Casos de uso são argumento da AWS para aumentar adoção de machine learning

Faltam casos de uso públicos de inteligência artificial (IA) e machine learning (ML) para que CIOs e áreas de negócio finalmente invistam nessas tecnologias. Apesar disso, a adoção segue crescendo, o potencial é enorme e há exemplos de sucesso de utilização no mercado brasileiro – a AWS trouxe alguns deles para apresentarem seus projetos no AWS Marathon Brasil, webinar promovido entre quarta (15) e quinta (16) pelo braço de nuvem da gigante Amazon.

“Mesmo com a crescente adoção de ML, ainda estamos no início do potencial dessa tecnologia”, ponderou Cleber Morais, diretor geral da AWS no Brasil. “ML se tornou componente crítico da estratégia de toda empresa. Nossa missão é democratizar IA e ML para diferentes tipos de pessoas e empresas.”

O executivo citou dados de mercado para embasar a tese de que inteligência artificial e aprendizado de máquinas estarão no topo da agenda dos CIOs. As empresas consumirão US$ 300 bilhões globalmente até 2026 (segundo o IDC) nessas tecnologias, e 75% delas já estão usando IA e ML em ambientes produtivos (segundo o Gartner).

Leia também: Google avança IA generativa com novos recursos para desenvolvedores

Segundo Morais, o e-commerce da Amazon usa a plataforma de ML da AWS para analisar todas as mais de 4 mil vendas de produtos feitas por minuto no mundo. Os dados alimentam o sistema de recomendações da plataforma, além de otimizar armazenagem e logística de pacotes e rotas, de modo a reduzir gastos e consumo de recursos.

“Machine Learning permite extrair dados e insights de fontes que antes não eram possíveis usando apenas Big Data”, lembrou o diretor geral da AWS Brasil, enquanto apresentava o portfólio da provedora de nuvem relativo a IA/ML. Nele há serviços tanto para desenvolvedores que queiram embarcar recursos mais simples de IA, como para cientistas de dados e especialistas que queiram criar seus próprios modelos.

Machine Learning no Inter

Rodolfo Dollinger, coordenador de modelagem do banco digital mineiro Inter, foi convidado por Morais a compartilhar seu caso de uso durante o webinar. A instituição financeira adotou uma ferramenta da AWS que automatiza o reconhecimento de imagens a vídeos usando machine learning (ML) – chamada Rekognition – para confirmar identidades de clientes e reduzir índices de fraude.

“Temos muita preocupação com os clientes, então tínhamos que amadurecer as ferramentas [de ML] de forma a não afetar o cliente. Nossa preocupação foi construir a infraestrutura para suportar o crescimento exponencial que tivemos sem gargalos”, contou Dollinger.

A estratégia de ML do banco é baseada em quatro pilares: organização e uso seguro de dados; formação de uma equipe de modelagem para encontrar os melhores algoritmos de aprendizado; integração com a equipe de TI, responsável pela integração da estrutura do banco com os modelos; e articulação com a equipe de negócios, que traria o conhecimento necessário para o sucesso do projeto.

“Antigamente tínhamos um processo manual, uma ferramenta de workflow que comparava a selfie [tirada pelo cliente] com a foto da documentação. Mas o processo manual não tem escala”, contou o especialista, que então implantou a Rekognition aos poucos como oportunidade de melhoria nos processos. “Pegamos a ferramenta e fizemos a implementação por etapas. A gente usa como um processo de biometria interna.”

Para Dollinger, o sucesso do uso da ferramenta se deve não só a melhoria do processo de análise dos cadastros, com resultados mais rápidos e assertivos, mas também pela redução de atrito com os clientes genuínos – que são, aliás, a maioria.

Leia mais: OpenAI lança APIs para ChatGPT e Whisper

“Antifraude tem muito falso positivo, e isso afeta negativamente o cliente”, contou. “Às vezes o falso positivo é muito pior do que detectar uma fraude tardiamente. Por isso a integração com as outras equipes [do banco] para ver como cada coisa afeta o cliente direta foi um dos pontos principais para nós.”

O uso da tecnologia deu tão certo que foi expandido no Inter. Atualmente, segundo Dollinger, há cerca de 10 modelos de ML funcionando em paralelo apenas no processo de “onboarding” dos clientes. E sempre que há oportunidade de melhorar um processo usando inteligência artificial, isso é considerado.

“Hoje o Inter é uma empresa que preza muito os dados. Temos uma relação muito estratégica com dados”, ressaltou. “Usar esses dados para fazer melhorias na vida do cliente, no ciclo de vida dele no app, é muito importante para a gente.”

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!