Muito tem se ouvido falar sobre a nova geração de produtos fruto da Indústria 4.0. Mas você sabe como eles surgiram e quais são os pilares por trás da criação desses produtos? Neste artigo, você poderá compreender como o design de serviços, aliado à automação do comportamento inteligente, pode interferir positivamente na vida das pessoas e trazer oportunidades para as empresas gerarem produtos mais eficazes e desejáveis.
Experiência do Usuário
O termo User Experience foi utilizado pela primeira vez por Donald Norman, designer, pesquisador, professor e autor americano na área de ciências cognitivas e da computação, na década de 1990. Norman defende o bom design e o uso de objetos e serviços de forma fácil e eficiente. Um famoso exemplo disso é o caso das “Portas de Norman”, citado em seu livro “O Design do Dia a Dia”. Ele identificou uma grande dificuldade de compreensão do uso das portas da universidade onde lecionava, pois elas possuíam puxadores, mas eram feitas para empurrar. Outras serviam para arrastar, mas não possuíam acessório para seu manejo. Então, em síntese: “Qualquer objeto que precise de instruções de uso, falhou no quesito funcionalidade.”
Imagem: reddit.com
Uma boa experiência do usuário consiste não só em encontrar facilidade de usabilidade em um produto/ serviço, como também envolve aspectos psicológicos e cognitivos da experiência, uma vez que o usuário se identifica com o universo daquele bem de consumo, seja ele tangível ou intangível. Existem três pontos básicos para uma boa experiência:
(1) a utilidade (o produto precisa servir para alguma coisa, resolver um problema);
(2) a usabilidade (precisa ser fácil de usar);
(3) a desejabilidade (satisfazer ou encantar com suas soluções).
O Design de Serviços e os produtos
Utilizando metodologias do design, o Service Design (ou Design de Serviços) trabalha para entender o perfil dos consumidores, seus desejos e suas necessidades. Tudo para garantir que determinado serviço seja competitivo para o mercado e relevante para quem o usa. Em sua essência, se atenta às necessidades humanas no geral. Não apenas do cliente, mas de todos os atores envolvidos, como: colaboradores, fornecedores, distribuidores, entre outros.
As interações entre o consumidor e a empresa prestadora do serviço gera uma jornada de experiência de ponta a ponta. Assim, o Service Design analisa os recursos da empresa e projeta para ela formular todas as estratégias que atendem às necessidades dos clientes de forma relevante e econômica – ou sustentável. São analisadas todas as atividades (processos), infraestrutura, comunicação, pessoas e componentes/ materiais envolvidos. Tudo isso com o intuito de melhorar a qualidade do serviço e as interações entre o prestador do serviço e seus clientes. E é altamente aplicável a serviços digitais.
Do ponto de vista prático, uma ferramenta proveniente do Design de Serviços que oferece uma excelente clareza mental é a construção da jornada do cliente. Ao mapear todos os pontos de contato e as relações de troca que se estabelecem, torna-se mais evidente onde a companhia consegue (ou não) entregar valor ao cliente e aos demais envolvidos no sistema.
Design, IA e Indústria 4.0
E como isso interfere em nosso cotidiano? Atualmente, estamos transitando para a Era da Indústria 4.0, que se iniciou com o boom da internet na primeira década do milênio. Ela caracteriza-se pelo forte uso de Inteligência Coletiva (IC) e Inteligência Artificial (IA) para a automação de etapas de concepção, manufatura e distribuição de bens e serviços. De lá pra cá, a popularização do acesso ao conhecimento por meio de smartphones e outros dispositivos resultou em um novo perfil de consumidor, cada vez mais próximo do mundo automatizado e de suas facilidades.
Existem grandes benefícios em aplicar a Inteligência Artificial ao Design de Serviços, onde podemos citar o uso de dados para analisar as variáveis do mercado; em produtos que ajudam empresas a mensurar melhores preços para seus produtos; ou ainda para a prevenção de danos, como no caso da IA que monitora refrigeradores de vacinas, alertando sobre a necessidade de sua manutenção a tempo de prevenir a perda dos medicamentos.
Imagem produzida pelos autores.
Não podemos deixar de citar também algumas empresas que começaram como startups e revolucionaram a forma de prestar serviços de forma disruptiva, como: Uber, Airbnb e Netflix. O uso da IA associada ao Design de Serviços trouxe cases de sucesso no que diz respeito à inovação, solução de problemas e usabilidade, pois facilitaram a experiência e mudaram o mindset nos segmentos de locomoção urbana, hospedagem e entretenimento.
Assistente virtual Alexa
Um perfeito exemplo de produto resultado da Indústria 4.0 é a assistente virtual Alexa, da Amazon. Ela foi projetada com forte uso de machine learning (sistemas que podem aprender sem serem programados para realizar tarefas específicas e com o mínimo de intervenção humana). A Alexa é capaz de assimilar textos e comandos de voz. Aliás, visto que está constantemente aprendendo e se adaptando às preferências do usuário, essa assistente vai oferecendo respostas cada vez mais adequadas às demandas de cada pessoa.
A Alexa entende e responde vários idiomas, incluindo o português brasileiro. Para isso, os engenheiros da Amazon usaram milhares de horas de áudio e texto para “ensinar” a Alexa a ouvir e a falar sem sotaque. Com essa escuta, ela é capaz de entender o que lhe é pedido e executar tarefas simples (por enquanto), como configurar alarmes, falar sobre a previsão do tempo ou executar uma playlist. Além disso, a Alexa pode interagir com smart TVs, geladeiras, entre outros dispositivos, como lâmpadas inteligentes, controles remotos e interruptores. Da mesma forma que ela aprendeu a ouvir e a falar a língua de vários países, os engenheiros também estão usando os dados de uso para que, via aprendizados, ela atenda cada vez melhor às expectativas dos usuários.
Imagem produzida pelos autores
Então, como podemos entender como a UX, IC, SD e a IA se conectam e se complementam, formando algo maior que a soma das partes?
Em nosso artigo sobre a Indústria 4.0, explicamos como a inteligência coletiva e a artificial são os pilares dos produtos e serviços dessa nova era. Embora esses dois conceitos sejam os fundamentos que empoderam o processo, ainda existem duas dimensões complementares que instrumentalizam o processo de mudança de paradigma que vivemos, sendo eles: i) UX Design e o ii) Service Design (SD).
