. Basta dedicar tempo para conhecer mais sobre machine learning e como o seu negócio pode se beneficiar disso. E você, como estará em outubro de 2018?

Entre em contato