Machine Learning uma forma tangível de aplicar o conhecimento organizacional

O conceito de gestão do conhecimento é amplo e envolve várias disciplinas nas organizações. A características mais tangível nas organizações é a gestão das informações nos sistemas informatizados. É possível avaliar de forma indireta através das competências e treinamentos dos funcionários. Os pesquisadores desta área expandem as áreas de avaliação, incluindo a gestão estratégica, a teoria das organizações, a gestão da tecnologia e inovação, o marketing, a economia, a psicologia e a sociologia, por exemplo. As principais vantagens são o aumento da competitividade, melhoria da produtividade e redução de custos. Entretanto, a melhor métrica para avaliar o nível de maturidade da gestão de conhecimento é a qualidade das tomadas de decisão em todos os níveis organização, desde o funcionário operacional até a alta direção. Isto envolve decisões do dia-a-dia até decisões estratégicas. É neste contexto que as máquinas de aprendizagem – Machine Learning – tem sua aplicação mais relevante, na melhoria da qualidade das tomadas de decisão.

A princípio a solução parece simples. Contrate uma solução de Machine Learning, existem várias disponíveis no mercado, através de grandes provedores de serviços como Google, AWS, Azure, IBM entre outras.

Entretanto, os primeiros desafios são como e quem irá ensinar a máquina?

Como a máquina deve aprender, é suposto que exista um processo estruturado de conhecimento que possa ser traduzido em regras e modelos matemáticos para “ensinar” a máquina a tomar decisões corretas. É neste ponto que está a primeira grande oportunidade para as organizações, usar projetos de Machine Learning para estruturar o conhecimento interno, agregando conhecimentos de boas práticas externas, para ter ganhos de produtividade, competitividade e redução de custos.

Os projetos de Machine Learning abrem a oportunidade de rever todos os processos, colher feedbacks de todos os funcionários envolvidos, buscar novas informações para agregar as tomadas de decisões e avaliar os gaps de competências internas.

Devemos tomar como lições aprendidas alguns fracassos de projetos dos últimos movimentos tecnológicos, como a implantação de ERPs, Internet e Comércio Eletrônico. A tecnologia é apenas uma ferramenta para ajudar no aperfeiçoamento dos processos e tomadas de decisão. Ela em si não resolve nada.

Vamos tomar como exemplo as novas aplicações de Chatbot, chats de empresas que utilizam robôs para interagir com as pessoas. Se a empresa não tem processos estruturados de relacionamento com os clientes, torna-se um desafio ensinar uma máquina.

Por outro lado, a própria Machine Learning pode ajudar a resolver o problema. Se ensinarmos todas as experiências de relacionamento entre os consultores da empresa e os clientes e o resultado final, tanto de retenção ou de satisfação, a máquina pode encontrar o melhor processo de atendimento, considerando o perfil do cliente. Este perfil pode ser construído, instantaneamente, consultado nas redes sociais e outras interações com a empresa.

O fato é que as tecnologias atuais de Machine Learning e outras de Inteligência Artificial abrem enormes oportunidades para melhorar a produtividade, competitividade e redução de custos das empresas.