O Machine Learning é uma área das Ciências da Computação, oriunda de estudos sobre inteligência artificial. Em 1959, Arthur Samuel definiu Machine Learning (aprendizado de máquina) como o “campo de estudo que dá aos computadores a habilidade de aprender sem serem explicitamente programados”.
Sendo assim, Machine Learning (ML) tem a ver basicamente com desenvolver algoritmos que coletam dados, aprendem com eles e realizam algum tipo de predição. Exemplos disso seriam:
- Categorização de mensagens como SPAM em um sistema de e-mails;
- Reconhecimento de rostos no Facebook;
- Sugestão de compras da Amazon, entre muitos outros.
Desta forma, o algoritmo inteligente é treinado com uma grande base histórica, tendo como resultado a habilidade de poder realizar determinada tarefa. A seguir detalhamos melhor.
Um pouco mais sobre Machine Learning
Apesar de o Machine Learning existir há muito tempo, ele ganha novo impulso nos dias atuais, especialmente por quatro fatores:
- Aumento do poder computacional (e redução de seu custo);
- Surgimento das GPUs que tornam o processamento paralelo muito mais barato;
- Redução de custo de armazenamento e
- Aumento de bases de informação (estamos falando de Big Data) que são a grande matéria-prima para o Machine Learning.
Assim, as tarefas de Machine Learning geralmente são classificadas em 3 categorias mais amplas, conforme abaixo:
- Aprendizado supervisionado: o algoritmo é alimentado com inputs e outputs desejados. Com isso ele aprende a “fórmula” para chegar ao output desejado.
- Aprendizado não supervisionado: mais generalista, ou seja, nenhum tipo de classificação é feito nos dados, cabendo ao algoritmo explorá-los e detectar padrões. Por exemplo, ele pode determinar e agrupar dados de clientes com perfis semelhantes em sistemas de e-commerce.
- Aprendizado por reforço: o programa interage com um ambiente dinâmico para cumprir com um objetivo (exemplo: levar um carro do ponto A ao ponto B). Durante o processo é fornecido feedback referente ao que foi executado corretamente e o que foi realizado de forma errada, fazendo o algoritmo se aperfeiçoar.
Segundo um artigo publicado recentemente no site CIO, a hora das empresas adotarem iniciativas de Inteligência Artificial e Machine Learning é agora. Organizações que não conseguirem adotar ML para seus processos produtivos e comerciais correm o risco de ficarem atrás de concorrentes mais ágeis na próxima década.
Para dar os primeiros passos na utilização do Machine Learning, recomenda-se começar sem inicialmente pensar em resolver todos os problemas, mas sim com pequenas experiências. Além disso, não esqueça de dar aos dados os tratamentos que merecem, entendendo que eles são um ativo valiosíssimo para sua organização.
Machine Learning e ECM
Hoje, uma das características mais interessantes do uso de ECM é transformar em informação estruturada dados importantes do processo de trabalho de uma empresa. Ao termos processos mapeados dentro de uma ferramenta de ECM conseguimos controlar e extrair diversas informações como: dados, valores, prazos, tempo gasto, quantidade de tarefas e outras informações que antes estavam perdidas no dia a dia, mas que passam a estar devidamente estruturadas dentro de uma base de dados.
Este tipo de informação é justamente o que precisamos para podermos aplicar técnicas de Machine Learning como:
- Detectar perfis de comportamento;
- Analisar dados e encontrar padrões;
- Detectar gargalos em processos e que tipo de entradas e saídas fazem ele ser mais performático.
Acredita-se, com isso, que o ML pode ser um complemento importante para o ECM, pois além da análise humana que fazemos em relatórios de processos e indicadores de BI, podemos desenvolver algoritmos para analisar esta informação, tanto de maneira generalista (detectando gargalo de processos, por exemplo) como de uma maneira mais focada nos processos de negócio da empresa.
A Neomind, como provedora de soluções de BPM, ECM, Analytics, entre outras, enxerga hoje a Inteligência Artificial e o Machine Learning como evoluções importantes. Por isso, nosso time de Inovação já realiza estudos para incorporar funcionalidades com algoritmos que aumentem a eficiência nos processos de trabalho de nossos clientes..
Quem sabe, em um futuro mais próximo do que imaginamos, já seremos capazes de recebermos recomendações e sugestões de melhoria sobre nossos Workflows, totalmente automatizada por algoritmos inteligentes? Seria bastante interessante não é mesmo?
O que achou do conteúdo? Deixe um comentário com a sua opinião! Esperamos que ele tenha agregado ainda mais seus conhecimentos. Além disso, não esqueça: acompanhe nosso blog para ficar por dentro de novas publicações!
Referências
Ciência e Dados, Wikipedia, Medium, CIO.
