A inteligência artificial (AI) e a Automação Robótica de Processos (RPA) são por si só

duas das tecnologias mais transformadoras que o mundo já viu. Mas a união de AI +
RPA revela ainda mais seus potenciais.

Adicionar a AI ao RPA abre oportunidades quase ilimitadas para automatizar processos

cognitivos inteligentes - elevando a produtividade, eficiência e satisfação dos clientes a
novos patamares.

Usar o RPA como uma maneira simples, escalável e segura para inserir a AI em
decisões e processos reduz radicalmente o tempo e o esforço de execução da AI e
acelera exponencialmente o seu impacto.

A jornada do cliente é um dos principais indicadores que determinam a fidelidade dos

consumidores a uma marca, serviço ou empresa. Por isso, melhorar a qualidade dos
canais de atendimento tornou-se estratégico para as companhias que desejam aumentar
suas vendas e fortalecer a performance. Para atender às exigências de um novo perfil de
consumidor, surgem os chatbots. Tratam-se de robôs que interagem com o público por
meio de um ambiente virtual e, de forma rápida e assertiva, esclarecem dúvidas e
atendem às solicitações dos clientes.
Até 2020, 85% das operações de atendimento a clientes serão feitas por meio de
assistentes virtuais ou chatbots, estimam pesquisas do Gartner. Mais da metade das
organizações já investe nesses robôs para interação com o consumidor porque
confirmaram que eles ficam mais satisfeitos quando atendidos em tempo hábil. Os
estudos apontam, ainda, que as empresas calculam redução de até 70% das consultas via
chamadas telefônicas e por e-mail quando instalado um sistema chatbot.
Essa nova era tecnológica apresenta, no entanto, um desafio às empresas. Para garantir
melhor qualidade dos serviços prestados e dos produtos oferecidos, elas precisam
investir na integração de seus sistemas.
Muitas companhias ainda possuem diversos procedimentos que não se conectam, o que
dificulta a obtenção rápida das informações necessárias para oferecer atendimento
adequado. Para conectar todas as soluções de uma empresa em uma única base é
necessário aliar o uso do chatbot a uma plataforma de Robotic Process Automation
(RPA). Quando aplicadas em conjunto, essas duas tecnologias abrem janelas de
oportunidades para a transformação digital dos negócios e o consequente ganho de
margem competitiva.
A utilização do RPA para integrar sistemas chatbot é uma alternativa viável para
organizações que não podem utilizar recursos como o Application Programming
Interface (API), que também reúne várias soluções em uma única base, para integrar
seus dados.
A solução RPA resolve, ainda, problemas de incompatibilidade enfrentados por
empresas. Muitas organizações passam por dificuldades devido aos seus sistemas
legados ou terceiros não serem compatíveis de integração via API. Na maioria das
vezes, isso ocorre pelo alto custo que pode gerar a adequação ou simplesmente porque
não há atualizações viáveis para determinadas soluções.
O RPA pode ser implementado junto ao chatbot como recurso acessível para se concluir
a experiência do usuário com um suporte eficiente e totalmente automatizado porque
trabalha “over the top”, ou seja, em uma camada acima de todos os temas que compõem
o processo. Essa plataforma é capaz de gerenciar diversas operações, com diferentes
escalas e capacidades de produção. Automatiza processos de maneira bastante rápida e
flexível e, no caso do chatbot, com uma boa aplicabilidade para a ferramenta.
O RPA também é a opção mais viável do ponto de vista econômico e ágil para realizar
uma integração sistêmica. O uso dos robôs para executar as atividades quando
conectados a essa plataforma, possibilita o resgate de todas as informações armazenadas
para análises mais detalhadas sobre as operações realizadas. Além do uso do chatbot
para atendimento ao cliente, algumas empresas já estão apostando na tecnologia
também para auxiliar os colaboradores da própria companhia com dúvidas corriqueiras,
como atualização de senha do computador.
Diante das diversas possibilidades de aplicação, o chatbot se apresenta como a próxima
geração de comunicação entre as empresas e o cliente final. Os robôs gerenciados são
instalados para atender demandas on-line, em lotes ou de forma mais característica de
backoffice. Dessa forma, quando conectados aos chatbots, transformam e proporcionam
escala a todo o processo digital das empresas. Quando utilizadas em conjunto, as
tecnologias de chatbot e RPA podem ser aplicadas em diversos segmentos, incluindo e-
commerce, marketing, serviços, agendamento, cobrança e geração de leads.
O uso de chatbot oferece muito mais do que apenas informações. Essa ferramenta
melhora e enriquece a experiência do cliente, facilita a interação e otimiza o tempo do
atendimento. O RPA vai ao encontro dessa proposta de qualidade do atendimento com a
integração para um sistema estratégico, capaz de direcionar a empresa para o caminho
de uma bem-sucedida transformação digital.
*Murilo Bilato é gerente de Operações Bring To da Resource IT

