Empresas de TI ou organizações dependentes dela?
Considerada parte do ‘guarda-chuva’ da Inteligência Artificial, a Machine Learning vem crescendo e ganhando força à medida que o volume de dados explode. Esta tecnologia – que permite que as máquinas otimizem e melhorem suas ações continuamente sem intervenção humana – apresenta insights fundamentais às organizações, especialmente às geradoras de grandes números de dados.
Como já muito discutido, as estimativas atuais são de que aproximadamente 50 zettabytes (ZB) de dados serão criados somente em 2020 (em contrapartida aos apenas 4 em 2016) e 180 ZB cinco anos depois, em 2025 – uma taxa de crescimento sem precedentes. Com tantos sensores, Internet das Coisas, câmeras digitais e inúmeros dispositivos conectados, o volume de dados explodiu. Simultaneamente, a capacidade de analisar esses dados transcendeu a cognição humana.
É neste momento que o Machine Learning ganha papel de destaque no mercado atual. Apoiada por algoritmos, a tecnologia ficou em primeiro lugar na lista do Gartner [1]das 10 principais tendências estratégicas de tecnologia em 2017, muito sendo devido a sua capacidade avançada de compreender, aprender, prever, adaptar e operar de maneira autônoma. Ou seja, a aprendizagem por máquina é capaz de “prever problemas futuros”, analisá-los, identificar padrões de dados e, em seguida, criar soluções efetivas.
Entre os métodos de uso mais populares no mercado, temos exemplos como aprendizagem supervisionada, não supervisionada e semisupervisionada. No primeiro caso, encontramos o uso ou não uso de dados rotulados. Quando há a presença de rótulos, o algoritmo de aprendizagem recebe um gama de entradas junto com de saídas corretas correspondentes.
O algoritmo então compara a saída real com as saídas corretas, assim, encontrando os erros. No segundo, por não utilizar rótulos, ela serve basicamente para o algoritmo explorar dados e assim encontrar alguma estrutura neles. Por último, a semisupervisionada pode ser usada nas duas instâncias acima, ou seja, tanto com dados rotulados, quanto não marcados.
O machine learning visa automatizar o desenvolvimento de modelos analíticos, por meio do uso de algoritmos que aprendem interativamente a partir dos dados.Daqui para frente, as organizações serão capazes de traçar estratégias, otimizar ações internas e externas, interagir com clientes, armazenar grandes volumes de dados, tudo isso com autonomia parcial ou total, graças à machine learning. Com relação ao armazenamento de dados, a tecnologia de storage all-flash colabora para a performance dos dados, seja na agilidade do acesso à informação, seja na integridade e segurança dos dados.
Um exemplo prático da implementação dessas inteligências é o uso de robôs para investirem no mercado de ações. Os algoritmos são capacitados a detectarem as melhores oportunidades do dia, e, a partir daí, tomarem decisões que gerarão maior lucratividade. Outro caso, mais clássico, são as ações de empresas como Facebook e Google, que revolucionaram o mercado de publicidade online, desenvolvendo modelos mais atraentes de anunciantes e que, com o uso do machine learning, foram capazes de otimizar a entrega da publicidade, segmentando-a de acordo com o perfil do usuário.
O que se pode afirmar, é que estamos vivendo em um cenário no qual o mercado será dividido em dois: por um lado, as empresas especializadas em TI. Por outro, as organizações que dependerão de um know-how em tecnologia da informação. Ou seja, tudo estará intrinsecamente ligado a este universo tecnológico. A boa notícia é que, com as novas gerações, principalmente a Z, considerada “nativa digital”, elas facilmente conseguirão navegar por ambas as dimensões, sendo capazes de estabelecer uma relação inédita com a informação e sabendo filtrar e processar o que mais a interessa.
Paulo de Godoy é gerente geral de vendas da Pure Storage no Brasil
