Exclusão algoritmica

A capacidade dos modelos IA fazer previsões bem-sucedidas pode ser prejudicada pela exclusão algorítmica, falta de variedade na demografia, no estágio de treinamento. À medida que algoritmos respondem por decisões mais importantes, como quais formulários de emprego os empregadores devem ver, quanto de financiamento deve ir à determinado distrito urbano ou se uma pessoa deve receber liberdade condicional, importa reconhecer problemas ao considerar a IA. O viés de algoritmo que ocorre quando modelo de IA ou ML é construído com dados que propagam vieses sociais existentes, envolve conceito de exclusão algorítmica, fator de desigualdade social na internet e smartphones. A exclusão algorítmica é parte do conceito conhecido como desertos de dados, escrito pela primeira vez em 2014 para descrever zonas que coletam menos dados que a média. Artigo menciona que a cidade de Boston tentou criar um aplicativo, o Street Bump, que usa sensores nos smartphones para detectar irregularidades nas estradas com objetivo de identificar problemas rapidamente, através da coleta de dados mostrando onde as estradas estavam em pior estado, no entanto, o projeto foi abandonado devido aos bairros mais ricos fornecerem mais dados no aplicativo que os mais pobres e, assim, receberem mais que seu quinhão de reparos nas estradas. Neste e em outros casos de exclusão algorítmica, o modelo de IA não prefere um bairro em detrimento de outro, mas a falta de dados provenientes de bairros mais pobres significando não poder julgar de modo preciso sobre a qualidade da estrada. Ao lado dos desertos de dados, outra questão afeta a exclusão algorítmica, ou,  os dados fragmentados, nos quais as comunidades marginalizadas têm registros menos completos ou incapazes de fornecê-los completos pela falta de acesso, por exemplo, enquanto a penetração de smartphones acima de 90% nos EUA à menores de 25 anos, naqueles com mais de 65 anos é inferior a 60% e, ao preencher formulário que requer número de celular ou endereço de e-mail, muitos ficam vazios ou com buracos. A combinação de dados ausentes e incompletos leva a previsões ausentes de algoritmos, nas quais um algoritmo não pode fazer previsão precisa e, portanto, não a faz, no entanto,  pode levar a previsões imprecisas o que acontece quando um algoritmo fragmentou dados e os usa como base para fazer previsão. Discutindo maneiras de aliviar a exclusão algorítmica leva potencialmente repensar a privacidade devendo concentrar-se mais nas salvaguardas em vez de proibir ferramentas, como cookies, rastreamento e coleta de dados, permitindo  variedade maior de respostas, melhorando potencialmente precisão e  escopo dos algoritmos.

Neste patamar, cada vez mais empresas aproveitam IA para transformar as operações e serem mais eficientes e produtivas. Relatório do vice-presidente de Automação, Dados e IA da IBM Latin America, sobre os casos de uso estratégico de IA na América Latina mostra que a sociedade humana e a IA continuam se fortalecendo a toda velocidade, embora essa tecnologia exista há várias décadas, hoje mais e mais empresas a aproveitam em transformar operações, tornando-as eficientes e produtivas. Para que o desenvolvimento continue evoluindo de forma positiva há necessidade de confiança nos resultados e recomendações preditivas, por meio de sistemas de IA explicáveis ​​e transparentes. Algumas questões são levantadas sobre impactos potenciais da tecnologia se IA pode prejudicar as chances de conseguir emprego ou hipoteca, se está impulsionando proliferação de conteúdo ilegal e desinformação, se exacerba desigualdades sistêmicas, entre outros pontos relevantes e foca questões éticas ao desenvolvimento da tecnologia, não significando parar inovação, mas cuidar para que essa inovação seja responsável sendo que a IA não pode beneficiar apenas alguns. De acordo com o 2022 IBM Global AI Adoption Index, apenas 30% das organizações na América Latina implementam ativamente IA em suas operações, sendo o caso de uso mais conhecido o dos assistentes virtuais criados para dar suporte aos agentes humanos no atendimento ao cliente,  reduzir gargalos e liberar tempo para que profissionais concentrem em tarefas de maior valor. Treinados para aplicações específicas na empresa, os assistentes virtuais geram benefícios econômicos e melhoram experiência do cliente externo e interno com o contributo médio à satisfação dos agentes humanos atribuído a esta ferramenta de 20% e dos clientes externos de 99%, segundo estudo do IBM Institute for Business Value e Oxford Economics. A tendência que ganha força entre os assistentes virtuais é o uso de “personas digitais”, agentes hiper-realistas, autônomos e animados entendendo a linguagem natural e interagindo com pessoas enquanto executam gestos como sincronização labial, olhares, músculos faciais, movimentos da cabeça e etc,  dessa forma, interações podem parecer mais intuitivas e naturais resultando em experiências mais positivas aos clientes. A IA pode ser usada em outras áreas e, segundo a IBM Latin America,  "alguns casos de uso que já implementados com clientes na América Latina são focados em Cibersegurança, Redes 5G, Sustentabilidade, Automação Inteligente e Princípios de confiança e transparência."

