Escolar Documentos
Profissional Documentos
Cultura Documentos
SÃO PAULO
2017
THIAGO NAKANO ALVES
SÃO PAULO
2017
Nome: NAKANO, Thiago
Título: Consumo Algorítmico: As mudanças no comportamento do consumidor a partir
da atuação dos algoritmos, inteligência artificial e suas aplicações.
Banca Examinadora
NAKANO, Thiago.
CONSUMO ALGORÍTMICO: AS MUDANÇAS NO COMPORTAMENTO DO
CONSUMIDOR A PARTIR DA ATUAÇÃO DOS ALGORITMOS, INTELIGÊNCIA
ARTIFICIAL E SUAS APLICAÇÕES. Thiago Nakano Alves. Orientador: Elizabeth
Nicolau Saad Corrêa. São Paulo – 2017.
Por fim, agradeço à minha gestora e amiga Magda Cani, pela paciência e flexibilidade,
fundamentais para a conciliação de tal produção acadêmica com o trabalho.
RESUMO
In the present research we are looking for understanding the directs and indirects
changes in consumer behavior and the buying process since we have new important
influencers: algorithms, artificial intelligence and its applications, presents in the main
digital platforms such as Facebook, Google and news websites, acting not only in
communication but also in other areas such as health, art, politics and education. We
began our exploratory theoretical studies looking for the concepts of consume,
consumption society, network society and collective intelligence and collaboration, so
we focused in looking for consumer behavior concepts and its stages, as its internal and
external influencers. We searched as well for the theoretical concepts and major
discussions about algorithms and artificial intelligence, also, we went further and
mapped a contemporary view of its applications and capabilities. After analyzing the
researched data, we inferred that (1) the curator algorithms facilitates the consumer
purchase process regarding the information searching and the evaluation of the
alternatives, (2) the curator algorithms can limit our consumption diversity, creating a
kind of segmented mass consumption (3) algorithms and artificial intelligence can
already anticipate the identification of consumer needs before the consumer itself (4)
the intelligent virtual assistants and the Chatbots are bringing a new dynamics between
brands-consumer relationship and (5) in the future, the algorithm will be able to decide
for us, which may result in the loss of power consumer decision and optimization of the
decision process, mainly. Finally, we conclude that algorithms and artificial intelligence
are profoundly changing the decision-making process of consumer, the consumer, and
the society, so we brought some ethical/philosophical questions about all these changes
as clues to further research, given the importance of such changes.
RESUMO………………………………………………………………………………………...8
ABSTRACT……..…………………………………………………………………………........9
1. INTRODUCÃO……………………………………………………………………………...12
2. CAPÍTULO 1: Cultura do consumo, comportamento do consumidor e
sociedade em
rede……………………………………………………………………………....................... 15
2.1 Cultura do consumo……………………………………………………………....15
2.1.1 Um breve histórico do consumo…………………………………….......…... 15
2.1.2 Consumo e moral……………………………………………………….....….. 17
2.1.3 Consumidor moderno e identidade………………......……………………... 18
2.2 Comportamento do consumido……………………................................……. 20
2.2.1 Modelos de comportamento do consumidor………………………….......... 20
2.2.2 Tipos de processo……………………………………………………….......... 20
2.2.3 Fases do processo…………………………………………………….........… 21
2.2.4 Decision making: fatores de influência no processo de compra - Influências
internas e influências externas…………………………………............................. 26
2.3 Sociedade em rede……………………………………………………………… 35
2.3.1 A Inteligência Coletiva e colaboração…………………......……………...… 35
3. CAPÍTULO 2 - Algoritmos, Inteligência Artificial e suas aplicações……....…… 39
3.1 Definição de algoritmo, a origem dos filtros e o algoritmo curador…....…… 39
3.2 Os filtro-bolha…………………………………………………………....…..…… 45
3.3 Inteligência artificial: definição e um panorama atual………………….…..… 46
4. CAPÍTULO 3 - As mudanças no comportamento do consumidor a partir da
atuação dos algoritmos e inteligência artificial………………………………………. 54
4.1 Introdução………………………………………………………………...……… 54
4.2 Panorama atual………………………………………………………………..… 54
4.2.1 As implicações do algoritmo curador: organizando, filtrando, personalizado,
potencializando grupos e influenciando o processo de compra.…....………….. 54
4.2.2 O consumidor está nú…………………………………………………........... 59
4.2.3 Atendimento ao cliente algorítmico: da venda ao atendimento pós
compra............................................................................................................... 62
4.3 Panorama futuro: The Future is Bright - Os algoritmos vão decidir por
nós………........................................................................................................... 66
5. CONCLUSÃO……………………………………………………………………………… 71
REFERENCIAL BIBLIOGRÁFICO............................................................................... 74
REFERENCIAL ELETRÔNICO..................................................................................... 76
12
1. INTRODUCÃO
No estudo, a empresa de tecnologia e mídia afirma que 80% dos brasileiros usam smartphones
para saber mais sobre marcas e produtos que querem comprar. Além de se informar mais, o
consumidor conectado passa a ter uma nova relação com as marcas. Segundo estudo do Kantar
IBOPE Media, divulgado em junho de 2016, entre os internautas brasileiros, 20% costumam
comentar sobre marcas nas mídias digitais e 19% são influenciados por comentários e opiniões
publicadas on-line. A rede mais popular no Brasil é o Facebook: como divulgado pela própria
empresa em março de 2015, 45% da população brasileira acessa a plataforma mensalmente,
13
sendo o Brasil o terceiro país em número de usuários - e o número só cresce. Para muitos
brasileiros, inclusive, o Facebook é a internet: De acordo com o estudo "The Internet Health
Report", feito pela fundação Mozilla em fevereiro de 2015, divulgado no site da QZ, 55% dos
brasileiros consideraram que o Facebook é a Internet, ou seja, não há vida além da plataforma.
Para os americanos, os reviews de produtos são importantes no processo de compra: para 80%
dos respondentes de uma pesquisa da Trustpilot, divulgado em setembro de 2016 no site
eMarketer, os reviews de marcas ou produtos são de alguma maneira importantes ou muito
importantes durante para suas tomadas de decisão.
Nesse cenário em que o consumidor está maduro digitalmente e se apropria das tecnologias a seu
favor, os algoritmos e a inteligência artificial se tornaram atores influenciadores importantes no
processo de decisão do consumidor por estarem presentes nas principais plataformas digitais: (e
não necessariamente no momento de consumo): Google Search, Google Maps, Waze, YouTube,
Facebook, Instagram, Tumblr, Portais de notícia como G1, UOL e outros, Pinterest, LinkedIn,
Spotify, Netflix, Tinder, Uber, Ifood, TripAdvisor, Google Trips, KAYAK, BuscaPé, Google
Shopping, AirbnB, Booking.com, Trivago, ZAP, Quinto Andar e tantos outros sites e apps
mobile que estão presentes no nosso dia a dia. Nesse sentido, faz-se importante entender o que é
um algoritmo e os conceitos inteligência artificial, seus impactos na sociedade e seus impactos
no consumo, indireta e indiretamente, a fim de trazer maior ciência da atuação de tais agentes
que, como citado, são influenciadores importantes no processo de compra.
PROBLEMA DE PESQUISA
Como os algoritmos, a inteligência artificial e suas aplicações influenciam no processo de
decisão do consumidor, seja diretamente ou indiretamente, e quais as implicações de tais
mudanças?
OBJETO DE ESTUDO
Sendo assim, o comportamento de compra do consumidor no meio digital é o objeto de estudo
desta pesquisa, quando iremos investigar as mudanças nesse processo diante da atuação dos
algoritmos e a inteligência artificial. Para isso, faz-se necessário entender: O que é consumo e
14
qual sua importância para a sociedade? Como é composto o processo de compra do consumidor
e quais as características de cada etapa? Quais são os fatores de influência interna e externa nesse
processo? Como caracteriza a inteligência coletiva no ambiente digital?
OBJETIVOS
Os objetivos da pesquisa são: (1) Investigar e descrever a sociedade do consumo, o processo de
decisão de compra do consumidor, as teorias e aplicações sobre algoritmos e Inteligência
artificial e, (2) a partir da análise dos dados, inferir quais são os impactos dos algoritmos e
inteligência artificial no comportamento do consumidor pensando na atualidade, mas também
nas possibilidades das mudanças futuras baseados no avanço de tais tecnologias.
PROCEDIMENTO METODOLOGICO
A pesquisa será baseada em referências teóricas sobre os macro temas da pesquisa, das mais
antigas às mais contemporâneas, complementada com artigos, dissertações acadêmicas e papers.
Artigos e matérias digitais serão de grande importância dado que investigaremos qual status das
tecnologias com algoritmos e inteligência artificial, bem como todos as discussões
acadêmicas/corporativas que rondam esses temas, e sua perspectiva de evolução. Por isso,
caracteriza-se como uma pesquisa bibliográfica e exploratória.
HIPÓTESES/PRESSUPOSTOS
Assumimos como pressupostos que: (1) os algoritmos facilitam o processo de decisão do
consumidor (2) porém existem variáveis que podem mudar o consumo, por consequência a
sociedade, trazendo consequências ruins para o consumidor e por fim (3), no futuro, os
algoritmos terão controle de grande parte do processo de compra.
15
Consumo é uma palavra que vem do latim consumere, que significa usar tudo, esgotar e destruir;
e do termo inglês consummation, que significa somar, adicionar (BARBOSA; CAMPBELL,
2006). Analisando a etimologia da palavra e o contexto brasileiro, partimos do princípio de que o
consumo é algo ambíguo, que pode ser uso/experiência de algo, ou uma compra, em sí, ou
exaustão de algo.
Se pensarmos que hoje, uma experiência como viajar, por exemplo, é um tipo de consumo e que
essa experiência pode ser percebida como uma resistência ao consumismo na sociedade
contemporânea, entendemos quão complexo é a temática no sentido sócio-antropológico. Nesse
ponto de vista, segundo (BARBOSA; CAMPBELL, 2006), a simples aquisição de um bem ou
16
serviço através da compra não define um comportamento social como o consumo. Na verdade,
hoje o uso legal de um bem ou serviço não implica em sua aquisição ou posse - exemplo da
mudança na forma que consumimos filmes e música antes e depois de Netflix e Spotify. Por
tanto, não se trata mais de quem compra o que, mas quem possui condições de acesso e o que faz
das coisas adquiridas (BARBOSA; CAMPBELL, 2006). Nesse sentido, o consumo é um
processo social:
Barbosa (2010), dedica um capítulo inteiro do seu livro "Sociedade do Consumo", de 2010, para
explicar as diversas visões do conceito da sociedade do consumo entre distintos autores. Tal
conceito não é simples, tão pouco tem uma definição universal. Para alguns autores, a sociedade
de consumo "pode ser definida por um tipo específico de consumo, o consumo de signo"
(BARBOSA 2010), para outros autores, a sociedade do consumo é muito mais do que isso e
engloba/considera o consumo de massa, a moda, o descarte, sociedade do mercado, consumidor
como um dos principais personagens sociais, entre outros aspectos.
Para Barbosa (2010), o estudo da sociedade do consumo é complexo pois é um tema transversal
em várias áreas de estudos, onde frequentemente termos muito distintos são tratados da mesma
forma, como sociedade de consumo e de consumidores e cultura do consumo e de
consumidores. A seguir, selecionamos um conjunto de autores que abordam o tema de cultura do
consumo através da mesma linha.
