){kind=small}
Guia básico de terminologia de IA para desenvolvedores
Tempo de leitura: 6 minutos
Se você é um desenvolvedor que trabalha com tecnologia de comunicação com o cliente, certamente já começou a explorar como a IA pode aprimorar o que está criando. E, durante sua pesquisa, é bem possível que tenha relembrado suas aulas de Ciência da Computação e se perguntado se a IA de que as pessoas falam hoje é a mesma coisa em que os cientistas da computação vêm trabalhando nas últimas décadas.
Aqui, vou esclarecer um pouco do exagero de marketing que surgiu em torno da IA, definindo os diversos termos em uso. Há muitas novas tecnologias úteis que podem melhorar a experiência do cliente e ajudar a tornar a comunicação com ele mais eficiente. Mas, para chegar lá, precisamos ter clareza sobre o que estamos lidando. Vamos começar pelos bots.
Os bots têm uma longa história na informática. São ferramentas automatizadas que realizam suas tarefas sem a ajuda de seres humanos: pense nos rastreadores de mecanismos de busca, nos autorespondedores do IRC e até mesmo nos personagens não jogáveis (NPCs) dos videogames. Talvez você mesmo já tenha criado um ou dois.
Quando pensamos nos bots nesse contexto, fica claro que a IA não é necessária para a maioria deles. O mesmo vale para os bots que encontramos na comunicação com o cliente. Os bots que são mencionados no mesmo fôlego que a IA geralmente são interfaces conversacionais.
Pegue Dom, o bot de atendimento ao cliente da Domino’s. O Dom “orienta” os clientes durante o pedido, o pagamento e a entrega, mas nada do que ele faz é inteligente. O problema com todos os bots em uso hoje é que eles são árvores de decisão, e não IA. E, é claro, uma árvore de decisão é, na verdade, apenas uma instrução “switch”: se isso acontecer, faça isso.
O ponto crucial é que os bots que vemos em operação hoje não aprendem. Em algum momento, um de seus executivos pode pedir, com entusiasmo, que sua equipe desenvolva um bot capaz de substituir os agentes humanos do call center. Eis o problema: os bots atuais são tão bons quanto os dados que você insere neles. Por exemplo, nosso bot de pizza não vai analisar o histórico de compras de um cliente e criar “inteligentemente” uma oferta especial para ele; a menos, é claro, que um ser humano o tenha programado para fazer isso. Se essa árvore de decisão não abranger a situação específica, você precisará encaminhar o caso para um ser humano ou decepcionar o cliente.
Isso não torna os bots menos úteis, no entanto, e, na verdade, eles utilizam a IA. As técnicas de IA permitem que os bots transformem a linguagem falada em texto e, em seguida, analisem esse texto para extrair o significado.
Essa interface conversacional significa que podemos permitir que os clientes realizem suas próprias consultas em muito mais situações. Enquanto hoje isso se limita basicamente à web ou aos dispositivos móveis, os bots abrem novos canais, incluindo WhatsApp, SMS, Facebook Messenger, Slack e assim por diante, e até mesmo por Voice, sem a ajuda de um atendente humano.
Então, afinal, o que é IA no contexto da comunicação com o cliente? Se você já estudou ciência da computação formalmente, provavelmente a IA o faz pensar no teste de Turing. Você também deve conhecer a distinção entre IA forte e fraca:
IA forte: uma inteligência genuína, capaz de pensar por si mesma (como o Data, de Star Trek, por exemplo).
IA fraca: software que utiliza técnicas semelhantes às da inteligência para ir além das restrições impostas pela programação do desenvolvedor.
A IA que vemos na comunicação com o cliente é, sem dúvida, do segundo tipo e tende a ser uma dessas duas coisas: um modelo estatístico ou uma rede neural. Ambas as abordagens recebem uma entrada e produzem uma saída que representa a melhor estimativa possível. Por exemplo, uma IA pode receber um arquivo de áudio como entrada e produzir uma estimativa baseada em texto sobre as palavras faladas contidas nele. Essas estimativas costumam ser bastante precisas, graças a enormes quantidades de aprendizado de máquina — mais sobre isso a seguir. Inserir essa transcrição resultante em uma árvore de decisão nos daria uma interface de voz para um bot.