Tags

Tempo estimado de leitura: 3 minutos

A Automação Robótica de Processos (RPA) tem o poder de impactar todos os setores.

Embora ela reduza o tempo para executar tarefas repetitivas e de baixa complexidade,
especialmente quando integrada à Inteligência Artificial, essa tecnologia trará ainda
mais eficiência com a automação inteligente dos processos.

É o que acredita Yousuf Khan, CIO da Automation Anywhere, provedor

de software de RPA. Para o executivo, a tecnologia emergente pode executar
processos mais complexos que somente tarefas simples, como preencher um formulário
de contato.

Mas, como isso vai ser possível? Empresas estão adotando cada vez mais Inteligência
Artificial e Machine Learning em seus negócios. Então, “o poder computacional está lá,
os conjuntos de dados estão lá e a imaginação também”, diz Khan em entrevista ao site
CIO.

Em outras palavras, a IA vai incorporar algoritmos capazes de tomar decisões e até

mesmo de criar diálogos para chatbots. No entanto, no campo de RPA, essa integração
ainda apresenta dois desafios

O ano de 2020 foi, no mínimo, atípico. A pandemia acelerou em muito as coisas que já
estavam acontecendo. Na prática, trouxe o que provavelmente aconteceria em torno dos
próximos cinco anos para o dia de hoje.
A pandemia não criou novas tecnologias, mas a aceleração digital que provocou trouxe
consigo uma mudança de comportamento. Antecipou muitos anos em poucos meses.
Fez com que o futuro chegasse de repente.

As mudanças de hábitos e comportamentos são irreversíveis e a base para a construção

do cenário que podemos chamar de “novo normal”. Não vamos voltar ao que era antes,
mas esse “novo normal” de hoje é o que estaríamos fazendo normalmente daqui a cinco
anos.

Nesse contexto, a inteligência artificial apareceu com destaque. Já estávamos

testemunhando muitas e rápidas evoluções em pesquisa e desenvolvimento, mas
observávamos também, infelizmente, uma lentidão na sua aceitação e disseminação nas
empresas.

À exceção das que têm IA como seu “core”, como Amazon, Google e outras digitais por
natureza, a imensa maioria das empresas ainda usa IA ainda de forma simples e
concentrada em experimentações em laboratórios e protótipos.

Para muitas dessas, o “top of mind” de aplicação de IA é chatbot, concentrando-se na

automação das centrais de atendimento e service desks. Muitas dessas aplicações trazem
sim, resultados positivos, e com o aumento expressivo da demanda causada pela
pandemia, conseguiram ajudar as empresas que fizeram bons projetos a obter mais
rapidamente o retorno de seus investimentos.

Entretanto, a maioria dos chatbots em operação aqui no Brasil tem baixo nível de
sofisticação para suas respostas automáticas, passando qualquer interação que seja mais
complexa que um típico Q&A para atendentes humanos. Estima-se que cerca de 2/3 das
solicitações acabam caindo no atendimento humano, pois o chatbot não consegue
compreender adequadamente a solicitação.

A IA só vai realmente decolar nas empresas quando estiver pautada na agenda do CEO
e do board. Lembram-se da evolução do nível de adoção dos ERP e da computação em
nuvem? Só decolaram quando o assunto saiu do âmbito da TI e de grupos de inovação e
labs, para ser tópico importante na agenda dos executivos.

Mas, por causa da pandemia e a aceleração digital que ela provocou, a IA já está
começando a quebrar a barreira das desconfianças e já vemos iniciativas mais ousadas,
além dos chatbots, começando a aparecer. Em muitas empresas o assunto já chegou na
agenda do board e do CEO!

