Skip to content

TI para Negócios

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

Archive

Category: Opinião

Por Silnei Kravaski*

A forma de consumir TI está mudando e isso é fato. Flexibilidade é a palavra da vez e na medida em que as áreas de tecnologia ganham espaço e importância dentro das organizações, surge também uma série de questionamentos a respeito da melhor forma de maximizar os recursos, não só financeiros como também humanos, investidos na gestão da infraestrutura de TI. Com um novo ano começando, talvez seja o momento de refletir se não é a hora também de ser disruptivo e mudar a forma como sua empresa tem consumido TI.

Segundo o IDC, 80% do tempo das equipes de TI é despendido erroneamente com atividades operacionais e rotineiras, como, por exemplo, reuniões e na gestão da infraestrutura propriamente dita (provisionamento de armazenamento, servidor e rede, monitoramento e soluções de problemas, entre outros). Por outro lado, apenas 14,5% do tempo disponível relacionam-se à inovação e aos novos projetos. Essa conta é no mínimo contraditória e é nesse sentido que emergem os conceitos de TI Flexível e de utilização de infraestrutura de TI como serviço, que se configuram como protagonistas nessa mudança de como se consome TI. Mas, o que é isso? Quais as vantagens?

Vamos às respostas: TI Flexível é um serviço de infraestrutura escalável no qual o cliente paga apenas pelo o que usar (Opex). O modelo oferece uma plataforma expansível de TI e instalações para dimensionamento eficiente, de forma modular, o que deixa o cliente pronto para crescer conforme as necessidades de seu negócio. O ponto chave é que a empresa já consegue obter um ganho tecnológico e financeiro logo de cara, afinal não é preciso esperar meses para a expansão da infraestrutura de TI, uma vez que, o pagamento baseia-se no consumo e alinha o fluxo de caixa ao uso da capacidade real.

Enquanto a aquisição no modelo tradicional proporciona uma capacidade de provisionamento incerta (muito alta ou muito baixa para as necessidades daquela organização), a TI Flexível atende à demanda real utilizada. Além disso, o tempo de resposta e integridade dos dados são maiores, assim como o controle, uma vez que as informações estão mais próximas e a velocidade de acesso a elas é enorme.

Em suma, essa flexibilidade da infraestrutura de TI como serviço permite manter as operações impecáveis e liberar recursos e tempo para inovações. Isso faz total diferença em um cenário no qual as empresas mais bem sucedidas serão aquelas que aderirem à transformação digital e usarem todo o potencial de TI em conjunto com as inovações organizacionais, já que velocidade tornou-se uma das palavras-chaves nessa economia digital. É preciso agir e inovar com rapidez para manter-se à frente da concorrência e destacar-se em seu mercado.

*Silnei Kravaski, da Planus Tecnologia

Por Alexsandro Labbate*

À medida que inovadores tecnológicos como a Amazon e Netflix redefinem constantemente a experiência do consumidor, a expectativa de hoje em relação ao nível de serviço prestado tornou-se sem precedentes em todas as indústrias, inclusive no setor de energia e utilities. Tecnologias novas e emergentes, como assistentes virtuais, redefiniram o serviço “sob demanda” e todos os segmentos precisam se adaptar para manterem-se competitivos.

Em 2017 o Brasil voltou a receber investimentos no setor de energia. Nos primeiros três meses do ano, o ingresso de capital estrangeiro atingiu US$ 5,560 bilhões, quase o dobro do total registrado em todo o ano de 2016. Além disso, o governo federal anunciou que pretende concluir a reforma proposta para a regulamentação do setor já no início de 2018, o que deve impulsionar ainda mais o mercado.

Os serviços públicos são tradicionalmente uma indústria altamente regulamentada e, muitas vezes, avessos ao risco como resultado. Isso pode tornar mais lenta a adoção de novas tecnologias, mesmo que a mudança apoie uma abordagem centrada no cliente. No entanto, para que as empresas do mercado de Utilities consigam prosperar, devem incorporar tecnologias inovadoras que proporcionem respostas mais rápidas, incluindo uma estratégia preventiva.