1. Segundo Barbosa (2010), para os autores Frederic Jameson, Zygman Bauman e Jean
Baudrillard , a cultura do consumo:
17
2. Já autores como Don Slater, Daniel Miller, Grant McCracken, Pierre Bourdieu e Mary
Douglas, de acordo com Barbosa (2010), abordam a sociedade de consumo:
De forma geral, o que todos esses autores buscam é entender como o consumo convive, se
sobrepõe e se conecta com todas as outras esferas da vida humana: relações sociais e políticas,
trabalho, identidade e até tecnologia, nosso foco de estudo dado o contexto dos algoritmos no
consumo e do consumo nos algoritmos.
sentido, ainda vivemos em um mundo onde o consumo ligado a essas necessidades básicas é
moralmente aceitável, que não suscita culpa, e o consumo supérfluo, como descartável,
descartável e ilegítimo, que detém culpa. Prova disso é o traço do comportamento do consumidor
que busca justificar a si mesmo e aos outros, mesmo em uma esfera de consumo tão individual
do qual aprofundaremos em seguida, através de discursos como “foi uma ótima oportunidade,
pois eu estava mesmo precisando” e como cita (BARBOSA; CAMPBELL, 2006), “economizar
gastando”. Essa cultura do consumo tem um efeito curioso nas classes mais baixas, onde são
criticadas ao consumirem produtos que determinados grupos consideram dispensáveis,
entendendo o contexto social da classe. Quem nunca ouviu que "na favela do rio falta comida
mas tem Tv e ar condicionado". A necessidade de controlar o consumo alheio e as premissas
preconceituosas legitimam o consumo de necessidade e se aterroriza com o supérfluo, com o
receio da expansão do consumo para outras classes sociais (BARBOSA; CAMPBELL, 2006)
Uma das características mais marcantes do consumidor moderno, segundo Barbosa e Campbell
(2006), é que o consumo se tornou algo muito individual, diferente das gerações passadas onde o
consumo era muito guiado por grupos sociais, incluindo ele o principal: a família. Nesse sentido,
o consumo moderno estaria mais preocupado em saciar vontades do que satisfazer necessidades
e, considerando que as necessidades básicas são, geralmente, as mesmas, está na satisfação das
vontades que a subjetividade da escolha individual está baseada.
Barbosa (2010) afirma que na sociedade contemporânea temos uma pluralidade de grupos, tribos
urbanas e indivíduos que criam e cultivam suas próprias regras, como parte do processo de
construção da identidade. A ideia principal é que não existem regras, que o poder de escolha e
senso de julgamento do que é melhor para nós mesmos é justamente o que caracteriza essa
sociedade do consumo moderna. Estilo de vida e identidade podem ser compostos e decompostos
de acordo com nosso estado de espírito. (BARBOSA, 2010). Um exemplo são os produtos
piratas que permitem indivíduos de renda incompatível com os mesmos originais usufruam do
produto na construção do seu estilo e personalidade, seu estilo pessoal. É nesse cenário que o
19
Antes de tudo, precisamos entender que o processo de decisão por ser diferente dependendo do
nível de esforço realizado pelo consumidor, sendo classificado por Costa (2013), baseado em
autores da área, em três tipos:
1. Processo extenso: É o processo mais tradicional que contempla todas as etapas, desde
reconhecimento da necessidade até a decisão em si e é caracterizado quando o
consumidor não tem um critério pré estabelecido para avaliação, o que exige um maior
grau de energia do consumidor durante o processo (COSTA 2013). Entre os fatores que
fazem um processo ser extenso, como citado por Costa (2013), baseado nas teorias de
Engel (1995), Assael (1992) e Solomon (1999), em resumo, estão: nível de envolvimento
com a compra, diferenciação das alternativas, disponibilidade de tempo, nível de risco,
alto risco e produtos associados com ego e auto estima.
2. Processo limitado: No processo limitado, as fases do processo extenso ainda existem,
21
A teoria sobre o processo de decisão de compra mais comum dentre a maioria dos autores é a de
cinco etapas: reconhecimento do problema, busca de informações, avaliação de alternativas,
escolha do produto e comportamento pós-compra (KOTLER, KELLER, 2006; SOLOMON,
2016). Para descrever cada fase, iremos nos basear nas definições mais atualizadas de Solomon
(2016), descritas na mais recente versão do clássico "O comportamento do consumidor moderno.
Comprando, possuindo e sendo", de 2016:
Ocorre quando experimentamos uma diferença significativa entre nosso estado atual e algum
estado que desejamos (SOLOMON, 2016). Esse reconhecimento pode ser muito simples e
imediatista, como vimos na sociedade de consumo, sendo ligado às necessidades mais básicas
como "Tenho fome" (reconhecimento de necessidade), ou necessidades mais subjetivas do
consumidor contemporâneo como "Preciso do novo Iphone" (reconhecimento de oportunidade).
Em ambos os casos, o problema precisa de uma solução. Esse problema, muitas vezes, pode
surgir quando, segundo Solomon (2016), um consumidor muda seu padrão de comparação,
identificando que seu estado atual não o satisfaz mais. Aqui temos a atuação importante da
publicidade e da rede social, digital ou não, na qual o consumidor está inserido.
22
A busca que informações é o processo pelo qual o consumidor pesquisa a sua volta dados que o
ajudará a resolver o problema de forma sensata. De acordo com Solomon (2016), a primeira
pesquisa que fazemos é na nossa memória, onde temos os parâmetros mínimos de conhecimento
das informações que necessitamos, nos ajudando a delimitar a pesquisa no universo externo, via
amigos, marcas, etc. Como apresentamos no tópico anterior, a busca de informações é mais
intensa em processos de compra mais complexos. Solomon (2016) explica que esse processo
pode ser bem diferente dependendo do nível de conhecimento do consumidor e suas experiências
passadas. Para exemplificar de forma sistemática, vejamos a seguir um quadro comparativo:
FONTE: tabela baseada nos conceitos de Solomon (2016), criada pelo autor.
produtos extensivos. Nesse contexto, Solomon (2016) categoriza as opções que temos em mente
em dois conjuntos: (1) Conjunto evocado, que são as alternativas que o consumidor conhece e
(2) Conjunto de consideração, que como o próprio nome diz, são as opções que o consumidor
realmente considera. Para o autor, a quantidade de marcas em cada conjunto varia muito de
acordo com o perfil do consumidor e, principalmente, por sua cultura.
Solomon (2016) explica que no processo de avaliação de alternativas, representamos o produto
em três níveis de uma estrutura cognitiva, ao que chama de estrutura do conhecimento
(SOLOMON 2016) sendo eles: nível subordinado, nível básico e nível superordenado. Em
resumo, nesses três níveis categorizamos os produtos em nossas mentes para facilitar o processo
de decisão. As opções aumentam de acordo com que o nível se torna mais ordenado. No exemplo
que o autor explora em sua obra, "Sobremesa" (como categoria) está no nível subordinado,
"Sobremesas que engordam" e "Sobremesas que não engordam" estão no nível básico e são
muito importantes para a decisão, pensando ainda neste exemplo e trazendo novamente o tom de
complexidade desse processo, podemos estar cientes de que a sobremesa que não engorda é a
melhor opção, mas naquele momento decidimos nos presentar por um dia pesado, aceitando os
malefícios da sobremesa que engorda. Abordarmos mais esse tema partindo da ideia de que um
sistema não tem essa subjetividade, nos futuros capítulos. Por fim, no nível superordenado estão
as subcategorias e marcas (sorvete, fruta, maçã, Nestlé, etc). Toda essa classificação, ressalta
Solomon (2016), reforça a importância de um bom posicionamento de marca e produto para os
consumidores que irão considerar no momento de categorização ao comparar com os
concorrentes.
Após o processo cognitivo de categorização, o consumidor constrói e determina os critérios de
avaliação antes da próxima etapa - a decisão. Segundo Solomon (2016), os critérios de avaliação
são dimensões utilizadas para avaliar e julgar os méritos de inúmeros critérios. Para o autor,
quando os produtos apresentam semelhanças em algumas dimensões (ex: todos os celulares
avaliados possuem câmera 12MP), estas serão menos importantes no critério de avaliação, sendo
assim, os atributos determinantes são os que realmente utilizamos para considerar e avaliar as
alternativas entre opções (SOLOMON 2016). Quando a compra tem alto envolvimento
cognitivo, os consumidores são mais propensos a pensar nos prós e contras de cada dimensão,
segundo Solomon (2016),
24
Após reunir a avaliar as opções relevantes de uma categoria, chegamos ao momento da escolha
do produto ou compra (SOLOMON 2016). Como vimos nos tópicos anteriores, esse processo
pode variar muito de acordo com a complexidade da compra. Segundo Costa (2013), baseado em
outros autores, temos três diferentes situações de compra:
As definições citadas por Costa (2013) são mais aplicáveis às compras em lojas físicas,
entretanto no ambiente virtual o consumidor tem a possibilidade de estar em todas as lojas ao
mesmo tempo, consultando e comparando preços em buscadores e gerando seus critérios de
decisão de forma muito dinâmica, ao passo que a compra por impulso também é mais provável
quando podemos efetuar uma compra em, literalmente, um clique.
Ocorre quando experimentamos o produto ou serviço que escolhemos e concluímos se ele atende
ou não as nossas expectativas (SOLOMON 2016). Para Costa (2013), a experiência de compra e
uso do produto é extremamente importante na próxima decisão de compra, em linha com
Solomon (2016) que reforça que avaliamos as coisas que compramos a medida que usamos e
integramos em nossas atividades de consumo diárias.
Kotler e Armstrong (1993) definem que os fatores que influenciam a decisão do consumidor no
processo de compra são:
1. As motivações: o indivíduo necessita de um motivo maior para buscar satisfazer uma
necessidade fisiológica ou psicológica
2. A personalidade: Características pessoais que determinam o comportamento do
consumidor durante o processo
3. As percepções: A subjetividade da interpretação específica das informações que auxiliam
o consumidor no processo
Para a presente pesquisa, partir das caracterizações de Kotler e Armstrong (1993), optamos por
utilizar novamente Solomon (2016) como referência considerando a atualidade de suas
propostas, que divide as influências em (1) Internas e (2) externas. As influências internas
englobam a percepção, a aprendizagem e memória, o "eu" e as atitudes e persuasão, já as
influências externas consideram os efeitos situacionais do consumidor, a sua identidade (papel
sexual, subcultura, classe social e estilo de vida) e por fim, a comunicação boca a boca. Tais
influências são de grande importância em nossa pesquisa uma vez que as plataformas digitais e
os algoritmos estão extremamente ligados com essas dimensões, gerando impactos diretos e
indiretos e até mesmo resinificando algumas delas, como por exemplo o "eu digital".
27
Influências internas
Percepção
Solomon (2016) explica que sensação é a resposta imediata dos recursos sensoriais (olhos,
ouvidos, nariz, etc), a estímulos básicos como luz ou som e que percepção é o processo pelo qual
essas sensações físicas são relacionados, organizados e interpretados, sendo essa interpretação, o
final, será atribuída um significado. Interpretamos os estímulos aos quais de fato prestamos
atenção, de acordo com padrões aprendidos e expectativas. A percepção, segundo o autor, tem
três estágios:
1. Exposição, quando um estímulo penetra na gama de receptores. Essa exposição precisa
ser forte suficiente para gerar a consciência do estímulo
2. Atenção, que se refere ao grau com que a atividade de processamento é dirigida a um
estímulo específico. Nesse tópico, vale reforçar um ponto muito importante da sociedade
contemporânea: o excesso de informação. É cada vez mais difícil capturar a atenção dos
consumidores que, segundo Solomon (2016), é exposto hoje a cerca de 3.500
informações de propaganda diariamente, em comparação aos 560 por dia, 30 anos atrás.
Abordaremos mais esse tópico ao pesquisar a origem dos filtros algorítmicos e sua
importância na economia da atenção.
3. Interpretação, que está ligada aos significados que atribuímos os estímulos sensoriais.
Solomon (2016) explora em detalhes como os cinco sentidos - visão, olfato, audição, tato e
paladar - influenciam fortemente no processo de decisão do usuário e como as marcas exploram
as oportunidades de comunicação e marketing através de experiências sensoriais, seja através de
publicidade, embalagem, loja (física ou virtual), textura dos produtos, experiência, cheiros,
jingles e tantas outras ferramentas do marketing que constituem o marketing tradicional como
vivenciamos. Não iremos nos aprofundar em cada sentido e suas aplicações, porém reforçamos a
importância das experiências sensoriais no processo de compra para que possamos, nos próximos
capítulos, explorar essas dimensões a partir dos algoritmos.
28
Aprendizagem e memória
Memória é uma informação aprendida (SOLOMON 2016). A figura a seguir resume o processo
de memória:
O Eu
Para Solomon (2016), compramos produtos porque desejamos salientar ou ocultar algum aspecto
do eu e os sentimentos dos consumidores sobre si próprios moldam seus hábitos de consumo.
Buscando o conceito de eu nas sociedades antigas, Solomon (2016) explica que a sociedade
ocidental acredita em uma natureza do eu individual, enquanto muitas culturas orientais
acreditam na importância do eu coletivo, onde a identidade é derivada de um grupo social.
Ambas sociedades concordam quanto a existência de um eu interno e um eu externo/público.
Autoconceito, define Solomon (2016), é uma síntese de crenças de uma pessoas em seus próprios
atributos e de como ela avalia essa qualidade. Essa avaliação pode ser positiva em algumas
esferas da vida, e negativa em outras. Autoconceito é um conceito complexo e, segundo o autor,
30
os consumidores podem ser bastante rigorosos nessa auto avaliação, gerando uma auto percepção
distorcida, especialmente sobre a forma física.
A autoestima, segundo Solomon (2016), se refere a positividade do autoconceito de uma pessoa.
Pessoas com baixa autoestima acreditam que não terão um bom desempenho em determinada
atividade e, por medo de fracasso ou rejeição, evitam determinadas situações. A autoestima tem
um papel importante nos hábitos de consumo. Um consumidor pode preferir uma embalagem
com quantidade regulada por não se sentir apto a controlar a quantidade ideal, outros, podem ter
gastos exacerbados apoiados no discurso de "eu mereço isso", ou, ao contrário, gastar com
terceiros porque ele "não merece isso". Essa dimensão do eu, segundo Solomon (2016), é muito
explorada na comunicação mercadológica, uma vez que pode ativar um processo de comparação
social, onde o consumidor compra para ser espelho do perfil retratado na comunicação.
Para Solomon (2016), o eu possui duas dimensões: o eu ideal e o eu real. O eu ideal é a
concepção que a pessoa tem de como ela gostaria de ser, já o eu real é uma avaliação mais
realista das características que temos e as que não temos. Quando a diferença entre essas duas
dimensões são muito grandes, Solomon (2016) explica que a fantasia - uma mudança de
consciência auto induzida - preenche a lacuna entre os eus e é extremamente explorada no
marketing. Por fim, Solomon (2016) explica que os eus múltiplos existem pois mostramos traços
de personalidade diferentemente entre os grupos sociais dos quais estamos inseridos: amigos,
família, trabalho, etc.
traços de comportamento, sinais, atitudes que projetam nosso eu para as demais pessoas. No
ambiente online, esse comportamento é acentuado pois temos acesso a milhares de ferramentas
de edição disponíveis das quais podemos usar para editar como vamos nos apresentar online,
onde deixamos nossa pegada social, que nada mais é, segundo o autor, que as marcas que
deixamos depois de ocupar um espaço digital específico (ex: um post no Twitter), sendo então, a
linha do tempo, um registro contínuo da vida do consumidor online. Esse comportamento é
chamado por Solomon (2016) de gestão da identidade digital, que traz novas dimensões para o
eu entendido. Obviamente, em games como The Sims levam a questão do eu digital mais a
fundo, onde as pessoas são mais propensas a criar um novo eu, totalmente diferente do
verdadeiro (outra identidade sexual, por exemplo), diferente do Facebook onde, claro, também
pode-se criar uma projeção muito distorcida da realidade mas ainda sim a plataforma preza pela
veracidade dos fatos (por exemplo, o usuário não pode usar um nickname como nome) e isso
também é impulsionado pelo comportamento da rede.
Afinal, qual identidade projetamos? O quão real ela é? Como os eus mudam de acordo com a
plataforma em que estamos, como por exemplo Google Search vs Facebook, onde o input de
dados é totalmente diferente? Como os algoritmos entendem os distintos eus? Aprofundaremos
mais esse tema no capítulo 3.
Atitude e persuasão
Segundo Solomon (2016), atitude é uma predisposição para avaliar um objeto ou produto
positiva ou negativamente. Os consumidores formam atitudes em relação a produtos e serviços
que frequentemente determina se compraremos ou não. As atitudes são formadas por três
componentes/passos:
1. Formamos crenças (cognições) a respeito de um objeto de atitude
2. Avaliamos esse objeto (afeto) e
3. Tomamos a atitude (intenções comportamentais)
Solomon (2016) explica que persuasão se refere a uma tentativa de mudar as atitudes dos
consumidores. O autor apresenta os modelos de comunicação e seus elementos (fonte,
32
mensagem, meio, receptor e feedback) e sua devida evolução dentro do contexto do ciberespaço
e novas mídias, onde os papéis de receptor, receptor e meio são resinificados. Não vamos
explorar em detalhes essa mudança, porém reforçamos as seguintes mensagens, baseados nas
análises de Solomon (2016):
Influências externas
1. Momento eu quero saber: Acontecem quando o consumidor busca satisfazer uma vontade
pontual de aprender, de fazer, de descobrir, de assistir ou comprar algo. São reflexo da
quantidade exorbitante de pesquisas no Google, especialmente no mobile.
2. Momento eu quero ir: São momentos mais ligados a geolocalização do consumidor e os
hábitos potencializados pela tecnologia mobile, como as buscas por "restaurante
próximos" ou usa um aplicativo como Uber para solicitar um carro próximo.
3. Momento eu quero fazer: Nesses micro momentos, as expectativas dos consumidores são
mais altas que o normal, estão muito ligadas às buscas por "como fazer" ou "how to".
4. Eu quero comprar: Seja repor algo quebrado, comprar um novo produto ou simplesmente
pegar informação de algo que pretende comprar, momentos estão acontecendo com mais
frequência.
Para Solomon (2016), o desejo de nos adequarmos ou de nos identificarmos com indivíduos ou
grupos desejáveis é a principal motivação de vários de nossos comportamentos de consumo.
Podemos nos esforçar ao máximo para agradar aos membros de um grupo cuja aceitação
cobiçamos (SOLOMON 2016). O autor explica que apenas os grupos com os quais nos
identificamos possuem influência nas decisões de consumo e chama de poder social a capacidade
desses grupos de mudar os atos dos outros. Solomon (2016) apresenta uma classificação das
bases de poder das quais iremos brevemente descrever:
Entendendo o poder e importância da influência dos grupos sociais e a potência do boca a boca
especialmente nas plataformas digitais (tanto em volume quanto de eficácia) e seus respectivos
impactos no processo de compra do consumidor, nos aprofundaremos no próximo tópico nos
temas de inteligência coletiva, inteligência algorítmica e colaboração no contexto do
ciberespaço a fim de entender como o conhecimento coletivo trouxe novos influenciadores no
processo de compra (a massa) e, posteriormente, como os algoritmos atuam nesse ecossistema.
Não poderíamos buscar a definição de inteligência coletiva em lugar mais apropriado e relevante
como o Wikipedia: um exemplo clássico de como a inteligência coletiva é capaz de gerar
conhecimento. Nem todo mundo sabe tudo, como diz a descrição, mas com a contribuição
(gratuita) de cada usuário, a Wikipédia tem hoje dezenas de milhares de página de todo tipo
conteúdo que podemos imaginar.
36
Para Lévy (2007), a inteligência coletiva é baseada no fato que todos os indivíduos têm a sua
própria inteligência acumulada em suas vivências pessoais. Essa inteligência é distribuída por
toda parte de forma coordenada e em tempo real resultando em uma mobilização efetiva das
competências. Aqui reforçamos o papel dos algoritmos como curadores de conteúdo e curadores
da distribuição dos mesmos. Lévy (2007) explica a importância fundamental da internet como
realizadora do papel de conectar as pessoas de um para todos e não de um para um e que a
inteligência coletiva tem o potencial de explorar ao máximo todas as riquezas humanas
existentes nas populações, o que nos remete ao conceito de Global village de McLuhan.
Buscamos uma perspectiva atualizada do tema a partir do mesmo autor, Pierre Lévy, e nos
baseados em uma apresentação divulgada em seu site no ano de 2014, chamada Collective
Intelligence. Para Lévy (2014), a inteligência coletiva não é algo particular da cibercultura, tão
pouco dos seres humanos, basta pensarmos no comportamento dos animais selvagens que vivem
em bando. Entretanto, a inteligência coletiva humana tem traços exclusivos: é constituída por
linguagem e símbolos, está entre estruturas sociais complexas, sistema de tecnologias
complexos, tem a peculiaridade da reflexão individual e sua evolução segue a evolução das
mídias - aí a relevância do ciberespaço, das plataformas digitais e dos algoritmos, que regem essa
inteligência coletiva digital. Na figura a seguir, Lévy (2014) explica a evolução dos tipos de
conhecimento à medida que a evolução dos meios aconteceu na sociedade. Destacamos que,
segundo o autor, hoje vivemos na era do conhecimento algorítmico, baseado em big data e seu
manejo de forma autônoma, além da economia da informação.
37
Para Shirky (2008), as plataformas digitais podem gerar grande impacto positivo na sociedade
através da cultura da colaboração. Em linhas gerais, o autor considera que o novo paradigma da
comunicação é direcionado para fins sociais e é baseado em plataformas sociais:
Nesse contexto, tudo é social: conteúdo, distribuição, interações, ações. As mídias sociais se
integram fortemente na vida das pessoas e mudam o ambiente ao seu redor. Shirky (2008)
defende que a sociedade não é apenas o produto de um indivíduo mas também de grupos que
constituem essa sociedade. A internet seria apenas uma ferramenta facilitadora de um
38
Andrew Keen (2010) discute sobre a produção de conteúdo amador (e a internet em um sentido
mais amplo) e o impacto dessa nova cultura na economia, cultura e valores. Para Keen (2010), a
o conhecimento coletivo ou colaborativo - wisdom of the crowd - é uma ilusão e, mais do que
isso, uma ameaça ao nosso poder de raciocínio, poder de decisão e definição do que é real ou
falso. Como consequência, o conhecimento coletivo nos levaria a uma era de conhecimento raro
e duvidoso, uma vez que os algoritmos que se baseiam em interesse coletivo, como por exemplo
o Delicious que identifica as notícias mais lidas (uma multidão de usuários anônimos) para
recomendações de leitura. Antes disso, Keen (2010) acredita que esse padrão negativo das
decisões da massa, na verdade, é reflexo de um comportamento já visto na história. Keen (2010)
defende que a massa já se demonstrou pouco sábia através de grandes movimentos como a
escravidão, infanticídio, a guerra no Iraque e até mesmo a popularização de Britney Spears.
