Skip to content

TI para Negócios

Como fazer a tecnologia trabalhar pelo seu sucesso e da sua empresa

Archive

Category: Opinião

Por Gustavo Santarém*

O comportamento do consumidor é um grande direcionador dos negócios e, por isso, a utilização de um autosserviço e atendimento multicanal, que valorize sua experiência, são demandas crescentes e cada vez mais presentes nas companhias. Os serviços automatizados para service desk, além de reduzirem os custos, tornam a empresa mais produtiva e competitiva, além de colocá-las em um patamar diferenciado no mercado, visto que 50% das interações com os clientes será influenciada por soluções de real-time analytics em 2018, segundo o Gartner. Por meio de análises cognitivas em grande volume de dados, é possível reduzir os chamados que dependem da operação humana, a fim de garantir maior produtividade da equipe.

A possibilidade de atendimento por diversos canais, como chat, redes sociais, aplicativos de mensagens, portais e outros canais digitais, deixam o ambiente mais disponível, gerando menos perda de atendimento e maior satisfação do usuário, que além de acessar o serviço pelo canal mais conveniente, tem autonomia para resolver problemas a partir do autosserviço. Ainda segundo o Gartner, em 2015, 74% dos clientes utilizavam mais de três canais de atendimento, sendo que 68% deles desejavam resolver suas solicitações através de autosserviço. Apesar de o telefone ainda ser principal meio de contato com o service desk, é considerado o método mais caro, se comparado aos outros canais de atendimento. Isso porque, além do custo operacional, durante um chamado telefônico, o analista só consegue prestar assistência a um único cliente, enquanto por chat, por exemplo, é possível atender mais de uma pessoa simultaneamente.

Embora o atendimento automatizado de service desk seja eficaz a diversos segmentos da economia, é muito bem aproveitado, principalmente, nos setores que demandam maior interação com o público ou que apresentem muitos processos, como serviços, indústria e o setor financeiro. Nestes casos, a pressão por resultados é muito grande, há volume considerável que permite a automação e o ambiente precisa estar disponível para gerar resultados.

O sistema parado de um bankline ou e-commerce, por exemplo, pode gerar perdas inestimáveis para as companhias. A linha de produção de uma fábrica, ao parar por alguns instantes, gera prejuízos colossais. Quando um funcionário para as atividades, não está produtivo para a empresa. É preciso estar preparado para uma possível instabilidade no sistema e ter uma resposta rápida para resolver a questão. As paradas precisam ser previstas, a fim de diminuir o impacto nos resultados. E isso só é possível com a utilização de tecnologias voltadas à inovação, automação e conectividade entre os dispositivos.

Mas é importante ressaltar a necessidade de respeitar os limites, a maturidade e o momento de cada setor ou companhia. Os bancos, por exemplo, têm extremo cuidado com a segurança da informação. São particularidades que precisam ser levadas em consideração para o bom andamento do negócio e a preservação dos clientes. Além disso, a cultura e perfil dos usuários devem ser avaliados criteriosamente para que essas tecnologias sejam devidamente utilizadas.

Ao automatizar as tarefas do dia a dia, o empregador torna o ambiente mais acessível e oferece uma proposta mais competitiva ao mercado, liberando a mão de obra humana para atividades que realmente exijam o conhecimento de um profissional qualificado. Tudo isso converge para a redução de custo e satisfação do usuário.

A inteligência humana não será substituída e sim canalizada para setores em que possa ser explorada e melhor aproveitada para gerar ganhos reais às entidades.

*Gustavo Santarém é gerente da Algar Tech

Por Roberto Barberino*

O amadurecimento do uso da internet móvel e o início efetivo de infraestrutura que viabiliza pagamentos móveis estão levando o mercado financeiro e de telecomunicações, em primeira instância, a dar um enfoque reforçado nas operações conhecidas como micropagamentos. Estes processos possibilitam o pagamento de pequenos valores com maior dinamismo, utilizando meios móveis ou ambientes nativos da internet para a sua execução.

Os grupos de compra via web, que vivem um boom, são um exemplo claro disto, uma vez que empregam o conceito da venda em quantidade para proporcionar melhores preços aos usuários. Neste momento, são predominantes os serviços de baixo ou médio custo, como refeições, tratamentos estéticos e outros, que se aproveitam da decisão impulsiva de compra. Já os sites de compras coletivas são atores neste cenário no qual, o que importa, é o grande volume de transações de ticket médio a pequeno.

Fatores importantes no amadurecimento da internet comercial estão diretamente ligados à infraestrutura de telecom. O surgimento de serviços mais ágeis, com acesso de alta velocidade e sem fio à internet por meio de dispositivos portáteis móveis como os smartphones, pode estender estas oportunidades tanto a produtos pós como pré-pagos a preços mais acessíveis a fim de popularizar ainda mais a navegação fora do PC/notebook. Estatísticas apontam um crescimento excepcional de mais de 300% em 3 anos, no número de pontos de acesso fixo e móvel.

