Com a tecnologia evoluindo a passos largos, você já deve ter pensado em como fazer para que dispensemos uma grande parte do trabalho manual que uma pessoa faz repetidas vezes e fazer com que ela dedique esse tempo à tarefas que exijam mais de seu intelecto, e assim aumentar o faturamento das corporações. Não é mesmo?

Muitas vezes uma empresa pode estar perdendo milhares ou até milhões de reais por não conhecer ou não aplicar soluções que, atualmente estão em alta. E não se trata de modismo, mas de ganhos reais em produção e resultados eficazes em seus processos. Por isso separei algumas aplicações que se utilizam da tecnologia para quem deseja ascender no mercado.

#1- Detecção de spams em seu e-mail

Ao abrir nossa caixa de e-mails, o que vemos instantaneamente são nossos e-mails recebidos, certo? Ok, posso ter certeza de que você, assim como eu, pode “se encontrar” no meio de tantos e-mails que foram recebidos nos últimos 2 ou 5 anos.

Mas não se engane! A cada e-mail que recebemos e caem direto na nossa caixa de entrada, recebemos também dezenas de e-mails vindos de assinaturas nossas em newsletter ou de diversos outros meios que muitas vezes nem temos conhecimento.

Na maioria das vezes, assinamos uma lista só pelo fato de querer baixar um simples e-book, ou mesmo caímos em uma lista pelo fato de “aceitar” receber os e-mails dos parceiros da loja onde estamos comprando um tênis em promoção, ou um novo livro pra atualizar nossa biblioteca física.

Você poderia dizer que não há nada de mais nisso, ou que basta que nós apagássemos os e-mails indesejados toda vez que eles chegassem em nossa caixa de entrada. Ou simplesmente ignorássemos um a um. Garanto que sua caixa de entrada hoje estaria extremamente complicada de ser analisada (visualmente falando): “qual e-mail é útil e qual não é?”.

Por questões como esta a tecnologia nos ajuda, trazendo recursos fantásticos como a famosa aba de “spam” nas nossas caixas de e-mails.

Essa área específica trata-se de uma implementação de machine learning. Isso mesmo! Aprendizado de máquina.

Como acontece?

Há um algoritmo específico para tratar os e-mails que você recebe. Logo que ele detecta palavras ou blocos de texto “suspeitos” de serem spam, o mesmo algoritmo age separando-o e, ao invés de apenas deixá-lo para sua visualização na aba de “e-mails recebidos”, ele trata de classificá-lo como um “spam”. Simples assim!

Então, termos como “oferta imperdível”, ou “compre agora”, ou ainda “ganhe dinheiro online” dentre outros são vítimas de muitos desses algoritmos que propõe reduzir o gigante oceano de lixo que chega à sua caixa de e-mails.

#2- Reconhecimento de voz/texto

“Ok Google Now”

Você provavelmente já ouviu essa frase por aí saindo da boca de usuários do Android, não?

Vale ainda as interações de voz realizadas com as mais famosas assistentes virtuais da Apple (Siri) ou da Microsoft (Cortana).

Tudo bem, mas o que isso tem a ver com machine learning?

Tem absolutamente tudo a ver! Estamos falando de uma aplicação que se utiliza da aprendizagem de máquina para criar interações, verdadeiros diálogos, cada vez mais próximos dos da vida real (entre humanos).

Já se prevê que os assistentes virtuais serão uma grande parcela no mundo dos aplicativos (uns dizem que eles substituirão os apps). Mas essa discussão não entra no caso agora.

O que de fato importa é que isso já está sendo uma realidade cada vez mais presente no dia a dia das pessoas e, como uma aplicação bastante interessante, a Amazon apresenta ao mundo seu assistente: Echo Dot. Talvez você vá conhecê-lo pelo nome “Alexa”, já que a todo momento seus donos, encantados, literalmente falam à ele o que fazer: “Alexa, toque uma música pop” ou “Alexa, será que hoje chove?”. Bacana, não acha?

Como acontece?

O meio usado para essa “mágica” toda acontecer é conhecido como processamento de linguagem natural. Há algoritmos que fazem isso ser possível e aplicável, reconhecendo as palavras e os padrões presentes na língua para que assim possa responder da maneira mais adequada à entrada de voz do usuário.

Além desse reconhecimento, precisa ser destacado um dos fatores pelos quais um bom assistente que reconhece a linguagem natural ganha mais precisão: o treinamento.

Isso mesmo, quanto mais o algoritmo é treinado, mais acertadamente ele responde ao que os usuários solicitam, baseados em entradas de dados anteriores.

#3- Detecção de fraudes em transações com cartão de crédito

Imagine fazer uma compra às 3 da madugada, daquele celular de última geração que está prestes a acabar no estoque da loja com a melhor promoção dentre todos os e-commerces. Pensou?

Continuando: você saca da carteira seu cartão de crédito poderoso, com mais de 2 mil reais de limite e, atenciosamente digita número por número na página de checkout do site…

…agora basta clicar em “Finalizar Pagamento” e pronto. Mas algo dá errado.

O seu cartão acaba de não poder realizar a transação naquela hora. Por que?
Se você entrar em contato com a operadora do seu cartão vai verificar que não há nada de errado, salvo o fato que você tentou comprar algo com o cartão àquelas horas.

Ok, mas e o que isso tem a ver com o nosso ML (Machine Learning)?

Alguma empresa atua no “background” das transações do seu cartão de crédito para que você fique mais seguro e, não caia por exemplo em um golpe aplicado pelos bandidos espalhados por aí.

Lembra que você foi comprar às 3h da manhã? Pois bem, este é um suposto indicativo de que esta compra pode ser uma fraude (eu disse PODE ser). Pelo fato de você não costumar fazer aquisições com seu cartão neste horário, o sistema (algoritmo específico de ML) supõe com alta taxa de certeza que essa movimentação não é lícita. Mas faz isso, digo novamente, para o seu bem!

Como acontece?

Quando você envia seus dados pessoais, junto aos do cartão, e outros que são resgatados pelo próprio site, um algoritmo avalia e calcula a probabilidade de uma compra ser considerada uma fraude ou não, retornando para o checkout um “ok” ou “não deixe esse suspeito comprar isso!”.

A tal suposição vem de dados históricos analisados de transações, para que haja uma classificação mais precisa sobre qual retorno dar à loja. Pode crer que, as taxas de acerto são muito boas e mais ajudam que atrapalham (como esse caso que falamos no exemplo).

Conclusão

Machine learning vem se destacando muito por conta das ferramentas que tem se popularizado, mas especialmente pelo uso aplicado pelas grandes corporações, tais como Facebook, Google, Amazon dentre outras.

Esta é uma excelente oportunidade de negócios e um recurso a mais para a solução de problemas complexos.