O documento apresenta um workshop sobre planejamento de projetos de inteligência artificial (IA) em empresas. Ele discute conceitos básicos de IA e machine learning, apresenta estudos de caso e um processo de consultoria para desenvolvimento de um modelo cognitivo (Cognitive Model) que detalha iniciativas de IA para uma organização. O documento fornece um formulário preliminar e explica como preencher um Cognitive Model completo, com objetivos, componentes, entregas e métricas de um projeto de IA.
3. O que vamos ver
1) Introdução à Inteligência Artificial (IA)
2) Estudos de Caso de IA Aplicada à Negócios
3) Estudos de casos para aprendizado do COGNITIVE MODEL
4) O FORMULÁRIO Preliminar
5) O COGNITIVE MODEL Detalhado
6) GAMIFICATION Teste de conhecimento
7) DESAFIO de planejamento
5. Introdução a Inteligência Artificial
O que é cognitivo?
Cognitivo é uma expressão que está relacionada com o processo de aquisição de
conhecimento (cognição). A cognição envolve fatores diversos como o pensamento, a
linguagem, a percepção, a memória, o raciocínio etc., que fazem parte do
desenvolvimento intelectual.
6. Introdução a Inteligência Artificial
O QUE É INTELIGÊNCIA ARTIFICIAL?
Em síntese, é a capacidade de fazer com que os sistemas computacionais
façam coisas que as pessoas fazem, que requerem inteligência humana,
tais como reconhecimento de fala e de imagens.
7. Introdução a Inteligência Artificial
O PODER DA INTELIGÊNCIA ARTIFICIAL
transformar texto em voz
transformar voz em texto
traduzir línguas
entender linguagem natural
reconhecer rostos
tomar decisão
aprender
prever
8. Introdução a Inteligência Artificial
1950
TESTE DE TURING
O cientista alemão Alan
Turing propõe o teste sobre
o critério para identificar o
nível de inteligência da
maquina.
DEFINIÇÃO
O termo Inteligência Artificial
foi cunhado pela primeira
vez como ciência e
engenharia da produção de
maquina inteligente.
1955
NA PRÁTICA
O primeiro robô industrial
começou a trabalhar na linha
de produção da General
Motors.
1961 1964
ELISA
Chatbot pioneiro
desenvolvido no MIT realiza
"conversa"com humanos.
1966
SHAKEY
Em Stanford, foi criado o
primeiro robô móvel
controlado por inteligência
artificial
INVERNO
INVERNO DA IA
Projetos fracassados e
frustações criaram um
período de retração do
interesse pela inteligência
artificial
1997
DEEP BLUE
O IBM Deep Blue bate o
campeão mundial de xadrez.
é o primeiro programa de
xadrez de computador a
fazer isso.
1998
KISMET
MIT constroi o primeiro robô
a reconhecer e simular uma
emoção humana.
9. Introdução a Inteligência Artificial
1999
AIBO
A Sony lança o primeiro
cachorro-robô que, baseado
em IA, é capaz de
desenvolver habilidades.
ROOMBA
Primeiro robô autônomo de
limpeza, aprende rotinas de
navegação para limpar
ambientes.
2002
SIRI
A Apple integra o assistente
virtual Siri ao Iphone 4s, com
capacidade de integração de
usuario por voz
2011 2011
WATSON
O computador da IBM
especializado vence o
popular programa de
pergunta e respostas
Jeopard
2014
EUGENE
Eugene Coostman, um
chatbot passa pelo teste de
Turing, ao convencer um
grupo de juízes que seria
humano
2014
ALEXA
Amazon lança o Alexa,
assistente virtual com voz,
que auxilia os consumidores
em atividades de compra
2016
TAY
O chatbot Tay da Microsot,
cria polêmica ao fazer
comentários
preconceituosos e ofensívos
na rede
2017
ALPHAGO
A Inteligência artificial da
Google vence o campeão do
jogo de estratégia GO,
reconhecido pela sua
elevada complexidade.
10. Introdução a Inteligência Artificial
Machine Learning(ML)?
Sistemas computacionais com capacidade de aprender e prever,
com base em uso e em utilização de dados. ML é um subitem da
Inteligência Artificial.
Objetivo: Encontrar previsões sobre alguns objeto(input) que
gerem saídas(output). Tendo no modelo encontrado a busca por
correlações/relacionamentos entre IN e OUT para prever situações
no futuro.