A IA já está começando a quebrar a barreira das desconfianças e já vemos

iniciativas mais ousadas, além dos chatbots, começando a aparecer

A pandemia nos trouxe muitas lições quanto ao uso da IA. A rápida mudança de
comportamento dos usuários nos seus hábitos de compra com a aceleração do comércio
eletrônico (no início, papel higiênico e álcool gel, seguido por alimentos e bebidas;
depois, por brinquedos e, mais tarde, por equipamentos de tecnologia e fitness),
provocou pane nos algoritmos supervisionados de detecção de fraudes, supply chain e
recomendações para os clientes.
Eles não tinham sido treinados para este cenário! Mudanças abruptas causam distorções
nas repostas dos algoritmos supervisionados, pois não são contempladas nos seus dados
de teste. Por outro lado, os chatbots, mesmo com deficiências, conseguiram ajudar as
empresas a lidar com o aumento significativo da demanda dos usuários, muitos do quais
neófitos em compras digitais.

Aos poucos começa a ficar mais delineado que IA não é apenas uma tecnologia, mas
uma tecnologia transformadora, uma tecnologia que muda e molda a sociedade, como o
fizeram a eletricidade e o motor a combustão interna.

Sua disseminação vai ocorrer à medida que o nível executivo a considere prioritária e
sua capacidade de utilização não fique restrita à especialistas com PhD, mas que possa
ser usada de forma bem mais democrática.

Nas inúmeras consultorias, conversas e palestras que faço com executivos tenho
observado alguns sinais de maturidade, que são muito positivos. Extraí aqui alguns
tópicos que já vejo serem debatidos em algumas empresas:

1) As empresas começam a se preocupar com governança de dados. IA não é apenas

sobre algoritmos, mas dados são a principal fonte de suprimento. Um algoritmo
excelente, sem dados, é como motor sem combustível ou com combustível de baixa
qualidade. Não vai funcionar.

2) O conceito de “Responsible AI”, que envolve ética, preocupação com segurança e

privacidade dos dados e minimização de vieses já começa a permear algumas discussões
nas empresas.

3) Executivos já começam a ter a percepção que IA não é apenas chatbot ou melhoria da

experiência do cliente, mas pode afetar de forma substancial não apenas o modelo de
negócios, mas o “operating model” das organizações. Já começamos a ver sinais que o
senso de urgência quanto à adoção da IA já está sendo ativado.

4) Disseminar IA na empresa não é apenas contratar alguns cientistas de dados, mas

demanda estratégia, organização, evangelização e educação por todos os níveis
funcionais.

5) A infraestrutura tecnológica e questões de desempenho não podem ser ignorados

quando IA sai do lab e entra em produção. IA demanda investimentos.

6) A pandemia mostrou que as coisas estão aceleradas e que as iniciativas de IA já não

podem ser postergadas.

7) O atual estado da arte em IA é o que chamamos de “narrow AI”, ou seja, a IA na

prática não é inteligente, mas aparenta ser. Isso significa que um algoritmo faz bem uma
única coisa. A combinação de diversos algoritmos com outras tecnologias como RPA
(RPA não é IA!) pode trazer resultados muito positivos. Portanto, ficar esperando por
uma IA “inteligente” é perder tempo e a pandemia mostrou que tempo é o que não
temos!
8) Escassez de dados é um fato e nem todas as empresas têm a infra e o dinheiro de um
Google ou uma Amazon para treinar algoritmos sofisticadíssimos. Portanto, começar
com projetos menores e menos ambiciosos é o caminho mais adequado.

Não é necessário começar com modelos complexos, mas modelos mais simples como
regressão linear, support vector machines, K-nearest neighbors, e naïve bayes podem ser
treinados com volumes menores de dados. Existem também técnicas como geração de
dados sintéticos, “federated learning” e “self-supervised learning” que podem ajudar
muito.

