Latest / Os Agilistas / IA APLICADA #14 - Como automatizar recomendações gerenciais com IA e dados

Transcript

IA APLICADA #14 - Como automatizar recomendações gerenciais com IA e dados · Os Agilistas

• 0:05
  Oi, eu sou Jonathan desenvolvedor na DTI.
• 0:07
  Vou contar como usamos ir a generativa para transformar
• 0:10
  dados brutos de um cliente em recomendações com números
• 0:14
  concreto, eliminando horas de análise manual.
• 0:17
  O desafio era transformar o volume grande de dados
• 0:21
  operacionais em uma leitura realmente acionável para gestão.
• 0:25
  A gente tinha informações de vendas, metas, estoque, entre
• 0:29
  outro. Mas isso ainda exigia cruzar
• 0:31
  Fontes diferentes e muita interpretação manual para virar
• 0:34
  um diagnóstico claro. O problema não era a falta de
• 0:37
  dados, era o contrário. Dashboards com muita informação
• 0:41
  e traduzir isso em o que cada gerente precisa fazer agora,
• 0:45
  exigir esforço manual enorme de analistas.
• 0:48
  A solução foi criar um motor central de a que recebe dados
• 0:51
  estruturados, organiza o contexto e devolve uma análise
• 0:55
  executiva padronizada, já pronta para consumo imediato, em
• 0:58
  formato de relatório. Porque essa solução foi a
• 1:01
  escolhida. Agora, o cliente queria algo que
• 1:04
  chegasse direto na mão do gestor, sem precisar de um
• 1:07
  sistema novo para aprender. E aí um PDF universal abre em
• 1:10
  qualquer dispositivo pode ser encaminhado por e-mail pode ser
• 1:13
  impresso, compartilhado em uma reunião.
• 1:15
  É simples e eficaz. A escolha por esse caminho fez
• 1:17
  sentido, porque, como poc, a gente precisa mostrar valor
• 1:21
  rapidamente, sem depender de uma interface complexa ou de uma
• 1:24
  integração grande. Logo no início, então, o foco
• 1:26
  foi total no motor que realmente produz o valor, que é a análise
• 1:29
  em si. E um bastidor importante foi o
• 1:31
  cuidado com governança. Não bastava gerar um texto bom,
• 1:34
  a gente precisava garantir que a resposta viesse dentro das
• 1:37
  regras do negócio, sem linguagem inadequada, sem extrapolações
• 1:41
  indevidas e sem informações sensíveis.
• 1:44
  Por isso, a implementação incluiu uma tomada específica de
• 1:46
  validação depois da geração da yarra.
• 1:48
  Outro ponto interessante é que o relatório ficou simples de
• 1:51
  propósito. A decisão foi concentrar esforço
• 1:54
  no motor, que realmente produz o valor, para provar rapidamente a
• 1:57
  tese do produto antes de investir em.
• 2:00
  Experiência mais completa a ideia aqui foi validar a
• 2:02
  qualidade do insight antes mesmo de pensar em layout.
• 2:05
  O resultado foi uma solução muito mais padronizada e
• 2:08
  confiável para transformar dado operacional em relatório
• 2:11
  executivo. Antes, a leitura dependia de
• 2:13
  consolidação e interpretação caso a caso e depois passamos a
• 2:18
  ter um fluxo único. Os dados são consumidos, a
• 2:21
  análise é gerada, AAPI faz todo o seu trabalho, valido o
• 2:24
  conteúdo e o material sai pronto no formato esperado, o que
• 2:27
  levava horas para ser consolidado?
• 2:30
  Manualmente, agora é produzido de segundos.
• 2:32
  Antes, o gestor recebia planilhas e precisava ele mesmo
• 2:35
  interpretar os números para entender onde estava em relação
• 2:38
  à meta. Depois, ele recebe um documento
• 2:41
  estruturado com a tabela completa de todos os modelos,
• 2:45
  com destaque visual para os que estão abaixo do esperado, os
• 2:48
  alertas automáticos sinalizando onde é necessário agir e os
• 2:52
  insights em linguagem natural escritos pela IA, explicando o
• 2:56
  comportamento de cada modelo. Um exemplo concreto do impacto é
• 2:59
  muito. Deles, que estavam com o estoque
• 3:01
  baixo, passaram a ser sinalizados proativamente todo
• 3:04
  dia, antes que o problema virasse um caos em algum momento
• 3:07
  do mês. Então, com base no ritmo de
• 3:09
  vendas e no estoque atual, conseguimos prever exatamente o
• 3:12
  impacto que podemos ter se não tiver nenhuma ação imediata.
• 3:16
  Mas talvez o melhor exemplo do impacto seja, com a mesma base
• 3:19
  de dados e a mesma lógica central, a solução consegue sair
• 3:23
  de uma leitura individual para uma visão consolidada, mantendo
• 3:27
  consistência de critério padrão de linguagem e segurança.
• 3:30
  Na resposta, isso reduz variação de interpretação e aumenta a
• 3:34
  confiança no uso do material. Então, resumindo, esse case em
• 3:38
  que AIA não entrou para substituir critério humano, mas
• 3:41
  para acelerar a leitura, padronizar a análise e entregar
• 3:44
  informação útil com mais consistência.
• 3:46
  Fico feliz de ter participado desse projeto.
• 3:48
  Foi um case que combinou engenharia de software,
• 3:51
  inteligência artificial e um problema de negócio real.
• 3:54
  Espero que tenha ficado claro como a ya pode transformar não
• 3:57
  só a velocidade, mas a qualidade da informação que chega na.
• 4:00
  Na mão de quem decide?