A Inteligência Artificial (IA) e o Machine Learning (ML) têm se mostrado fundamentais para as estratégias de negócios das empresas –tendência que se tornou ainda mais forte desde o início da pandemia. Para se manter à frente da concorrência nesse campo, o segredo é reunir talentos (profissionais de dados com conhecimentos financeiros específicos), investimento e as melhores ferramentas tecnológicas.
- A Inteligência Artificial Explicável (explainable AI, ou xAI) é um importante desafio a ser enfrentado para que as organizações possam atender às exigências regulatórias.
- Durante o ano de 2020, surgiram novas funções para profissionais que atuam na área de ciência de dados. Os cientistas de dados já têm identificado, inclusive, novas maneiras de fazer negócios, o que gera um valor considerável para as empresas.
- Muitas organizações já recorrem ao Processamento de Linguagem Natural (PLN) para desvendar o valor de dados não estruturados. Em uma pesquisa sobre Machine Learning realizada em 2020, a Refinitiv apurou que 17% das empresas utilizam apenas dados não estruturados, um aumento de 2% em relação à sondagem de 2018.
No ano passado, com o início da pandemia de coronavírus, o mundo dos negócios passou por mudanças sem precedentes. De uma hora para outra, as instituições financeiras tiveram que repensar seus processos e políticas, acelerar a transformação digital e adotar tecnologias que pudessem impulsionar o crescimento em um ambiente em intensa mudança.
E, em meio a um clima econômico mais difícil, as organizações recorreram à IA e ao ML em busca de automação e ganhos de eficiência. Isso permitiu que muitas delas expandissem suas operações de forma massiva e, ao mesmo tempo, realocassem seu capital humano.
O potencial da Inteligência Artificial e do Machine Learning aumentou exponencialmente. Algumas firmas veem os desafios das mudanças tecnológicas como uma oportunidade para aumentar o investimento nessa área e se preparar para o futuro.
O relatório de 2020 da Refinitiv sobre IA/ML, “A Ascensão do Cientista de Dados – Modelos de Machine Learning para o Futuro”, mostra que 40% das companhias esperam aumentar o investimento em IA/ML na esteira da Covid-19.
Investimento em IA/ML no pós-pandemia
O investimento em IA e ML aumentará, diminuirá ou permanecerá o mesmo em consequência da Covid-19?
À medida que avançamos em 2021, três principais tendências de IA/ML ganham força: explicabilidade da IA/ML; ascensão do cientista de dados; importância do Processamento de Linguagem Natural (PLN).
Tendência #1 – Explicabilidade se tornou imperativo para a IA
Inteligência Artificial Explicável (explainable AI, ou xAI) –ferramentas e estruturas usadas para garantir que os resultados dos modelos de machine learning possam ser interpretados por humanos— será um dos grandes desafios de 2021. Afinal, diante do aumento dos investimentos em IA e da maior adoção do deep learning (75% das empresas pesquisadas pela Refinitiv estão empregando a tecnologia), crescem os riscos, e os reguladores precisam saber como as decisões são tomadas. E, em geral, modelos de machine learning, não costumam fornecer explicações para suas previsões.
Conforme os modelos se tornam mais complexos e consomem conjuntos de dados maiores e mais diversos, os desafios só fazem aumentar. Em face a essa realidade, os principais usuários de IA estão criando equipes de governança de modelo, contratando especialistas em linguística para interpretar decisões e implantando ferramentas como a LIME (Local Interpretable Model-Agnostic Explanations) para ajudar a explicar os modelos de IA/ML.
Existe, no entanto, uma certa incompatibilidade entre explicabilidade e desempenho. Isso porque modelos cujas estimativas são totalmente transparentes tendem a apresentar menor capacidade de previsão –ou são inflexíveis e computacionalmente complicados. Mesmo assim, devido às regulamentações, a explicabilidade sai ganhando.
Para melhorar os resultados de AI/ML, o Refinitiv Labs vem trabalhando em parceria com pesquisadores do MIT-IBM Watson Lab para construir soluções que possam estabelecer a diferença entre causalidade e correlação.
Hoje, a chamada Inteligência Artificial Fraca, que executa tarefas específicas em um ritmo sobre-humano, tem dificuldade para diferenciar entre ações ou estados que aparecem em proximidade (correlação) e ações que realmente afetam umas às outras (causalidade).
Esse problema é resolvido ao se aplicar inferência causal a soluções de IA. A inferência causal é o processo de tirar uma conclusão sobre uma conexão causal com base nas condições de ocorrência de um efeito. Isso dá origem a modelos e previsões mais robustas, bem como raciocínio causal e explicabilidade de nível superior.