A questão é que as IAs modernas são algoritmos que são bons em fazer suposições e fazem tantas suposições em tão pouco tempo que parecem aprender por conta própria muito rapidamente. Até mesmo o DeepMind, do Google, se comporta de maneira semelhante. Quando o DeepMind está jogando Go, ele analisa o estado atual do tabuleiro, examina os lances que deram certo no passado e adivinha qual provavelmente seria o melhor lance que poderia fazer.
Como desenvolvedores, devemos ter cuidado ao gerenciar as expectativas em relação ao que a IA atual pode ou não fazer. Lembre-se de que, mesmo as melhores plataformas de bots ainda não conseguem aprender a se tornar bots melhores.
Embora nossos colegas possam esperar que sejamos capazes de criar centrais de atendimento amplamente automatizadas, cabe a nós, como desenvolvedores, mostrar que a IA é uma técnica útil, mas que máquinas verdadeiramente inteligentes ainda estão um pouco distantes.
O aprendizado de máquina é mencionado quase com a mesma frequência que a IA e é uma das técnicas que possibilita a IA. Anteriormente, mencionei modelos estatísticos e redes neurais. Ambas as abordagens exigem que os cientistas de dados compilem um grande conjunto de dados para usar como material de treinamento.
No primeiro caso, os cientistas precisam selecionar, escolher e ajustar modelos estatísticos que ofereçam as melhores estimativas possíveis com base nos dados disponíveis. No segundo caso, os dados são alimentados continuamente em uma rede neural, de modo que cada iteração melhore o desempenho e a precisão do algoritmo. O processo de descobrir e aprimorar o modelo de estimativa subjacente é conhecido como aprendizado de máquina.
Em resumo, o aprendizado de máquina (ML) é um processo de treinamento de IA.
E agora, os assistentes: Alexa, Siri, Cortana e Google Assistant, entre outros.
Ao contrário dos bots, que se concentram em uma única tarefa e seguem um fluxo bastante rígido ao realizá-la — por exemplo, pedir pizza, em que se começa pela massa, passa-se para os recheios e, em seguida, para os acompanhamentos —, um assistente combina as técnicas que estamos abordando aqui para criar uma interface unificada para vários serviços.
Portanto, ele utiliza técnicas de IA para transcrever a linguagem falada em texto, que depois é analisado com outra técnica baseada em IA chamada Compreensão da Linguagem Natural. Em seguida, o assistente se conecta aos bots necessários para realizar a tarefa solicitada, como fornecer uma interface para um bot de pedidos de pizza. Da mesma forma, ele pode aumentar a temperatura do seu termostato, encontrar o voo mais econômico de Bristol para Amsterdã e informar quais filmes estão em cartaz no cinema mais próximo.
Na comunicação com os clientes, podemos usar os assistentes de grandes marcas simplesmente como mais um canal pelo qual os clientes possam acessar nossos serviços. No entanto, também podemos utilizar todas as técnicas abordadas aqui para criar novos canais específicos para nossas próprias empresas. Por exemplo, e se criássemos nosso próprio assistente, disponível dentro de nossos aplicativos móveis ou em nossas linhas de atendimento ao cliente?
Embora as expectativas nem sempre correspondam à realidade, a inteligência artificial, o aprendizado de máquina, os bots e os assistentes virtuais já estão melhorando a forma como nos comunicamos com os clientes. É claro que há um certo exagero, mas é empolgante estar à beira de uma mudança tão grande, não apenas na comunicação com os clientes, mas também na forma como as pessoas trabalham com computadores em geral.
Como desenvolvedores, é nossa função encontrar o equilíbrio entre ajudar nossos colegas a compreender as realidades dessas novas tecnologias e pensar no futuro para ver como podemos usá-las para criar algo revolucionário. E daqui a dez, talvez cinco anos, talvez olhemos para trás e nos perguntemos como é que conseguíamos nos comunicar com os clientes sem técnicas de IA.