Estamos cercados por algoritmos, especialmente nos momentos (ou micro momentos) de
consumo. Seja no momento de pedir um carro pelo uber (onde o algoritmo vai determinar o
carro mais próximo, a estimativa de preço e de tempo), seja buscando conhecer novas pessoas
através do tinder (onde o algoritmo vai nos mostrar as pessoas mais próximas, com a mesma
orientação sexual, com a maior quantidade de características semelhantes e até mesmo pelo
padrão de matches), seja buscando o preço de uma passagem aérea no Google ou um vídeo de
coisas para fazer na Escócia, no YouTube (onde o algoritmo é regido pelo fator relevância, ou
seja, vai tentar nos apresentar, a partir da fórmula mágica do Google, os conteúdos que ele julga
responder mais assertivamente a query) ou simplesmente navegando na timeline do Facebook
(onde o algoritmo vai determinar os conteúdos mais relevantes - também segundo seus critérios,
muito baseado no comportamento do usuário - definindo o que vemos primeiro e em qual ordem
e com qual frequência). A lista é grande e no cenário de excesso de informação que vivenciamos,
os algoritmos vão ganhar mais e mais relevância na sociedade uma vez que buscam, justamente,
relevância. Antes de nos aprofundarmos nas aplicações dos algoritmos e suas implicações,
busquemos antes entender o que é um algoritmo e a ideia básica de seu funcionamento. A ideia
não é entrarmos a fundo no técnico, dado que a presente pesquisa se aplica a área de
comunicação, porém se faz importante entender minimamente suas características.
Saad e Bertocchi (2012), a partir de uma visão mais atualizada, reforçam o conceito de algoritmo
como um conjunto de etapas, com começo, meio e fim para resolução de um problema porém
acrescentam que o algoritmo não representa, necessariamente, um programa de computador, e
sim os passos necessários para realizar uma tarefa, inclusive podendo ser executado por
humanos:
40
Saad e Bertocchi (2012) explicam que um algoritmo pode ser mais elegante ou menos elegante
ou original e que um algoritmo é correto quando resolve o problema e eficiente se resolve o
problema de forma rápida e fácil, além da sua complexidade baixa de implementação. Além
41
disso, as autoras reforçam um ponto importantíssimo e que nos prepara para os próximos
tópicos: o algoritmo pode conter ou não inteligência artificial, isso dependerá de sua robustez e,
como vimos nos conceitos acima, se faz-se necessário para que o mesmo resolva o problema.
Para entender melhor a origem dos filtros e suas aplicações, nos basearemos no estudo de Eli
Pariser em sua obra O Filtro Invisível - o Que a Internet Está Escondendo de Você, de 2012, do
qual também nos apoiaremos para entender alguns dos impactos dos filtros na maneira que
vemos o mundo, nos tópicos seguintes.
Em meados dos anos 90, onde os americanos já tinham acesso a centenas de canais/conteúdo na
TV, controlar apenas brilho e volume através do controle remoto já não era suficiente. Nesse
contexto, Pariser (2012) comenta sobre a visão de Nicholas Negroponte, que já falava do
conceito de personalização ao trazer a ideia dos agentes artificiais, que nada mais seriam que
robôs que organizariam os conteúdos que seriam mais interessantes aos usuários. Essa ideia
trouxe muita controvérsia na época, alguns pesquisadores já questionavam a ideia de termos
robôs fazendo esse tipo de intermédio, mas, logo as empresas perceberam que Negroponte tinha
razão e que as empresas que conseguissem criar relevância em um cenário de colapso de atenção,
ganhariam muito dinheiro. Pariser (2012) relembra que "relevância" havia virado palavra de
Pariser (2012) conta como a Amazon foi uma das primeiras empresas a entender o conceito de
relevância e aplicar de forma assertiva aos negócios: Em 1994, o presidente da Amazon já falava
em trazer de volta os velhos tempos de livraria onde o livreiro te conhecia tão bem que que
conseguia indicar títulos baseado em seus autores preferidos. Em 1995, quando a Amazon foi
lançada, Pariser (2012) relembra que os consumidores puderam experimentar a personalização
na experiência de compra pela primeira vez - sugerindo títulos relacionados, perfis de leitores
42
etc. Em 97 a Amazon já havia vendido para 1 milhão de clientes e quanto mais eles vendiam,
mais informações tinham para melhorar os filtros. Quando usamos o kindle, por exemplo, a
Amazon captura dados como: trechos que destacamos, se lemos desde o início ou se pulamos
para um capítulo específico. Tudo para melhorar a experiência do usuário - e vender mais.
Pariser (2012) faz uma grande análise sobre o início do Google e como os algoritmos e filtros
foram assets muito importantes naquela época. Pariser (2012) cita um trecho de uma entrevista
dos fundadores do Google, muito curiosa, na qual falam:
Em 97, Larry Page e Sergey Brin já falavam sobre relevância dos buscadores, que naquela
época, não conseguiam localizar a si próprios. Foi então que surgiu o pagerank, que não só
considerava keywords da página, mas volume de cliques, indicações, entre outros. Pariser (2012)
conta que, pouco tempo depois, o Google já era o melhor buscador, já no domínio Google.com.
Estudiosos diziam que o pagerank que havia sido o grande diferencial do Google, mas na
verdade era apenas uma pequena parte do projeto. Para Pariser (2012), a verdadeira chave da
relevância online eram dados e, em sua maioria, gerados pelo próprios usuário: se o usuário, por
exemplo, clica no segundo link de um resultado de busca, indiretamente ele está indicando que o
primeiro possa não ser tão relevante, como uma votação. A partir daí, o Google começou a
guardar e usar todos os dados de todas as buscas como uma forma de aprimorar cada vez mais o
algoritmo. Porém, Pariser (2012) lembra que esses dados não eram suficientes para gerar insights
mais pessoais de cada indivíduo. Então, em 2004, o Google lançou o Gmail, em seguida o
GoogleApps. Pouco tempo depois o Google já era capaz de identificar quais grupos os
consumidores pertenciam - e eram categorias bem nichadas. Tudo o que fazemos nas plataformas
do Google dão a eles cada vez mais traços da nossa personalidade, o eu digital de Solomon
43
(2016). Para Pariser (2012), o algoritmo do Google funcionava muito bem, mas a dificuldade era
fazer o usuário revelar mais detalhes dos seus gostos e interesses - informações que o usuário não
buscaria. Pariser (2012) conta que em 2014, Mark Zuckerberg teve a ideia de, ao invés de
analisar cliques para adivinhar os gostos das pessoas, simplesmente perguntar a elas. Além disso,
diferente do Myspace, que era a rede social da época, ao invés de incentivar amizades com novas
pessoas, o Facebook queria reforçar os laços sociais já existentes na vida off-line. Outra grande
diferença, segundo Pariser (2012), era o feed de notícias, que organizava as novas informações e
trazia logo na primeira página.
Com o estouro do Facebook em 2006 os usuários já tinham tanto conteúdo que era difícil
acompanhar todas as atualizações, então o Facebook criou o EdgeRank - que categorizava as
postagens mais e menos importantes baseados em diversos critérios que afinavam a relevância
desse conteúdo. Em 2010, Pariser (2012) lembra que o Facebook lançou o 'Facebook
Everywhere" que tinha como objetivo fazer toda a rede ser social - que permitia o usuários
curtirem matérias em sites externos, além de conectar suas contas em outros aplicativos, como de
música, entretenimento - gerando ainda mais dados para o Facebook afinar o filtro. Hoje, por
exemplo, podemos fazer login em plataformas como Spotify e Netflix para ter uma experiência
mais personalizada (além da comodidade de login em dois cliques). Toda essa busca por
relevância faz as empresas buscarem cada vez mais dados para melhorarem nossa experiência
online e micro segmentar a publicidade e essa busca tem moldado a rede, influenciando os
usuários e consumidores em muito mais camadas do que imaginamos.
Nesse contexto, um conceito importante para nossa pesquisa, apresentado por Saad e Bertocchi
(2012), é o de algoritmo curador. Em resumo, o algoritmo curador é uma resposta ao que as
autoras chamam de abundância informativa, parte do conceito de excesso de informação
porém com um olhar mais crítico acerca de conteúdo jornalístico, baseado em múltiplas
narrativas sobre acontecimentos do mundo, em distintos formatos, sem a garantia de que
esses dados são transformados em informação e o mesmo em conhecimento (SAAD;
BERTOCCHI, 2012), gerando uma crise de conhecimento (Weinberger 2012 apud Saad e
Bertocchi 2012). A principal reflexão de Saad e Bertocchi (2012) é o sobre o papel do algoritmo
como curador de conteúdo e suas implicações sociológicas. Mesmo entendendo que o mesmo é
44
produto de um processo humano com suas respectivas regras previamente definidas, as autoras
questionam justamente a falta da figura humana como parte da curadoria, onde o profissional de
comunicação deveria assumir atividades (e responsabilidade/papel) como re-mediação,
agregação de audiências, mineração de dados, inteligência distribuída, agenciamentos e adição
de valor as informações (SAAD; BERTOCCHI, 2012):
Com a intervenção humana no processo de curadoria, Saad e Bertocchi (2012) acreditam que o
os leitores teriam uma oferta de conteúdo personalizado porém ainda sim diversificado. Para as
autoras, uma curadoria algorítmica pura, muito baseada nas preferências prévias do consumidor,
no passado, o conteúdo oferecido seria estritamente fechado ao mundo pessoal de cada leitor.
Essa é a principal teoria de Pariser (2012), que chama o fenômeno de filter bubble - ou filtros
bolha, nosso próximo tópico.
3.2 Os filtros-bolha
Um ponto muito explorado por Pariser (2012) é a forma que nós consumimos notícias e como
esse processo é impactado pelos filtros. O autor conta um pouco da história do nascimento do
jornal e traz a principal mensagem de que os jornalistas possuem papel fundamental na formação
da sociedade porque eles influenciam no conteúdo que vamos ler e esse conteúdo muda nossa
visão de mundo, então, o papel de filtro, ou como ele chama "intermediário", sempre existiu.
Pariser (2012) fala do processo de "Desintermediação" trazido pela internet. Um exemplo que
ele dá é a possibilidade ler um anúncio da casa branca na íntegra, sem precisar da visão do
45
intermediário do jornal. Só que na verdade, o filtro, o intermediário está ali, ele apenas mudou e
agora é invisível. Sendo assim, para Pariser (2012), a desintermediação é como uma utopia.
Sendo assim, para Pariser (2012), a bolha dos filtros transforma nossa forma de ver o mundo, ao
determinar quais tipos de conteúdo vemos e quais não vemos. Ainda nesse sentido, o filtro pode
nos deixar mais exposto a determinado conteúdo (geralmente os de afinidade) e menos ou quase
nada exposto a artigos e conteúdos de outros assuntos. Logo, ao analisarmos a questão da
criatividade/curiosidade, que são aguçadas com o novo, o descobrimento, podem ser afetadas
nesse processo dos filtros. Pariser (2012) cita Ryan Calo, professor de direito de Stanford, que
fala:
"Quando a tecnologia passa a nos mostrar o mundo, acaba por se
colocar entre nós e a realidade, como a lente de uma câmera. É uma
posição poderosa, são muitas as maneiras pelas quais ela pode deformar
a nossa percepção do mundo" (Ryan Calo apud PARISER 2012,
location 197 - kindle)
Agora, analisando outras esferas de impacto dos filtros, Pariser (2012) acredita que os filtros
podem acentuar o que ele chama de "viés da confirmação", que nada mais é que a questão dos
filtros nos cercarem apenas as ideias das quais estamos acostumados. Por exemplo, ao analisar o
feed de notícias do Facebook, muito provavelmente veremos postagens de pessoas com os
mesmo interesses políticos, ou com os mesmos gostos musicais. Esse processo, segundo Pariser
(2012), dá confiança as nossas estruturas mentais e nos tira a vontade de aprender, reformando
nossos conceitos e ideias pré existentes.
Pariser (2012) nos apresenta um outro ponto muito importante que é a questão da identidade na
rede. Para o autor, temos identidades diferentes, de acordo com a plataforma que estamos. Para o
Google, como citado anteriormente, o usuário provê informações mais íntimas, mais reais. Já no
Facebook, temos a oportunidade de criar essa identidade através de posts selecionados e edição
de conteúdo. Além disso, nossos likes vão dando ao Facebook diversas e diversas dicas de quem
somos (ou como gostaríamos que as pessoas nos vissem). Esse ponto vai totalmente de encontro
ao que apresentamos de conceito de consumidor moderno e identidade de (BARBOSA, 2010) e
os conceitos de eu real, eu ideal e, principalmente, o eu digital de Solomon (2016).
46
Nesse sentido, nossas identidades moldam nossa mídia, e o contrário também acontece. Pariser
(2012) reforça que entramos em um ciclo de nós mesmos e que se os ciclos de identidade não
forem balanceados pela aleatoriedade nossa identidade real pode entrar em uma zona cinzenta.
A definição do que é inteligência artificial é algo ainda em discussão e não possui uma
unificação de um conceito. Segundo Gomes (2010), entre os principais autores que abordam o
tema, temos quatro linhas de pensamento:
Os executivos Mark Purdy e Paul Daugherty, da Accenture, em estudo realizado pela empresa
em 2016 chamado "Why Artificial Intelligence is the Future of Growth - Accenture" mapeiam e
comparam os impactos da IA na economia entre vários países, além de defenderem 3 grandes
áreas de aplicação de IA voltado ao business. Vamos nos limitar buscar as definições de IA e
suas aplicações para nossa pesquisa. Segundo artigo, o termo Inteligência artificial refere-se a
múltiplas tecnologias que podem ser combinadas de diferentes maneiras para:
Sense: Computer vision and audio processing, for example, are able to
actively perceive the world around them by acquiring and processing
images, sounds and speech. The use of facial recognition at border
control kiosks is one practical example of how it can improve
productivity.
Comprehend: Natural language processing and inference engines can
enable AI systems to analyze and understand the information collected.
This technology is used to power the language translation feature of
search engine results
Act: An AI system can take action through technologies such as expert
systems and inference engines, or undertake actions in the physical
world. Auto-pilot features and assisted braking capabilities in cars are
examples of this.
Segundo os autores, existem dois fatores essenciais que estão viabilizando a evolução da
inteligência artificial: (1) acesso ilimitado ao poder computacional, muito relacionado aqui ao
cloud computing e a abundância da do armazenamento de dados na nuvem e (2) o crescimento
do big data, que segundo estudo, cresceu mais de 50% desde 2010 ao passo que o acesso à
internet e a hiperconexão via dispositivos mobile nos permitem estar mais conectados, gerando
mais dados.
48
Fonte: Analises da empresa Accenture, presentes no estudo Why Artificial Intelligence is the Future of Growth,
2016, disponível em: https://www.accenture.com/t20161031T154852__w__/us-en/_acnmedia/PDF-33/Accenture-
Why-AI-is-the-Future-of-Growth.PDF#zoom=50
Por fim, o estudo sugere que a IA, aplicadas aos negócios, tem 3 áreas de enorme potencial de
crescimento dos quais podem ser a chave para o verdadeiro diferencial competitivo. São eles:
automação inteligente, aumento e melhora do capital laboral (mão de obra) e difusão da
inovação.
Para Porto (2006), o conceito de inteligência artificial é bem claro nas ciências da computação
quando entendemos que parte de objetivo da IA é reproduzir o pensamento o pensamento
humano ou, criar o pensamento nas máquinas. Nesse contexto, Porto (2006) conta que o filósofo
John Searle já questionava a questão do pensamento artificial, conforme trecho a seguir:
“O meu termostato tem três crenças - está demasiado quente aqui, está
demasiado frio aqui e está́ bem aqui” (...) se, ter crenças é pensar;
então, o termostato pensa? (SEARLE, 1997, p. 38 apud PORTO 2006,
p.3)
Porto (2006) explica que John Searle trabalhou com dois conceitos/projetos diferentes de IA, o
projeto fraco, onde o algoritmo é entendido apenas como uma ferramenta que reproduz o
pensamento humano racional, e o projeto chamado de forte, do qual tem como objetivo produzir
uma mente artificial a partir do computador (PORTO 2006).
O trabalho do autor traz um panorama muito profundo acerca da discussão de inteligência
artificial na área de filosofia, onde iremos apresentar de forma resumida os principais conceitos
relevantes para a nossa pesquisa, entendendo que vamos analisar no próximo capítulo a teoria de
que o consumidor do futuro é um algoritmo, que vai pensar (?), analisar e decidir pelos
consumidores humanos.
Porto (2006) explica que Allan Turing, idealizador dos computadores e primeiro teórico a pensar
na possibilidade da existencia de uma inteligência artificial, defende a ideia de que se um
computador conseguir imitar o comportamento verbal humano a ponto de confundir os juízes
(que estarão comparando respostas a perguntas dos robôs versus de pessoas), então o computador
estará́ pensando (PORTO 2006). O autor questiona que saber imitar de modo perfeito o
pensamento humano não define que necessariamente a máquina está pensando e complementa o
questionamento reforçando que apenas analisar respostas a perguntas específicas não seria
suficiente para tal afirmativa e que outras nuanças do pensamento deveriam ser analisadas. Porto
(2006) também comenta que uma das réplicas a teoria de Turing é que a máquina só estaria
pensando se tivesse as mesmas emoções que os humanos ao ler um poema, por exemplo. Porto
(2006), conta que o teste de Turing é anualmente organizado pelo Cambridge Center for
Behavorial Studies de Massachusetts para manter atualizados os conceitos e análises do dilema e
50
explica, baseado na tese do filósofo Paul Churchland (1996), que em muitos testes o computador
de fato conseguiu confundir os juízes, mas questiona a própria capacidade dos juízes de tal
análise. Será que precisaríamos de um algoritmo para analisar se um computador consegue
reproduzir perfeitamente o pensamento humano? Porto (2006) conta que o filósofo John Searle
(1997), fez uma proposta de experimento mental, conhecido como sala chinesa, como resposta o
tipo de experimento de Turing. Segundo o autor, esse é o experimento mental mais famoso
dentro da discussão sobre Inteligência Artificial. Em resumo, no experimento, Searle está em
uma sala e recebe três folhas, duas com texto em Chinês e uma com texto em Inglês. Searle só
entende inglês. Na folha com conteúdo em inglês estão descritas regras de agrupamento de
caracteres de uma das folhas em chinês, das quais Searle deveria identificar os símbolos
exclusivamente pelos seus desenhos, ou seja, pela sua forma (PORTO 2006) e assim, responder
as perguntas da primeira folha, em chinês. A grande questão aqui é que mesmo reproduzindo os
caracteres em chinês e conseguindo se comunicar, o filósofo não entende o significado dos
símbolos, trazendo o questionamento de que as máquinas, no contexto da IA, não estão
necessariamente pensando, estariam apenas seguindo regras algorítmicas, onde símbolos seriam
apenas substituídos por outros símbolos, o que não significa que a máquina compreenda o
significado desse conjunto de símbolos.
Porto (2006) segue sua análise entrando em vertentes como mente e matéria, dualismo, monismo
e outros, dos quais não iremos nos aprofundar. A principal ideia que queremos levar aqui é que
essas discussões filosóficas, ainda em curso, impactam fortemente a maneira como vemos e
percebemos a atividade dos algoritmos e da inteligência artificial nas várias áreas.
Outras questões menos filosóficas porém muito importantes e atuais em discussão, falam sobre a
especulação do futuro com a IA mais evoluída e seu real propósito e a substituição do trabalho
humano pela IA.
Em matéria divulgada no G1, da Globo, em 2015, cientistas apontam em carta os rumos do uso
da inteligência artificial. Em suma, eles alertam que a tecnologia deve beneficiar a sociedade,
como por exemplo, erradicar doenças a pobreza, sem cair em armadilhas. Na carta, segundo G1,
os mais de 700 cientistas, entre eles o físico britânico Stephen Hawking e o fundador da SpaceX,
Elon Musk, reforçam, em consenso, que os estudos de inteligência artificial devem continuar
51
avançando ao passo que a mesma possa beneficiar a sociedade e que o nível de tecnologia e
inteligência que temos hoje já são muito avançadas e úteis, porém, os cientistas compartilham de
uma preocupação digna de roteiro de cinema (pensando nos cenários pós apocalípticos dos
cinemas com a dominação da tecnologia), onde acreditam que o desenvolvimento de uma
inteligência artificial completa pode superar a humanidade e acabar com a vida como
entendemos hoje.
Um ótimo exemplo atual que podemos dar sobre como IA pode melhorar a sociedade, é baseado
em artigo publicado em março de 2017, no blog oficial do de pesquisa do Google, o Google
Research Blog, que fala que a inteligência artificial da gigante do Vale do Silício é capaz de
diagnosticar câncer de mama. Segundo o artigo, escrito por Martin Stumpe, Technical Lead, and
Lily Peng, Product Manager, ambos do Google, seus computadores agora são capazes de
diagnosticar câncer de mama com 89% de precisão, em comparação com 73% dos médicos. Eles
explicam que o processo de diagnóstico do câncer de mama pela análise visual é essencialmente
muito complexa e requer anos de treinamento dos médicos patologistas e, mesmo assim, o
diagnóstico pode mudar muito entre um médico e outro. Isso porque os médicos precisam
analisar dezenas de exames clínicos de imagem que podem chegar a 10+ gigapixels quando
digitalizados. Nesse cenários, eles criaram um algoritmo que é capaz de detectar
automaticamente sinais de câncer através do reconhecimento de padrões em conjunto de
imagens. Na imagem a seguir, os autores compartilham os resultados de vários testes, onde a
imagem na esquerda apresenta o resultado de um exame com duas biópsias, a imagem central, o
output da análise do algoritmo sendo as áreas mais vermelhas as que representam maior
probabilidade de tumor e por fim, na terceira imagem, o resultado real feito por um profissional.
Podemos notar que a precisão é assustadoramente grande e, mesmo com uma margem de erro, o
algoritmo cumpriu sua função.
52
Fonte: Assisting Pathologists in Detecting Cancer with Deep Learning Google Research Blog, Disponível em:
https://research.googleblog.com/2017/03/assisting-pathologists-in-detecting.html
Por fim, a empresa deixa claro que o algoritmo não foi projetado para substituir os humanos,
pelo contrário, a atuação do profissional de patologia é extremamente importante dada a margem
de erro, como um falso positivo, por exemplo - o que nos remete muito ao conceito de Algoritmo
curador de Saad e Bertocchi (2012) e a oportunidade apontada de um trabalho sinérgico entre
algoritmo e profissional humano. A ferramenta ainda não está pronta para ser utilizada, porém,
segundo artigo, está sendo preparada para auxiliar principalmente médicos de áreas como Índia e
China. Não podemos deixar de citar, ainda nesta esfera da medicina, a atuação da Watson (sim,
ela é tratada como feminino pela IBM). Segundo reportagem no blog brasileiro da empresa,
divulgado em 2016, a Watson já é usada para ajudar médicos a prescrever o tratamento correto
para pacientes com câncer. Segundo Steven Goetz, vice-presidente global da IBM, a habilidade
de digerir e processar grandes quantidades e tipos de dados é o elemento chave do sistema
computacional e explica:
Pense que quando um médico faz um diagnóstico e um plano
de tratamento, ele ou ela precisa olhar jornais médicos, ver
pesquisas anteriores, saber o histórico médico. E não há
maneira que um médico tenha acesso a todo jornal médico já
escrito, a toda informação existente sobre um tipo específico
53
Nos dois casos citados acima, médicos e máquina trabalham em harmonia, porém a discussão
sobre o futuro das profissões dada a atuação eficiente da inteligência artificial na sociedade
contemporânea ainda está acontecendo fortemente em diversas áreas, desde corporativa a,
principalmente, acadêmica. Em recente evento com as principais representantes femininas das
poderosas corporações de tecnologia, entre elas Google e IBM, o Fortune’s Most Powerful
Women International Summit, descrito em artigo publicado no site da Fortune em 3 de março de
2017, as executivas garantem: elas querem que a Inteligência artificial nos ajude, não nos
substitua. Para Leonie Valentine, diretora de vendas e operações, segundo a matéria, afirma que
a inteligência artificial complementa o trabalho humano e dá como exemplo um call center de
atendimento ao consumidor, onde a inteligência artificial pode assumir o papel de problem
solving para temas mais corriqueiros enquanto o capital humano se foca em temas mais
complexos e garante atenção aos consumidores de uma maneira que o algoritmo pode não
chegar. Trabalharemos em um exemplo real no próximo capítulo. Em um outro artigo sobre o
tema, do site TechCrunch, publicado em novembro de 2016, Paul Daugherty CTO da Accenture
usa o mesmo discurso dos porta-vozes do Google e IBM, reforçando que para a empresa, a
inteligência artificial vai aprimorar o trabalho humano, não substituir, além de argumenta que a
empresa segue a ideia de quem a Inteligência artificial deve focar em resolver problemas reais de
negócios, buscando simplificar o complexo.
Outras aplicações da IA que não podemos deixar de citar estão ligadas ao campo da criação: em
2016, segundo matéria do site Código Fonte, a Watson foi capaz de criar um trailer para o filme
de terror Morgan. Já o Spotify, segundo matéria no site Galileu 2016, "ressuscitou" o falecido
rapper Sabotage com inteligência artificial ao criar artificialmente a música "Neural", em
campanha de marketing da marca. Até cerveja a inteligência artificial já foi capaz de criar,
54
Na primeira parte deste capítulo, resgataremos e cruzaremos os conceitos vistos nos capítulos
anteriores para gerar inferências sobre o impacto dos algoritmos e inteligência artificial,
considerando o cenário atual do ano de 2017. Na segunda parte, apresentaremos o conceito de
algorithmic consumers a partir do recente artigo de mesmo nome escrito por Michal S. Gal e
Niva Elkin-Korren, da universidade de Columbia, em 2016, onde trazem uma visão do futuro
muito importante para nossa pesquisa.
principais ideias de uma aula de quatro horas, filtramos os principais pontos de uma discussão,
filtramos os amigos que queremos ter, os filmes que queremos ver. Existe uma limitação física.
Nosso cérebro não é capaz de processar todas as informações do mundo. Existe uma limitação
espacial, lógica e até emocional para usarmos os filtros. Então, temos que admitir: os filtros
desempenham um papel importante no mundo ao trazer a priorização. Essa filtragem pode nos
colocar em bolhas, mudando a forma que consumimos conteúdo e redefinindo nossa maneira de
ver o mundo (PARISER 2012).
A primeira inferência que podemos fazer é que os algoritmos curadores facilitam o processo
de compra do consumidor no que tange a busca de informações e avaliação das
alternativas, segunda e terceira etapas do processo de compra. Na busca de informações, essa
curadoria independe se é conteúdo editorial ou publicitário (um anúncio), ou seja, o algoritmo
pode ser eficaz ao mostrar um editorial orgânico de "coisas para fazer na Escócia", o que pode
me inspirar a ir para a Escócia dentro do processo de decisão de viagem, como o algoritmo
curador pode me priorizar ao mostrar um anúncio patrocinado de promoção para a o Japão na
baixa temporada, sabendo que previamente eu também tenho interesse no destino. O mesmo
exemplo se aplica aos buscadores, onde os algoritmos mostram o resultado de busca (patrocinado
ou não) mais relevante possível para uma pesquisa realizada, independente do micro momento
em que o consumidor esteja, conforme aprendemos com o estudo do Google. Não podemos
esquecer de como o Google tem redefinindo a busca do usuário ao apresentar o aplicativo de
comunicação Ello, que possui o Google Assistant, um bot baseado em inteligência artificial
avançada que te responde de forma organizada, direta e visual, na própria janela de chat todos
tipos de busca, incluindo "Voos para Santiago", "O que fazer no Rio de Janeiro", "ventilador
preço", "sorveteria perto". Falaremos mais sobre bots e sua importância no relacionamento com
o cliente no próximo tópico.
Quando analisamos a atuação dos algoritmos na fase de avaliação das alternativas, podemos
incluir todos os pontos da busca de informação uma vez que existe uma intersecção das duas
fases, porém foquemos aqui na facilidade que os comparadores de preço, dos mais abrangentes
como Google Shopping, BuscaPé, Zura, ZOOM e JáCotei (praticamente englobam todas as
categorias de produto) até os mais verticais como SkyScanner, KAYAK e Mundi (travel em
56
A segunda inferência que podemos fazer, como consequência da primeira, é que os algoritmos
curadores podem limitar nossa diversidade de consumo, criando uma espécie de consumo
massificado segmentado. Partimos dos cruzamento das ideias/conceitos de que filtros-bolha
podem limitar nossa visão do mundo (PARISER 2012), da pluralidade de grupos, tribos urbanas
e indivíduos que criam e cultivam suas próprias regras, como parte do processo de construção da
identidade como característica consumo moderno (BARBOSA 2010), do poder desses grupos no
processo de compra pelo desejo do consumidor de se adequar ou de se identificar com esses
indivíduos ou grupos desejáveis, sendo essa a principal motivação de vários de nossos
comportamentos de consumo (SOLOMON 2016) e pela massificação do interesse coletivo, fruto
da inteligência coletiva (KEEN 2010).
Essa limitação pode ser indireta, uma vez que entendemos que antes da limitação do hábitos de
consumo existe a limitação de visão de mundo, por exemplo: em determinada "bolha" individual
de uma pessoa X, seu círculo de amigos e familiares fomentaram de forma massiva uma notícia
sobre os atentados terroristas de Paris - essa rede tem como característica ser muito sensível a
notícias sensacionalistas - e esse indivíduo está justamente pensando em ir para Paris nas férias.
Nas primeiras vezes que esse consumidor viu uma matéria do UOL com as principais
informações do atentado, e pensou "mas só estou pensando em ir a Paris daqui a um ano, as
coisas vão melhorar". Na terceira e quarta vez que esse consumidor viu esse conteúdo foi
acompanhado de um texto extremista de uma tia conservadora, que previa a terceira guerra
mundial. A quarta vez que viu esse conteúdo, foi em um post com a seguinte chamada "[+18]
Policial vaza fotos dos mortos em atentado de Paris e garante que mais atentados estão por vir.
Clique e veja as fotos." - sendo essa uma notícia falsa. Por fim, esse consumidor decidiu trocar
Paris por Miami. O algoritmo entendeu que o tema era importante para a rede desse indivíduo,
por conseguinte era importante para ele também, por isso priorizou não uma mais diversas vezes
57
o mesmo conteúdo. O algoritmo deu a visão dos fatos extremista e pessimista, moldando essa
percepção no indivíduo, por consequência, sua escolha de viagem. Agora pensemos em um
consumidor 2 que também está pensando em ir para Paris no próximo ano. Ele é impactado por
uma matéria do G1 no primeiro resultado de busca do Google, tem o mesmo pensando que o
consumidor 1 e segue navegando. Viu depois uma post-textão de uma amiga que condenava os
atentados e pedia paz, até comentou e curtiu. Pelo perfil da sua rede - mais jovem, estudantes de
rádio e Tv - esse conteúdo não foi necessariamente priorizado para esse consumidor, que seguiu
seu processo de compra normalmente, indo, de fato, a Paris. Outro exemplo que podemos dar é
comparar uma rede de amigos e familiares que são mais tradicionais e adeptos do uso de carros
em São Paulo, independente da atual situação do trânsito. Para essa bolha bike é coisa que só se
vê na Tv, ou em Amsterdam. Essa bolha estará associada a esse estilo de vida e de consumo,
enquanto, imaginemos uma bolha 2, onde a rede é mais engajada e adepta ao tema de transporte
alternativo. Para o consumidor 2, a possibilidade de um outro estilo de vida, que pressupõem
uma nova vertente de consumo (bikes, acessórios) é mais provável. A outra forma que os
algoritmos podem limitar nossa diversidade de consumo é nos limitando a clusters de
segmentação de mídia muito específicos, onde estaríamos presos ao mesmo universo de marcas.
Usando o mesmo exemplo anterior, quem está na bolha de "pessoas que só andam de carro"
muito provavelmente é parte de um cluster disputadíssimo de mídia de "pessoas interessadas em
carros", cluster esse que pode ser hipersegmentação em milhares de outras bolhas, como
"pessoas interessadas em SUVs", público importante para marcas como Honda, Ford, Jeep,
Renault, e outras da subcategoria. Nesse sentido, também é mais difícil para novas marcas
alcançarem esses consumidores, pensando no poder de compra de mídia de uma grande empresa
versus uma pequena empresa (um Mcdonalds vs uma nova hamburgueria familiar que faz
delivery). Por fim, por sempre se basearem em informações do passado, os algoritmos podem
incentivar comportamentos de consumo habituais.
Um ponto a reforçar é a atuação das notícias falsas, como demos no exemplo de Paris. Essa
notícia pode ser sobre um tema jornalístico, mas também pode ser uma marca ou produto e pode
ser priorizada pelo algoritmo uma vez que determinadas redes consumam muito esse tipo de
conteúdo sensacionalista. Exemplos não faltam: "Clique e participe do sorteio de Iphones que a
Apple usou em teste e não pode vender", ou o exemplo de post a seguir:
58
Fonte: http://www.boatos.org/brasil/latam-esta-dando-passagens-gratuitas.html
Fonte:: https://techcrunch.com/2017/03/03/facebook-adds-a-travel-planning-feature-called-city-guides
O futuro reserva cada vez mais personalização. Segundo estudo anual da universidade de
Stanford, “100 Year Study of AI “, divulgado em 2016, com o crescimento da entrega de
conteúdo digital ao passo que cada vez mais deixamos rastros online, definindo nossas
preferências, veículos de mídia e comunicação vai ser capazes de micro analisar esses dados e
"micro servir" conteúdos, saindo de um modelo população para indivíduo.
O trabalho do algoritmo curador tem um preço: nossos dados. O principal uso do big data para a
área de comunicação é, certamente, aplicado ao conhecimento do consumidor e a publicidade
paga digital. Isso porque deixamos rastros intencionais e não intencionais da nossa personalidade
no ambiente online a cada interação. Quando falamos intencional, além das informações
declaradas que deixamos online como cidade em que moramos, sexo, estado civil, orientação
sexual, etc. podemos nos recordar dos conceitos do eu digital, que em resumo, seria a forma que
60
nos projetamos online, onde pegada social, seriam as marcas que deixamos depois de ocupar um
espaço digital específico, como posts em redes sociais, sendo então, a linha do tempo, um
registro contínuo da vida do consumidor online (SOLOMON 2016). Os rastros não intencionais
estão ligados com nossa atividade de navegação e interação online, como visitar sites (onde
nosso browser recebe um cookie), fazer pesquisas, assistir vídeos, consumir notícias, etc, e até
mesmo off-line, como nossa localização, velocidade e temperatura.
Um ponto importante a recordar é o questionamento de identidade na rede que Pariser (2012)
faz. Segundo apresentado, para o autor, temos identidades diferentes, de acordo com a
plataforma que estamos. Para o Google, damos pistas mais íntimas, mais reais. Já no Facebook,
temos a oportunidade de criar essa identidade através de posts selecionados e edição de
conteúdo. Nesse sentido, teríamos vários eu digitais.
Alguns dos rastros intencionais, como postar uma foto no Instagram, podem deixar rastros
subjetivos como por exemplo, o filtro que usamos pode indicar determinados comportamentos.