11. Introdução a Inteligência Artificial
Machine Learning(ML)?
Os modelos de ML podem ser Supervisionados, Não-Supervisionados e
por Reforço.
Supervisionado: Sabemos o que tentamos prever (Classificação,
regressão, ranking)
Não Supervisionado: Não sabemos bem o que tentamos prever
(Clusterização , segmentação)
Por Reforço: Tentativa e erro (Processo de decisão, Sistema de
recompensa) – Muito usado em jogos.
12. Introdução a Inteligência Artificial
Deep Learning
Machine Learning com camadas especializadas onde saída de dados de
uma camada é a entrada de dados para outra, em forma de rede neural.
A especialização de cada camada pode aumentar a velocidade e
assertividade.
13. Introdução a Inteligência Artificial
Computação Cognitiva
Computação que provê informações para ajudar as pessoas a decidirem.
Aprende, adapta, explora, avalia e gera hipóteses
14. Introdução a Inteligência Artificial
Algoritmos
Sequência de instruções finitas para realizar alguma tarefa. Na forma de
códigos de programação é processado por computadores ou
equipamentos.
23. Processo Consultivo
Projetos Cognitivos
Um processo de consultoria para levantamento dos projetos
cognitivos para uma empresa exige uma visão de longo prazo,
entendendo a empresa hoje (as is) e aonde ela quer ou pode
chegar (to be), além de uma visão de curto prazo que aborda o que
pode ser desenvolvido e implantado em curto prazo com a
inteligência artificial.
24. Processo Consultivo
Transformação Digital
A transformação digital de uma organização exige a visão de longo
prazo, do que ocorrerá com o setor com as inovações e tecnologias
futuras, mas não pode apenas apontar tecnologias distantes ainda
no tempo, é necessário identificar os passos importantes a serem
trilhados agora, visando este futuro a ser construído.
25. Processo Consultivo
Passo a Passo
01 Entendimento da Empresa/ Modelo de Negócios (BT MODEL)
02 Alinhamento com as pessoas chaves nas áreas a serem trabalhadas
03 Entrevistas e levantamento de problemas atuais, necessidades atuais e
futuras, oportunidades e riscos
04 Identificação do nível de maturidade em IA da empresa e departamentos
05 Definição da estratégia a ser usada no COGNTIVE MODEL
06 Preenchimento do Formulário PRELIMINAR
26. Processo Consultivo
Passo a Passo
07 Preenchimento do COGNTIVE MODEL com detalhamento
08 Identificação dos projetos mais importantes para a organização
09 Mapa final de priorização de projetos
10 Aprovação/Execução
11 Sprints
12 Entregas
28. Formulário Preliminar
A fase preliminar do desenvolvimento de investimentos em IA prioriza os
dados mais gerais sobre o projeto, necessários para a visão da demanda
existente.
É importante para atuar sobre o caso de uso com foco no negócio, sem se
preocupar com detalhamento de API ́s e tecnologias de IA.
29. Formulário Preliminar
Por exemplo, ao invés de ter que identificar uma API específica de
reconhecimento de imagens (API Rekognition, por exemplo), basta
informar a função cognitiva que se deseja para o caso de uso:
“Reconhecer imagens”. Não é necessário também descrever
treinamentos e os custos serão estimados de uma forma mais macro,
condizente com o momento inicial de levantamentos.
30. Formulário Preliminar
01 Clientes/Stakeholders Para quem estamos criando valor?
02 Casos de uso Qual caso de uso será analisado?
03 Valor principal Que valor entregamos aos nossos
clientes? Eles são externos ou
internos?
04 Engajamento Qual a capacidade cognitiva será
usada para interagir com nosso
cliente?
05 Funções Cognitivas Quais as funções cognitivas para o
projeto? Como: conversação ou
reconhecer imagens
31. Formulário Preliminar
06 Dados Quais os principais dados para o projeto? Quais
integrações com sistemas são necessárias?
Algum database?
07 Ecossistema e
Tecnologia
Quem são os principais parceiros e tecnologias?
08 Volumetria Quais as estimativas de volumes das funções
cognitivas são esperadas para o projeto?
09 Custo do projeto Qual a estimativa de custo macro do projeto?
10 Custo Mensal Qual estimativa de custo mensal do projeto?
11 Receita/ROI Por que valor os clientes estão dispostos a pagar?
Ou qual o ROI esperado?
