9 empresas que usam Machine Learning (e como ganham muito dinheiro com isso)
Você já ouviu falar do Waymo, o carro sem motorista da Google? Já reparou na seção “recomendado para você” da Netflix?
E as traduções de texto automáticas, notou que estão cada vez mais precisas?
Sem falar nas redes sociais, que te reconhecem pela foto.
Tudo isso se deve ao Machine Learning, que pode ser traduzido como aprendizado de máquina ou aprendizagem de máquina.
Embora muita gente não saiba o significado ou o que faz o Machine Learning (ML) e nem o perceba, ele está muito presente no nosso dia a dia e está ganhando cada vez mais importância dentro das empresas.
A seguir, veja dados apurados pela McKinsey, uma das maiores consultorias estratégicas do mundo.
- 28,5 bilhões de dólares foram destinados para Machine Learning em todo o mundo durante o primeiro trimestre de 2019
- 49% das empresas estão explorando ou planejando usá-lo
- Um terço dos líderes de TI pretende usar o ML para análise de negócios
- 25% dos líderes de TI planejam usar o ML para fins de segurança
- 16% dos líderes de TI querem usar ML em vendas e marketing
Diante disso, é importante saber o que significa e de que forma o Machine Learning está sendo usado, trazendo resultados mundo afora e transformando a experiência dos usuários.
O que é machine learning?
O Machine Learning é uma ramificação da Inteligência Artificial e que, conforme o próprio nome sugere, se refere a máquinas com capacidade de aprender a reconhecer e reproduzir padrões de forma autônoma a partir da análise de um grandes volume de dados (big data).
Na prática, o ML trata de algoritmos que aprendem a executar tarefas sem que elas sejam previamente programadas.
Mais do que isso, as máquinas têm aprendizado constante, ou seja, são capazes de otimizar o uso dos dados ao longo do tempo e se adaptar, melhorando os resultados, de forma totalmente independente.
Com isso, elas conseguem encontrar padrões até então ocultos e fazer inclusive previsões sobre cenários e acontecimentos futuros, entregando resultados super eficientes.
“Machine Learning utiliza dados que nós mesmos geramos, transformando em conhecimentos para agir da melhor forma, em um constante aprendizado”, comenta Andreia Santos, professora da Athon Ensino Superior nas disciplinas de Engenharia de Software e Data Warehouse.
Empolgante ou assustador? Quem sabe, um pouco dos dois.
9 empresas que usam machine learning (e ganham muito dinheiro com isso)
O uso de Machine Learning ajuda as empresas a processarem grandes quantidades de dados complexos para melhorar a análise, a previsão e a tomada de decisão.
Por isso, o investimento em inteligência artificial é crescente no mundo todo. Afinal, melhorando os resultados e precisão das decisões, aumenta-se também o retorno financeiro.
A seguir, veja a lista com 9 empresas que usam Machine Learning e ganham muito dinheiro com isso.
1) Google
É considerada a empresa mais avançada no campo de ML, seja adquirindo startups ou desenvolvendo internamente.
Dentre as ferramentas mais famosas da Google estão o Google Maps, que traça as melhores rotas para diversos meios de locomoção, o Google Tradutor, que oferece traduções cada vez mais precisas, e o Google Search, o buscador mais usado no mundo.
Sem falar no famoso e aguardado carro autônomo. A Waymo, que é a empresa da Google criada para desenvolver o projeto, foi classificada como a mais avançada do mundo no desenvolvimento de tecnologias para veículos autônomos, segundo a consultoria Navigant Research.
Mas a empresa tem lançado constantemente novas tecnologias. Em 2018, a Google surpreendeu o mundo ao apresentar uma conversa baseada em inteligência artificial. Veja:
Trata-se da Google Duplex, uma funcionalidade da Google Assistant que faz ligações para o usuário, consegue falar com pessoas e marcar compromissos específicos, como reservas em restaurantes ou horário no salão de beleza.
Tudo isso com uma voz muito idêntica a de uma pessoa de carne e osso.
2) IBM
Em 1996, a IBM desafiou o então campeão mundial de xadrez Garry Kasparov para uma partida contra o seu computador Deep Blue. Kasparov venceu na primeira rodada.
O time de cientistas da IBM aproveitou a chance para reprogramar completamente a máquina, assessorados por mestres do tabuleiro.
E, em 1997, o jogador russo acabou perdendo o que foi chamado de “o mais espetacular evento de xadrez da história” e virou até documentário: The Man vs. The Machine.
O sucessor do Deep Blue é o famoso computador AI da Watson, que foi apresentado mundialmente em 2011, durante o programa americano de perguntas e respostas Jeopardy!, quando ganhou dos dois grandes vencedores da história do quiz.
Na época, Watson apenas conseguia ler textos e responder perguntas. Hoje, já possui diferentes serviços como:
- Reconhecimento e análise de vídeos e imagem;
- Interação por voz;
- Leitura de grandes volumes de textos;
- Criação de assistentes virtuais;
- Entre outros.
3) Apple
Quem nunca ouviu falar da Siri ou já conversou com ela? Ela foi a primeira assistente de voz para smartphones, lançada em 2011 pela Apple.