Vamos a um exemplo atual: segundo artigo publicado no site Inverse, em 2016, um algoritmo foi
capaz de diagnosticar o quadro de depressão de um grupo, parte de uma pesquisa, ao analisar
fatores como composição de cores das fotos (depressivos, segundo estudo, tendem a reduzir o
brilho ou cor das fotos), presença de outras pessoas, quantidade de postagens, entre outros
fatores.
Nesse sentido, a inferência que podemos fazer é que os algoritmos e a inteligência artificial já
podem antecipar a identificação da necessidade antes do consumidor, primeira etapa do
processo de compra do consumidor. Isso se dá profundo conhecimento que as empresas possuem
sobre os consumidores e a capacidade cognitiva da inteligência artificial de buscar padrões não
apenas analisando o passado, mas com uma visão mais sistemática. Análises preditivas não são
novidades nas empresas e no mundo acadêmico. Elas são baseadas em aplicações matemáticas e
buscam padrões ocultos nos dados passados. A grande diferença com o big data + inteligência
artificial é que velocidade, escala e assertividades ganharam outro nível e gerando a
possibilidade de desempenhar funções como modelagem de crédito, modelos de segmentação de
clientes (clusterização), modelos de propensão a compra, modelos de churn dentre outros,
segundo matéria divulgada em 2017 pelas SalesForce. Os modelos preditivos e de propensão de
compra são muito importantes para a eficiência e lucratividade das empresas (ao terem uma
61
visão mais sistêmica do negócio e do cliente, ao comprar mídia mais eficiente, etc) e tem um
lado positivo para o consumidor: a comodidade de ter um terceiro pensando, prevendo e
sugerindo uma oferta personalizada possivelmente/provavelmente relevante, sem ele pedir.
Dependendo da relevância da oferta, o processo de compra completo pode acontecer em
minutos. Agora, existem riscos e dilemas éticos que essa “previsão do futuro” traz consigo. O
primeiro ponto é o limite da ética em relação a profundidade de conhecimento do consumidor,
uma vez que alguns desses traços podem ser completamente delicados e particulares,
principalmente quando o algoritmo e a inteligência artificial se baseia em dados subjetivos.
Retomemos o exemplo do algoritmo que identifica o quadro de depressão. Óbvio, neste caso foi
um teste controlado, mas o que impede uma empresa de identificar esse perfil na rede e oferecer
um novo medicamento, ou um serviço de psicólogo?
Um outro ponto de reflexão é: se o algoritmo me conhece tão bem, ele sabe o quanto estou
disposto a pagar e pode jogar com isso. Qual limite da ética na precificação dinâmica baseada em
perfil do consumidor online? Segundo matéria divulgada no ProPublica, “Amazon Says It Puts
Customers First. But Its Pricing Algorithm Doesn’t”, em 2016, a Amazon estaria beneficiando
ela mesmo ou determinados parceiros no momento de comparar os preços do mesmo produto
entre diferentes vendedores (marketplace) e sugerir o “Amazon’s Choice”. Isso porque, segundo
estudo, o algoritmo priorizava as ofertas de determinadas marcas, mesmo não sendo este o
melhor deal, além da variação entre o resultado de busca entre pessoas diferentes. Como os
filtros da Amazon são invisíveis, como cita Pariser (2012), acabamos por não ter ideia de quais
critérios ele usou para classificar determinado produto. Vamos imaginar a precificação dinâmica
do Uber, que segundo a empresa em seu perguntas e respostas, divulgado em 2015, “é uma
ferramenta que é ativada automaticamente por meio de algoritmo, com o intuito de equilibrar a
oferta e demanda por carros em determinada região, em horário específico”. A princípio, o
algoritmo se baseia apenas na oferta vs demanda, mas como ele tem critérios invisíveis, podemos
começar a questionar se ele não se baseia também em nenhum dado disponível do usuário, como
por exemplo prever o horário de uso por determinado usuário baseado em seu histórico e
localização atual.
Por fim, o consumidor está nu aos olhos das empresas e governo e isso representa um risco
62
complexo quando pensamos em exposição indesejada de dados. Não são raros os casos de
vazamento. Segundo matéria Computerworld, em 2016, o Yahoo revelou que um vazamento de
dados que afetou 1 bilhão de usuários. Esse vazamento existia desde 2013 e a empresa só teve
conhecimento em 2016 e, segundo a matéria, dados como nomes, endereços de e-mail, números
telefônicos, datas de nascimento e senhas criptografadas com um algoritmo conhecido como
MD5 que pode ser “crackeado”. Outros casos de vazamento de dados aconteceram nos últimos
anos com empresas como Dropbox, Uber, Pandora, Linkedin, e o próprio Google. Um caso
polêmico de 2015 foi quando Ashley Madison - rede social que promove o adultério - teve
23GB de dados vazados da deepweb, entre eles endereços de e-mail e dados pessoais, além de
arquivos e mensagens internas da empresa, segundo matéria divulgada no G1, em 2015. Qual
preço da nossa privacidade?
No exemplo anterior, podemos notar que não se trata apenas de respostas sim ou não, o sistema
entendeu gírias aplicadas ao contexto, fez cálculos e, mais importante, soube identificar o
momento certo de passar o controle para um atendente humano. A venda do roaming, neste caso,
foi efetivada em apenas com 6 mensagens trocadas, provavelmente alguns minutos. Imaginemos
quão complexo e demorado esse mesmo processo seria via um call center. Esse tipo de aplicação
de inteligência artificial muda o comportamento do consumidor, simplesmente por apresentar
uma nova forma de interação efetiva e eficaz. As respostas poderiam ter sido dadas apenas por
pessoas, mas isso jamais aconteceria dado, como mencionado, custo de hora homem versus o
volume de atendimentos. Nesse sentido, podemos inclusive inferir que a IA democrática o
atendimento ao consumidor (mesmo que isso seja de direito do mesmo, muitas vezes abrimos
mão pela má entrega). Outro ponto interessante dessa democratização é quando resgatamos os
conceitos de consumidor principiante na categoria e consumidor experiente na categoria que
buscam informações de formas distintas em profundidades diferentes (SOLOMON 2016). Esse
64
Fonte:https://www.forbes.com/sites/rachelarthur/2016/12/15/chatbots-and-vr-lead-this-seasons-top-tech-trends-in-
retail/#480b497260ea. Acessado em 13 mar 2017.
De 2016 para o ano de 2017, muitas empresas como Airbnb, Mastercard e Netflix também
iniciaram suas operações com chatbots no messenger e a tendência é só crescer. Um ponto
interessante ao lembrarmos dos conceitos de Inteligência artificial e seus dilemas
contemporâneos, é o fato de empresas como DigitalGenius ou KLM estarem incorporando a
inteligência artificial, porém entendendo a importância da intervenção humana em determinado
ponto, ou seja, potencializando o trabalho humano e não substituindo.
66
4.3 Panorama futuro: "The Future is Bright" - O algoritmo vai decidir por nós.
"The Future is Bright" é o tema da nova temporada de Black Mirror, série original do Netflix
que narra, em episódios individuais, estórias de um futuro não tão distante onde a tecnologia terá
atingido parâmetros únicos, mudando totalmente a vida da sociedade como conhecemos, criando
oportunidades e muitos dilemas éticos - bem como catástrofes iminentes. Em um dos episódios
da série, o "Christmas Special: White Christmas", de 2014, uma empresa de tecnologia oferece
um serviço um tanto quanto inusitado: o Cookie, que nada mais é do que um assistente pessoal
virtual com inteligência artificial e machine learning sofisticada que aprendeu como a mente de
determinada pessoa funciona, criando assim uma cópia desta mente. Sem entrar no dilema de que
não é exatamente a cópia da mente, apenas uma simulação algorítmica dela, a grande questão
desse produto futurístico é simples: ninguém melhor do que você para tomar decisões por você,
mas você não precisa tomar decisões rotineiras, por isso vamos criar uma cópia de você. O
episódio é um questionamento a hiper personalização algorítmica e até onde podemos chegar e
esse futuro não está longe. Nesse tópico, vamos apresentar os principais apontamentos dos
autores Michal S. Gal and Niva Elkin-Korren no artigo ALGORITHMIC CONSUMERS, de 2016,
onde investigam e apresentam hipóteses de vantagens e desvantagens (para o consumidor e para
os negócios) de um futuro onde o consumidor vai ser um algoritmo, ou seja, o consumidor vai
tomar as decisões de compra para o consumidor, o que elas chamam de consumidor
algorítmico, o que entendemos como a figura de consumidor regida por algoritmos. Para a
presente pesquisa, selecionamos os tópicos mais relevantes relacionados ao comportamento do
consumidor, então, não vão falar dos impactos na indústria (logística, precificação, etc).
67
Imagem 9: PrintScreen da série Black Mirror, episódio Christmas Special: White Christmas"
Segundo Gal e Korren (2016), a próxima geração do e-commerce vai ser conduzida por agentes
digitais, baseados em agentes algorítmicos e inteligência artificial, que não vão apenas dar
68
sugestões de produtos mas também prever ainda mais a necessidade do consumidor, negociar,
decidir e executar a compra pelo consumidor, inclusive, utilizando o poder da negociação de
grande volume através da inteligência coletiva. Para as autoras, essa realidade não está tão
distante uma vez que carros inteligentes já estão entre nós e muito em breve vão detectar o
momento de abastecer e criar um rota para o posto mais perto ou mais barato.
Gal e Korren (2016) explicam que o consumer algorithmic passa por quatro estágios de um
processo de compra, todos eles regidos por algoritmos, sendo eles: data collection, data
analytics, decision-making e performance. Ao compararmos com os conceitos de Solomon
(2016), onde temos Reconhecimento do problema, busca de informações, avaliação de
alternativas, decisão de compra e comportamento pós-compra, entendemos que o algoritmo tem
um processo mais curto onde alguns passos da teoria de Solomon (2016) são executados de uma
só vez. Além disso, podemos recordar também os conceitos de memória cognitiva de Solomon
(2016), que estão muito relacionados com a fase de "data collection", por que, de uma forma
grosseira, podemos dizer que esses dados constroem uma memória artificial para ser ponto de
partida do processo, ou seja, a partir dela, o algoritmo toma a decisão.
algoritmos (ditados pelos seus interesses comerciais), esse conjunto de algoritmos é uma
caixa preta, teoria completamente de acordo com o filtro invisível e seus impactos de
Pariser (2012), dos quais apresentamos no capítulo anterior.
- Limitation of consumer choice: Por não serem capazes de entender nuancias que os
humanos intuitivamente entendem, os algoritmos podem não tomar a melhor decisão para
o consumidor. Obviamente, cada processo de decisão varia de acordo com sua
complexidade e, em alguns casos, essas nuancias não são importantes, mas para outras,
podem ser extremamente essenciais. Ainda sobre as limitações dos algoritmos, os
mesmos podem tomar decisões baseadas em premissas irreais. Exemplo: baseado que um
consumidor consumiu determinado sabor de sorvete uma semana não quer dizer que na
próxima ele queira exatamente o mesmo. Outro ponto é a construção incorreta do perfil
do usuário, tema que tomamos no tópico passado ao questionar a construção dos eus
digitais na rede, baseados em Solomon (2016) e Pariser (2012).
- Vulnerability of the consumer: está associada aos riscos que os consumidores estão
expostos online, como fraude e problemas com privacidade, uma vez que os algoritmos
dependem de muita informação pessoal para alimentar o machine learning. Mais um
ponto que tomamos como uma inferência atual porque isso já acontece, não é uma
previsão.
- Manipulation and control of consumers’ choices: Um dos pontos mais interessantes dessa
discussão é o papel (declarado e não declarado) dos criadores dos algoritmos e toda a
questão da ética aplicada. Google, Facebook, Twitter, por exemplo, empresas de mídia,
que possuem metas de vendas de publicidade agressivas que só serão atingidas caso o
anunciante tenha retorno, por outro lado, os consumidores só gerarão receita se tiverem
verdadeira relevância, então, de qual lado os girantes do vale do silício estão, afinal?
