Skip to main content

Conheça os principais ingredientes da inteligência artificial

Objetivos de aprendizagem

Após concluir esta unidade, você estará apto a:

  • Identificar tecnologias que compõem as soluções da inteligência artificial.
  • Descrever o papel do fluxo de trabalho e as regras referentes ao uso de previsões da IA.

Você provavelmente tem escutado rumores a respeito da inteligência artificial. É como se toda semana fosse divulgada uma história sobre como a IA está possibilitando a concretização de algo novo e incrível. Pessoas como você, de todos os tipos de empresas, estão muito curiosas sobre essa tecnologia transformadora, o que é totalmente compreensível. Apesar de estar animado para começar a utilizar a IA, é possível que você tenha muitas dúvidas sobre o que esta inteligência é e não é capaz de realizar. Obter respostas para essas perguntas é ainda mais desafiador, considerando que a tecnologia que rege a IA está em rápida transformação.

Para compreender o que a inteligência artificial tem a oferecer, é importante entender os elementos básicos da tecnologia de IA. Neste módulo, falaremos sobre esses elementos básicos, o que é necessário para iniciar seu primeiro projeto de IA e conferiremos de que forma a IA é utilizada para beneficiar as empresas por meio da pontuação de leads, previsão de vendas, marketing, atendimento e muito mais.

Os principais ingredientes

Quando começamos a nos familiarizar com suas habilidades, a inteligência artificial pode parecer misteriosa e talvez até mesmo mágica. A verdade é que a IA responsável por alimentar aplicativos empresariais realmente se resume a pequenas partes que, quando combinadas de forma inovadora, agregam valor real aos negócios. Para entender a inteligência artificial, é necessário enxergá-la como uma série de ingredientes que se juntam para dar origem à receita perfeita para seu negócio. Ao combinar os ingredientes de determinada forma, você terá um prato específico. Ao combiná-los de outra forma, o resultado será um prato diferente. Esses simples ingredientes podem levar a uma impressionante variedade de soluções às suas necessidades de negócios.

Observemos os ingredientes principais que compõem qualquer plataforma de IA sólida: previsões e respostas afirmativas e negativas, previsões numéricas, classificações, recomendações e resumo. 

Respostas e previsões de Sim e Não

O primeiro ingrediente consiste nas previsões afirmativas e negativas. Com as previsões afirmativas e negativas, você é capaz de responder a perguntas como “Esse é um bom lead para o meu negócio?” ou “Este cliente potencial abrirá o e-mail que eu enviar?” A IA auxilia nas respostas a essas perguntas ao analisar dados históricos armazenados em seu sistema. 

As previsões afirmativas e negativas costumam ser apresentadas em forma de probabilidade (por exemplo, “Mary Smith tem 67% de chances de abrir esse tipo de e-mail”). Contudo, às vezes as probabilidades são convertidas em pontuações. Pontuações são uma representação diferente da probabilidade de uma resposta afirmativa, podendo ser exibidas como números em uma escala numérica (por exemplo, de 0 a 100) ou até mesmo como quantia de estrelas em uma pesquisa de classificação composta por até cinco estrelas. Lembre-se de que essas pontuações mostram a mesma probabilidade de uma forma diferente. Além disso, com a ajuda da IA generativa, você pode fazer mais do que simples perguntas afirmativas e negativas como, por exemplo, “escrever um e-mail de boas-vindas para um cliente em potencial” ou “me ajudar a criar um resumo para a publicação do meu blog.” A IA generativa fornece uma resposta voltada para sua solicitação. A IA generativa não só responde sua pergunta como continua a aprimorar a resposta com base em seu feedback. Quanto mais detalhado e específico você for em sua solicitação, mais útil será a resposta. 

Previsões numéricas

Em seguida, temos as previsões numéricas. Previsões numéricas costumam gerar soluções em forma de estimativas preditivas (por exemplo, “Quanto de rendimento será gerado por este novo cliente?”), mas também são utilizadas em outros contextos, como o atendimento ao cliente (por exemplo, “Quantos dias serão necessários para solucionar este problema apresentado pelo cliente?”). As previsões numéricas também utilizam seus dados históricos para chegar a esses números.

