IA em gerenciamento de informações: os assistentes inteligentes

Em muitas discussões sobre inteligência artificial, a tecnologia de carros autônomos é frequentemente colocada como assunto principal. Porém, agora, mais do que nunca, devemos adotar mais pragmatismo e validar o uso da IA no gerenciamento de informações. Entenda!

De fato, atualmente na área da tecnologia, quase nenhum outro tópico gera tanto hype quanto o uso de inteligência artificial (AI). Dependendo da sua perspectiva individual, a imagem de como os sistemas de AI substituirão os funcionários qualificados nas empresas está virando cada vez mais um roteiro de um filme de terror.

Na prática, essa perspectiva é falha. Os sistemas baseados em AI geralmente só funcionam bem onde tarefas cognitivas altamente repetitivas em um ambiente bem estruturado são executadas. Por exemplo, em avaliações rotineiras de um exame em raio X, o desempenho das máquinas em analisar métricas comuns são melhores do que os dos humanos hoje; no entanto, as máquinas falham em avaliações mais específicas, que necessitam considerações contextuais. Como regra, a AI é boa em tarefas rotineiras e não tão boa em exceções e atividades que demandam criatividade e pensamento crítico.

Concentrando-se no Essencial

Se você perguntar aos CIOs onde estão os maiores desafios no gerenciamento de informações, ouvirá variações do mesmo problema: A quantidade de informações não estruturadas está crescendo muito rápido para ser processada pelos usuários com os meios atuais. Por sua vez, isso exige que a tecnologia da informação forneça mais automação de tarefas. Ou seja, mais AI.

Se a tecnologia da informação pudesse aumentar a produtividade da equipe do projeto ou da equipe de desenvolvimento de vendas em 10 a 20%, facilitando o manuseio das informações pelos trabalhadores, isso teria um impacto significativo na flexibilidade, agilidade e desempenho das empresas. A revolução é pautada no suporte e não na substituição.

Aproximadamente 85% de todas as informações não são estruturadas e ainda são tratadas por meio de processos manuais. O simples processo de salvar um arquivo deixa isso claro: o usuário deve examiná-lo, classificá-lo e armazená-lo manualmente. O mesmo se aplica a documentos, e-mails, chats e todas as outras formas pelas quais as informações chegam até nós hoje.

O fato é que o manuseio de informações não estruturadas ainda é manual e é por isso que os profissionais do conhecimento estão se afogando em uma enxurrada de informações.

É exatamente aqui que a AI deve começar. Melhorar as possibilidades de processamento automatizado de dados não estruturados. Para esse propósito, os sistemas de TI devem estar habilitados para entender três classificações:

• Primeiro, qual é a informação (classificação)?
• Segundo, como isso se relaciona com outras informações (contextualização)
• Terceiro, o que isso significa (significado)? Para garantir que essas descobertas não sejam voláteis, elas devem ser estruturadas como metadados e documentadas em um formato legível pela máquina.

O trabalho duro ficará em segundo plano

As duas primeiras etapas do entendimento – classificação e contextualização – já podem ser amplamente automatizadas com a AI hoje. Os classificadores de autoaprendizagem podem sugerir a classificação apropriada para documentos usando machine learning para aprender constantemente com o comportamento dos usuários.

**Isso facilita a introdução e a flexibilidade de alterações nas classes de documentos.

Vários métodos de IA são usados para contextualização. A análise de texto e a correspondência de padrões são usadas para pesquisar e extrair tags de metadados já conhecidas, como nomes de clientes, números de projetos ou outros dados com formatos conhecidos, como impostos, datas, números pessoais, etc.

Este procedimento é usado intensivamente para criar a conexão com dados estruturados dos sistemas ERP ou CRM e, assim, estabelecer o contexto. Isso é complementado pelo reconhecimento de tópicos (assuntos) usando o Processamento de linguagem natural (PNL). A primeira etapa é determinar o significado do conteúdo de um documento e extrair as entradas de metadados correspondentes ao tópico.

Essas funções são idealmente integradas às plataformas modernas de serviços de conteúdo, que não apenas reúnem o maior número possível de repositórios, mas também fornecem estruturas uniformes para os metadados e os níveis de serviço. Isso inclui controle de versão, controle de acesso ou uso móvel.

Nessas plataformas, os serviços de classificação e contextualização podem enriquecer, aprimorar e desbloquear a grande quantidade de informações corporativas existentes.

Em termos concretos, isso significa, por exemplo, que todos os documentos relevantes relacionados a um cliente são identificados em várias fontes, como pastas de rede, SharePoint ou sistemas de gerenciamento de documentos e oferecidos ao usuário no CRM.

Além disso, a classificação e a contextualização permitem a automação de políticas para o manuseio correto das informações. Isso permite que conteúdos confidenciais, como dados pessoais, informações confidenciais do projeto ou resultados de pesquisas internas, sejam automaticamente reconhecidos e atribuídos às medidas de proteção relevantes. Fato muito importante a se destacar, principalmente depois que a nova legislação LGPD entrar em vigor.

Em resumo, a AI pode fornecer significativamente mais transparência no gerenciamento de informações hoje com classificação e contextualização e pode ajudar a automatizar a implementação de importantes políticas de governança de informações. Isso significa que pode também oferecer um suporte significativo ao usuário para evitar erros manuais.

Assistentes inteligentes são o futuro

Em breve, o uso da AI será muito mais profundamente integrado aos processos de trabalho diários. O termo Assistentes Inteligentes (IA) estabeleceu-se como um jogo de palavras baseadas em Inteligência Artificial (AI). Esses assistentes ajudarão o usuário com análises antecipadas e sugestões inteligentes. Para fazer isso, a AI deve dominar o terceiro passo do entendimento – reconhecer o significado do conteúdo.

Esse conceito pode ser ilustrado com um cenário simples: Um e-mail recebido é classificado pelo assistente inteligente como uma solicitação para enviar um documento e o prazo do documento é atribuído. O assistente determina os documentos em questão, sugere-os ao usuário como uma seleção e cria o e-mail de resposta.

Embora este exemplo possa parecer banal à primeira vista, ele ilustra os enormes desafios para a AI resolver. Para entender o significado desse email, o sistema precisa entender coisas simples como “slides significa um arquivo do PowerPoint”, mas também conceitos mais sofisticados, como “solicitar documentos” ou que você deve receber uma apresentação pelo menos um dia antes da reunião.

Os assistentes inteligentes são confrontados com uma grande gama de perguntas, exceções e possibilidades de erro. Portanto, o objetivo aqui não é fornecer uma resposta totalmente automatizada, mas apoiar o usuário no processamento do email por meio de medidas preparatórias.

Não há dúvida de que existem tarefas padronizadas que podem ser automatizadas com a AI. No entanto, as pequenas eficiências diárias de assistentes inteligentes oferecem o maior potencial para uma base de usuários.

O que é mais fundamental são os três níveis de entendimento – classificação, contextualização e significado. Os fabricantes de software são particularmente procurados para integrar mais AI em suas soluções.

As plataformas de serviços de conteúdo, como M-Files, também oferecem métodos poderosos como serviços com os quais o manuseio de informações não estruturadas pode ser significativamente aprimorado. Precisamos de uma abordagem nova e mais inteligente para lidar com informações. Quer saber mais como tudo isso pode te ajudar na sua empresa? Vamos agendar uma demonstração interativa de nossa solução.

Fonte: M-Files