A automação é fundamental para o seu negócio

A automação é a chave para desbloquear grandes vantagens sustentáveis ​​em empresas de todos os setores.

Big data pode ser um grande nada sem uma abordagem de automação estratégica.

Por um lado, estamos em um momento inebriante de riqueza de informações, com volumes sem precedentes de dados sobre tudo, desde o desempenho do equipamento até o comportamento do consumidor nas mídias sociais (mais da metade de todos os cidadãos globais estão nas mídias sociais). Mas sem uma automação cuidadosa – o uso de máquinas e algoritmos para manipular, processar e analisar os dados disponíveis – sua empresa perderá uma grande oportunidade potencial.

Bem feita, a automação transforma big data “morto” em um recurso vivo que você pode usar para gerar valor. Portanto, não é surpresa que muitas empresas pretendam automatizar tudo o que pode ser automatizado, como disse recentemente um alto executivo do Google.

Para ajudá-lo a pensar sobre automação em seu contexto de negócios, apresento as três principais maneiras pelas quais essa atividade orientada à tecnologia ajuda você a criar valor.

A primeira coisa que a automação ajuda você a fazer é extração de características, ou extraindo agulhas críticas de informações de enormes pilhas de dados. Imagine que sua organização tenha que revisar pedidos de patentes para obter informações sobre uma tecnologia específica e outras relacionadas. Você pode estar olhando para milhares ou dezenas de milhares de aplicativos, cada um executando 30 ou mais páginas, para milhões e milhões de palavras. Mas apenas uma pequena proporção dessas palavras e inter-relações entre patentes importam, como do que a tecnologia patenteada depende ou as qualificações dos inventores e patentes anteriores.

Essa tarefa, então, como muitas no domínio dos negócios, envolve uma relação sinal-ruído muito pequena e exigiria milhares de horas de pessoas para ser concluída manualmente - algo muito caro e proibitivo de tempo. Mas um algoritmo baseado em aprendizado de máquina pode ser treinado para descobrir com relativa rapidez as principais informações necessárias, economizando tempo e esforço significativos. Além disso, diga que no futuro você deseja pesquisar o mesmo conjunto de patentes ou relacionadas, mas para informações diferentes, como o tamanho da equipe de requerentes de patentes. Você pode facilmente reprogramar ou retreinar o algoritmo para assumir essa tarefa, obtendo economias de escala e maiores retornos sobre seu investimento inicial.

Em segundo lugar, a automação ajuda com verificação de dados e limpeza. Os conjuntos de dados geralmente precisam de trabalho. Existem erros e valores ausentes, anomalias e, às vezes, evidências de viés. Por exemplo, se um algoritmo foi treinado para identificar as características de infratores da lei, mas usa dados apenas sobre infratores que foram pegos, o algoritmo será tendencioso porque não possui dados sobre infratores que não foram capturados – um problema específico para crimes de colarinho branco, que tende a ser subnotificada. Novamente, verificar e resolver esse grande volume de problemas em potencial é demais para ser feito manualmente. Mas a automação permite a implantação rápida de ferramentas para teste e limpeza, economizando tempo e criando valor.

Terceiro, e este é um grande problema, a automação é o motor de análise. As análises de regressão simples de ontem tornaram-se as florestas aleatórias e de cluster de hoje, alimentadas por aprendizado de máquina, seja para entender os usuários do produto, prever as vendas do próximo mês para otimizar o estoque ou prever o impacto de uma nova campanha publicitária. A automação baseada em máquina não apenas permite que você repita processos analíticos padronizados regularmente a baixo custo, mas também pode identificar padrões não lineares que nós humanos não conseguimos.

Por exemplo, meu laboratório estudou mais de 5 milhões de patentes usando análises orientadas por algoritmos para ver se poderíamos prever a estreia de tecnologias futuras inovadoras com base em suas informações de pedido de patente. Nós levantamos a hipótese de que a máquina identificaria futuras patentes de sucesso a partir de dados de aplicativos se a invenção tivesse recursos ou ideias independentes, “semelhantes a milagres”. Em última análise, o algoritmo encontrou as patentes de sucesso do futuro com alta precisão, mas não da maneira que nós, humanos, imaginávamos. Ou seja, o algoritmo não identificou uma futura patente de sucesso com base em seus recursos independentes; em vez disso, identificou patentes de sucesso com base em se elas faziam parte de um cacho de patentes afiliadas que juntas poderiam resolver problemas específicos em combinação que nenhuma patente individual poderia resolver sozinha.

Por exemplo, a tecnologia de ultrassom teve um grande impacto nos cuidados de saúde vários anos depois de ter sido revelada pela primeira vez, permitindo imagens não invasivas e tratamento de condições físicas como pedras nos rins e até alguns tipos de câncer. Mas esse progresso teria sido impossível sem invenções de menor escala além da tecnologia principal - aplicadores, processos de redução de estática, almofadas e grampos médicos especializados que foram desenvolvidos independentemente da tecnologia de ultrassom, mas críticos para sua aplicação bem-sucedida na medicina. Nossa análise automatizada reconheceu de maneira confiável a existência desses agrupamentos de patentes relacionadas em mais de 5 milhões de patentes, de produtos de saúde à mais recente tecnologia de bolas de golfe, e que esses agrupamentos estavam correlacionados com a probabilidade de que as patentes neles se tornassem as tecnologias dominantes do futuro - uma inferência não antes apreciada.

Meu colega nordestino André Papachristos empregou análises semelhantes para mostrar que corrupção policial em Chicago decorre não de alguns policiais “maçãs podres”, mas de uma rede de policiais conectados agindo de má-fé; seu trabalho permite a detecção precoce de tais problemas.

Espero ter deixado claras as vantagens de reforço mútuo da automação e como ela pode ajudá-lo a transformar dados em valor grande e sustentável. De fato, quanto mais dados você tiver, mais precisará de automação; depois de ter fortes recursos de automação, você pode coletar e aproveitar ainda mais dados, e o ciclo continua.

O resultado final: a automação é um recurso cada vez mais crítico e pode ser fundamental para o desempenho de curto e longo prazo do seu negócio. Mas é importante entender como isso gera valor e tomar medidas para mitigar suas desvantagens reais, para o bem de sua empresa e da ampla comunidade em que ela opera.

Na segunda parte deste artigo, discutirei as três principais desvantagens da automação — explicabilidade, transparência e custo — e como resolvê-las.