A complexidade dos sistemas industriais das empresas e negócios têm produzido cada vez mais informações. Estas têm origens e destinos diversos, sejam manuais, bancos de dados, anotações, planilhas, dados georreferenciados, imagens, etc. A gestão do conhecimento se tornou um desafio para qualquer empresa, transformando dados em informação para a tomada de decisões.

Podemos pensar no sistema de busca do Google, no qual é possível encontrar informações sobre inúmeros conteúdos colocados na web. Ao utilizá-lo, podemos obter sem esforço resultados ranqueados de acordo com o quanto a informação é relevante para cada usuário. Você consegue imaginar um sistema de busca otimizado de todo o conteúdo importante produzido por sua organização? É isso que queremos te mostrar nos próximos parágrafos.

Sabemos que com o rápido avanço dos conceitos da indústria 4.0, todo dado é informação de alto valor agregado, criando uma necessidade latente de análise e compreensão destas informações. Para mitigar esses desafios, sistemas de recuperação de informação se tornaram indispensáveis, devido à necessidade crescente de ressignificar e extrair valor das massivas quantidades de dados que são produzidas. 

(Falta de) Disseminação do conhecimento

Um dos problemas mais comuns é a falta de retenção e disseminação do conhecimento obtido ao longo dos anos pelas organizações. Geralmente, esse aprisionamento acaba fazendo com que informações importantes não cheguem aos novos integrantes da organização, causando um retrabalho desnecessário.

Fenômenos deste tipo são comuns. Esse “gerenciamento pobre” das informações sempre impacta na produtividade das equipes e pode vir de várias formas: desde a gestão ineficiente dos recursos humanos, dos recursos de produção, dos recursos financeiros, chegando até mesmo a afetar os próprios clientes.

Um estudo publicado no relatório do M-Files 2019 Global Intelligent Information management Benchmark consultou 1500 trabalhadores de múltiplas regiões para estabelecer um benchmark de como a informação dos negócios é organizada e acessada, alguns dos resultados são:

  • 82% Afirmaram que é necessário navegar por diferentes sistemas e locais para encontrar a versão correta de um arquivo;
  • 42% Citaram que a nomenclatura incorreta dificulta as buscas;
  • 41% Dos entrevistados afirma que as informações estão frequentemente armazenadas no local errado;
  • 29% Afirmam que as informações estavam perdidas ou foram deletadas/extraviadas; e
  • 26% Encontram desafios ao determinar em qual sistema ou repositório devem pesquisar.

De forma geral, podemos concordar que: a falta de gerenciamento da informação torna o trabalho de todo mundo mais difícil, afetando a operação da organização como um todo.

Gestão do conhecimento, por onde começar?

Há diversas formas de melhorar a capacidade de recuperação de dados. A primeira delas é a quebra dos silos de informação (quando as informações são armazenadas em diferentes locais, sem nenhum tipo de ”troca” entre as fontes). Este é um passo importante que possibilita a correlação de dados de diferentes sistemas e origens. 

Nesta etapa, abordagens de Machine Learning e Inteligência Artificial (I.A.) são fundamentais para a criação de visualizações e análises, podendo ser realizadas para conectar informações até então desconexas contidas nestes silos. Uma análise aprofundada destes dados pode revelar conexões valiosas entre documentos, lugares, pessoas, testes, projetos, áreas, praticamente qualquer coisa que gere valor para o negócio em questão.

À medida que inserimos todos os dados em um sistema só (esse super sistema pode ser chamado de Data Lake – lago de dados) e aplicamos técnicas de Data Analytics, podemos capacitar esse sistema a fim de realizar pesquisas por projetos específicos, pessoas, testes e/ou resultados de testes de uma forma muito mais simplificada, otimizando o tempo dos membros envolvidos no projeto.

Inteligência Artificial (I.A.) para Recuperação de Informação.

I.A. é uma das ferramentas usadas para resolver problemas de Recuperação de Informação (RI). É possível fazer dois tipos de sistemas de RI: 

  1. Mais simples, indexando os documentos (geralmente texto) e permitindo com que sejam encontrados facilmente;
  2. Mais aprimorado, que possibilita uma pesquisa mais significativa em diversos tipos de documento: textos, imagens, resultados de sensores, conteúdos de páginas web, etc. 

Sistemas de Recuperação de Informação são geralmente construídos com base em duas etapas principais, como apresentado na figura abaixo. Em cima temos o offline, que realiza a indexação de todos os documentos e arquivos a serem pesquisados. Abaixo o online, que acontece em tempo real de busca. 

Modelo de recuperação de informação tradicional
Figura 1: Modelo de Recuperação de Informação Tradicional

Gestão do conhecimento é Inteligência Coletiva

Sistemas de Recuperação de Informação permitem a construção de uma Inteligência Coletiva mais forte, principalmente se incluirmos conhecimento humano em conjuntos. Não apenas dados gerados pela empresa devem ser armazenados, mas também conhecimento humano, as boas práticas, o know-how de anos dos funcionários. Estas experiências tácitas também podem ser explicitadas, e conectadas às bases de dados, transformando informações brutas em uma arquitetura de conhecimento.

No contexto de uma indústria 4.0, a Inteligência Coletiva desenvolvida em empresas pode ser condensada em ontologias, que são uma formalização do conhecimento, e utilizadas em um Sistema de Recuperação de Informação. Com isso, a informação pode ser conectada e recuperada de forma mais eficiente e com mais valor, ampliando imensamente a capacidade de geração de insights da organização. A implementação da cultura data-driven permite a retenção, gestão e disseminação de conhecimento para todos. Assim, podemos evitar retrabalho, erros desnecessários e perda de conhecimento, além de descomplicar o treinamento de novos funcionários, recuperação intuitiva de informação, consistência das informações e centralização das buscas.