Aliada a essa necessidade imediata de disrupção das empresas, a questão é: como os serviços públicos podem manter o ritmo? A inovação provou impulsionar melhorias no atendimento ao cliente, e o setor de Utilities deve estar preparado para tirar proveito da tecnologia e incorporá-la em sua estratégia global de negócios.

Internet das Coisas no setor de energia
Estima-se que 20,8 bilhões de “coisas” conectadas serão utilizadas mundialmente em 2020, gerando novas oportunidades para os serviços no setor de energia. Os sinais enviados de e para dispositivos conectados estão crescendo exponencialmente à medida que mais dispositivos conectados emergem. O uso de Big Data, Machine Learning, Inteligência Artificial (IA) e armazenamento em nuvem juntos fornecem informações valiosas de uma abundância de dados. A comunicação proveniente da Internet das Coisas (IoT) e do Machine-to-Machine (M2M) permite um nível de decisões e ações automatizadas com pouca ou nenhuma intervenção humana. Os benefícios para as organizações são grandiosos. Aplicações de monitoramento remoto podem economizar bilhões em custos com transporte e gerenciamento de força de trabalho para as empresas de energia. Com os potenciais efeitos positivos sobre a experiência do cliente e seu valor comercial associado, fica evidente a necessidade de acompanhar a inovação.

Usinas elétricas, por exemplo, podem utilizar equipamentos habilitados para IoT para suportar um grid, enviando detalhes de desempenho para grandes instalações de Big Data que podem então sinalizar problemas ao centro de controle. Aliando esse tipo de tecnologia às ferramentas de gerenciamento de serviços em campo, os problemas tornam-se menos prejudiciais: quando um problema é sinalizado, o técnico mais adequado pode ser enviado com as ferramentas e conhecimentos necessários, promovendo uma solução rápida e estratégica em apenas uma visita. As interrupções e outros problemas que causam maiores dores de cabeça para os clientes podem ser resolvidos com mais rapidez por meio de sensores incorporados, que fazem a manutenção online de todos os equipamentos e oferecem visibilidade de sua saúde. Em vez de o cliente detectar um grande problema, o sensor pode fornecer atualizações em tempo real capazes de prever quando o equipamento pode falhar. Isso economiza o tempo e a dor do cliente, melhorando sua experiência.

Inteligência artificial no setor de energia
A Inteligência Artificial (IA) é definida como “simulação da inteligência humana processado por máquinas, especialmente sistemas de computador”. O termo também inclui tecnologias como robótica e processos como a automação. De acordo com Andy Peart, da Artificial Solutions, “até 2020, a inteligência artificial será tão crítica para os negócios e para o atendimento ao cliente como o website foi há 20 anos, ou o aplicativo móvel foi cinco anos atrás”. A IA é capaz de processar grandes quantidades de dados de maneira muito mais rápida do que os humanos. Para o setor de energia, isso significa que os processos automatizados podem lidar com as tarefas repetitivas e demoradas, aumentando a eficiência, enquanto os funcionários se concentram no trabalho e no atendimento ao cliente, que requer um elemento humano.

As empresas de energia devem adotar a inteligência artificial para aprimorar o agendamento, ajustando o envio dos colaboradores automaticamente de acordo com as mudanças no ambiente, incluindo clima e condições do trânsito. Com base em fatores como demografia do cliente, histórico do consumidor e tipo de tarefa, a tecnologia consegue antecipar a probabilidade de cancelamento de compromissos e automatizar lembretes para chamadas de maior risco e, com isso, preparar o técnico para essa possibilidade.

Inovação e Elemento Humano no setor de energia
É importante ter em mente que o setor de energia é inerentemente um provedor de serviços. Apesar das significantes oportunidades disponíveis para os serviços de energia atenderem aos padrões de serviço esperados pelos clientes, o verdadeiro segredo é combinar estrategicamente as capacidades tecnológicas com as habilidades do técnico. O que garante a excelência do serviço não é tecnologia em si, mas sim as tarefas que ela consegue realizar para liberar um técnico ou engenheiro humano – ou para aumentar as capacidades humanas. Falar sobre automação, inteligência artificial e internet das coisas pode gerar certo receio nos trabalhadores que temem serem substituídos por máquinas, mas a realidade é que a inovação funciona melhor como um híbrido de tecnologia e trabalho humano. As empresas que, estrategicamente combinarem funcionários qualificados com tecnologias inovadoras, não só conseguirão produzir um serviço diferenciado como aprimorarão sua imagem e vantagem competitiva no mercado.