Enquanto o UX Design busca entender e aprimorar o design de um produto, o Service Design busca criar e aperfeiçoar todo o ciclo de vida da experiência. Com isso, podemos ver a Inteligência Coletiva e a Artificial atuando de duas formas: i) como componente dos produtos em seu uso; e no próprio processo de concepção. Vejamos isso em mais detalhes:
i) no uso:
No caso da Alexa, ao pedirmos algo para ela, como por exemplo: Alexa,vai chover hoje?
No momento em que o áudio entra nos microfones do hardware, ele é digitalizado e enviado para as redes neurais, que fazem o reconhecimento dos fonemas (pedaços de som), que consequentemente são transformados em texto com a transcrição da frase. Então, essa frase passa por mecanismos probabilísticos que ajudam a corrigir qualquer interpretação errada do áudio. Por isso, se você falar “Alexa, vai “shomer” hoje? Ela provavelmente responderá como se você tivesse falado “chover”.
A partir desse texto, um mecanismo de NLP (processamento de linguagem natural) faz a quebra da frase em componentes do discurso usando IA simbólica para isso. Então, medem-se os conceitos entre si, suas distâncias, decidindo qual o contexto da interação. Nesse caso, a Alexa vai acionar seu skill (serviços de contexto) de clima passando para ele a posição captada pelo GPS do hardware.
Dentro do Skill de clima, há algoritmos de deep learning, algoritmos genéticos, modelos estocásticos e outras técnicas já previamente executados para as macrorregiões do planeta; com isso o Skill faz uma busca do modelo mais adequado à posição do interlocutor, gerando uma probabilidade de temperatura, sol, chuva ou neve.
Essa probabilidade é convertida em um texto pelo Skill, buscando usar uma linguagem mais coloquial ou formal, de acordo com os aprendizados das preferências do usuário. Assim, um mecanismo de IA simbólica concatena as melhores palavras e envia o texto para a IA de sintetização de voz. Ela usa redes neurais gerativas e proporciona uma voz sintética muito parecida com uma voz humana real, incluindo até as tomadas de ar. Por fim, executa-se o áudio na placa do hardware.
ii) no processo de concepção – Design
Você reparou quantos passos são necessários para que uma simples interação como a citada acima seja possível? E se minha Alexa está conectada a um monitor? Ou ainda, se ela está ligada à automação de minha casa e é capaz de fechar as janelas sozinha ou mudar a atuação do ar-condicionado? Quantas interações são possíveis nessa extrapolação? O Design de Serviços trata de todas essas extrapolações e possibilidades. Já o UX Design se responsabiliza pelas telas de uma possível interação, pelo formato do produto, pela forma de invocação. Em alguns dispositivos é necessário apertar o botão mic no controle remoto e, em outros, basta apenas começar a frase com a palavra “Alexa”.
E onde está a IA e a IC?
Ela se encontra em duas formas: 1) no uso, onde os modelos já treinados atuam tomando decisões a partir das entradas do usuário; 2) no momento do treino em si, onde os engenheiros de machine learning testam diversos algoritmos e arquiteturas para obter as melhores respostas de cada Skill.
Esses treinos fazem uso de giga até terabytes de informações coletadas de diversas formas. O intuito é criar modelos com uma ampla gama de respostas e resilientes a dados com ruídos, algumas vezes ambíguos. Como já exploramos em posts anteriores, a IC – Inteligência Coletiva é o resultado do armazenamento e processamento de milhares de interações (amostras de dados, armazenadas nos banco de dados e data-lakes) de pessoas reais.
É no momento da concepção de um produto como a Alexa que a interdisciplinaridade mostra toda sua força. Assim, UX-Designers, Service Designers, Engenheiros de Machine Learning, Cientistas de dados e Engenheiros de Software e Hardware trabalham em conjunto para obter, a partir de toda a complexidade debaixo do capô, uma experiência tão simples quanto perguntar e ser respondido sobre o clima.
Conclusões
Os mecanismos que permitem o funcionamento da Alexa, da Siri e de outros assistentes pessoais ou outros sistemas de IA já existem há décadas. A IA simbólica foi criada por Alan Turing há mais de 60 anos. As redes neurais já estão por aí há mais de 40 anos. E, praticamente, toda tecnologia que empodera uma Alexa já existe há pelo menos 30 anos.
E por que só agora isso está começando a se popularizar?
Isso se dá porque que todas essas peças foram colocadas juntas, resolvendo problemas reais, criando uma experiência fluida, integral e agradável ao usuário. Nada disso seria possível sem os Designers de Experiência (UX Designer) e os Designers de Serviço (Service Designers), além dos bons empreendedores que colocam todos esses profissionais para trabalharem juntos, atendendo às necessidades do mercado.
Considerações finais e oportunidades
Assim como a Alexa e a Siri estão encontrando seu caminho nas prateleiras reais e virtuais de todo o mundo, existem milhares ou milhões de oportunidades que envolvem essa conexão de IC, IA, SD e UX nas empresas. Essas oportunidades vão desde experiências de compra com precificação inteligente, atendimento ao cidadão, otimização de manutenção, processos mais assertivos de M&A, na melhora da qualidade de vida daqueles que sofrem de alguma necessidade especial, ou ainda no salvamento de vidas, seja pelo uso de gadgets e robôs ou na criação de novos fármacos, tratamentos e vacinas inteligentes.
Na Aquarela, reconhecemos a força da sinergia entre UX, SD, IC e IA na construção de produtos e serviços da Indústria 4.0 e Web 3.0. Por isso, incorporamos vários construtosdo UX Design e Service Design em nossa metodologia DCIM’ (Data Culture Intensive Methodology), integrando práticas de modelagem de IA, Big Data (IC), design thinking, e diagramas e métodos próprios na entrega de aplicações disruptivas.
Fundador da Aquarela, CEO e arquiteto da plataforma VORTX. Mestre em Engenharia e Gestão do Conhecimento, entusiasta de novas tecnologias, tendo expertise em linguagem funcional Scala e em algoritmos de Machine Learning e IA.
No artigo de hoje, vamos falar sobre os diferentes tipos de perfis profissionais na área de dados. Algo, sem dúvida, importante para quem está pensando em progredir na carreira ou até mesmo mudar completamente de ramo.
Neste audio nosso CEO – Marcos Santos – conta um pouco mais da visão da Aquarela sobre a natureza do trabalho com dados para solução de problemas negócio complexos, e os tipos de perfis profissionais para essas atividades.
Audio
Transcrição do audio
Bom, vou falar um pouco de como fazemos aqui na Aquarela.
Existem nove perfis de profissionais, na verdade são dez, entrou um décimo agora.
Entre eles estão cientistas de dados (…) estes são os caras que tem que entender um pouco de tudo. Eles são cientistas que fazem experimentos rápidos, mas não tem (muito) compromisso com produto.
temos engenheiro de Machine Learning, para nós esse cara sim vai pegar o modelo e transforma-lo em uma coisa mais de longa data. Ele vai produtizar.
Você tem uma outra figura aí que é o engenheiro de dados, um cara que é especialista e pegar dados de um lado para o outro.
A gente tem uns caras novos que nós mesmos criamos, um deles é o Data UI UX Designer. Ele é o cara que pensa em interfaces para soluções de inteligência artificial. Uma mistura de UI UX com o cientista de dados. É um “bicho” que a gente criou em casa. “risos ao fundo” É sério! Porque, no final do dia, aquela coisa complexa tem que virar uma coisa super simples do outro lado. Então, a gente precisa de um cara assim (que entenda de interface).
Temos também outros que são tradicionais da vida (front-end, back-end e etc) (…) No final você cria algo pela necessidade, aqui agente viu a necessidade dessas distinções e está trabalhando assim, com certeza ainda não parou nisso.
Em algum momento surgirão novos papéis, (isso) é uma coisa bem viva!
Fundador da Aquarela, CEO e arquiteto da plataforma VORTX. Mestre em Engenharia e Gestão do Conhecimento, entusiasta de novas tecnologias, tendo expertise em linguagem funcional Scala e em algoritmos de Machine Learning e IA.
Como os efeitos do Novo Coronavírus (Sars-Cov-2) em nossa sociedade influenciarão tecnologias como a IA, Impressão 3D, Teletrabalho Telemedicina, Fazendas e Fábricas Inteligentes? E como essas tecnologias hoje estão ajudando a canalizar o poder da inteligência coletiva de toda a nossa espécie em direção a um mesmo propósito? Como elas evoluirão, e como isso mudará completamente a forma como trabalhamos, produzimos e vivemos?
Este artigo discute algumas implicações já evidentes e outras ainda especulativas sobre o futuro. Convido você leitor a embarcar nesse exercício de imaginação, criação e preparação.
Contextualização
“O conhecimento se dá na prática” essa frase não foi diretamente dita por Wittgenstein, filósofo austro-britânico, mas poderia facilmente ser inferida pela sua obra, que enfatiza que nossa capacidade de pensar e agir está intimamente conectada à capacidade de expressividade e de nossa linguagem.
Entendendo que a linguagem é fruto de nossa prática, com o confinamento e todas as mudanças de nosso cotidiano e da maneira de conduzirmos nossos negócios, estamos, por necessidade, modificando a forma como nos comunicamos e consequentemente nossa linguagem e visão de mundo.
Como CEO de uma empresa de IA e Analytics, meu cotidiano antes do confinamento, era me encontrar com executivos, especialistas, investidores e outras lideranças em sua grande maioria em reuniões presenciais. Haviam reuniões remotas, as “calls” como se fala no meio, mas essas eram apenas discussões secundárias ou técnicas, os acordos, contratos e decisões mais profundas sempre aconteciam no olho-no-olho seguido de um aperto forte de mãos.
Nas últimas três semanas, tais reuniões tiverem que ser “digitalizadas”, algumas pessoas que nunca havia visto por uma tela de computador, agora as vi, lutando para descobrir onde se colocava o microfone do mudo ou se compartilhava um documento para os participantes.
Recentemente, o Congresso Brasileiro aprovou a chamada Telemedicina, que permite médicos e pacientes se reunirem virtualmente para uma consulta médica. Eu, e muitos colegas da área nos questionamos a anos, por quê não era possível uma consulta médica via conferência remota mesmo contando um uma infinidades de ferramentas como Skype, Hangouts, Zoom, Whereby, entre várias outras?
Em minhas últimas consultas, o máximo de contato entre eu e o médico foi para auscultar meu coração (quando acontecia), na sua grande maioria, o médico me prescrevia uma autorização para fazer os exames de laboratório de rotina, os quais na consulta de retorno, ele interpretava os resultados, dando alguns conselhos. Ambos os casos, isso poderia ser feito de forma remota, por um e-mail, e nunca foi, apenas a visita ao laboratório, realmente deveria exigir minha presença física, por ora.
Mas por que isso nunca mudou?
Porque sempre foi assim, e a mudança de um hábito exige uma grande quantidade de energia, e como seres que evoluímos a partir de um ambiente (nos primórdios de nossa espécie) que exigia que o máximo de energia fosse economizada, mudar é um exercício custoso do ponto de vista psicológico, fisiológico e sociológico.
As mudanças de hábitos, rotinas e processos causadas pela pandemia estão motivando transformações que estavam latentes em nossas cabeças, empresas, instituições e sociedade até então.
Gostaria de reforçar que se eu pudesse, sinceramente, gostaria que nada disso estivesse acontecendo, mas como não tenho o poder de mudar o passado, como seguidor da filosofia estóica, prefiro colocar todo o meu foco e energia naquilo que realmente pode ser mudado a partir dos recursos disponíveis.
Dado o contexto estabelecido, as tecnologias que sempre estiveram disponíveis ou que estão em desenvolvimento, sofrerão dois grandes impactos:
Adoção acelerada por meio do aprendizado prático e motivado; e
Evolução acelerada promovida pelas necessidades criadas pela adoção em massa.
No decorrer do texto entenderemos melhor como estes dois grandes impactos operarão.
As tecnologias impactadas
A seguir, algumas tecnologias da Indústria 4.0 que acredito que sofrerão o duplo impacto:
Impressão 3D
O uso de tecnologias aditivas, se mostram instrumentais para a criação de componentes para as mais diversas áreas, sendo uma opção viável frente ao fechamento das fábricas.
O isolamento social está nos obrigando a olhar para alternativas de manufatura local, versátil e em larga escala de produtos que começam a fazer falta como respiradores mecânicos, máscaras de proteção e equipamentos de apoio médico.
Esses são alguns exemplos que hoje tem ajudado aos nossos médicos salvarem vidas em suas longas jornadas, mas logo produtos mais mundanos como utensílios domésticos, peças automotivas, de computadores e smartphones podem começar a faltar, por conta do fechamento dos parques fabris, e estes possam ser supridos por estas pequenas fábricas portáteis que agora estão sobre forte pressão evolutiva.
Aqui alguns exemplos do uso dessa tecnologia no combate à pandemia:
Máscaras para uso de profissionais de saúde e de alto risco;
Teletrabalho e Telemedicina
Profissionais de TI são acostumados com o trabalho remoto, em 2004 tive a oportunidade de trabalhar com times remotos com programadores e analistas dos EUA, Canadá, Índia e Alemanha, foram alguns anos trabalhando com pessoas e produzindo software para fábricas, governos, companhias áreas e empresas de telecom. Sei que os softwares que ajudei a produzir estão em operação até hoje e aquelas pessoas que pude interagir e desenvolver laços, muitos nunca tive a oportunidade de encontrar frente-à-frente.
Da mesma maneira que o time que eu fazia parte criou produtos e serviços úteis até hoje, áreas como medicina, psicologia, direito, política, gestão, bancos, engenharia, educação estão tirando proveito das tecnologias criadas para esse fim, e as adaptando para suas necessidades (evolução acelerada).
Em especial a Telemedicina, é a mais promissora nesse momento, aplicativos médicos, consultas remotas, diagnóstico via sensores de um celular, smartwatch ou laptop não são mais um projeto ou sonho, são realidade, e muitas vezes, a única forma de ter acesso à medicina para muitos.
Fazendas inteligentes
Costumo assistir ao Globo Rural nos domingos pela manhã, é um hábito antigo e prazeroso pela mensagem otimista e a sensação de estar em casa que o programa proporciona.
No penúltimo domingo, dia 29/03, notei um tom que nunca havia visto nos vários anos ouvindo o Luzeiro de Almir Sater na icônica abertura do programa.
A edição especial sobre o Novo Coronavírus, mostrou um clima de preocupação seríssimo sobre o futuro do trabalho no campo.
Recentemente tenho participado de eventos apresentando tecnologias para o chamado Agro 4.0, que se trata do uso das tecnologias da Indústria 4.0 aplicadas ao campo.
O principal vetor da digitalização é a conectividade, iniciativas como a da Usina São Martinho, deveriam ser replicadas em todo o nosso território nacional, fornecendo uma oportunidade para que nossos Trabalhadores do Campo tenham acesso aos diversos serviços digitais que estão sendo acelerados e criados.
Talvez nunca será possível virtualizar o trabalho do campo, mas sim, será possível digitalizar, enriquecer e apoiá-lo com tudo que a tecnologia pode oferecer.
Por exemplo, com o uso de uma cobertura 4/5G de internet e aplicativos de celular é possível criar bolsões de isolamento no campo, ou seja, famílias e comunidades inteiras podem criar cercas virtuais que permitam que estes trabalhadores possam continuar suas atividades coletivas sem a contaminação de grupos externos por meio da tecnologia que delimita o espaço de isolamento.
Por meio de serviços bancários, governamentais, cartorários (substituídos por autenticações eletrônicas e blockchain), e-commerce e cadeia puxada inteligente de logística, esses profissionais tão importantes para nossa subsistência, poderão não só dar continuidade em seus trabalhos, como terão o benefício da otimização de processos e acesso a mercados e oportunidades criados por esses novos meios.
Fábricas inteligentes
Muitos de nossos clientes são de setores fabris, entre eles: indústrias automotivas, aeroespaciais, alimentícias e bebidas.
Conversando com gerentes de fábrica, diretores, VPs e CEOs, percebi que para muitas dessas fábricas o impacto não está na falta de automação (muitos possuem fábricas altamente automatizadas) o impacto está na falta de REMOTIZAÇÃO.
O que quero dizer por REMOTIZAÇÃO?
Robôs, esteiras, fresas, tornos, linhas inteiras de produção, funcionam praticamente de forma autônoma nos dias de hoje. Entretanto, todos seus sistemas foram concebidos para serem controlados e supervisionados manualmente e presencialmente.
Por exemplo, uma indústria de papel moderna, desde a entrada das toras de eucalipto até a saída da bobina de papel finalizada, praticamente todo o processo é automático. Para quem já teve a oportunidade de visitar uma fábrica dessas, deve ter notado que os engenheiros e técnicos trabalham em salas de vidro adjuntas às linhas de produção.
Essas salas de comando e controle, poderiam facilmente ser operadas à distância pelo staff responsável. Ficando para o trabalho presencial atividades estritamente extraordinárias de manutenção e expansão.
As próprias atividades de manutenção podem ser reduzidas pelo uso de Inteligência Artificial na predição (saber antes de incidente acontecer) e na prescrição (o que fazer de forma cirúrgica quando um incidente acontece).
Outras atividades de supervisão podem também ser automatizadas ou assistidas por IA permitindo que operadores e supervisores possa efetuar suas obrigações de forma remota.
IA
A Inteligência Artificial em conjunto com o Analytics fornecerão a inteligência complementar à inteligência coletiva estabelecida pela REMOTIZAÇÃO.
Profissionais como médicos, engenheiros, professores, advogados, políticos, administradores, entre outros, continuarão e ter seu espaço, e agora mais que nunca, suas habilidades nos ajudarão a sair de uma das maiores crises vividas na atualidade.
Entretanto, com a remotização, atividades que demandam atenção extrema e resposta imediata, poderão ser comprometidas pelo tempo de resposta das redes e questões inerente ao trabalho remoto.
Nessas situações a IA poderá fornecer uma resposta rápida para situações que necessitavam de forte supervisão humana como: monitoramento de máquinas em chão de fábrica, monitoramento de sinais vitais de pacientes remotos, transporte autônomo de cargas, encomendas e logística agrícola.
Certa vez, em um congresso um executivo me perguntou: — o que nós temos que a IA demorará ou talvez nunca alcance? Eu respondi: criatividade e intuição.
IAs são particularmente úteis e eficientes na automação de atividade repetitivas com um poder moderado de tomada de decisão e criação.
Mesmo a chamada computação criativa, possui grandes limitações e são restritas a aplicações muito específicas, necessitando de grande intervenção humana para produzir coisas úteis.
A IA já tem nos ajudado, em várias tarefas que hoje nem nos damos conta, na faculdade um professor me disse:
“Quando a IA se torna útil, ela deixa de ser IA e ganha outro nome”
Prof. Dr. Luiz Maia- UFSC
Hoje, nossos celulares laptops estão repletos de uso IA, como sistemas de busca inteligente, troca de fundos da câmera, foco, ajustes, assistentes virtuais, reconhecimento de objetos, entre outros.
Além das funções que já desfrutamos, existem um imenso novo horizonte de possibilidades de uso da IA em meio a pandemia e além dela.
Aplicações, muito controversas, mas viáveis como: o uso de IA no diagnóstico e tratamento de doenças. Hoje com a sobrecarga do sistema de saúde, agentes virtuais poderiam ajudar as pessoas com cuidados primários, para aqueles que contraíram a COVID-19 mas não precisam de internação, bem como outras doenças que possuem um tratamento relativamente sem complexidade.
Menos controversa: usar IA para melhor estabelecer os modelos predição de leitos e a logística Hospitalar. Hoje na Aquarela estamos trabalhando em conjunto com um dos maiores Hospitais de SP para isso.
Dentro da seara de otimização logística, a IA pode ajudar virtualmente em todos os setores incluindo a própria área de saúde, passando pelas indústrias manufatureiras, agro e estabelecimento dos fluxos urbanos para criar bolsões virtuais de isolamento (criando grupos que não se encontram) pela otimização da distribuição de passageiros de transporte público e acesso à áreas públicas por meio da coordenação via aplicativos em smartphones.
Considerações sobre o duplo impacto
A partir das duas premissas criadas pelo novo “normal” que vivemos hoje e continuaremos vivendo por um período de tempo ainda não determinado:
Adoção acelerada por meio do aprendizado prático e motivado; e
Evolução acelerada promovida pelas necessidades criadas pela adoção em massa.
Entende-do que a situação que vivemos é temporária, entretanto as experiências, vivências, criações e mudanças derivadas desse período durarão para muito além da pandemia da COVID-19.
Entendendo que crises como essa são gatilhos de profunda mudança social, política, tecnológica, e de pensamento, as chamadas mudanças (ou virada) de paradigma.
Esses momentos históricos tiveram situações temporárias, doenças, guerras e rebeliões que produziram novos vocabulários, mudanças de pensamentos, hábitos, leis e tecnologias; que mesmo após o fim das guerras, da cura das doenças e do fim das rebeliões, perduram até os dias de hoje e provavelmente nos acompanharão até as próximas mudanças de paradigma por vir e/ou além.
Com isso em mente, sabemos que o mundo não mais será o mesmo após passarmos pela COVID-19, e que em momentos de virada de paradigma, o instinto de sobrevivência sobrepõe aos instintos de preservação de energia, e assim aceleramos a adoção de novos modos de viver, processos e tecnologias.
Espero que este artigo jogue um pouco de luz sobre o tema e traga uma visão otimista do que podemos fazer imediatamente para lidar com esse desafio de proporções globais.
Para finalizar, gostaria de fazer um chamado a todos que usem aquilo que nos faz mais humanos: nossa criatividade, intuição aliado a isso, nossa compaixão e energia em buscar e implementar as mudanças necessárias para que juntos consigamos sair mais fortes e humanos do que entramos nessa crise.
Fundador da Aquarela, CEO e arquiteto da plataforma VORTX. Mestre em Engenharia e Gestão do Conhecimento, entusiasta de novas tecnologias, tendo expertise em linguagem funcional Scala e em algoritmos de Machine Learning e IA.
Como falamos neste post aqui, gostamos de abordar assuntos complexos com analogias e histórias. Por isso, selecionamos alguns livros que podem ajudá-lo a enriquecer suas argumentações na hora de explicar para sua mãe ou avó o que é Data Science e como você faz isso. (Talvez não seja bom falar do título “O andar do bêbado”).
Durante nossas capacitações, alguns alunos levantaram a necessidade de continuar o processo de aprendizado, e neste sentido, aqui estão algumas de nossas recomendações. A lista é direcionada para livros de cabeceira, aqueles que você pode ler antes de dormir e não ter pesadelos (esperamos). Por isso, deixamos os conteúdos mais técnicos para um outro post.
Aqui na Aquarela temos um time apaixonado por leitura, e estamos sempre trocando figurinhas sobre temas e recomendações, portanto, segue abaixo nosso top 7!
Descomplicando Data Science
A lógica do cisne negro – Taleb
O principal tema explorado por Taleb nesse livro é outlier. Ele o faz de uma maneira didática, com cunho filosófico, trazendo exemplos e histórias de sua vida, aqui você não precisa ser matemático ou estatístico para entender. Além disso, o autor tem um ótimo senso de humor, garantindo uma leitura divertida. Amazon
Um livro que mostra por meio da história e de exemplos práticos que a humanidade sempre foi atraída pelo acaso, mas cometemos muitos equívocos ao nos depararmos com problemas contra-intuitivos. Ainda, Deborah fala um pouco sobre Geradores congruentes lineares, que teoricamente são simples de se entender e aplicar. Amazon
Small data: como poucas pistas indicam grandes tendências – Martin Lindstrom (Editora Harper Collins)
Aqui o autor é o protagonista. Ele viaja o mundo entrevistando e observando pessoas e suas constantes mudanças comportamentais em uma sociedade contemporânea. No livro o objetivo foi verificar como tudo isso afeta os hábitos de compra da população. E a partir disso, ele encontra pequenas pistas e insights que podem fazer de um produto um caso de sucesso. Amazon
O andar de bêbado – Leonard Mlodinov
Mais do que explicar e exemplificar os conceitos básicos de estatística e probabilidade, o livro nos mostra o quanto podemos ter conclusões equivocadas ao querer encontrar algum padrão, achar uma explicação e preencher uma lacuna.
Leonard ainda fala sobre a importância da quantidade de informações, onde poucos dados/fatores dá margem para variadas interpretações e baseadas nas crenças pessoais de cada um. Amazon
Gestão Visual de projetos: Utilizando a informação para inovar – Júlio Monteiro Teixeira
Este livro, recém lançado, aborda questões chaves de gestão de projetos de colaborativos e criativos, como é o caso da gestão de processos de análise de dados ou ciência de dados.
O livro é bastante visual e apresenta melhores práticas de colaboração encontradas durante o estudo de doutorado do autor realizado no Brasil e Alemanha, abordando temas de administração da criatividade em grupo até dicas sobre a estrutura física dos escritórios.
Nosso CTO Joni Hoppen é um dos co autores convidados, a contribuição da Aquarela nesta obra foi a definição, em síntese, do processo de geração de indicadores, KPIs, Dashboards e o fluxo onde se encaixa a entrada dos algoritmos de mineração de dados para insights mais profundos. Amazon
Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking:
Escrito pelos renomados especialistas em ciência de dados Foster Provost e Tom Fawcett, o Data Science for Business introduz os princípios fundamentais da ciência de dados e orienta o “pensamento analítico de dados” necessário para extrair conhecimento útil e valor comercial dos dados coletados. Este guia também ajuda a entender as diversas técnicas de mineração de dados em uso atualmente. Amazon
Storytelling with Data: A Data Visualization Guide for Business Professionals:
Storytelling with Data ensina os fundamentos da visualização e da comunicação efetiva com dados. Você descobrirá o poder da narrativa e maneiras de transformar dados em pontos cruciais de sua história. As lições deste livro são bastante acessíveis através de inúmeros exemplos do mundo real, prontos para aplicação imediata em seu próximo gráfico ou apresentação. Amazon
Bônus
Desenvolvemos dois materiais exclusivos sobre os primeiros passos dentro de projetos de Data Analytics e Data Science que podem ajudá-lo a atingir seus objetivos através dessas ferramentas vanguardistas da indústria 4.0:
Esse infográfico tem o objetivo de ajudá-lo a traçar um plano de ação, mostrando as etapas do processo de implementação de uma cultura voltada a dados. Baixe ele aqui.
O e-book apresenta um guia que divide o processo de cultura de dados em sete etapas, da identificação da oportunidade até a replicação de um projeto de sucesso. Baixe ele aqui.
Conclusões:
Como mostramos, existem diversas opções de publicações relevantes na área de análise de dados e gestão, assim como os vídeos já sugeridos neste artigo. Contudo, a área é grande e diversa, então procure manter o foco no progresso lógico e de perfil de sua carreira com constantes leituras em temáticas que lhe agradam.
Esperamos que estas dicas tornem suas análises muito mais profundas e impactantes. Caso tenham mais sugestões não deixem de escrever nos comentários abaixo.
People Manager na Aquarela Advanced Analytics. Graduada em Psicologia e entusiasta em novas tecnologias e como elas podem oferecer qualidade de vida para as pessoas.
Fundador e Diretor Comercial da Aquarela, Mestre em Business Information Technology com especialização em logística – Universiteit Twente – Holanda. Escritor e palestrante na área de Ciência e Governança de Dados para indústria e serviços 4.0.
O que é inteligência artificial (IA)? Na perspectiva de negócios, a Inteligência Artificial pode ser dividida por seus paradigmas: simbólico, conexionista, evolucionista, swarm (de enxame) e ensemble (composta).
Cada paradigma leva a um conjunto de possibilidades de aplicação e consequentemente de negócios por conta de seus níveis de determinismo, generalização, reconhecimento de padrões, criatividade e autonomia.
Iremos entender neste artigo o que é inteligência artificial, as diferenças de cada paradigma – ilustrados por exemplos de aplicações –, e suas possibilidades na composição de novos negócios de transformação digital rumo à Indústria 4.0.
Para entendermos os paradigmas, precisamos primeiro discutir e esclarecer algumas dúvidas a respeito de alguns conceitos em torno da IA.
O que é Inteligência Artificial (IA)?
Inteligência artificial é a automação do comportamento inteligente, sendo dividida em cinco paradigmas (simbólico, conexionista, evolucionista, swarm e ensemble), cada um com diferentes possibilidades de gerar valor nos negócios da Indústria 4.0.
Dentre as diversas definições e IA, a que mais faz sentido no ponto de vista de negócios é justamente essa adaptação da citação de Luger e Stubblefield, feita em 1993:
“Inteligência artificial trata-se da automação do comportamento inteligente.”
Entendendo que produtos ou serviços geram negócios por meio da entrega de valor ao cliente final via encapsulamento do trabalho de alguém ou de algo.
Por exemplo: a maioria das pessoas gosta de sorvete, entretanto produzir sorvete em casa é uma tarefa bastante complicada, que exige muitos ingredientes, processos e equipamentos; assim, terceirizar esse processo a partir da operação de compra, permitiu estabelecer toda uma cadeia de valor em torno do desejo de se tomar sorvete versus a dificuldade de se preparar isso por conta própria.
Da mesma forma que empacotamos toda a complexidade da produção de sorvete, vestuário, ou celulares em produtos e serviços, a possibilidade de automatizar o comportamento inteligente tem o mesmo apelo com relação à percepção de valor pelo cliente.
Por exemplo, invés de ter que dirigir e se orientar em meio à complexidade de nossas cidades modernas, muitos de nós terceirizamos esse comportamento inteligente através de aplicativos como o Waze e Google Maps, e TomTom.
Há ainda exemplos mais mundanos e não menos importantes como o uso de calculadoras e planilhas. Por exemplo, durante a segunda guerra mundial criou-se uma nova profissão que, por conta dos avanços tecnológicos, não durou muito: a profissão de Calculador.
À esquerda mulheres Calculadoras na segunda guerra mundial, à direita calculadora eletrônica moderna.
Na figura vemos mulheres calculando a trajetória balística para canhões do exército aliado em 1940 (fonte), a direita vemos uma calculadora moderna, que é mais rápida e precisa.
Com isso podemos dizer que uma calculadora, apesar de soar estranho, trata-se de um mecanismo de Inteligência Artificial, rudimentar, mas aderente à nossa definição.
Talvez essa estranheza se dê por quê a maioria de nós já nasceu em meio a calculadoras portáteis em nossas casas e escolas, entretanto, como mecanismo que automatiza o comportamento inteligente, sim, pode ser considerada como um aparato de IA simbólica.
Da mesma forma, quando a câmera de seu celular realiza o cálculo do foco a partir do reconhecimento da posição de seu rosto em uma selfie, um sistema de Inteligência Artificial (IA) operando dentro dos chips de seu celular faz o reconhecimento da sua face, calcula a distância focal necessária para o melhor foco e informa aos mecanismos de ajuste das lentes, isso tudo na fração de milésimos de segundo após seu clique, tempo suficientemente curto para capturar seu sorriso de forma espontânea.
O que diferencia o mecanismo de reconhecimento de faces e uma calculadora é o paradigma predominante em que cada tipo de Inteligência Artificial está inserido, e consequentemente, as características naturais de cada paradigma.
