A integração da inteligência artificial no BI e na analítica

Desde a popularização de ferramentas de Inteligência Artificial (IA) generativa – como o ChatGPT – que a tecnologia tem desempenhado um papel cada vez mais relevante em várias áreas das organizações. Também no domínio do Business Intelligence (BI) e da analítica a IA tem tido um papel cada vez mais significativo.

Ao capacitar sistemas computacionais a aprender e a gerar dados de forma autónoma, a IA generativa oferece uma nova abordagem para explorar e extrair insights valiosos a partir de conjuntos de dados complexos.

A tecnologia não só pode aprimorar a eficiência na tomada de decisões empresariais, mas também impulsionar a inovação através da criação de novos produtos, serviços e modelos de negócios baseados em dados.

O combustível das organizações

Há mais de dez anos que se ouve que ‘os dados são o novo petróleo’ e, como diz José Oliveira, CEO da BI4All, “o mundo está mais digital e conectado e toda a informação que circula pode ser transformada em conhecimento determinante para as empresas”. Naturalmente, as organizações vão continuar a olhar de perto para a análise de dados, mas, cada vez mais, os sistemas de analítica integram IA e machine learning que “permitem alavancar os benefícios daí resultantes para um próximo nível”.

Encarar a IA numa perspetiva integrada e holística é “crucial”, defende Alexandre Ruas, Executive Director da Claranet Portugal. Para elaborar uma “estratégia moderna e de sucesso”, é necessário “possuir competências em diversos domínios tecnológicos”, como plataformas, governo de dados e geração de insights operacionais ou de negócio que “impulsionem ações concretas”.

Alexandre Ruas relembra que o BI surgiu “com o propósito de recolher e armazenar dados, disponibilizando- os de forma simples”. Atualmente, as tecnologias de BI, em conjunto com a integração de IA, “têm tornado a fase de análise e de tomada de decisão mais autónoma, promovendo ações automatizadas e independentes de intervenção humana”.

	José Oliveira, CEO da BI4All

José Oliveira acredita que 2024 “continuará a ser marcado pela IA generativa” que vai impulsionar “a democratização dos dados e a necessidade de diretrizes mais rigorosas” e relembra que “as empresas necessitam de incorporar a IA generativa nas suas operações de forma a retirar benefícios verdadeiramente transformadores, quer a nível de produtividade, quer de novas oportunidades de negócio”.

A Claranet observa uma tendência de mercado crescente: advanced analytics, em vez do “foco nos dados passados”, designado por descriptive analytics. Ao mesmo tempo, refere, “verifica-se um aumento na adoção de soluções mais intuitivas, com a integração de tecnologias como processamento de linguagem natural, a disponibilização de dados em tempo real e os estímulos a conceitos de self-service”.

Luís Gonçalves, Data Analytics & AI Director da Noesis, destaca que a principal tendência verificada é, “sem dúvida, a utilização de IA como suporte à tomada de decisões de negócio”. Assim, atualmente, “não se analisa um KPI apenas pela sua regra de negócio, mas sim por todo o conhecimento que esse KPI transmite”.

As organizações passaram da “separação que existia entre BI e IA” para a “integração de conceitos, conteúdos e uma utilização de uma framework que engloba todo o ciclo analítico de uma organização”, acrescenta Luís Gonçalves.

IA + BI = maior compreensão

A IA generativa vai expandir as capacidades do business intelligence mais tradicional “através da geração de novos insights”, indica Alexandre Ruas. Espera-se que o resultado seja uma apresentação “mais ampla, completa e natural dos dados” numa “maior personalização” e a “criação de cenários hipotéticos” que vão desafiar “as organizações nas linhas de pensamento crítico”. Ao mesmo tempo, a IA generativa também “irá facilitar a interpretação dos dados, gerando conteúdo numa forma mais percetível, enquadrada e natural”.

Para Luís Gonçalves, a inteligência artificial generativa terá “um papel decisivo” no futuro do BI e analítica em duas vertentes. A primeira, “e talvez a mais importante”, é como forma de “obter respostas sobre os resultados que o BI” dá. A curto/médio prazo, será possível questionar os KPI utilizando linguagem natural. “Imaginemos que quero perceber o porquê de um determinado valor estar inferior a uma determinada baseline; vamos poder questionar os resultados diretamente”, explica.

Depois, continua o Data Analytics & AI Director da Noesis, a IA generativa será “um complemento a esses mesmos resultados. Imaginemos o caso de um modelo de Churn onde se detetam ‘x’ clientes que têm o alto risco de deixar de ser clientes; será muito mais fácil, utilizando IA generativa, criar uma campanha de retenção baseada no perfil desses clientes, não de uma forma genérica”.

Com a capacidade de conseguir analisar grandes conjuntos de dados de forma rápida e eficiente que podem identificar padrões, correlações e tendências que podem passar despercebidas aos analistas, José Oliveira explica que a IA generativa pode “originar tomadas de decisão mais rápidas e fundamentadas, maior eficiência e competitividade”, para além de “automatizar tarefas rotineiras e repetitivas”, o que permite libertar os colaboradores “para atividades mais estratégicas”.

José Oliveira acrescenta, ainda, que, “com algoritmos avançados, a IA generativa consegue fazer previsões mais certeiras e simulações complexas” que são essenciais “para antecipar cenários e apoiar decisões estratégicas baseadas numa compreensão profunda dos dados disponíveis”.

Desafios de adoção

Para Luís Gonçalves, “a IA generativa vem descomplicar”. Até ao aparecimento – ou massificação – da inteligência artificial generativa, um dos “principais receios” das organizações era a necessidade “da criação de centros de competência compostos por data scientists, matemáticos e perfis bastante técnicos, criando um fosso para a componente mais funcional nas organizações”. Já em termos de inteligência artificial, um desafio era “a necessidade de ter um grande volume de dados para treinar modelos, validar e, depois sim, os colocar em produção”.

Na opinião do representante da Noesis, a IA generativa veio, então, “descomplicar todo este processo. Na prática, utilizamos modelos já treinados, com volumetrias de dados bastante elevados”. Assim, “a chave para ultrapassar estes desafios é, sem dúvida, a descomplicação”.

Alexandre Ruas, Executive Director da Claranet Portugal

No entanto, um dos principais desafios enfrentados pelas organizações “continua a ser a qualidade e consistência dos dados”, refere o Executive Director da Claranet Portugal. Numa altura em que o volume de dados gerados continua a aumentar aproximadamente 25% por ano, “o governo de dados desempenha um papel cada vez mais chave no sucesso da implementação de soluções de BI e IA”.

Os modelos de IA generativa, juntamente com a integração de múltiplas fontes, são capazes “de identificar inconsistências e lacunas nos dados, contribuindo para a sua limpeza e preenchimento de informações ausentes de forma automatizada”, acrescenta Alexandre Ruas.

José Oliveira indica que “a implementação de soluções tecnológicas envolve, muitas vezes, a integração de diversas fontes de dados – internas e externas –, o que se revela complexo e demorado”. Assim, a IA generativa pode “ajudar na automação de processos de integração, acelerando a implementação e reduzindo a complexidade”, mas também ajudar “os utilizadores na interpretação dos dados e na criação de análises, diminuindo a dependência de competências especializadas”.

O futuro do BI e analítica

Olhando para a frente, para o que aí vem, Alexandre Ruas afirma que um dos objetivos mais debatidos e ao alcance das organizações é “a integração e incorporação de análises diretamente na camada aplicacional”, ou seja, incluir “insights nas aplicações operacionais ou de negócio” que possibilitam “a tomada de decisões”, seja dos utilizadores ou dos sistemas, “fundamentadas em dados que surgem ao longo dos fluxos normais de trabalho”.

Assumindo que a procura por análises em tempo real vai continuar a crescer, José Oliveira indica que “a IA generativa pode ser usada na geração automática de narrativas de dados, transformando insights complexos em conhecimento acionável” e, ao mesmo tempo, “tornando a comunicação de resultados mais acessível para uma audiência mais ampla”.

	Luís Gonçalves, Data Analytics & AI Director da Noesis

Para Luís Gonçalves, estamos, atualmente, “num momento de viragem” em que as organizações “que não desafiarem e não sejam desafiadas” podem “perder o momentum”. Com o mercado “numa constante evolução”, são diariamente lançadas “novas técnicas, novos modelos, novas metodologias” mais ágeis e flexíveis que suportam o negócio. Se “quando falamos de BI tradicional temos respostas a problemas de negócio”, com a inteligência artificial generativa “passamos a ter forma de questionar essas mesmas respostas, percebendo melhor tendências e evoluções. Passamos, claramente, de uma frase descritiva para uma fase prescritiva”.

Oportunidades (e desafios) no horizonte

O Data Analytics & AI Director da Noesis relembra que existem “dois grandes blocos de desafios que estão a surgir nas organizações”. De um lado, existe um desafio tecnológico de “constante acompanhamento das últimas tendências” que resulta “na necessidade de cada vez mais deixarmos de ter uma visão de silos”, mas sim “uma visão totalmente integrada”. Por outro lado, existe a componente comportamental na adoção de IA generativa numa organização. Assim, é preciso passar pela fase de experimentação e de descoberta para a fase de business as usual. “Se existe uma dúvida sobre um procedimento, uma questão documental ou um KPI de negócio, questiona- se o próprio ecossistema da organização”, afirma.

Para o CEO da BI4All, “automatizar processos, a eficiência operacional e tomar decisões mais rápidas e informadas” são alguns dos benefícios que as soluções tecnológicas trazem às organizações. Com o investimento em “soluções disruptivas e adaptadas às suas necessidades”, as organizações conseguem “proporcionar um atendimento ao consumidor de excelência, personalizar produtos e serviços ao cliente e criar relacionamentos mais significativos”. Assim, “investir em iniciativas de transformação digital permite ganhar agilidade, eficiência e competitividade”.

Alexandre Ruas, da Claranet, acredita que um dos desafios que as empresas continuam a enfrentar, a nível tecnológico, assenta “na gestão de ecossistemas complexos e heterogéneos”, assim como de “arquiteturas que refletem as tendências das épocas passadas”. É necessário garantir “a manutenção, ou mesmo a melhoria, da escalabilidade, consistência, robustez e segurança dos sistemas” para que as organizações aproveitem as tecnologias disponíveis.