*Alexsandro Labbate, Diretor Global de Marketing da ClickSoftware

por Alexsandro Labbate

Embora o aprendizado de máquinas (machine learning) tenha estado na agenda da tecnologia nos últimos vinte anos, somente em tempos mais recentes seus potenciais benefícios em termos de gerenciamento de serviço de campo foram melhor compreendidos.

Embora o aprendizado de máquinas (machine learning) tenha estado na agenda da tecnologia nos últimos vinte anos, somente em tempos mais recentes seus potenciais benefícios em termos de gerenciamento de serviço de campo foram melhor compreendidos.

Parte integrante da inteligência artificial (IA), o machine learning (ML) utiliza a IA para analisar os dados de desempenho de uma empresa e então toma decisões capazes de torná-la mais eficiente. O interesse pela IA tem crescido nos últimos anos, com líderes tecnológicos como Elon Musk e Mark Zuckerberg, utilizando o aprendizado de máquinas para aprimorar a tecnologia existente.

No Brasil esse fascínio não é diferente e alguns brasileiros têm se destacado em iniciativas envolvendo o conceito de machine learning. O Brasil é, atualmente, um dos países com maior número de profissionais em grau máximo (considerados masters) em aprendizado de máquinas pelo Kaggle, um dos principais sites do mundo orientado à organização de competições de machine learning. O país fica atrás apenas dos Estados Unidos, China e Rússia. Além disso, o machine learning já é aplicado no Brasil em recomendações para os consumidores como filmes, viagens, músicas e ofertas de produtos e serviços.

O entusiasmo pelo machine learning em organizações de serviços aumentou profusamente, embora seus poderosos benefícios ainda não sejam completamente compreendidos pela massa. Empresas em todo o mundo começam a enxergar o ML como um “serviço de previsão”, pelo qual todos os tipos de dados macro e micro ambientais – tais como padrões climáticos e habilidades de um técnico específico, por exemplo -, podem ser perfeitamente conectados e analisados para fornecer previsões precisas baseadas no histórico.

E, enquanto tudo isso pode ser feito sem qualquer esforço de interpretação por parte dos profissionais que trabalham em organizações de serviços, a visão útil oferecida pode criar uma vantagem competitiva significativa.

Machine learning: a renderização do homem à máquina é redundante?

Pelo contrário. De fato, a combinação das previsões do machine learning com as pesquisas operacionais realizadas pelos líderes empresariais fornece um nível de inteligência comercial mais profundo e altamente valioso, permitindo uma tomada de decisão estratégica mais embasada, além de melhorar a produtividade e o desempenho. Então, como exatamente o machine learning pode alavancar novas oportunidades para as organizações de serviço em campo? Quando se trata de oferecer valor de negócio por meio do aprendizado de máquinas, as principais oportunidades giram em torno de melhor planejamento e de um agendamento mais preciso.

1. Previsões de padrões de tráfego

As organizações de serviços mais inovadoras já estão introduzindo a capacidade de encaminhar seus técnicos de acordo com os padrões de tráfego preditivos. Com base em dados históricos, como os padrões de tráfego de feriados, é possível direcionar os profissionais para trabalhos específicos quando o tráfego estiver menos congestionado nesses locais. Isso já garante uma grande economia de tempo e custos, sem mencionar as melhorias na experiência do cliente ao reduzir atrasos nos horários de chegada do técnico e a necessidade de longas janelas de espera. Além disso, as previsões derivadas do machine learning também podem proporcionar às empresas que fornecem serviços de reparação e instalação a domicílio indicações mais precisas em torno da duração estimada dos trabalhos, permitindo que o agendamento e a produtividade sejam otimizados.