33. Formulário Preliminar - Assistente de
impressora com IA
O Projeto visa clientes no mundo todo e para tal o engajamento será por
voz e multilínguas com um bot por voz.
As funções cognitivas básicas para este projeto envolve a conversação,
tradução, conversão de texto para fala (impressora falando) e de fala
para texto (cliente humano conversando com a máquina) e uma
classificação do assunto para identificar tópicos no manual.
34. Formulário Preliminar - Assistente de
impressora com IA
Será preciso ter acesso aos bancos de dados com manual da impressora e
ao local onde estão armazenadas as conversas (API - cloud).
O projeto foi desenvolvido com apoio de um parceiro em IA o que gerou
alguns custos iniciais para o desenvolvimento e treinamento, mas o
consumo mensal já depende da volumetria que vem da previsão de
clientes nos próximos anos e seu uso.
Espera-se um retorno bom no projeto devido ao valor que ele entrega ao
cliente e à própria empresa.
35. Formulário Preliminar - Assistente de
impressora com IA
01 Clientes/Stakeholders Clientes no mundo
02 Casos de uso Voicebot de interface com cliente para instalação,
operação e dúvidas(manual).
03 Valor principal Acessibilidade: Melhoria na interação com o
equipamento - Redução de custos com manuais e
serviços de suporte
04 Engajamento Voz - Multilínguas
05 Funções Cognitivas Conversação - Entendimento de linguagem natural -
Tradutor de línguas - Texto para fala - Fala para texto
36. Formulário Preliminar
06 Dados 8D de conversações - Manual da impressora
07 Ecossistema e
Tecnologia
Parceiro de tecnologia de IA
08 Volumetria Número de interaçõe médias por mês
09 Custo do projeto Custo de desenvolvimento $ - Custos de
treinamento $
10 Custo Mensal Estimativa: consumo médio mensal $
11 Receita/ROI Novas receitas(vendas) advindas do marketing
sobre inovação $ - ROI $
38. COGNTIVE MODEL
Chegamos agora ao COGNTIVE MODEL propriamente dito.
A visão apresentada por ele é mais especializada que a visão preliminar,
já identificando os parceiros, suas API ́s e ML ́s, as tecnologias que serão
necessárias aos projetos, uma estimativa de treinamentos necessários e,
mais importante, todos os itens podem ser mais detalhados nesta fase,
mesmo os custos, receitas, ROI, etc.
40. -BPMN - Link, Mensagem e sinal
COGNITIVE MODEL
Objetivo do
projeto de IA
Iniciativas do
projeto de IA
Componentes
do projeto de IA
Sprints do
projeto de IA
Entregas do
projeto de IA
41. -BPMN - Link, Mensagem e sinal
OBJETIVO
Qual objetivo
quer alcançar
com seu
projeto de IA
Cognitive Model
42. -BPMN - Link, Mensagem e sinal
O QUE?
Qual objetivo
quer alcançar
com seu
projeto de IA
Cognitive Model
O que pretende
fazer para
realizar seu
objetivo
43. -BPMN - Link, Mensagem e sinal
O QUE?
Qual objetivo
quer alcançar
com seu
projeto de IA
Cognitive Model
O que pretende
fazer para
realizar seu
objetivo
Quem vai se
beneficiar
com seu
projeto de IA
44. -BPMN - Link, Mensagem e sinal
O QUE?
Qual objetivo
quer alcançar
com seu
projeto de IA
Cognitive Model
O que pretende
fazer para
realizar seu
objetivo
Quem vai se
beneficiar
com seu
projeto de IA Como vou
beneficiar
meu cliente
45. -BPMN - Link, Mensagem e sinal
O QUE?
Qual objetivo
quer alcançar
com seu
projeto de IA
Cognitive Model
O que pretende
fazer para
realizar seu
objetivo
Quem vai se
beneficiar
com seu
projeto de IA Como vou
beneficiar
meu cliente
Quanto vou
gastar/investir e
monetizar com
o projeto de IA
46. -BPMN - Link, Mensagem e sinal
1 - CLIENTES
Cognitive Model
O primeiro passo consiste em entender a quem estamos atendendo. Quem se
beneficiará com as inovações geradas pelos casos de uso com IA?
Seja um cliente externo ou uma área interna da empresa (stakeholder).
