Pular para o conteúdo principal

Sobre Inteligência Artificial: BPM

Este é o segundo de três artigos sobre Inteligência Artificial:este será sobre BPM e o próximo será sobre BI.  O primeiro artigo foi sobre ECM.

Antes de começar a falar de tecnologia, vamos pensar como é a formação da inteligência humana e traçar alguns paralelos.

Os pais e  professores começam ensinando a criança a responder perguntas. E, em boa parte da vida, medimos o resultado do aprendizado avaliando se a pessoa é capaz de responder corretamente a perguntas. Em seguida, a criança/adolescente aprende a repetir tarefas seguindo instruções. A sua capacidade em reproduzir este processo corretamente será determinante na vida adulta. E, finalmente, capacitamos o ser humano para tomar decisões.

Responder > ECM
Reproduzir > BPM
Decidir > BI 
 
Como ensinar as máquinas a reproduzir atividades e tarefas de trabalho?  Existem duas linhas de implantação, a primeira o computador ou robô irá seguir instruções a partir de comandos ou condições pré-definidas de forma precisa e seguir o roteiro até o seu fechamento, isso já é feito desde os anos 90.  
A novidade atualmente é o robô entender um contexto para encontrar quais atividades devem ser feitas a partir da condição encontrada.  Então, para executar uma atividade complexa, é preciso saber responder perguntas [leia o primeiro texto da série IA].  

A grande diferença dos sistemas automatizados dos anos 90 e os atuais, é que, antes, era preciso informar muita coisa para o sistema ser capaz de seguir e agora o sistema extrai as informações de que precisa de um contexto mais amplo.  Este contexto pode ser uma observação do cliente, uma conversa por chat, uma conversa por telefone,  ou um documento anexado.  Ainda existem sistemas que respondem a informações visuais, isto é, os elementos do cenário que o robô está vendo. 


publicidade

Feito isso, precisamos ampliar os conceitos de regras para condições mais amplas.  Desta forma se o usuário pede uma "instalação", "implantação", "criação", "novo ponto" ou outro termo equivalente já previsto, ele será imediatamente encaminhado para a atividade de implantação.  Mas, além disso, sempre que um novo termo for utilizado, um sistema de aprendizado será acionado para que ele seja inserido ao contexto de "implantação".  

Sistemas de retroalimentação serão acionados em três momentos diferentes: 
  1. Antes de confirmar o envio para a próxima atividade, o robô confere a ação com o usuário que está iniciando o processo.  A resposta do usuário será usada no processo de aprendizado.
  2. Na etapa de análise e solução do problema, os operadores tem a opção de redirecionar o processo para outra unidade.   Caso isso aconteça, o sistema irá perguntar a razão do desvio e a reposta do analista também entrará na base de conhecimento do robô.  
  3. No final, na conclusão do processo, o usuário é novamente questionado sobre o atendimento e essa informação também servirá para retroalimentar a base.

Operador faz triagem das solicitações encaminhando o processo para o atendimento
A etapa de triagem manual pode ser excluída para substituir pela IA




A atividade é substituída por um robô que seleciona e encaminha o processo para o departamento certo

Com essa implantação simples, a operação de triagem, que dispensa o usuário de entender o negócio da empresa para solicitar um suporte pode ser desempenhada por um robô que encaminha para o departamento correto com sua respectivo tempo de atendimento, e se for urgente, o sistema já marca como prioridade.
A vantagem de usar o robô para atividades desta natureza é manter a regularidade de atendimento independentemente da hora ou do operador.



Comentários

Postagens mais visitadas deste blog

6 Metas para 2018 ser o ano da Transformação Digital da sua empresa

Em 2018, a empresa que quiser se manter competitiva terá que atingir algumas metas de transformação digital.  Com tanta tecnologia à disposição, quem não se preparar para enfrentar a concorrência com produtividade e qualidade não terá muita chance.


Meta 1: Use um sistema de ECM para gerir todos os documentos da empresa.  Os sistemas de gestão de documentos e conteúdo usam recursos de Inteligência Artificial para auxiliar na classificação e, com isso, fica mais fácil ter tudo, absolutamente tudo, devidamente guardado, pesquisável, acessível e com controle de acesso. Além disso, ferramentas de Inteligência Artificial precisam de bases classificadas e muito conhecimento para poder tirar suas conclusões e, quanto mais conteúdo, mais rápido será o seu aprendizado.  Essa é a primeira coisa a se fazer em 2018 pois é fácil de começar e, quanto antes, menos trabalho para concluir.



Meta 2. Use BPMs para modelar e automatizar processos sejam eles: administrativos, industriais, financeiros, de ma…

5 razões para começar a usar o seu talento e vender seus próprios aplicativos

Você já pensou em ser um consultor independente? Se você é daquele tipo que entende muito bem como funcionam os processos dentro de uma empresa, tudo que você precisa é de uma ferramenta que seja amigável, customizável, que não exija saber programar as linguagens do momento e, principalmente, que ofereça suporte na nuvem para celular e smartphones. 5 razões para começar a usar o seu talento e vender seus próprios aplicativos Uma: Você será reconhecido como empreendedor e inovador:   Criar uma aplicação mobile para ambiente corporativo ainda é para poucos.
Duas: Você não será um aventureiro, você vai ganhar dinheiro: Vendendo para empresas, você vai ganhar muito dinheiro com quase nenhum custo e vai trabalhar para várias organizações sem ocupar todo o seu dia.
Três: Você consegue colocar sua ideia em prática sem precisar programar:    Com BPM, você modela qualquer tipo de processo corporativo com facilidade e rapidez, integrando com ERP e  ainda oferece uma solução de ECM e GED.
Quatro:…

Vamos falar de Big Data e da profissão analista de dados

O assunto Big Data está em voga e não é por acaso, a sociedade já esperava por este tipo de solução há muito tempo e só não tínhamos tecnologia para isso. 
Vou tentar explicar o fenômeno até o final desta postagem:
Usamos Big Data para obter diagnósticos complicados. Isso significa que usamos a tecnologia para conhecer mais sobre fenômenos naturais, sobre organismos, sobre tendências mercadológicas, assuntos complexos demais para que os teóricos consigam criar modelos matemáticos precisos que possam ser usados pelos profissionais para detectar uma tendência.
No meio científico, chamamos de problema inverso a tentativa de entender um fenômeno a partir de algumas medições periféricas.


Para resolver um problema inverso é necessário ter dados, e quanto mais dados, mais preciso será a modelagem e melhor será a predição. Sim, o nome é predição mesmo!
Mas ter dados não é suficiente, é necessário ter algoritmos para encontrar o modelo que mais se adequa ao fenômeno que se deseja reproduzir. …