2. Previsão do tempo

Muitos institutos de meteorologia já desenvolveram modelos de previsão do tempo que permitem prever padrões de clima baseados em informações históricas e outros fatores sazonais. Da mesma forma, as empresas de serviço em campo estão começando a se espelhar nesses modelos de previsões climáticas, adicionando capacidades de machine learning em seus sistemas de gerenciamento. Isso agiliza o processo de avaliar e identificar quando certos trabalhos – muitas vezes aqueles que precisam ser realizados ao ar livre ou em altitude – devem ser adiados devido à expectativa de mau tempo, de preocupações associadas à saúde e segurança, bem como considerações de tempo x custo.

3. Prevenção de não comparecimento de clientes

Um dos maiores prejuízos financeiros para as empresas que operam em campo é o não comparecimento de clientes, ou seja, o técnico desloca-se até a casa de um cliente no horário agendado apenas para descobrir que não há ninguém na propriedade para atendê-lo. Nesse cenário, o aprendizado de máquinas pode ajudar a prever se o cliente estará em casa ou não com base em dados de seu histórico, a localização de sua casa e uma série de outros fatores relacionados ao clima e sua situação de trabalho. Esse tipo de informação elimina desperdícios de tempo dos técnicos e aumenta a vantagem competitiva.

4. Envio da pessoa certa para o trabalho certo

O aprendizado de máquinas também pode agilizar as ofertas de serviços alocando determinados profissionais para trabalhos específicos. Por exemplo, se um técnico instala frequentemente medidores inteligentes em casas, já está familiarizado com esse tipo trabalho e, inevitavelmente, completará mais rapidamente as instalações. Por isso, os softwares de machine learning podem realocar esse profissional para futuras instalações de medidores inteligentes para acelerar os processos de trabalho. Racionalizar as decisões empresariais por meio do aprendizado de máquinas pode garantir que os funcionários atuem nos trabalhos em que se destacam, aumentando a satisfação do cliente.

5. Manutenção preditiva

Ao alavancar os dados gerados pela Internet das Coisas (IoT), o machine learning pode antecipar quando os reparos serão necessários e programar o serviço de forma proativa, sem precisar de intervenção humana. Consequentemente, o aprendizado de máquinas pode monitorar o status do equipamento e prever o surgimento de problemas, permitindo que os técnicos atendam ao equipamento antes mesmo que o problema seja encontrado. Ao optar pelo serviço preventivo em relação ao reativo, as empresas podem evitar falhas dispendiosas e interromper paradas espontâneas que irritam os clientes e demandam tempo dos engenheiros.

Como a máquina está conduzindo as experiências de clientes e funcionários

Do ponto de vista do consumidor que precisa de um reparo, os benefícios do machine learning podem incluir um aumento considerável de “reparos na primeira visita”, garantindo que peças e técnicos certos sejam despachados já na primeira vez. Isso melhora no geral a satisfação do cliente e os níveis de experiência – algo que vem se tornando cada vez mais crítico em um ambiente no qual os clientes demandam níveis de serviço semelhantes à apps como o Uber, por exemplo, e possuem mais opções e influência do que nunca. Da mesma forma, para os profissionais que trabalham em empresas de serviços em campo, o aprendizado de máquinas também pode melhorar a experiência geral dos funcionários e apoiar os níveis de retenção das equipes.

Qual o próximo passo?

É claro que o machine learning continua a ser um novo conceito para muitos e as questões permanecem em torno da melhor maneira de aplicá-lo em um contexto de serviço em campo. Ainda há algum trabalho a ser feito para incorporar o aprendizado de máquinas nos sistemas de fluxo de trabalho existentes, de modo a que as futuras previsões possam ser mais facilmente integradas, compreendidas e aplicadas. As empresas que dominarem esse processo antes das massas, no entanto, certamente poderão melhorar sua conformidade com o Acordo de Nível de Serviço (SLA) e obter melhores recompensas de negócios.

*Alexsandro Labbate, Diretor Global de Marketing da ClickSoftware