Importante agrupá-los por segmentos ou nichos.
Algumas perguntas básicas a se fazer nesta etapa:
• Para quem as soluções serão entregues?
• Quais segmentos, nichos ou tipos de clientes?
• Quais áreas internas da empresa?
• Quais stakeholders serão beneficiados com o valor entregue?
47. -BPMN - Link, Mensagem e sinal
1 - CLIENTES
Cognitive Model
STACKHOLDER DESCRIÇÃO
Cliente Varejo Empresas de varejo na região nordeste
Área de RH Área interna de gestão de pessoas
Área de
engenharia
Área interna de engenharia
Governo Governo Federal
Segmento de TI Empresas do segmento de TI
48. -BPMN - Link, Mensagem e sinal
2 - CASOS DE USO
Cognitive Model
Qual o caso de uso iremos representar? Qual a ideia
cognitiva para nosso cliente/stakeholder? Quais funcionalidades
estamos propondo ao cliente?
• Qual problema/”dor” estamos ajudando a resolver?
• Qual a necessidade do cliente?
• A descrição pode ser mais ampla (genérica) ou
específica, depende da facilidade de representação e se as
soluções propostas contemplam todos os casos.?
49. -BPMN - Link, Mensagem e sinal
2 - CASOS DE USO
Cognitive Model
CASO DESCRIÇÃO
Responder cliente
via chatbot
Responder ao cliente sobre duvidas de produtos
da empresa
Reconhecer
rostos na loja
Reconhecimento facial de clientes
Prever melhor
momento de
reposição de
estoque
Uso de Machine Learning para identificar
demanda x oferta e prever necessidade de
compras
Efetuar
atendimento de
Help Desk
Otimizar a classificação dos chamados e
responder conforme base de conhecimento
50. -BPMN - Link, Mensagem e sinal
3 - VALOR PRINCIPAL
Cognitive Model
O valor principal retrata o benefício do projeto
Cognitivo no caso de uso em estudo para a empresa ou
seus clientes. Algumas pesquisas sobre benefícios da IA
aparecem itens como: Ganho de produtividade, ganho de
competitividade, agilidade na tomada de decisão, redução
de custos, melhoria operacional, inteligência nos
negócios, etc.
• Que valor (benefício) principal a solução
entregará?
• Que necessidades estamos satisfazendo?
• Quais razões para adotar IA?
51. -BPMN - Link, Mensagem e sinal
3 - VALOR PRINCIPAL
Cognitive Model
TIPO DESCRIÇÃO
Estratégico Obter ou sustentar vantagem competitiva
Novidade Satisfaz um conjunto novo de necessidades -
Inovação
Desempenho Melhorar o desempenho de produtos e serviços -
Produtividade
Personalização Adequar produtos ou serviços às necessidades
específicas de clientes ou segmentos.
"Fazendo o que
deve ser feito"
Ajudar a clientes a executar seus serviços (foco
no "core business"
52. -BPMN - Link, Mensagem e sinal
3 - VALOR PRINCIPAL
Cognitive Model
TIPO DESCRIÇÃO
Preço Oferecer valores similares por preço menor
Redução de
custos
Ajudar clientes a reduzir custos
Redução de
riscos
Garantia oferecida, nível de serviço, etc
Novo Business Entrada em novo negócio ou mercados
Acessibilidade Tornar produtos e serviços acessíveis aos clientes
53. -BPMN - Link, Mensagem e sinal
3 - VALOR PRINCIPAL
Cognitive Model
TIPO DESCRIÇÃO
Conveniência e
usabilidade
Deixar produtos mais convenientes e fáceis de
utilizar
Tomada de
decisão
Agilidade na tomada de decisão
Conectar pessoas Descobrir padrões de comportamento e
informação e conectá-los
Roteamento Localizar o melhor caminho através de
parâmetros estruturados e não estruturados
Predição Propor novas idéias, produtos e serviços
baseados em BigData.
54. -BPMN - Link, Mensagem e sinal
4 - ENGAJAMENTO
Cognitive Model
Engajamento é a primeira camada de IA.
Nessa camada, as funções cognitivas humanas são reproduzidas
pela IA, tais como conversação, tradução e processamento de
linguagem natural. Esta interface facilitada melhora a interação
humana.
Como nossos clientes (interno ou externo) serão contatados?