9) IA não vai substituir o trabalho humano, mas complementá-los e expandi-los, salvo

tarefas que são robotizáveis em sua totalidade. Mas, para isso, nem é preciso IA. Os
ascensoristas foram substituídos por sistemas computacionais que não usam IA. Mas a
interação entre máquinas e humanos deve merecer atenção das áreas de RH, que
provavelmente passarão se denominar Robôs e Humanos. RH deve estar engajado nas
estratégias de IA da organização.

10) Governança de IA é um assunto debatido quando se planeja a disseminação da IA

pela empresa. Cada organização, pela sua cultura e característica operacional, vai definir
seu próprio modelo, se centralizado, descentralizado ou federado. Não existem receitas
de bolo aplicáveis a todas as empresas igualmente. Cada uma vai chegar a seu próprio
modelo e ajustá-lo continuamente, à medida que mais e mais ganhe experiência com uso
de IA.

11) Ter infra própria ou usar IA como serviço? O uso de IA como serviço em nuvem é
extremamente útil nas fases de experimentação e criação de protótipos. Mas a
disponibilidade de instâncias especializadas com chips de hardware otimizados para IA
e grandes quantidades de armazenamento de dados torna o ambiente de nuvem também
bastante adequado para as organizações criarem e implantarem em operação aplicativos
de IA sem os riscos, custos e atrasos da aquisição de infra própria.

Outro fator a considerar é a demanda por skills menos especializados. Claro, que nem
tudo é maravilhoso e você tem que discutir alguns aspectos como os que o uso de
serviços de IA implicam em menos controle do que o desenvolvimento interno e o
acesso à modelos complementares será limitado, reduzindo a personalização e o
refinamento.

Não ignore seus requisitos de privacidade. O uso de serviços de IA envolve passar seus
dados a terceiros. Isso está de acordo com suas políticas de governança de dados? Você
sabe se este terceiro retém uma cópia dos seus dados e os utiliza para outros fins? Como
nas APIs, você cria uma relação de dependência.

Pode ser muito caro migrar para outro provedor de IA como serviço, dadas as
dependências e os custos de transferência de dados. Os serviços de IA oferecem uma
maneira rápida e flexível de desenvolver soluções sob medida, a um custo menor do que
a criação de uma equipe interna. Podem ser alternativas ideais para prototipagem. Mas,
se você precisar de mais controle, flexibilidade, autonomia e propriedade intelectual,
estes serviços não serão a solução.
12) Escassez de talentos é um problema real. A demanda por talentos em IA é crescente
e existe um abismo entre demanda e oferta, com diversas funções disponíveis para cada
profissional de IA verdadeiramente capacitado.

A IA abrange diversas atividades e muitas delas exigem competências avançadas em

matemática, estatística e programação. Mas, além das habilidades técnicas, cada vez
mais, os profissionais envolvidos em projetos de IA devem ter conhecimento do
domínio do negócio, para interpretar os dados adequadamente e fornecer
recomendações relevantes; e experiência em engenharia de software, para desenvolver
soluções que funcionem no mundo real.

A combinação de competências técnicas, setoriais e de engenharia exigidas dos

profissionais de IA limita o tamanho do pool de talentos e faz com que seja necessária
uma equipe diversa. Não existe ninguém que seja bom em tantas e diversas áreas de
conhecimento.

13) E, falando em talentos, a questão é: como recrutar? Para evitar contratações

errôneas, faça uma descrição eficaz do trabalho que será demandado do(a) profissional
de IA, enfatizando os projetos em que ele(a) vai se envolver, habilidades e impacto para
o negócio.

Como sugestão para uma melhor definição do “job description” de cargos como “ML
engineer” ou data scientist, faça uma busca no Google para as vagas oferecidas pelas
empresas de tecnologia, como Google, Amazon, Microsoft e outras, que poderão servir
de benchmark e orientação.

Ao contratar, verifique se você compreende a função, a experiência e os requisitos

mínimos para os quais está contratando. Se sua equipe usa exclusivamente Python, e
Tensor Flow como framework, e você tem pressa, não contrate alguém que só trabalha
com R e nunca usou Tensor Flow. A falta de habilidades afetará seus custos
diretamente, pois os indivíduos vão levar algum tempo para aprender novas tecnologias.