Mais uma vez o embasamento de Pariser (2012) vem de encontro com a análise, onde os
filtros invisíveis fazem com que essa transparência entre criador e consumidor seja
limitada
- Negative psychological implications: Comprar é uma atividade que gera prazer e é parte
fundamental da sociedade como um todo, como vimos nos conceitos de Barbosa (2010).
Para algumas mulheres, de acordo com uma pesquisa britânica, citado por Gal e Korren
71
(2016), fazer compras causa a mesma sensação de um ato sexual. Deixar os algoritmos
tomarem as decisões pode diluir esse sentimento e pior, causar frustração ou raiva por ter
decisões tomadas por máquinas.
5. CONCLUSÃO
mais controlada e editada. Outros fatores internos como processos de aprendizagem e memória e
atitude e persuasão também foram estudadas, entendendo suas principais características. Sobre as
influências externas, vimos os efeitos situacionais no comportamento do consumidor, onde
associamos os conceitos de micro momentos de consumo causados pela adoção dos smartphones
que criaram micro momentos de consumo no ambiente digital. Vimos também que os grupos
sociais têm grande poder no processo de compra, onde entendemos que existem vários tipos,
desde poder de referência até poder da informação, legítimo e de expertise. Por fim, entendemos
que o boca a boca e o poder da massa são influências externas muito importantes, principalmente
pensando no contexto das mídias sociais digitais, o que nos levou a buscar entender mais os
conceitos de inteligência coletiva e colaboração, características da sociedade em rede.
No capítulo 2 buscamos as raízes teóricas dos algoritmos e inteligência artificial e pesquisamos
qual status atual dessas tecnologias e o que estão fazendo pela sociedade e pelo consumidor.
Entendemos que o algoritmo é um conjunto de regras e operações bem definidas e ordenadas,
destinadas à solução de um problema. Estudamos as características do algoritmo curador, ator
importante na organização das informações digitais dentro do contexto de caos informacional, do
qual buscamos entender sua origem e importância na personalização, mas também seus impactos
como a criação do efeito-bolha, onde, teoricamente, estamos presos em bolhas informacionais
baseadas nas nossas preferências, mudando nossa percepção do mundo - o que, por sua vez,
causa sérios impactos como delimitação de visão do mundo, perda de criatividade e viés da
confirmação. Sobre a inteligência artificial, entendemos quão complexa é sua definição e os
dilemas que a cerca, mas compreendemos que estão ligadas aos esforços de reproduzir o
pensamento humano a partir das máquinas. Questões como pensamento, raciocínio,
comportamento, mente, corpo giram em torno dos estudos de IA. Por isso, buscamos entender de
forma direta o conceito de Inteligência artificial a partir da filosofia da mente. Entre os fatores de
essenciais para a evolução da inteligência artificial, estão o acesso ilimitado ao poder
computacional e o crescimento do big data. Essa evolução foi pesquisada através da busca de
artigos em sites de tecnologia e notícias para termos uma foto da situação atual. Vimos, então,
que o Google já consegue diagnosticar câncer de mama através de algoritmos, que a Watson, da
IBM, já é usada para ajudar médicos a prescrever o tratamento correto para pacientes com
câncer, que algoritmos já são capazes de criar trailers de filmes, músicas e até cervejas.
73
Por fim, no capítulo 3, analisamos todos os dados e chegamos a inferências importantes sobre
uma visão atual das mudanças para o consumidor, onde: (1) os algoritmos curadores facilitam o
processo de compra do consumidor no que tange a busca de informações e avaliação das
alternativas, eles têm papel fundamental na organização dos dados e na personalização da
publicidade, assim como ajuda na comparação de produtos via buscadores (2) os algoritmos
curadores podem limitar nossa diversidade de consumo, criando uma espécie de consumo
massificado segmentado, baseados na teoria do filtro bolha e na importância dos grupos sociais
nas decisões de consumo. Essa interferência pode ser direta, quando falamos de clusterização de
mídia e indireta, quando falamos do afunilamento da visão de mundo. Nessa inferência, também
falamos dos perigos das notícias falsas no consumo e do consumo padronizado quando pensamos
no gosto massificado, (3) os algoritmos e a inteligência artificial já podem antecipar a
identificação da necessidade antes do consumidor, baseados na quantidade de informação de
deixamos online na capacidade técnica de processamentos dos algoritmos, assim como
discorremos sobre suas limitações e possíveis riscos ao consumidor, como privacidade dos dados
e (4) os atendentes virtuais inteligentes e os Chatbots estão trazendo uma nova dinâmica de
relacionamento marca-consumidor, ao apresentar uma nova versão de um influenciador
importante no processo, o vendedor virtual inteligente, além de redefinir a experiência pós
compra no atendimento ao cliente automatizado. Vimos exemplo muitos atuais desse tipo de
aplicação e uma tendência de que eles irão de tornar cada vez mais inteligentes.
Por fim, pensando no avanço tecnológico, buscamos uma previsão das mudanças no consumo,
onde, baseados em artigos recentes de pesquisadores do tema, temos mudanças significativas,
entre elas, a partir do conceito de consumidor algorítmico, a perda do poder decisão uma vez que
os algoritmos vão decidir por nós, a otimização do processo de decisão já que os algoritmos não
consideram diversas variáveis subjetivas que consideramos e que podem prejudicar a decisão,
tais como embalagem, propaganda, estado emocional, além, claro, da capacidade de
processamento de informações e comparação mais avançada que o cérebro humano pode
processar. Outros efeitos como menor nível de stress do consumidor ao evitar decisões rotineiras
ou maior nível de stress, ao perder a autonomia e prazer de comprar, a questão da segurança dos
dados e do controle do consumo pelos algoritmos também foram levantadas.
Após esse longo caminho, concluímos, portanto, que os algoritmos e a inteligência artificial e
74
REFERENCIAL BIBLIOGRÁFICO
BARBOSA, Livia; CAMPBELL, Colin. Cultura, consumo e identidade. 1a. Edição. Rio de
Janeiro, RJ. EDITORA FGV, 2006.
BARBOSA, Livia. Sociedade de consumo. 3a. Edição. Rio de Janeiro, RJ. Editora Zahar, 2004.
GOMES, Denis. Inteligência Artificial: Conceitos e Aplicações. 2010. 13 fls. Artigo científico
publicado na revista Olhar Científico - Faculdades Associadas de Ariquemes, Rondônia, 2010.
KEEN, Andrew. The cult of the amateur: how blogs, MySpace, YouTube and the rest of
today's user-generated media are killing our culture and economy. London: Nicholas
Brealey, 2010.
KOTLER, Philip; KELLER, Kevin L. Administração de marketing. 12. ed. São Paulo: Pearson
Prentice Hall, 2006.
LÉVY, Pierre. A inteligência Coletiva - Por uma antropologia no ciberespaço. 5. ed. São
Paulo: Editora Loyola, 2007
PARISER, Eli. O Filtro Invisível - O Que a Internet Está Escondendo de Você. Rio de
Janeiro: Jorge Zahar Editor ltda, 2012.
PORTO, Leonardo S. Uma investigação filosófica sobre a Inteligência Artificial. 2006. 16 fls.
Artigo científico - Informática na Educação: teoria & prática – Porto Alegre, 2006.
SOLOMON, Michel R. Consumer behavior - buying, having and being. 4a. Edition. Upper
Saddle River, NJ: Pretince Hall, 1999.
SHIRKY, Clay. Here comes everybody: the power of organizing without organizations.
Nova York: Penguin Books, 2008
G1. Internet chega pela 1ª vez a mais de 50% das casas no Brasil, mostra IBGE. 06 Jan
2016. Disponível em: <http://g1.globo.com/tecnologia/noticia/2016/04/internet-chega-pela-1-
vez-mais-de-50-das-casas-no-brasil-mostra-ibge.html>. Acesso em 11 de fev de 2017.
THINK WITH GOOGLE. A Revolução dos Micro-Momentos: como eles estão mudando as
regras. Abril 2015. Disponível em: <https://www.thinkwithgoogle.com/intl/pt-
br/articles/how-micromoments-are-changing-rules.html>. Acesso em 4 de fev de 2017.
KANTAR IBOPE MEDIA. Átomo da compra – O ciclo do consumidor digital. Jun 2016.
Disponível em: <https://www.kantaribopemedia.com/atomo-da-compra-o-ciclo-do-
consumidor-digital/>. Acesso em 18 de fev de 2017.
QUARTZ. Millions of Facebook users have no idea they’re using the internet. Feb 2015.
Disponível em: <https://qz.com/333313/milliions-of-facebook-users-have-no-idea-theyre-
77
G1. Cientistas alertam para rumos da inteligência artificial. 11 jan 2015. Disponível em:
<http://g1.globo.com/tecnologia/noticia/2015/01/cientistas-alertam-para-rumos-da-inteligencia-
artificial.html>. Acesso em 4 de mar de 2017.
IBM FALANDO DE TI BLOG. Watson: do mercado financeiro à busca pela cura do câncer.
9 nov 2016. Disponível em: <https://www.ibm.com/blogs/robertoa/2016/11/watson-do-
mercado-financeiro-a-busca-pela-cura-do-cancer/>. Acesso em 4 de mar de 2017.
78
FORTUNE. Google and IBM: We Want Artificial Intelligence to Help You, Not Replace
You. 3 mar 2017. Disponível em: <http://amp.timeinc.net/fortune/2017/03/02/google-ibm-
artificial-intelligence>. Acesso em 3 de mar de 2017.
TECHCRUNCH. Relax, artificial intelligence isn’t coming for your job. 27 nov 2016.
Disponível em: <https://techcrunch.com/2016/11/27/relax-artificial-intelligence-isnt-coming-
for-your-job>. Acesso em 3 de mar de 2017.
TECHCRUNCH. Facebook releases Bot Engine to create much smarter bots. 12 abr 2016.
Disponível em: <https://techcrunch.com/2016/04/12/facebook-releases-bot-engine-to-create-
much-smarter-bots> Acesso em 11 de mar de 2017.
CODIGO FONTE UOL. Inteligência Artificial cria trailer para filme de terror. 01 set 2016.
Disponível em: <http://codigofonte.uol.com.br/noticias/inteligencia-artificial-cria-trailer-para-
filme-de-terror> Acesso em 11 de mar de 2017.
INVERSE. This Algorithm Diagnoses Depression From Your Instagram Feed. 24 ago
2016. Disponível em: <https://www.inverse.com/article/20054-diagnostic-algorithm-clinical-
depression-instagram> Acesso em 11 de mar de 2017.
PROPUBLICA. Amazon Says It Puts Customers First. But Its Pricing Algorithm Doesn’t.
20 set 2016. Disponível em: <https://www.propublica.org/article/amazon-says-it-puts-
customers-first-but-its-pricing-algorithm-doesnt> Acesso em 11 de mar de 2017.
G1. Ashley Madison: CEO se demite após escândalo de vazamento de dados. 28 ago 2015.
Disponível em: <http://g1.globo.com/tecnologia/noticia/2015/08/ashley-madison-ceo-se-
demite-apos-escandalo-de-vazamento-de-dados.html> Acesso em 05 de mar de 2017.
G1. Ashley Madison: CEO se demite após escândalo de vazamento de dados. 28 ago 2015.
Disponível em: <http://g1.globo.com/tecnologia/noticia/2015/08/ashley-madison-ceo-se-demite-
apos-escandalo-de-vazamento-de-dados.html> Acesso em 05 de mar de 2017.
NETFLIX. Black Mirror. Ep. Christmas Special: White Christmas. 2014. Disponível em:
<https://www.netflix.com/watch/80073158?trackId=200257859>. Acesso em 09 de mar de 2017.