Canais podem ser de: chat, voz, email, redes sociais, etc
Qual ou quais línguas serão utilizadas?
A ação será ativa, passiva ou ambos?
55. -BPMN - Link, Mensagem e sinal
4 - ENGAJAMENTO
Cognitive Model
TIPO AÇÃO LÍNGUA
Chat Ativo Português
Voz Passivo Inglês
Email Ativo e passivo Espanhol
Redes
sociais
Ativo Português
Mobile Ativo. Português
56. -BPMN - Link, Mensagem e sinal
4 - ENGAJAMENTO
Cognitive Model
TIPO AÇÃO LÍNGUA
Página na
web
Passivo Multilinguas
App Ativo Inglês
57. -BPMN - Link, Mensagem e sinal
5 - ASSISTENTES
Cognitive Model
Que tipo de assistente é exigido?
Criaremos um nome para personalizar o engajamento?
Um bot que pode ficar famoso internamente ou
externamente?
• Especialista? Generalista?
• Soluções prontas ou a serem desenvolvidas?
• Qual nome será usado?
58. -BPMN - Link, Mensagem e sinal
5 - ASSISTENTES
Cognitive Model
TIPO ABRANGÊNCIA SOLUÇÃO
Assistência pessoal
automatizada
Especialista em vendas Virtual Agent
Assistência pessoal
automatizada
Especialista em
marketing
Agente de Marketing
Self- Service Dúvidas sobre
produtos
Chatbot - Leo
Assistência pessoal
automatizada
Dúvidas sobre folha de
pagamento
Voicebot - Aline
59. -BPMN - Link, Mensagem e sinal
6 - ECOSSISTEMA E TECNOLOGIA
Cognitive Model
A relação com empresas e tecnologias de IA pode se
tornar extremamente estratégica para o negócio cognitivo.
Uma parceria ou tecnologia errada pode prejudicar longos
esforços de treinamento e inviabilizar o projeto.
Um parceiro em tecnologia cognitiva pode ser para toda a
vida.
Quem são nossos parceiros principais?
Com quais fornecedores de tecnologias vamos terceirizar
serviços ou produtos?
60. -BPMN - Link, Mensagem e sinal
6 - ECOSSISTEMA E TECNOLOGIA
Cognitive Model
ECOSSISTEMA/TECNOLOGIA DESCRIÇÃO DO RECURSO
Empresa IBM Plataforma CLOUD de IA
Fornecedor de CHAT Para Chatbot
Psicólogos Parceria para desenvolver o
treinamento
Empresa AMAZON API's de IA e BD em CLOUD +
Lambda
61. -BPMN - Link, Mensagem e sinal
6 - ECOSSISTEMA E TECNOLOGIA
Cognitive Model
MOTIVAÇÃO PARA PARCERIA DESCRIÇÃO
Otimização e economia de
escala
Otimizar a alocação de recursos e
atividades
Redução de riscos e
incertezas
Ajudar a reduzir riscos de
incertezas do ambiente
competitivo
Especialização em
desenvolvimento
Desenvolver soluções nas
tecnologias necessárias ao
projeto
Para cada membro do ecossistema ou tecnologia vale descrever os
motivos.
62. -BPMN - Link, Mensagem e sinal
7 - APLICAÇÕES "APIs e MLS"
Cognitive Model
Atualmente as tecnologias de IA estão disponíveis
por diversos players em CLOUD, acessadas
através de API ́s que podem ser chamadas por
aplicações locais a qualquer momento. A depender
das funções cognitivas as API ́s e tecnologias de
ML e Deep Learning devem ser identificadas aqui.
Que aplicações serão utilizadas ?
Quais API ́s serão utilizadas durante todo o ciclo da
solução?
Quais modelos de ML serão utilizados?
Quais plataformas ou frameworks de ML ou Deep
Learning?
63. -BPMN - Link, Mensagem e sinal
7 - APLICAÇÕES "APIs e MLS"
Cognitive Model
NOME DETALHE
WKS - Watson Knowledge
Studio
iBM
API Lex Amazon
API Translation Google
ML não supervisionado Nível preliminar, tecnologia ainda não
definida, mas sabe-se que haverá
necessidade de ML não
supervisonado
64. -BPMN - Link, Mensagem e sinal
7 - APLICAÇÕES "APIs e MLS"
Cognitive Model
NOME DETALHE
ML Supervisionado Nível preliminar, tecnologia ainda não
definida, mas sabe-se que haverá
necessidade de ML supervisionado
Framework e ML -
Tensortflow
Open Source - Comunidade
Plataforma de ML AZURE Microsoft
65. -BPMN - Link, Mensagem e sinal
8 - DADOS E INTEGRAÇÃO
Cognitive Model
Projetos cognitivos devem exigir acesso a dados e
integrações com sistemas legado. Machine Learning
principalmente trabalha sobre dados e até Big data. Estas
integrações podem gerar custos no projeto e a falta delas
pode inviabilizar o negócio. Uma empresa que objetiva atuar
no mundo cognitivo deve ter uma estratégia para adquirir
dados e armazená-los. Seja em cloud, em um Datalake ou
Datawarehouse como armazenamento, mas com foco em
quais informações ela precisa para seus projetos.
Quais bancos de dados serão usados e integrados?
Soluções de terceiros? Legado?
Qual o % de disponibilidade destes dados?
100%...50%...Dados estão estruturados? Existe dados não
estruturados?
66. -BPMN - Link, Mensagem e sinal
8 - DADOS E INTEGRAÇÃO
Cognitive Model
TIPO DETALHE
SQL - BD BD ORACLE - 100% disponível
Legado Dados do cliente
Facebook Dados do cliente
Gravação de áudios Não estruturados - integrados em
batch
Banco de fotos Não estruturados
ERP SAP 100% disponível - integração ativa
67. -BPMN - Link, Mensagem e sinal
9 - TREINAMENTO
Cognitive Model
BBoa parte dos projetos cognitivos pode exigir certo grau de treinamento.
Algumas soluções já são previamente treinadas por players que as oferecem,
outras necessitam treinamento do zero junto a cliente para determinado caso de
uso. Quando houver clareza em relação à volumetria e tecnologias, devemos já
inserir carga de horas como esforço de treinamentos. Mas em casos iniciais,
preliminares, ou quando não for possível identificar o esforço, apenas citar as Api ́
s e tecnologias que necessitarão de treinamento.
informação sobre necessidade de treinamento pode ser refinada com ciclos
espirais durante uma consultoria/projeto. Em um primeiro ciclo talvez apenas
existirá informações de quais aplicações requerem treinamento e, após outros
ciclos, vir a ser definido uma quantidade de horas para tal.
Qual a necessidade de treinamento para o projeto?
Qual a necessidade em horas das equipes internas e externas?
Qual a necessidade de treinamento após implantação? Decrescente (Muito no
início e cai com o tempo?) ou pontual (Apenas para o projeto inicial) ou frequente
(Mantém treinamento durante o ciclo de vida do projeto, etc.
Quem deve participar dos treinamentos? Quais áreas, funções, equipes internas
ou externas, etc.
68. -BPMN - Link, Mensagem e sinal
9 - TREINAMENTO
Cognitive Model
TIPO DE
TREINAMENTO
DESCRIÇÃO RECURSOS ESFORÇO
Fala Reforço em
reconhecimento de
voz
Linguística e
empresa
fornecedora
Decrescente
Imagens - ML Enviar imagens
positivas e
negativas e avaliar
resultado para
treinar o ML
Equipe de
DPTO de
negócio e TI
Decrescente
Dados - ML Análise de dados e
validação de
modelos de ML
Cientista de
dados
Pontual
69. -BPMN - Link, Mensagem e sinal
9 - TREINAMENTO
Cognitive Model
TIPO DE
TREINAMENTO
DESCRIÇÃO RECURSOS ESFORÇO
Conversação Treinamento inicial
dos diálogos
Linguística e
DPTO cliente
Pontual
Conversação Treinamento dos
erros após uso do
modelo
Linguística e
DPTO cliente
Frequente
70. -BPMN - Link, Mensagem e sinal
10 - VOLUMETRIA
Cognitive Model
Importante item para definir custos e até receitas de
alguns projetos. Para cada API ou aplicação a necessidade
de informações de volumes pode variar, desde chamadas
às API`s em si, até minutos de gravações ou volume em
Bytes. Depende portanto das API ́s e aplicações a serem
utilizadas no projeto.
• Qual o consumo médio mensal das Api ́s?
• Qual o consumo das soluções?
• Qual o volume de chamadas?
• Qual o volume de dados gravados?
