Automação e inteligência para projetos de energia mais eficientes, seguros e sustentáveis

Tag: inteligência artificial

  • Como usar inteligência artificial (IA) na gestão do conhecimento (KM)

    Como usar inteligência artificial (IA) na gestão do conhecimento (KM)

    Atualmente, é impossível desassociar a gestão do conhecimento (KM – Knowledge Management) a sistemas de inteligência artificial. Muitas análises manuais ou com o auxílio de ferramentas tradicionais, como o MS-Excel, perdem espaço para os modelos matemáticos de inteligência artificial. Começam a ser comuns nomes como Random Forest, progressão logística, algoritmos genéticos, redes neurais artificiais, redes bayesianas, entre outras. Todos estes modelos são tão fáceis de se usar como o MS-Excel, usando softwares disponíveis no mercado, alguns até gratuitos. Ou seja, o seu uso além de ampliar a visão do conhecimento da organização em diversas áreas, ainda pode ser mais barato que as técnicas tradicionais. Existem duas barreiras para a adoção da inteligência artificial nas organizações: reunir dados relevantes para as análises e o conhecimento da equipe. Ambos podem ser ultrapassados com treinamentos eficazes.

    Vamos imaginar algumas situações para compreender a importância do uso da inteligência artificial aplicada nas organizações.

    Atualmente, como a área de RH, tradicionalmente, avalia o clima organizacional da organização? O caso mais comum é através de entrevistas com os funcionários, de forma presencial ou através de formulários, uma vez por ano. Algumas empresas investem grandes quantias na contratação de empresas especializadas em clima organizacional, justificando a possibilidade de um benchmarking com outras empresas e ser classificada entre as melhores para se trabalhar.

    Uma alternativa mais eficaz e eficiente é fazer análises de sentimento dos textos escritos, cotidianamente, pelos funcionários em e-mails e mensagens instantâneas corporativas, usando computação afetiva. É possível e fácil, identificar palavras positivas, negativas e neutras que as pessoas escrevem e avaliar o clima organizacional. Isto é útil de várias formas, avaliar, antecipadamente, o impacto de uma mudança importante na empresa e, posteriormente, os resultados das mudanças.

    Outra situação é avaliar a eficiência de uma nova norma interna na organização. Vamos considerar que uma organização esteja com um problema de conformidade – compliance – prejudicando um determinado indicador de desempenho (KPI). Aqui é possível utilizar uma técnica muito utilizada em marketing digital conhecida como teste A/B. Lance diferentes redações da nova norma e avalie qual das redações é mais eficiente para a compreensão dos funcionários e que mais rápido trás resultados de melhoria do indicador de desempenho. Para avaliar os resultados, podemos utilizar a análise textual da norma, avaliando palavra a palavra e escolhendo os textos com a melhor seleção de palavras.

    O uso de inteligência artificial é típico em modelos de análise de falhas de equipamentos na linha de produção das fábricas. Analisando o histórico de falhas dos equipamentos, utilizando todos os dados internos e externos, é possível determinar quando um equipamento ou um sistema de produção pode apresentar uma falha e paralisar toda a produção. Estas técnicas, muito utilizadas para análise de risco e gestão da manutenção, reduzem as perdas financeiras das empresas, com programações mais eficientes de manutenções preventivas.

    Atualmente, a inteligência artificial pode ser utilizada para quase todas as áreas de conhecimento, oferecendo novas perspectivas de melhoria organizacional e transformação digital das organizações.

    Conferir Solução
  • Machine Learning uma forma tangível de aplicar o conhecimento organizacional

    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.

  • Liderança em tempos de Inteligência Artificial e Indústria 4.0

    Liderança em tempos de Inteligência Artificial e Indústria 4.0

    O impacto das novas tecnologias nas empresas, na economia e na sociedade será dramático. A diferença das outras revoluções tecnológicas é a velocidade que está vem transformando negócios e comportamento dos consumidores, gerando mudanças de conceitos de gestão. A quarta revolução indústria, também conhecida como a Indústria 4.0, eliminará 5 milhões de empregos nos próximos anos. As fábricas serão flexíveis produzindo em massa produtos personalizados, alterando o conceito de produção em massa adotado por Henry Ford. Sistemas de inteligência artificial (IA) irão substituir tradicionais programas de computadores e mudará o processo de decisão. Neste cenário, os modelos de liderança atuais falham e novas habilidades devem ser desenvolvidas pelos líderes do futuro.

    Os líderes devem adotar uma liderança dinâmica, equilibrando a liderança responsiva e liderança responsável, para competir em mundo de transformação digital.

    Abordagem de liderança dinâmica para tomadas de decisão

    A abordagem da liderança dinâmica, reúne as características essenciais e imutáveis que não podem ser negligenciadas pelo líder (integridade, inspiração, inclusão, autenticidade e transparência) e as sete dimensões da arte da liderança (tomada de decisão, comportamento, metas e objetivos, políticas e ações, abordagem motivacional, desempenho e estilo de execução).

    Em abordagens complexas os lideres precisam potenciar ou atenuar um ou outro atributo conforme a situação. Esse equilíbrio deve ser baseado nos traços imutáveis dos líderes.

    Resumindo, em cenários de transformação digital e desenvolvimento de novos modelos de negócios disruptivos, onde não existe histórico, o que deve balizar as tomadas de decisão são os traços imutáveis de um líder.