Apesar de atualmente serem largamente oferecidos, os projetos de IA/ML ainda não encontraram seu lugar nas empresas como algo corriqueiro, como o BI, que já está consolidado. Ao contrário: enquanto a maioria das empresas de todos os portes entende a importância e a utilidade do seu BI, costuma ver projetos de IA/ ML como algo muito futurístico, muito "hype", muito fora da sua realidade e, não invariavelmente, algo muito complexo - e caro!
Esta miopia corporativa precisa ser tratada, mas os "remédios" existentes no mercado atualmente não servem para desmitificar, simplificar e incentivar a adoção da IA/ML no dia-a-dia do mundo dos negócios. A Cognitiva vem fazendo este trabalho de "evangelização", buscando popularizar o uso da IA e do ML nas empresas através oferta de serviços e da capacitação dos profissionais, mas ainda tem esbarrado no pouco entendimento da alta gestão sobre o tema.
Por onde começar um projeto de ML?
É muito comum as empresas ouvirem falar muito de IA/ML, de como isto é maravilhoso, de como a start-up X virou um unicórnio, ou de como a empresa do fulano cortou custos através da IA. Some-se a isto a pressão por parte do board e dos conselheiros a que se embarque neste bonde o quanto antes a fim de sermos os primeiros a nos beneficiar da tecnologia no nosso ramo de atividade, e você terá o cenário perfeito para projetos sem pé nem cabeça, que torram muito dinheiro e não entregam nada palpável.
A minha dica para evitar este caos é começar pequeno, com um problema bem definido e conhecido. Pode ser uma necessidade de CRM, como segmentar os clientes em categorias (Clientes VIP, Clientes Novos, Clientes "Passivos" e Clientes em Risco - aqueles que estão inativos e que corremos o risco de perder). Ou pode ser uma tarefa repetitiva que consome muito tempo e que, invariavelmente, quando está pronta precisamos recomeçar com novos dados. Um exemplo disto é a alocação de uma grade de distribuição no varejo. Outro exemplo é a previsão de demanda para um determinado segmento de produtos. Enfim, o seu negócio é quem deve ditar por onde começar. Tenha em mente que, quanto mais sintetizado for o problema, quanto mais específico, melhor. Lembre-se que você quer não apenas resolvê-lo, mas aprender como se resolve. Isto vai lhe capacitar a resolver outros problemas empregando os conhecimentos adquiridos. Isto gera valor!
Interno X consultoria
A maioria dos executivos sempre se pergunta se é melhor contratar uma consultoria ou criar a solução dentro de casa. Se você não tem equipe, contratar uma consultoria pode ser uma ótima solução. Apenas tenha em mente que, apesar de existirem modelos pré-treinados, todas as soluções de IA/ML vão em algum momento precisar operar com os seus dados, oriundos dos seus sistemas de informação. Se você vai trabalhar com dados sensíveis, pode ser que precise de um bom NDA (ou termo de confidencialidade) e, se estes dados forem de terceiros, ainda que sob a sua guarda ou propriedade, perante a Lei Geral de Proteção de Dados Pessoais (LGPD), eles não são seus e você vai precisar de consentimento para fornecê-los para a consultoria poder tratá-los.
Quero fazer dentro de casa. Qual profissional devo capacitar?
Algumas empresas hoje em dia tem dentro de casa uma pessoa responsável pelo seu sistema de BI, ou pelo menos aquele profissional que manda muito no Excel. Algumas empresas possuem uma área de dados constituída, outras tem o suporte da sua área de TI.
Conhecer tecnologia é muito bom, ajuda muito, mas conhecer o negócio ajuda muito mais. Se você tem um profissional dentro de casa que conhece muito bem o seu negócio, e que também "manda ver no Excel", talvez seja bom capacitar a esta pessoa. Identifique na sua equipe o melhor candidato. Converse com seus gerentes e diretores, pois muitas vezes esta pessoa estará em outra área. Apesar de a escolha mais óbvia possa parecer ser optar por alguém de TI, na minha carreira já identifiquei excelentes profisionais, profundamente conhecedores do negócio e versados em tecnologia, em áreas como a logística, o RH, a contabilidade, o comercial, operações ou o SAC!
Quais são as características deste profissional?
Já falamos sobre quem capacitar e onde buscar. Mas quais seriam as competências que este profissional precisa ter, além de conhecer o negócio? A mais óbvia delas é ter familiaridade com tecnologia, afinal, esta pessoa vai trabalhar com ferramentas tecnológicas de ponta. Outro requisito é saber usar muito bem o Excel, pois esta será uma ferramenta de uso bastante corriqueiro para apresentar os resultados das análises de dados que serão feitas. Outra característica importante é conseguir se comunicar em inglês. Apesar de ser possível encontrar suporte (e a Cognitiva oferece isto) em português, a maioria das ferramentas de IA/ML (na verdade, 99% delas) está disponível apenas em inglês. Outro ponto que pesa nesta necessidade do domínio do idioma de Shakespeare é que estas tecnologias estão evoluindo muito rapidamente, e muitas vezes não há tempo ou disposição para traduzir as ferramentas ou a sua documentação.
Por fim, não menos importante mas, felizmente, não determinante: esta pessoa deve saber programar ou ser capaz de aprender os rudimentos de programação. Isto é importante porque, na maioria das vezes, a interação com os modelos de ML é feita pela linguagem de programação Python. É uma linguagem relativamente fácil de aprender e rapidamente pode-se dominar os seus principais comandos a ponto de ser capaz de interagir com dados e com as bibliotecas de ML disponíveis. Também vai ajudar muito se esta pessoa conhecer SQL, pois assim não vai precisar de ter alguém da TI gerando as extrações de dados de que vai precisar. Ah, e ajuda muito ser organizado e disciplinado!
Qual infraestrutura vou precisar?
Apesar dos modelos de IA/ML serem complexos e, na maioria das vezes, manipularem vastas quantidades de dados, não costumam ser muito exigentes em termos de hardware. A Cognitiva pode apoiar sua empresa na configuração do seu Laboratório de IA. O tipo de hardware vai depender muito da aplicação e do volume de dados, mas podemos elaborar um requisito mínimo como sendo um computador desktop com 32Gb a 128Gb de memória RAM, uma placa de vídeo da NVidia também com 32Gb de memória RAM, e entre 4Tb a 8Tb de espaço em SSD PCI-e. O processador deve ser Intel core i7 ou i9 ou AMD Ryzen Pro série 7000. Note que a placa-mãe deve ser compatível com o processador escolhidor e, preferencialmente, ter slots PCI-e disponíveis para se colocar os SSDs. Veja bem, esta é a configuração inicial para uma estação de trabalho de um laboratório que vai atender muito bem à maioria das empresas. Eu mesmo tenho usado um notebook Microsoft com 16Gb de RAM, processador i7, placa Nvidia GeForce 1060 com 4 Gb de RAM e 2 TB de espaço, rodando Windows 11, e atende perfeitamente às minhas necessidades de consultor (exceto quando tenho que rodar Tensor Flow, mas isso já é outra história ;)
E a infraestrutura de nuvem que todo mundo fala?
A maioria das aplicações de ML pode rodar perfeitamente no seu ambiente interno. Porém, em algumas ocasiões, principalmente se a sua necessidade envolve processamento de imagens, você pode ter que recorrer ao poder de processamento que as nuvens oferecem. Outra aplicação interessante é utilizar assinaturas de nuvens de baixo custo na nuvem para guardar o backup dos modelos que você já treinou. Armazenar os modelos já treinados é importante, porque vaifazer você poupar tempo e o trabalho de ter que treinar o modelo a cada vez que quiser processar um novo lote de dados. Outro momento em que utilizar serviços em nuvem pode ser vantajoso é para rodar modelos que são oferecidos previamente treinados. A maioria dos modelos de reconhecimento de imagens são desta natureza e são oferecidos pelas empresas como APIs que apontam para serviços executados e armazenados na nuvem.
Conclusão
Comece pequeno. É recomendado que você inicie seus projetos de IA identificando problemas bem definidos e sobre os quais tenha muitos dados históricos e descritivos.
Se você optar por fazer seus projetos dentro de casa, identifique um talento na sua equipe e o capacite. Invista em aprendizado e capacitação. Seja curioso, informe-se.
Invista num hardware de qualidade para prover a infraestrutura necessária. Você vai ver que não é tão caro assim, nem estamos falando de supercomputadores ou vastos sistemas de armazenamento de dados. Se você vai começar com um problema pequeno, pode começar com um hardware pequeno também. Nossos consultores trabalham no dia-a-dia com um notebook Intel core i7, 16Gb de RAM, 2Tb de espaço em SSD e placa de vídeo Nvidia 1060 com 4Gb.
Duvide de soluções milagrosas, promessas de tiros certeiros e, sobretudo, fuja de projetos complexos. A complexidade do seu projeto deve crescer juntamente com o seu conhecimento e domínio das ferramentas. Por fim, propague o conhecimento adquirido. Faça disso uma constante no seu negócio.
A imagem que ilustra este post foi gerada usando o Adobe Firefly.
Comments