O sistema bancário, sempre a frente no critério inovação, tem abordado este tema com muita ênfase em busca da evolução dos atuais ambientes e serviços através de novas interfaces para toda a cadeia do internet banking, mobile payment, entre outros.

Novas redes de adquirentes também têm procurado aproveitar-se deste bom momento buscando massificar baseadas no uso de tecnologias de pagamento como contact less ou aproximação como NFC – Near Field Communication, RFID – Radio-frequency identification, entre outros.

Novos modelos surgem a todo instante e a necessidade de se adaptar a eles é imperativa. É preciso estar alinhado às novas diretrizes do mercado e as soluções de “mobile payment” com foco em micropagamentos são peça fundamental dessa evolução, pois são capazes de integrar e melhorar esses novos ambientes convergentes, promovendo uma experiência única, personalizada, sustentável e com maior valor agregado.

*Roberto Barberino, Diretor Executivo Administrativo Financeiro da Provider IT

Por Marcio Aguiar, Gerente de Vendas Enterprise da NVIDIA na América Latina

Quando eu digo que trabalho na NVIDIA, algumas pessoas ainda relacionam a marca a placas de vídeo para games, o que não é errado devido à popularidade da marca. Atualmente, a NVIDIA é líder em computação acelerada por GPUs, mas, muito além dos PCs para jogar, a GPU é uma provedora de processamento para diversos fins, alguns até que você nem imagina e, nesse caso, precisamos falar sobre Machine Learning.

Uma plataforma de processamento via GPU possui capacidade de oferecer novas experiências de criação, desenvolvimento e usabilidade para produtos de Internet das Coisas e dispositivos como o Echo, da Amazon. Ele também é responsável pela tecnologia embarcada em veículos autônomos, além, é claro, de equipar os mais poderosos e inteligentes supercomputadores, como o nosso Santos Dumont ou o popstar máximo do Machine Learning, o Watson, da IBM. O Machine Learning está em todo lugar e, pode acreditar, onde há essa tecnologia, há um processamento via GPU atrás disso.

Aqui mesmo no Brasil, o mestre em informática pela PUC-Rio, Matheus Masson, criou o Genial Mind (https://www.genialmind.com/), uma plataforma que usa Machine Learning para oferecer músicas de acordo com o gosto pessoal do usuário no Spotify e iTunes com um diferencial: ele identifica músicas lançadas há pouco tempo e as recomenda aos usuários. E tudo isso foi feito via GPU e sob o mínimo de investimento financeiro, algo inédito até para grandes corporações como Netflix e Amazon, que já gastaram milhares de dólares para resolver esta questão conhecida como “Cold Start”.

Qual é o segredo do Genial Mind ou do carro autônomo na tomada de decisões? A resposta é o treinamento e reconhecimento de imagens como forma de aprendizado. O conceito básico do Machine Learning é usar algoritmos para analisar dados, aprender com eles e, em seguida, fazer uma determinação ou previsão sobre algo no mundo. Portanto, ao invés de rotinas de software de codificação manual com um conjunto específico de instruções para realizar uma tarefa específica, a máquina é “treinada” usando grandes quantidades de dados e algoritmos que lhe dão a capacidade de aprender a executar a tarefa. No caso do Genial Mind, a plataforma foi treinada para entender que um fã do Metallica pode também ouvir e gostar de Iron Maiden.

Uma das melhores áreas de aplicação para Machine Learning há muitos anos é a visão por computador que hoje é usada nos veículos Tesla. Nessa técnica de aprendizado, os programadores escrevem classificadores codificados manualmente como filtros de detecção de borda para que o programa possa identificar diferentes variáveis, como, por exemplo, qual é o limite da via ou um conjunto de letras como “P-A-R-E”. Com um supercomputador processando e reconhecendo imagens via GPU, o carro automaticamente reduz a velocidade assim que avista uma placa com essas letras. Você pode ver mais dessa tecnologia incrível no mais recente vídeo da Tesla, que apresenta como funcionará o sistema de seu carro totalmente autônomo rodando na cidade com muita segurança: https://vimeo.com/192179727.

Em ambos os exemplos, o computador usa computação via GPU para processar imagens e codifica-las em informações. E estamos usando dois exemplos aplicados para fins comerciais, mas você já se imaginou brincando de “Imagem & Ação” com um computador? O Google pensou e criou o Quick Draw (https://quickdraw.withgoogle.com/#), um jogo online e gratuito que desafia o jogador a desenhar para a rede neural adivinhar. Como o computador é treinado via armazenamento das imagens, basta desenhar minimamente parecido com a palavra solicitada para que a inteligência artificial descubra. E é interessante que, mesmo que você erre o desenho, o sistema armazenou a sua tentativa, que poderá ser usada na próxima vez que o desafiarem.

E desafio é a palavra que melhor define o aprendizado de máquinas. Quanto mais as desafiamos, mais elas aprendem. E quem ousa duvidar do potencial de quem tem a frieza ímpar de não se abalar com os erros? É ver para crer. Ou, no caso do Machine Learning, é ver para aprender.