Reply is the place to meet an incredible variety of enthusiastic, passionate, ideas-driven people, who want to make a difference and an impact.Would you like to know more?
Data Robotics Lab é um laboratório de inovação desenvolvido pela Reply em colaboração com Bocconi DEVO Lab, um centro de pesquisa focado nas questões de transformação digital na SDA Bocconi School of Management. O laboratório se coloca como um centro de competências que combina a perspectiva e metodologia científica da Business School com a expertise tecnológica da Reply.
O objetivo da colaboração é ser um ponto de referência para a exploração, experimentação e análise das oportunidades de automatização inteligente dos processos de negócios, habilitado pela capacidade cada vez mais avançada das modernas técnicas de Machine Learning. Estas técnicas possibilitam expandir o perímetro de ação das soluções tradicionais de softwares-robôs (a RPA, ou, Robotic Process Automation) para domínios novos e menos estruturados, representando um primeiro passo para o paradigma da Autonomia (sistemas de negócios em que a tecnologia funciona de forma autônoma, realizando uma grande quantidade de atividades essenciais para o funcionamento do órgão corporativo, sem a necessidade de participação específica do indivíduo humano).
O estudo, portanto, concentra-se na perspectiva da Data Robotics no que se refere à Inteligência Artificial e Machine Learning, à estratificação do mercado de soluções de software de Inteligência Artificial, às tecnologias de Inteligência Artificial e ao seu posicionamento em relação às prioridades da empresa (metodologia HIT Radar, desenvolvida pelo DEVO Lab em colaboração com o MIT Design Lab) e, finalmente, ao panorama de aplicativos empresariais de alto impacto habilitados pelas tecnologias de Inteligência Artificial.
Ao aprofundar esses temas, é importante enfatizar a natureza “humana” da Inteligência Artificial. As técnicas de Machine Learning representam um novo paradigma no mundo da computação, de modo que a máquina identifica o programa mais adequado para fornecer um determinado output (dada uma série de “restrições” ou regras), em vez de ter que ser exaustivamente programada para devolver um único output. A flexibilidade do Aprendizado de Máquinas ao elaborar “autonomamente” dados de input é tanto admirada quanto temida, especialmente frente a cenários que veem os aplicativos de Inteligência Artificial cada vez mais próximos a assumir autonomamente decisões que podem ter um impacto direto nos negócios. Porém, de acordo com o Data Robotics Lab, a verdadeira criticidade não deve ser vista no software, mas nos recursos humanos e nos processos que o alimentam. Como um motor de aprendizado que deve ser treinado com os dados da empresa, o Machine Learning refletirá as regras de interpretação dos dados fornecidos por aqueles que alimentam as máquinas com novas informações e as características dos dados aos quais a máquina está exposta.
O resultado são duas considerações gerenciais fundamentais em relação a:
Portanto, se na frente tecnológica a Machine Learning continua a progredir, suportada por técnicas algorítmicas cada vez mais sofisticadas e um poder computacional crescente e dedicado, na frente gerencial é essencial lembrar que: