Antes de falar sobre a aplicação de IA e Analytics para otimização de decisões, é preciso falar sobre como funciona a tomada de decisão, levando em consideração a energia cerebral consumida no processo e o grande volume de informações que temos acesso atualmente. 

Existe uma limitação humana diante do consumo de informação. Seja pela visão, audição ou outros sentidos, o impacto nos ambientes de negócios é gigantesco. Alguns fatores do cenário atual acabam por agravar essa limitação, como:

• Excesso de informações disponíveis; 
• Falta de recursos humanos para analisar os dados;
• Saturação cognitiva pelo excesso de informações;

Mas como podemos lidar com essas dificuldades e ainda assim utilizar informações relevantes e úteis para apoiar as estratégias de negócio? 

Neste artigo, refletiremos sobre o processo de decisão, definiremos seus tipos e vamos analisar como funciona o processamento de uma decisão. Além disso, traremos algumas opções para quando há falta de informações ou quando a capacidade humana não consegue lidar com o excesso de informações disponíveis.

Níveis de Conhecimento

Simplificando, temos um horizonte dos níveis de conhecimentos associados ao valor da informação na tomada de decisão, como demonstrado na figura abaixo:

As formas de tomar decisões

Como funciona o processo de tomada de decisão? Escrito por um dos maiores especialistas do mundo em pensamento estratégico, o livro do Daniel Kahneman “Thinking Fast and Slow”  é uma das melhores referências nesse tema. Nele o autor descreve dois tipos de pensamento envolvidos em processos decisórios que dependem do tipo de decisão a ser tomada. São eles: o rápido e o devagar.

Pensamento Rápido

O sistema de pensamento rápido (Fast Thinking) é inconsciente e automático. O utilizamos todos os dias, e normalmente nem percebemos quando ele é utilizado na tomada de decisão. Acionamos este modelo normalmente em momentos de risco, pane ou crise, como num acidente de trânsito, por exemplo. 

Esse tipo de pensamento é um dos motivos que garantiu nossa sobrevivência até os dias de hoje. Mas, apesar de ser extremamente útil, veloz, o pensamento rápido não permite ser medido e planejado em detalhes. Isso acontece porque não sabemos o que o aciona ou muito menos qual foi o caminho percorrido para a decisão. Elas acontecem de forma instintiva. 

Pensamento Lento

O sistema lento, por outro lado, é consciente e possível de ser mensurado. Esse sistema demanda alto consumo energético e significativo esforço cognitivo para a tomada de decisão. Ele é composto por três formas de decisão, mas não controlamos qual utilizar. São elas:

1. Aleatoriedade: forma aleatória ou criativa  Ou seja, nosso cérebro testa pontos relevantes e irrelevantes. É um processo mais longo e que utiliza muita capacidade criativa. 
2.  Estruturada: é uma estratégia processual. Por exemplo, você chega no guarda roupa, tem várias coisas disponíveis, você já sabe que irá usar calça jeans e camiseta preta mas mesmo assim ainda pensa na programação do dia e analisa fatores como chuva ou se terá algum evento no dia. Desta forma você desvia dos pontos irrelevantes, foca nos relevantes para a decisão.
3. Sistêmica: é a forma analítica. Separando pontos relevantes e simplesmente decidindo.

Sabendo disso, surgem algumas dúvidas: sabemos que quem escolhe o modo como tomamos decisões é o cérebro, mas que critérios ele usa? Ele utiliza vários itens, mas não conseguimos identificar exatamente o porquê ele escolheu A, B ou C em cada forma de decisão. Se controlássemos esse processo, poderíamos direcionar e pensar de maneira mais sistêmica sobre nossas escolhas. Porém, não existe um critério padrão para o cérebro, justamente por sua capacidade criativa. As variáveis mudam em cada processo. 

Apesar de não termos total certeza sobre o modo que o cérebro toma decisões, outros fatores interferem nesse processo, trazendo mais variáveis e complexidade. Um dos fatores é a quantidade de dados e informações disponíveis para a tomada de decisão. Em uma situação em que é preciso tomar decisões com poucas informações disponíveis, é possível que a decisão não leve em conta fatores importantes envolvidos por não abranger todas as possibilidades. Porém, em uma situação com muitas informações disponíveis encontramos outro cenário.

Crescimento do Volume de Dados vs Capacidade Humana 

Com o avanço tecnológico dos meios de comunicação e sistemas de bancos de dados interligados via internet, as informações se tornaram abundantes. 

Repositórios de conhecimento como a Wikipedia baseada no conceito Web 2.0 revolucionaram o mundo das enciclopédias físicas gerando uma democratização do conhecimento tanto no aspecto de criação de conhecimento como em sua disseminação. 

Na visualização a seguir, já apresentada no artigo “Dos Dados à Inovação“,  vale observar o crescimento da complexidade e o valor da informação gerada a partir dos dados. 

Além disso, importantes evoluções computacionais em todos os níveis do gráfico apresentado se conectam a processos de inovação. Essa dinâmica impulsiona melhorias na:

• Captura de dados do mundo real por sistemas de IOT;
• Transferências rápidas via redes 5G;
• Sistemas transacionais e analíticos com maior e melhor capacidade de armazenamento e processamento de datasets;
• Utilização de algoritmos de inteligência artificial (machine learning) para descoberta de ainda mais informações e insights. 

O fato é que a capacidade humana de análise e geração de sentido é limitada. Com a saturação cognitiva causada pelo crescente fluxo de dados e novas tecnologias é importante refletir sobre qual estratégia ou metodologia de dados adotar para apoiar o processo decisório e gerar impactos nos negócios. 

Parálise na tomada de decisão

Quando temos excessos de visualizações e pouca decisão, temos um caso de PARÁlise que é a paralisia decisória por excesso de análise.  

Na imagem a seguir temos um gráfico demonstrando a capacidade de análise de dados ao longo do tempo utilizando sistemas de BI e novas possibilidades de análises quando impulsionadas com tecnologias de IA e Advanced Analytics. 

Essas tecnologias são peça fundamental para acelerar a jornada em tornar empresas orientadas a dados, ou seja, torná-las Data Driven. 

Métodos para a tomada de decisão assertiva

No exemplo citado para o processo decisório da escolha de roupa, pode-se considerar que a variável “previsão do tempo” para uns é relevante, mas talvez para você não seja. E pode ser que você tenha outras que sejam relevantes: pegar ou não roupa extra? Será que após sair do trabalho irei para um happy hour? Se sim, é importante levar uma roupa adequada.

Todos esses inputs chegam ao cérebro, ele absorve tudo, variáveis relevantes e irrelevantes, processa e você toma a decisão. Então significa dizer que mesmo para quem tem duas calças e quatro camisetas escolher roupa pode ser uma decisão complexa? Sim! Essa decisão faz parte da categoria de modelo de pensamento lento. 

Steve Jobs se vestiu de 1999 a 2010 a partir de um guarda roupa super reduzido. Todos os dias ele colocava calça jeans, tênis e camiseta preta. Ele criou um framework (um padrão), pois determinou quais variáveis eram relevantes e automatizou isso. Ele já sabia o que ia colocar, mas isso não significa que ele não pensava sobre. De fato existem pessoas que sistematizam o processo de escolha da roupa. Mas, observe que mesmo para o modelo de pensamento lento é possível fazer uso de abordagens e mecanismos para ganhar escala e agilizar a tomada de decisão.

A falta ou o excesso de informações são problemas que se relacionam aos processos decisórios. Estamos mais acostumados mentalmente a lidar com a falta de informação do que com o seu excesso. Já que intuitivamente conseguimos trabalhar muito bem formas de buscar informação sobre algo e fazer o juízo de relevância a partir de experiências passadas. Porém, quando temos informação demais, as abordagens são mais escassas e demandam métodos científicos. 

IA e Analytics na busca pela relevância da informação 

Uma das formas mais efetivas de trabalhar o excesso de informação é com o uso de técnicas estatísticas para criar amostragens e recortes de dados, simplificando as análises. Dessa forma é possível dar o contexto correto sem perder a possibilidade de identificar padrões.  

Os métodos estatísticos de amostragem de dados são muito eficazes para trabalhar a descoberta de padrões e tendências sem que seja necessário o processamento completo das grandes bases de dados. Entretanto, fica o alerta para não confundir processos de amostragem com processos de recortes de dados.

Neste sentido, apontamos que ferramentas de inteligência artificial (IA) e Data Analytics podem ser usadas de forma estratégica para encontrar atalhos e obter impactos reais na vantagem competitiva ao negócio, seja na redução de riscos, aumento de faturamento e/ou ganho de market share.

Falar no uso de ferramentas de IA e Analytics é compreender que dispositivos eletrônicos são capazes de funcionar de maneira similar ao pensamento humano. A descoberta da relevância da informação também pode ser apoiada por Inteligência Artificial para gerar scores probabilísticos com base em séries históricas. Este apoio pode ser usado tanto para descobrir informações não disponíveis como em análises preditivas e, inclusive, para sintetizar a informação. 

Isso implica perceber variáveis, tomar decisões e resolver problemas. Ou seja, operar em uma lógica que remete ao raciocínio, proporcionando a realização de atividades sem a interferência humana. 

Conclusão – Tomada de decisão

Neste artigo falamos de modelos de pensamentos e formas de tomar decisões. Comparamos o crescimento do volume de informação e as limitações humanas de análise com a aplicação de artifícios científicos para ajudar na falta e/ou excesso de informações, até priorizações para o alcance de decisões ótimas e qualificadas.  

Analisamos como é veloz atingir nossos limites físicos e biológicos como seres humanos ao consumir, processar e analisar a quantidade de informação que temos à nossa disposição a partir das novas tecnologias. 

Vimos que a Inteligência Artificial é um dos principais recursos utilizados nos negócios para uma análise de dados mais precisa, útil e relevante. E recursos de computação avançados são aplicados para identificar padrões e testar cenários para reduzir riscos e aumentar as chances de acerto, qualificando a tomada de decisão. Além disso, também podemos perceber que com a aplicação de filtros adequados sobre os dados, o peso das impressões intuitivas e o esforço cognitivo são reduzidos. 

Na prática, IA e Analytics colaboram com a qualidade de decisões durante o  processamento de grande volume de informações com rapidez e assertividade, proporcionando a evolução do negócio na direção do incremento da maturidade analítica.  

Independentemente do segmento de atuação, uma organização é uma fábrica de decisões. Em geral há muito por se fazer para qualificar o processo de tomada de decisões.

Autores