• Qual o número de usuários?
71. -BPMN - Link, Mensagem e sinal
10 - VOLUMETRIA
Cognitive Model
TIPO DESCRIÇÃO VOLUME (Ex.)
Chamadas à API Chamada à API no
CLOUD
1.000.000
chamadas
Número de
acessos
Número de clientes
acessando
X mil por mês
Quantidade de
dados (bytes)
MB de dados a serem
tratados
X MB por dia
Tempo de
gravação de voz
Voz a ser transcrita 500 min por mês
72. -BPMN - Link, Mensagem e sinal
11 - CUSTO DO PROJETO
Cognitive Model
Projetos devem envolver custos fixos iniciais, seja de
contratação de parceiros, seja de horas de trabalho de
profissionais internos à organização. Implantação,
treinamento, customizações, integrações,
desenvolvimentos e aquisição de softwares são alguns
custos iniciais possíveis.
• Quais são os custos mais importantes do projeto?
• Que recursos principais são mais caros?
• Quanto será investido até a entrega?
• Qual o custo de implantação? E do Treinamento inicial?
73. -BPMN - Link, Mensagem e sinal
11 - CUSTO DO PROJETO
Cognitive Model
TIPO DESCRIÇÃO VALORES
Implantação Implantação da solução R$
Software de ML Contratação
anual/licenças
R$
Desenvolvimento Desenvolvimento da
solução
R$
Treinamento Treinamento da fase
inicial cognitiva da
aplicação
R$
74. -BPMN - Link, Mensagem e sinal
12 - CUSTOS RECORRENTES
Cognitive Model
Mensalmente o projeto terá custos recorrentes com
consumo de API ́s cognitivas, seja conversação ou leitura
de textos ou reconhecer imagens e também o consumo de
plataformas de ML. Estes custos são medidos pela
VOLUMETRIA apontada no COGNITIVE MODEL.
• Quais são os custos médios mensais do consumo das
API ́s?
• Custos recorrentes das ferramentas e plataformas?
• Custos por usuários?
75. -BPMN - Link, Mensagem e sinal
12 - CUSTOS RECORRENTES
Cognitive Model
TIPO DESCRIÇÃO VALORES
API Visual
recognition
Contratação mensal R$
Consultoria
Machine Learning
Ajustes mensais nos
modelos
R$
Aplicação de
treinamento
Custos por usuários R$
76. -BPMN - Link, Mensagem e sinal
13 - RECEITAS ROI
Cognitive Model
Em se tratando de um caso de uso na empresa, foco
interno, busca-se entender o ROI. Para produtos ou
serviços pode-se avaliar a Receita prevista com a
inovação. Ambas as informações são estimativas iniciais,
a depender do projeto, que são refinadas posteriormente.
• Quais valores nossos clientes estão realmente dispostos
a pagar?
• Qual o retorno sobre o investimento?
• Qual a previsão de receita?
77. -BPMN - Link, Mensagem e sinal
13 - RECEITAS ROI
Cognitive Model
TIPO DESCRIÇÃO VALORES
Recorrente Uso da aplicação
mensal
R$
Fixa Consultoria na aplicação R$
ROI Retorno no uso da
solução
R$
79. Cognitive Model
IBM
WATSON
WIX
ROBÔCHAT
ROBÔVOZ
NLC
IMPLANTAÇÃO
TREINAMENTO
DESENVOLVIMENTO
PESSOAL
TECNOLOGIAS SPEECH
TO
TEXT
CONVERSAÇÃO
TEXT TOSPEECH
IBM
WATSONASSISTENT
ARQ
UIVO
S
DE
VO
Z
DADOSDO
CHAT
BD2
BDI
W
IX
CHAT
API'S (I)
API'S (2)
API'S (3)
Y ANÁLISE
N CONTATOS
N
CHAM
ADO
S
Z