Descreva os projetos nos quais o candidato selecionado trabalhará. Eles se relacionam

com visão computacional, processamento de linguagem natural ou manutenção
preditiva? Use os termos padrão de matemática e estatística, como classificação,
regressão, clustering, GAN, CNN e RNN para facilitar a compreensão. Descreva a
expectativa para a função, bem como a dificuldade dos problemas a serem resolvidos.

14) Um sinal de maturidade é quando o assunto “entrada em produção” de modelos de

IA passa a ser um tema importante. Um sistema de IA colocado em produção é diferente
de um ERP tradicional. Neste, assim que ele se torna operacional, você o deixa quieto,
sem tocar mais nele. “Não mexa, se mexer estraga!”.

Já em sistemas de IA, depois que um modelo é implantado, seu comportamento deve ser
monitorado. Espera-se naturalmente que o desempenho preditivo de um modelo
diminua com o tempo à medida que o ambiente muda.

Esse fenômeno, conhecido como “concept drift”, ocorre quando as distribuições dos
recursos de entrada se afastam da distribuição na qual o modelo foi originalmente
treinado. Ou seja, os dados que foram usados para treinar o modelo são agora diferentes
do contexto real dos dados que entram para o modelo operar.

Uma vez detectado este desvio, ele pode ser reajustado treinando novamente os modelos
de aprendizado de máquina. Mas, detectar a deriva através do monitoramento, é difícil,
às vezes só sendo observado após dias, semanas ou meses de sua entrada em operação.
O fato desse assunto fazer parte das discussões sinaliza que a empresa já está
enfrentando problemas em produção, sinal de maturidade no uso de IA.

Entretanto, muitos desses pontos ainda são debatidos de forma superficial. Notei nas
conversas uma carência de maior aprofundamento em aspectos fundamentais como:

1) Uma estratégia e visão claramente definida de como e quando usar IA, que priorize e
alinhe as iniciativas de IA com as estratégias e propostas de geração de valor para o
negócio.

2) Engajamento da alta organização e do CEO com as iniciativas de IA. A alta

administração tem que ser o “sponsor” de fato destas iniciativas, para sair das
discussões no board, obter budget adequado e começar a agir.

3) Política de contratação de talentos e formação e reciclagem dos atuais profissionais.

Na maioria das vezes o RH não está envolvido adequadamente nas estratégias de IA e
só é acionado para fazer buscas no Linkedin. Mas, sem estar envolvido nas estratégias,
fica difícil especificar perfil de talentos que serão necessários.

4) Escolha do ferramental adequado. Muitas vezes a escolha é muito mais influenciada

pelo apelo comercial do fornecedor da tecnologia e não pela aderência à estratégia de IA
que a empresa quer adotar.

5) A governança de dados é muito mais falada que implementada. A sua ausência

implica que na hora em que os sistemas de IA começarem a serem implementados vão
fazer falta os protocolos e check-lists que garantam níveis adequados de dados, em
volume, variedade e qualidade para que os algoritmos precisam para serem treinados.

A pandemia acelerou o interesse pelo uso de IA. Dos chatbots começaremos a ver
aplicações mais sofisticadas, permeando toda a organização. Aos poucos começa a cair
a ficha do significado que o CEO da Microsoft, Satya Nadella, que dizer quando
expressou que “AI is the ‘runtime’ that is going to shape all what we do”.

IA vai transformar a natureza da operação das empresas e será parte do “novo

normal”

IA começa, aos poucos, a se disseminar e ocupar espaços cada vez maiores nos próprios
fundamentos operacionais da empresa. O desafio não é tecnológico, mas cultural.
Recomendo a leitura do artigo “Building the AI-Powered Organization”, publicado pela
Harvard Business Review, que ajuda a entender esses desafios e como contorná-los.

IA vai transformar a natureza da operação das empresas e será parte do “novo normal”.
Portanto, nada mais normal que comecemos agora a priorizar nossa estratégia de IA.
*Cezar Taurion é VP de Inovação da CiaTécnica Consulting, e Partner/Head de
Digital Transformation da Kick Corporate Ventures. Membro do conselho de inovação
de diversas empresas e mentor e investidor em startups de IA. É autor de nove livros
que abordam assuntos como Transformação Digital, Inovação, Big Data e Tecnologias
Emergentes. Professor convidado da Fundação Dom Cabral, PUC-RJ e PUC-RS.