De lá para cá, a ferramenta se tornou bastante comum na vida das pessoas, que passaram a perguntar direto para a Siri, para a Echo (da Amazon) ou para o Google Assistente (da Google) dicas de restaurantes e os resultados do seu time na rodada.
A própria Apple avançou na tecnologia e criou a sua linha de alto-falantes inteligentes.
O HomePod se adapta à sua localização e ajuda nas tarefas diárias, permitindo controlar a sua casa de forma inteligente – tudo com apenas sua voz. Desde apagar as luzes a fazer chamadas de telefone.
A Apple também tem investido em aquisições, além de disponibilizar diversos sistemas internos de Machine Learning na plataforma Core ML, que permite a outras empresas usarem modelos de aprendizado de máquina em aplicativos para iPhone, iPad, Apple Watch e Mac.
4) Salesforce
Empresa americana que oferece softwares on demand, a Salesforce é conhecida por ter produzido o Sales Cloud, uma plataforma (conhecida na área de vendas por CRM) de gestão de relacionamento com os clientes.
A Salesforce ganhou destaque recentemente ao lançar o Einstein, tecnologia que usa Machine Learning para analisar e processar grande volume de dados, entregando resultados mais precisos e lucrativos – tudo disponível na nuvem.
“Descubra ideias, resultados preditivos, encontre recomendações e aja rapidamente em uma plataforma analítica com inteligência artificial”, promete a empresa.
Como?
Usando inteligência artificial e machine learning para tornar mais fácil a vida de executivos de áreas comerciais, representantes de vendas e até atendentes de call centers. E, claro, gerando mais lucro para a empresa.
5) Netflix
A Netflix inovou e transformou o mercado de streaming com suas estratégias de fornecimento de conteúdo totalmente focadas no cliente – a chamada personalização.
Ao invés de uma longa lista de filmes e séries agrupados por gênero, a plataforma oferece um sistema de recomendação baseado no gosto e no comportamento de cada usuário.
Assim, cada assinante (mesmo os perfis dentro de uma mesma conta) tem uma página inicial diferente.
Tudo isso graças ao uso de Machine Learning.
Usando uma variedade de algoritmos de aprendizado de máquina, análise e inteligência de dados, a empresa conseguiu deixar seus assinantes mais satisfeitos, porque encontram aquilo que queriam sem nem precisar buscar muito.
Mesmo líder mundial em serviço de assinatura de filmes e séries, a Netflix está continuamente realizando testes A/B e experiências offline para melhorar ainda mais as experiências exclusivas dos usuários.
A própria empresa divulga que até as mudanças mais óbvias, como a reformulação do layout da interface do usuário e a nova página inicial personalizada foram testados com essa técnica que compara duas versões, modificando uma variável (duas variações) de cada vez com o objetivo de escolher qual é a melhor, antes de serem lançadas.
Até mesmo as imagens associadas a muitos títulos são testadas, resultando em 20% a 30% mais visualizações para um filme ou série devido aos testes A/B!
Leia também: Como a Netflix usa Inteligência Artificial para manter você “na tela”
“Resultados como esses destacam por que somos tão obcecados com o teste A/B. Ao seguir uma abordagem empírica, garantimos que as alterações do produto não sejam conduzidas pelos funcionários mais opinativos e vocais da Netflix, mas sim por dados reais, permitindo que nossos próprios membros nos guiem para as experiências que amam”, afirmou a empresa.
6) OVO Energy
Lá em 2016, a OVO Energy, que é o segundo maior fornecedor de energia do Reino Unido, anunciou que 20% da sua base já estava trabalhando com medidores inteligentes, que transmitem dados de consumo a cada 10 segundos em tempo real.
Toda esse enorme volume de informações vão para um bancos de dados e são analisados usando técnicas de Machine Learning.
Isso permite uma evolução das tarifas de energia, passando de preços fixos para sistemas mais dinâmicos, com modelos de conta por assinatura e novos serviços através do medidor.
A OVO, por exemplo, permite que os consumidores gerenciem suas próprias contas, carreguem medidores pré-pagos e acompanhem o uso em seus dispositivos pessoais, através de aplicativo.
Graças ao aprendizado de máquina, os usuários podem, por exemplo, ver quanto de energia usou e calcular quanto provavelmente vai gastar até o fim do mês.
Em 2018, a empresa lançou o que chamou de primeiro carregador doméstico de veículo elétrico bidirecional: o motorista pode extrair eletricidade da rede quando ela estiver barata e vender energia excedente à rede durante o pico de demanda.
É como se cada pessoa pudesse ter sua própria usina de energia virtual. A plataforma inteligente ajusta automaticamente o fluxo de eletricidade para os dispositivos conectados (o carro ou eletrônicos da casa).
Ela garante que os usuários obtenham energia quando necessário, mas também trabalha para manter o custo de fornecimento baixo, enquanto tem o potencial de aliviar a pressão de suprimento durante os horários de pico.
Segundo a OVO, com a plataforma VCharge, se o usuário conseguir o equilíbrio, poderia efetivamente dirigir seu carro elétrico de graça – sem pagar combustível algum.