Classificações

Em seguida, temos as classificações. As classificações costumam adotar recursos de “aprendizagem profunda” para operar com dados não estruturados, como texto livre ou imagens. A ideia que rege a classificação consiste em extrair informações úteis de dados não estruturados e responder a perguntas como: “Quantas latas de refrigerante há nesta imagem?” É até mesmo possível que analise uma declaração como “Gostaria de comprar outro par dos mesmos sapatos que comprei da última vez” e inicie um fluxo de trabalho capaz de buscar a última encomenda de sapatos, adicionando o mesmo par no carrinho de compras virtual.

A classificação que utiliza aprendizagem profunda é extremamente sólida, mesmo quando os dados não estruturados chegam de formas diferentes. Considere o exemplo anterior dos sapatos. Você poderia apenas dizer “Quero outro par daqueles sapatos” ou “Quero outro par daquele”. Independentemente de como a solicitação é formulada, o mecanismo de aprendizagem profunda subjacente incorporado a uma plataforma de IA é capaz de compreender todos os pedidos, seguindo um raciocínio muito semelhante ao de um cérebro.

Outro tipo de classificação, que pode ou não fazer uso de aprendizagem profunda, é chamada de agrupamento. Esse tipo de ingrediente de IA reúne informações a partir de seus dados que podem ter passado despercebidas por você. Por exemplo, se você é um vendedor de roupas, a IA é capaz de identificar os tipos de suéter que tanto os homens mais velhos do campo quanto os jovens de vinte anos da cidade gostam de comprar. Mesmo que sua intuição indique que estes são dois grupos totalmente diferentes, os dados mostram que ambos se comportam da mesma forma em relação aos produtos que adquirem, e você pode optar por comercializar os dois grupos de forma semelhante.

Recomendações

Em seguida, temos as recomendações. As recomendações são essenciais quando há um grande conjunto de itens que você gostaria de recomendar aos usuários. Muitos sites de comércio eletrônico aplicam aos produtos estratégias de recomendação, sendo capazes de detectar que os compradores de um par de sapatos específico também costumam encomendar determinado par de meias. Quando um usuário adiciona o par de sapatos ao carrinho, a IA recomenda automaticamente as mesmas meias.

As recomendações não são aplicadas apenas para os produtos. Os profissionais de marketing utilizam a mesma técnica para recomendar conteúdo, como documentos técnicos, aos usuários comerciais. Os empregadores podem adotar as recomendações em seu sistema de recrutamento de RH para indicar vagas de emprego a possíveis candidatos. E, como usuário, você pode receber recomendações se alguma vez bloquear quando estiver a criar um rascunho de e-mail ou a responder ao caso de um cliente. A IA generativa pode gerar e dar respostas ou modelos para ajudar você a começar. Ou então pode pedir assistência para escrever ao Einstein e ele pode ajudá-lo a concluir a tarefa.

Fluxo de trabalho e regras

Tecnicamente, o fluxo de trabalho e as regras não integram a IA, mas são uma parte essencial do modo como esta inteligência é utilizada.  Considere o exemplo a seguir. Digamos que a IA preveja que a probabilidade de determinado cliente não renovar seu contrato seja de 25%. Ao saber que a probabilidade não é suficiente, é necessário fazer algo a respeito. É aí que o fluxo de trabalho e as regras entram em ação. Neste exemplo, seu fluxo de trabalho pode consistir em iniciar uma campanha de retenção quando a IA prevê a baixa probabilidade de renovação de um cliente. 

Resumo

Finalmente, temos o resumo. O resumo tem um papel muito importante no modo como a IA generativa funciona. Vamos imaginar que você terá de passar várias horas escutando gravações ou que precisa de ler um documento de 10 páginas sobre os valores da Salesforce. A IA generativa ajuda a resumir informações e a transformá-las em anotações rápidas e fáceis de entender. Em vez de perder horas revisando gravações ou anotações, o Einstein resume as informações mais importantes e retém seu valor para que você possa ficar por dentro e não precise passar várias horas no mesmo assunto. 

Com esses ingredientes de IA fundamentais, é possível produzir aplicativos de IA personalizados que atendam a diversas necessidades de negócios. Na próxima unidade, falaremos sobre como começar com suas próprias soluções de IA.

Compartilhe seu feedback do Trailhead usando a Ajuda do Salesforce.

Queremos saber sobre sua experiência com o Trailhead. Agora você pode acessar o novo formulário de feedback, a qualquer momento, no site Ajuda do Salesforce.

Saiba mais Continue compartilhando feedback