G
B
X
M
odelos
R$
Maiorfacilidadede
acessopeloXPER
MENTOR
Acessoametodologia
XPERStrategy
Innovation
Atendimento
individualaofuturo
licenciado
Aumento das vendas
de licenciamentos
CHATBOT
VOICEBOT
ESPECIALISTAS
BOT DE
ATENDIMENTO
PERSONALIZAR
A
CONVERSA
COM
O
CLIENTE
E
XPERS
RETIRAR
CONHECIMENTO
DAS
INTERAÇÕES
COM
CLIENTES
REDE
SOCIAL
CHAT
VOZ
CLIENTES
PROSPECTS
PROJETO CRESCIMENTO CORPORATIVO
COM IA
Neste exemplo a empresa aplica o IA para ampliar os
canais de relacionamento com clientes licenciados e
clientes prospects, com objetivo de crescer as vendas,
ampliar o marketshare da XPER e dar suporte aos
profissionais e empresas licenciadas
XPERMENTORS
EMPRESAS
LICENCIADAS
DESENVOLVEDORES
80. Cognitive Model
TELECOM
GPS
PLATFORMA
DE IA
MODELO
DE
ML
PARA PREVISÃO
DE
ÁREAS
DE
RISCO
PROJETO R$
SUPORTE
API LEX
AMAZONSAGEMAKER ML
DADOSDE
LOCALIZAÇÃOE
RISCOSGERADOS
PORDIA
BD
DAPOLIICIA,COM
DADOS
DE
OCORRÊNCIAS
ARMAZENAMENTO
DO ML SAGEMAKER
R$
INSTÂNCIAS E
PROCESAMENTO DO
SAGEMAKER R$
API'S R$
NX MIL CONSULTAS
/MÊS
X
M
IL
HORAS
DE
TREINAM
ENTO
E
PROCESSAM
ENTO
R$
AUMENTARA
EFETIVIDADEDE
AÇÃOPREVENTIVA
AREDUZIROSRISCOSDESEEXPORAUMASSALTO
XERIFE
-ASSISTENTE
AO
CIDADÃO
SOBRE
AREAS
PERIGOSAS
(AP)
XERIFE MASTER
- ASSISTENTE
AO
POLICIAL SOBRE AP
PREVER
ASSALTOS
NAS
RUAS
DE
NEW
YORK
APLICAÇÃO
W
EB
CHATBOT
MOBILEGPS
SOCIEDADE
PROJETO CIDADE MAIS SEGURA
Neste exemplo o cidadão informa no dia a dia, através
de APP/chatbot, ocorrências ou locais suspeitos. Estes
dados são inseridos no BD da polícia com ocorrências
anteriores. O modelo de ML identifica áreas de risco em
dias e horas específicas, podendo direcionar policiais
para estas áreas e avisando ao cidadão sobre sua
entrada em um area de risco
APP PARA COLETA DE
OOCORRÊNCIAS
COM GPS
GOOGLE
MAPS
AMAZON - ML
POLICIA
81. Cognitive Model
PLATAFORMAATUAL DO
UBER
TELECOM /
WIFI
ML EM
PHYTON
PARA PRECIFICAÇÃO
POR
DEMANDA Y
HORAS
IMPLANTAÇÃO
TREINAMENTO
API
CONVERSATION
API SPEECHTO TEXT
DADOSDEUSO
(OFERTAXDEMANDA)
DADOS
DA
PLATAFORMAUBER
API's mensal
X
M
IL
CHAM
ADAS
/M
ÊS
AUMENTODE
X%DE
RECEITAR$
REDUÇÃODERISCOPARA
MOTORISTA
AUMENTODARECEITAPARAUBER
UBER
-ASSISTENTE
PARA
CHAMR
POR
VOZ
UBER ASSISTENTE PARA
MOTORISTA
BOT PARA FACILITAR
CHAMADO DO UBER
PARA O USUARIO
VOICEBOT
APP
USUÁRIOS
PROJETO UBER FACIL
Este modelo exige a presença dos dois grupos para
funcionar, como por exemplo o caso do UBER, que
precisa tanto dos motoristas (cliente 1) como de
usuários (cliente 2). O custo de aquisição e marketing
para 2 tipos de clientes exige muito mais destes tipos de
projetos, porém, ao firmar um volume razoável deles, a
plataforma tende a crescer continuamente com efeito
rede.
SMARTPHONES
IBM
MOTIORISTAS
PYTHON
API TEXT TOSPEECH
PYTHON
PRECIFICAÇÃO
POR DEMANDA
API CONVERSAÇÃO
X
HORAS
BOT PARA FACILITAR
ACEITE
E
RECUSA PELO
MOTORISTA E
INFORMAÇÃO
DE
LOCAL/PASSAGEIRO
DESENVOLVIMENTO
COMODIDADEPARAOSUSUARIOS