A seguir apresentamos uma tabela mostrando os paradigmas de IA, suas características naturais e exemplos de aplicação.
Tabela de paradigmas e suas características naturais
Notem que ao classificarmos os mecanismos de IA com relação às dimensões determinismo, generalização, reconhecimento, criatividade e autonomia, conseguimos entender melhor tudo aquilo que cabe dentro da definição de o que é Inteligência Artificial (IA), e automaticamente ficam mais claras suas potencialidades e usos.
A seguir faremos um breve resumo de cada paradigma e suas respectivas aplicações de negócio.
Paradigmas de Inteligência Artificial (IA)
1. O Paradigma Simbólico
Trata-se dos mecanismos de IA que efetuam transformações simbólicas (números, letras, palavras e símbolos), dentre estes mecanismos estão os programas de uso geral como sistemas ERP, workflows, planilhas, calculadoras (todos com alto determinismo, baixa generalização, baixo reconhecimento e nenhuma criatividade).
Há ainda os sistemas de raciocínio que operam sobre as regras canônicas da lógica proposicional, os chamados Reasoners, onde bases de conhecimento lógico processual previamente preparada por especialistas (Ontologias Computacionais) são capazes de níveis superiores de generalização e reconhecimento se comparados aos sistemas mencionados no parágrafo anterior.
Tais sistemas vêm se mostrando muito úteis em aplicações nas mais variadas áreas, entre elas: cálculo de rotas em aplicações como Google Maps, diagnóstico médico, composição de respostas a questões jurídicas.
Exemplos de Paradigma Simbólico
Aplicações de negócio para a Inteligência Artificial Simbólica:
Uma vez que se trata de um paradigma bastante pragmático, onde praticamente não existe o efeito caixa preta, ou seja todas as regras são claramente codificadas e sua validação é de fácil comprovação, sua aplicação em áreas conservadoras como Saúde, Judiciária e Fiscal configuram uma ótima oportunidade de aplicação imediata uma vez que mitiga eventuais riscos de compliance.
Há ainda grandes oportunidades nas áreas de óleo e gás, energia, aeroespacial e mineração, na geração e automação de planos de ações a serem tomadas em caso de incidentes em operações de risco como aeroportos, estações de extração de petróleo e minério;
O seu uso pode ser bem aplicado em negócios mais tradicionais na automação das regras de negócio para criação de sistemas de precificação dinâmica para produtores e distribuidores de commodities.
2. O Paradigma Conexionista
Há vários tipos de redes neurais e métodos de uso e treinamento, cujo detalhamento foge do escopo deste artigo; entretanto há uma abordagem que vêm chamando bastante a atenção, o chamado Deep Learning é a aplicação de redes neurais complexas em grandes volumes de dados em infraestruturas colossais de servidores.
O uso desse tipo de IA começou a ser bastante difundido com a publicação de frameworksOpen Source de programação como o TensorFlow da Google e o Torch da Facebook.
Suas aplicações são variadas, indo de reconhecimento de face nos celulares, reconhecimento de voz, textos, até os complexos carros autônomos.
Exemplos de paradigma Conexionista
Aplicações de negócio para a Inteligência Artificial Conexionista:
Este é um dos paradigmas mais explorado atualmente por grandes empresas como Google, Facebook e Tesla em seus produtos e serviços. Sua versatilidade é bastante grande, entretanto com com um custo e risco alto na criação de aplicações por conta da complexidade dos processos e treinamento dos modelos e suas possíveis configurações.
Seguem algumas oportunidades de aplicação e negócio que este paradigma possibilita:
Controle de qualidade de produtos industrializados: com uso de imagens fotográficas ou espectrométricas (fotografia em cores que o olho humano não vê, como infravermelhos e raios-X, por exemplo) é possível, com pouco esforço, criar sistemas que aprendam: textura, aspecto, força e sabor de produtos e sejam capazes de gerar ganhos significativos na redução de custos do controle de qualidade e confiabilidade;
Detecção de crises e oportunidades de investimento e desinvestimento para o mercado financeiro; e
Uso de detecção de faces no monitoramento de áreas controladas, detectando possíveis invasores.
3. O Paradigma Evolucionista
O paradigma evolucionista ou evolucionário é composto por uma série de algoritmos que usam como inspiração a evolução natural, os chamados algoritmos genéticos.
Igualmente como ocorreu na natureza, a evolução do design de seres vivos, os algoritmos genéticos usam conceitos como Fenótipo, Genótipo, Cruzamento, Seleção, Perpetuação, Ambiente e Morte para simular ecossistemas digitais, onde “seres” ou “partes de seres” evoluem de forma muito rápida em Ambientes criados por uma grande quantidade de computadores interligados na forma de Cluster, e da mesma forma como nossos olhos e mãos evoluíram, mecanismos como antenas, turbinas, pontes e microchips são desenhados a partir de milhões e bilhões de interações em um processo darwiniano.
Aplicações de negócio para a Inteligência Artificial Evolucionista:
A principais oportunidades de negócio para esse paradigma se encontram no desenvolvimento e design de novos produtos e serviços.
Na figura a seguir são mostrados alguns exemplo de design de produtos onde a IA Evolucionista gerou um design completamente novo com ganhos de durabilidade, desempenho e economia de materiais. (fonte)
Exemplos de Paradigma Evolucionista
Outras aplicações mais intangíveis, entretanto não menos importantes que o design industrial são passíveis de alcançar grande valor organizacional com poder criativo da IA Evolucionista são enumeradas a seguir:
No desenvolvimento de experiências do usuário em sistemas de compras online;
Definição de planos de incentivo baseados na estratégia e os valores organizacionais;
Na criação de políticas de venda e precificação dinâmica;
Na melhoria contínua de processos de Customer Success;
No design de produtos financeiros; e
Na criação de estratégias de direção defensiva para carros autônomos.
4.O Paradigma Swarm (Enxame)
O paradigma de IA – Swarm Intelligence faz uso de algoritmos de convergência baseados em fenômenos emergentes da natureza como: colônias de insetos, estratégias coletivas de peixes e pássaros e ainda comportamento auto-organizativo de partículas atômicas e subatômicas.
Este é um paradigma relativamente pouco explorado ainda em aplicações de negócio e caracteriza uma oportunidade de se obter uma grande vantagem competitiva.