“Esse é o primeiro passo na construção do sistema de energia distribuída do futuro, que é verdadeiramente centrada no cliente e construída em torno das residências e seus dispositivos de armazenamento de energia conectados”, disse o CEO e fundador Stephen Fitzpatrick no lançamento do VCharge.
7) American Express
À medida que o número de transações globais virtuais aumenta, a complexidade e a frequência das fraudes também cresce.
Em 2018, a empresa de segurança McAfee estimou que o cibercrime custa anualmente à economia global cerca de US$ 600 bilhões, o que representa 0,8% do PIB global.
Um dos tipos mais comuns de cibercrime é a fraude no cartão de crédito. É para evitar isso que a American Express está usando Machine Learning.
A American Express tem 110 milhões de cartões em operação e mais de US$ 1 trilhão em transações.
Usando big data, análise de dados e algoritmos, a empresa está conseguindo economizar milhões em perdas por fraude ao detectar golpes em tempo real.
Para isso, são utilizadas várias fontes de dados, incluindo informações sobre o dono do cartão, detalhes de gastos e informações do comerciante, para detectar transações suspeitas e tomar uma decisão em milissegundos comparando cada compra com um grande conjunto de dados antes que uma fraude ocorra.
Além disso, a American Express também usa o aprendizado de máquina para prever taxas de inadimplência dos seus clientes e atribuir limites de crédito. Ou seja, é a tecnologia ajudando a evitar perdas e aumentar ganhos.
8) Infervision
A mesma tecnologia de reconhecimento de imagem utilizada pelo Facebook para reconhecimento facial ou pelo Google em pesquisas de imagens) está sendo usada para salvar vidas.
O câncer de pulmão é uma das principais causas de morte na China, matando mais de 600 mil pessoas todos os anos (deve chegar em 700 mil em 2020), principalmente por causa da poluição do ar.
Como o país tem escassez de médicos, especialmente de radiologistas qualificados, examinar milhares de tomografias por dia é demorado, trabalhoso e suscetível a erros.
Esse problema inspirou Chen Kuan, fundador da Infervision, startup de diagnóstico de imagens médicas, a concentrar seu trabalho no aprendizado de máquina e reconhecimento de imagens de medicina.
Para isso, a empresa passou a utilizar os dados potenciais gerados por 1,4 bilhão de exames de radiologia por ano feitos na China e começou a treinar e ensinar seus algoritmos para identificar sinais precoces de câncer de pulmão.
O uso de Machine Learning vem dando certo, trazendo maior produtividade aos radiologistas e um diagnóstico mais preciso e eficaz para os pacientes.
9) Press Association
Um repórter que produz 30 mil notícias por mês para centenas de publicações não é humano, mas, literalmente, um robô. O nome dele, na verdade, dela, porque é uma agência de notícias automatizada, é RADAR, a sigla de Reporters and Data and Robots.
É uma joint venture entre a agência de notícias britânica Press Association e a startup de jornalismo de dados Urbs Media, que foi lançada em 2017 com a ajuda de um financiamento de € 700.000 da Google.
A ideia é que robôs escrevam notícias locais com o uso de tecnologia alimentada por dados do governo, serviços públicos e autoridades locais. Assim, se utiliza de dados e automação para produzir conteúdo em grandes quantidades e com precisão a baixo custo.
Além desse serviço pago por veículos de imprensa e agências, a empresa oferece o RADAR Labs, um serviço, segundo a própria, “para ajudar qualquer organização a aumentar sua produção de conteúdo verificável e de alta qualidade”.
No Brasil, a Google também vai apoiar um projeto com uso de aprendizado de máquina, mas para automatizar o processo de verificação de fatos.
O site jornalístico independente de verificação de fatos “Aos Fatos” foi um dos vencedores do desafio de inovação do Google e vai lançar o Radar Aos Fatos, um monitor de desinformação em tempo real.
O objetivo é desenvolver uma ferramenta de monitoramento de fake news que, com ajuda de Machine Learning, vai fazer diagnósticos sobre conteúdos enganosos nas redes sociais.
Machine Learning: mais presente em nossas vidas do que poderíamos imaginar
Da detecção de fraudes bancárias à identificação de câncer de pulmão; de sugestões precisas de filmes a notícias feitas por robôs; de racionalização no uso de eletricidade à melhor rota de viagem.
Como deu para notar, o Machine Learning é uma tecnologia mais presente em nossas vidas do que poderíamos imaginar, mas também oferece possibilidade que a gente gostaria de contar – seja um carro autônomo ou um software que analisa informações para melhorar nosso próprio negócio.
E tudo isso está mais perto do que a gente poderia imaginar, facilitando e melhorando as nossas vidas.
Vale lembrar que “nos cursos de T.I da Athon (Análise e Desenvolvimentos de Sistemas/Redes de computadores/Engenharia da Computação), estudamos como estruturar os dados e transformá-los em informação com tecnologia. A informação é a nossa maior riqueza, agrega valor, gera conhecimento e sabedoria!”, comenta a professora Andreia.