Quando o computador Deep Blue derrotou o campeão Kasparov numa partida de Xadrez, no ano de 1997, todos se perguntavam onde a Inteligência Artificial poderia chegar. Hoje, esse tipo de tecnologia já é capaz de dirigir carros sem a ajuda de humanos e está muito presente em nosso dia a dia. Já reparou como o Netflix “adivinha” as series que você pode gostar pelas sugestões? Ou como o Spotify sempre “acerta” as músicas que você gosta? Ou que o Facebook só mostra opiniões com as quais você já concorda? Isso tudo é possível graças ao Machine Learning (aprendizagem de máquinas, em tradução livre para o português), um tipo de inteligência artificial que está sendo muito usada em diversas áreas, especialmente em Marketing.
Machine Learning é uma área da Inteligência Artificial onde é possível criar algoritmos para ensinar uma determinada máquina a desempenhar tarefas, analisar dados e reconhecer padrões com pouca ou nenhuma ajuda de um humano. Uma espécie de simulação da inteligência humana, porém capaz de processar uma quantidade de dados enorme, num nível em que seria impossível para um humano.
O Spotify, por exemplo, utiliza um algoritmo que analisa os dados (histórico de audições, quantidade de plays, etc.) do próprio usuário e, comparando com milhões de outros usuários com consumo musical similar, cria playlists personalizadas nas chamadas “Recomendações da semana”, criando estimativas cada vez mais precisas (afinal quanto mais sugestões são acatadas, mais e melhor o sistema aprende).
O Machine Learning lida com uma quantidade bastante ampla de dados: fotos, reconhecimento de voz (como o aplicativo “Siri” do Iphone que responde a perguntas) e vídeos (O Trailer do Filme “Morgan” foi editado e sequenciado pela IBM utilizando técnicas de Machine Learning, apenas a finalização foi trabalho humano). Já é usado pela Medicina para identificação de células cancerígenas e, deve se estender a todos os setores da economia num futuro próximo.
Mas como uma máquina pode aprender? Inicialmente é disponibilizado para a máquina o acesso a uma quantidade de dados e a partir de análises desses dados ela pode chegar a conclusões, reconhecer tendências e definir padrões, aprimorando se cada vez que é bem-sucedida. Esse processo de Machine Learning pode envolver um humano (a chamada aprendizagem supervisionada, onde o usuário aponta se a analise da máquina está correta) ou não (aprendizagem não-supervisionada).
Mas afinal, como funciona na prática o Machine Learning?
Vamos dizer que um sistema precise reconhecer a imagem de uma placa, então o programa divide a imagem em pixels e cria um código com o padrão de pixels dessa placa, sendo que o usuário/programador “ensina” se esse conjunto de pixels é uma placa ou não. O programa armazena essa informação e fica cada vez mais preciso nas próximas vezes.
Já na aprendizagem não-supervisionada o Sistema tira conclusões próprias e aponta tendencias baseado em padrões de dados, sem interferência. Para citar um caso fictício: considerando um banco de cadastro dos clientes de uma loja de roupas, um sistema não-supervisionado reconheceria que homens acima de 30 anos em determinada região tem mais afinidade por uma determinada marca de camisa.
E como a Inteligência Artificial e o Machine Learning se aplica ao Marketing?
Atualmente, o uso principal é na criação de campanhas personalizadas em larga escala, utilizando e relacionando de forma rápida uma imensa quantidade de dados (não só informações como também imagens, textos, tweets, etc.) a qual seria impossível para um humano imaginar e os customizar. Imagine a possibilidade de criar campanhas personalizadas para cada usuário, ou mostrar sugestões de compra baseadas no histórico do próprio consumidor e em vários outros com comportamento similar.
Um grande caso/exemplo disso é o do Walmart que, tendo informações de 140 milhões de clientes em 28 países, aplica técnicas de Machine Learning em seu e-commerce para identificar o hábito de seus consumidores (baseado no histórico de compras e preferência desta imensa quantidade de pessoas) e realizar ofertas mais individualizadas.
Além das vantagens para as empresas, pode-se considerar também as grandes vantagens do Machine Learning para os consumidores: a customização permitiria um maior engajamento e mais tempo exposto a produtos e soluções relevantes, tornando a relação empresa-cliente mais próxima e personalizada.
Embora as ferramentas de Machine Learning estejam cada vez mais acessíveis, a Implantação desta tecnologia no Brasil ainda está num estágio inicial. Segundo pesquisa recente da consultoria McKinsey (a primeira sobre o tema, na qual participaram 79 empresas líderes em seus setores), mesmo sendo o Brasil o local da América Latina com maior investimento em marketing digital (24,4% do total de mídia, contra 43,5% da média global) e também tenha dois terços da população conectada, 80% das empresas brasileiras ainda estão nos estágios iniciais do marketing digital (23% são Iniciantes e 57%, Emergentes). Muito aquém das possibilidades de aplicação de inteligência artificial em nosso mercado.
O presidente da Google Brasil, Fabio Coelho, deu uma declaração a respeito durante o evento “Think with Google” em 2017, evento que visava justamente mostrar ao mercado brasileiro os usos do Machine Learning:
“O Google já está usando Machine Learning hoje em dia para combinar o que é objetivo de negócio com o comportamento de navegação dos nossos consumidores em potencial. E isso ocorre em uma escala e em uma velocidade que seriam impossíveis de obter manualmente. Você pode usar essa tecnologia para conhecer cada pessoa e falar com toda a sua audiência de forma muito mais customizada”, afirma.
Muitos especulam qual o futuro da Inteligência Artificial: Os computadores poderão um dia substituir os humanos? As máquinas conseguirão ter uma inteligência igual ou superior a nossa? Apesar dos avanços isto ainda está longe de acontecer: as melhores redes neurais artificiais de hoje (como o Google Brain) chegam a 1 bilhão de conexões neurais, sendo que o cérebro humano usa 86 bilhões de neurônios capazes de trilhões de conexões. Porém muito do que imaginávamos como um futuro distante já é realidade próxima.