Tendência #2 – A ascensão do cientista de dados
Não podemos negar que o ano de 2020 foi difícil. Mas houve, sim, um lado positivo: forneceu um trampolim para os profissionais de dados.
Novas funções profissionais foram criadas em engenharia e modelagem de dados; houve um aumento na demanda por especialistas em aquisição de dados, direitos legais de dados e IA/ ML; e surgiram no mercado os “cidadãos cientistas de dados”, que usam Python (linguagem da IA/ML) para acelerar a tomada de decisões.
Cientistas de dados altamente qualificados já podem traduzir os requisitos comerciais para a linguagem de ciência de dados, identificar novas formas de operação e criar valor, aumentando a produtividade e estimulando a economia. Ou seja, esses profissionais empregam a ciência de dados para ajudar a responder a questões críticas e complexas do mundo dos negócios.
O Refinitiv Labs, por exemplo, respondeu às incertezas causadas pela pandemia com o lançamento do Covid-19 Company News Tracker, que usa IA/ML para processar notícias e, depois, detectar, classificar e armazenar os riscos e oportunidades mencionados. Com o sinal de série temporal resultante, as empresas podem se concentrar nos impactos materiais em vez das notícias gerais, economizando tempo e esforço valiosos.
Imagem da tela do Covid-19 Company News Tracker
A necessidade de contratar cientistas de dados com um bom domínio de estatística e conhecimentos de outras áreas específicas é maior do que nunca. Segundo a pesquisa de 2020 da Refinitiv, existem hoje, em média, 17 funções a mais nas empresas que podem ser desempenhadas por cientistas de dados do que há dois anos. E o número de firmas com cinco ou mais equipes dedicadas à ciência de dados aumentou para 28% (confira na imagem abaixo).
A Refinitiv está capacitando comunidades crescentes de cientistas e profissionais de dados ao oferecer uma plataforma aberta e soluções como a sua sofisticada ferramenta de exploração de dados, além do CodeBook, um ambiente de desenvolvimento em Python que permite rápida construção e implantação de modelos de AI/ML.
Tendência #3 – Processamento de Linguagem Natural (PLN) em vias de transformar o setor financeiro
Crescimento exponencial dos dados, maior poder de computação, avanços na tecnologia de PLN e novos modelos de IA/ML estão criando uma oportunidade significativa para empresas de serviços financeiros.
Embora os dados estruturados tenham sido amplamente democratizados nos últimos anos e venham perdendo valor, os não estruturados estão crescendo e ganhando importância. E isso ocorre à medida que as instituições financeiras recorrem ao PLN para tirar proveito desses dados e ampliar o seu uso e eficiência, usando-os para sinalizar novas possibilidades de negócios e gerar receita.
Inclusive, o relatório de 2020 da Refinitiv sobre IA/ML destaca o aumento do uso de dados não estruturados. Hoje em dia 17% das empresas empregam apenas esse tipo de dados, enquanto há dois anos esse número não passava de 2%.
O Refinitiv Labs tem explorado a implantação da tecnologia de PLN há alguns anos, trabalhando para capacitar nossos clientes por meio de protótipos como o Sentimine, que busca pistas sobre a performance de determinados equities em transcrições e relatórios de empresas.
A evolução do Processamento de Linguagem Natural (PLN) está estreitamente relacionada aos avanços na área de dados. E a Refinitiv, como provedora de dados líder no mundo, vem obviamente se valendo da PLN de inúmeras formas. Os exemplos incluem desde a inserção de PLN e AI/ML em seu conteúdo, como em Machine Readable News, até a utilização da PLN para melhorar as operações internas.
Olhando para o futuro, vemos dois desenvolvimentos bastante promissores que envolvem PLN.
O primeiro deles é a comunicação não verbal. Há um investimento crescente –tanto em relação a tempo quanto ao dinheiro— em fazer com que as máquinas não apenas entendam o que dizemos, mas como dizemos. Isso é particularmente interessante, pois com a nossa mudança para ambientes de trabalho virtuais, a linguagem corporal e as expressões faciais tornaram-se mais importantes do que nunca.
Em outra frente, o Refinitiv Labs está explorando a possibilidade de fornecer aos clientes modelos de PLN treinados a partir de nossos próprios conjuntos de dados. Isso permitirá a eles “treinar” seus modelos com base em nossos exemplos, o que pode melhorar drasticamente o desempenho.
Diante de tudo isso, o meu conselho é: fiquem de olho nessa área, porque o que se diz por aí é que as palavras em Wall Street são o que nos darão a real vantagem em 2021.