Uma das característica marcantes dos algoritmos de enxame (swarm) está na possibilidade de aprendizado e geração de valor a partir de quantidades limitadas de dados de treino.
Por exemplo, as técnicas de deep learning necessitam de uma grande quantidade de amostras para se evitar o fenômeno de Underfitting; já os algoritmos genéticos (paradigma evolucionista) necessitam de muita computação para se alcançar resultados satisfatórios. Por sua vez, os algoritmos de enxame são capazes de aprender com uma quantidade relativamente reduzida de dados e demandam muito menos computação, tornando economicamente viável aplicações em ambientes de negócio.
Exemplos de paradigma Swarm
Aplicações de negócio para a Inteligência Artificial do tipo Enxame:
Como os enxames consomem menos energia e aprendem mais rápido, isso torna as aplicações que usam esse paradigma mais ágeis e adaptáveis em tempo real. A seguir são enumeradas algumas aplicações possíveis para esse tipo de paradigma:
Otimização de rotas logísticas para carga em malha viária ou em ambientes urbanos complexos;
Criação de sistemas de precificação dinâmica com alta capacidade de adaptabilidade e respostas em tempo real, permitindo assim a maximização do markup em mercados de alta velocidade e variância como bolsas de valores, commodities, passagens aéreas e leilões invertidos;
Definição ótima de categorias de SKUs e balanceamento do mix de produtos para otimização do marketing;
Definição dos melhores termos para uso em para campanhas de marketing tradicional ou digital; e
Mapeamento de pontos cegos de patentes em estratégias de cobertura de propriedade industrial.
5. Paradigma Ensemble
Trata-se da aplicação combinada dos paradigmas apresentados anteriormente, seja de forma previamente determinada, seja em combinação dinâmica, onde se usa a própria Inteligência Artificial para gerar a configuração ótima para atacar o problema alvo.
Mais novo e menos explorado que a Swarm Intelligence, a IA do tipo Ensemble já ocupa seu lugar em produtos futuristas como os carros autônomos da Tesla e da Waymo (Google), bem como dentro do coração Watson da IBM e também de plataformas em ascensão como o Aquarela VORTX.
A maior virtude dessa abordagem está na otimização das características naturais dos paradigmas de Inteligência Artificial combinados na busca dos melhores níveis de determinismo, generalização, reconhecimento, criação e autonomia de acordo com os objetivos do produto de IA a ser criado.
Além da otimização da características naturais, esse tipo de abordagem consegue lidar com problema comuns e de difícil solução pelo uso de soluções de “paradigmas puros” a seguir:
Overffiting: problema relacionado quando se têm dados em quantidade satisfatória, entretanto há viés nos mesmos, ou pouca homogeneidade de distribuição de padrões. Essa situação pode fazer o modelo perder sua capacidade de generalizar, ou introduzir respostas com viés.
Underfitting: problema relacionado quando não se têm dados em quantidade suficiente para um aprendizado satisfatório;
Cold Start: quando se deseja criar um sistema de predição ou de prescrição de ações de uma novo produto, e ainda não se tem dados de operação (por exemplo, um avião que começou a ser recentemente vendido).
Non-linear separable: trata-se de situações em que a resposta de um problema não é simples como conjunto de condições lineares (por exemplo uma tabela de preços) e sim possui um relacionamento complexo de difícil visualização e compreensão humana;
Unified type model: trata-se do problema de se processar dados de origens heterogêneas como: datas, intervalos, categorias, números e hierarquias em um único modelo integrado.
Além de poder lidar melhor com esses problemas, ainda o uso de IA sobre a própria IA pode ajudar na definição de parâmetros técnicos complexos, e assim reduzir o risco da iniciativa de IA falhar.
Aplicações de negócio para Inteligência Artificial do tipo Ensemble:
Exemplos de Paradigma Ensemble
As possibilidades para esse tipo de abordagem são virtualmente infinitas, a seguir apresentamos algumas já exploradas por nossa equipe e outras em vias de exploração:
Descoberta de fatores que levam ao desenvolvimento de doenças que vão desde a problemas do fígado ao surgimento de células cancerígenas;
Criação de sistemas de manutenção preditiva e prescritiva com abordagem de aprendizado adaptativo para setores como: Aeroespacial, Óleo e Gás, Energia, Siderurgia, Metalurgia, Automobilístico, Extrativismo mineral, Agro, Alimentos e Têxtil;
Otimização de recuperação de crédito por meio da predição e a prescrição da melhor abordagem de negociação;
Recomendação prescritiva a partir da predição das preferências de clientes do sistema bancário de produtos financeiros;
Recomendação de compra e venda de ativos financeiros de forma adaptativa por meio de predição de cenários futuros;
Descoberta dos perfis de clientes com maior fidelização, assim permitir direcionar o esforço comercial e marketing para esses clientes e dessa forma trabalhar com uma abordagem pró-ativa de redução de Churn (perdas de clientes);
Gerar recomendações de ações pró-ativas de relacionamento no combate ao Churn; e
Criar testes AB com centenas e milhares de possibilidades combinatórias na busca da melhor abordagem de experiência de usuário na maximização da conversão de clientes;
A lista de casos de uso e de possibilidades é bastante grande e citamos apenas algumas, provavelmente isso será tema de futuras publicações em nosso blog.
Conclusões e recomendações
O uso dos paradigmas de Inteligência Artificial serão os grandes impulsionadores da Indústria 4.0. Isso já é uma realidade para empresas com produtos e processos com maior maturidade de uso dos dados em direção ao nível exponencial, como muitas empresas do Vale do Silício, e agora também no Brasil, graças a forte influência das Startups e da corajosa atitude de empresas de grande porte vanguardistas como Embraer, DHL, Votorantim, Algar Telecom, entre outras.
É sabido pela história do mercado, que no processo de mudança de paradigma, surgem várias oportunidades, e normalmente muitas marcas somem e outras marcas emergem, como na mudança da fotografia de filme para digital; quem se lembra das câmeras e filmes da Kodak?
Assim, estar atento às novas ferramentas e principalmente às oportunidades que estas podem criar de novos produtos e serviços é instrumental para a sustentabilidade, bem como para o atingimento das metas de crescimento e expansão definidas em sua estratégia.
Fundador da Aquarela, CEO e arquiteto da plataforma VORTX. Mestre em Engenharia e Gestão do Conhecimento, entusiasta de novas tecnologias, tendo expertise em linguagem funcional Scala e em algoritmos de Machine Learning e IA.