Moral da Nota: à medida que os ataques cibernéticos crescem em volume e complexidade, a IA ajuda analistas de operações de segurança se manterem à frente das ameaças, com tecnologias como aprendizado de máquina e processamento de linguagem natural facilitando análise de milhões de fontes e fornecendo informações à profissionais que podem remover ruído de alertas diários, avaliar recomendações e reduzir tempos de resposta aumentando habilidades dos analistas de segurança, permitindo que façam trabalhos com mais rapidez, precisão e eficiência. Em torno do 5G, criar valor, leva empresas de telecomunicações pensar em fornecer infraestrutura à aplicações futuras e serviços de valor agregado próximos à geração de dados, otimizando tomada de decisões em tempo real, fator crítico à continuidade de serviços essenciais como energia e alimentação, por exemplo.  A IA é fundamental à extrair valor dos dados, liberar capital ao crescimento da rede, acelerar inovação, melhorar experiência do cliente e gerenciar operações de tecnologia garantindo continuidade dos negócios. As empresas priorizam iniciativas de sustentabilidade para criar operações eficientes e resilientes diante mudanças climáticas, aplicando IA para ir além da captura de dados e relatórios, transformando-os em informações para tomar decisões mais inteligentes. A sustentabilidade entendida como muito mais que apenas reduzir emissões requer abordagem holística incluindo operações, bem como gestão de ativos, infraestrutura, clima, cadeia de suprimentos, informações meteorológicas, relatórios ESG e etc. De acordo com a IDC, 80% das organizações estimam ter mil aplicativos em portfólio, levando a gerenciamento de tecnologia cada vez mais complicado e a aplicação IA em operações de TI comumente conhecida como AIOps permitindo que equipes gerenciem proativamente ambientes de trabalho complexos, tornando-os mais eficientes e garantindo continuidade dos negócios.

Algoritmos, utilização

A utilização de modelos algoritmos nas redes sociais e ferramentas online nos dão visão mais específica das estratégias digitais. Em relação ao Google, por exemplo, é provável que o algoritmo seja o mais conhecido e, não por acaso, seu segredo melhor guardado pela empresa. Chamado de PageRank foi criado em 1998 para rastrear e apresentar por relevância ao usuário resultados da pesquisa. Daí, observar que a importância de um site era determinada pela quantidade de sites a ele vinculados tornando relativamente fácil burlar resultados da busca e, nesta ideia, surgiu o black hat utilizando práticas de “enganar” o PageRank. O Google promoveu mudanças no algoritmo considerando variáveis para que determinada página seja ranqueada e, atualmente, o modelo verifica questões como preferências do usuário, aparelho usado, qualidade do conteúdo, localização e etc.

O Facebook ou Meta foi a primeira rede social utilizar algoritmos à categorizar posts mostrando conteúdos conforme comportamento, preferências e engajamento do usuário. O excesso de publicações dificulta acompanhamento de tudo que acontece na rede, desse modo, emergem critérios definindo a composição do feed como, postagens mostradas, nível de proximidade do usuário com quem postou o conteúdo, engajamento de outros amigos com a publicação, potencial engajamento do usuário considerando comportamento prévio. Tais elementos considerados pelo algoritmo definem que conteúdos serão exibidos no feed de notícias, buscando relevância e engajamento do usuário no Meta. O Twitter não utiliza algoritmo para montar um feed, decorrente caráter cronológico mantido pela rede atendendo o objetivo de disponibilizar acontecimentos mais recentes e, neste critério, considera o comportamento prévio do usuário, a preferência por temáticas e formatos de conteúdo, o relacionamento do usuário com a conta que postou o tweet e, por fim, o engajamento do tweet em si. Com tais critérios se insere nas categorias do Twitter como, tweets ranqueados, relevantes ao usuário e baseado em comportamento prévio, além de engajamento da rede em si tornam-se relevantes e mais antigos, timeline, onde são exibidos por ordem cronológica e, nestas estruturas, a rede social permitirá acesso a maior parte dos conteúdos conhecendo as novidades. Já o Instagram seguia lógica cronológica do Twitter com postagens por ordem, ou, das mais novas às mais antigas, estrutura alterada em 2016 que, atualmente, considera fatores para escalar como serão os feeds através da temporalidade, embora não seja o único critério, a ordem de postagem é considerada na definição do feed, além do engajamento pelo número de comentários e curtidas determinando se o post será priorizado ou não na rede, em especial, se o engajamento é após a postagem e, por fim, o relacionamento que considera a proximidade do usuário pelo engajamento via mensagens diretas, etc. Com isto, verifica-se que os algoritmos tendem ficar mais complexos, incluindo variáveis tornando-os mais certeiros. Finalmente em 2005, com o surgimento do YouTube, o algoritmo usado analisava quantas vezes um vídeo era iniciado para determinar o ranqueamento, no entanto, produtores de conteúdo priorizaram chamadas sensacionalistas e com o YouTube percebendo que a prática não garantia qualidade dos conteúdos e, desde 2012, o algoritmo considera o tempo médio de visualização incentivando práticas adequadas no gerenciar um canal.

Moral da Nota: outra referência a ser considerada é o Spotify com mais de 40 milhões de usuários, lançando a playlist personalizada “descobertas da semana”, à cada ouvinte com 30 músicas, algumas, nunca ouvidas mas como teste ao usuário conforme o algoritmo. O objetivo cria experiências novas, com a ferramenta usando diferentes dados para processar informações com os seguintes critérios, ou, o perfil musical do usuário considerando gênero e artistas, como usuários combinam as músicas, ou, canções em playlists, preferências do usuário e o que o algoritmo aprendeu com os demais, daí, são eleitas 30 músicas não tocadas pelo ouvinte na ferramenta. O Spotify dedica melhorar o algoritmo aprimorando sugestões e listas criadas, em amplo modelo de Machine Learning e, com isto, o sistema aprende preferências identificando se a música é feliz ou triste, buscando recomendação adequada para melhorar a experiência do usuário. Os algoritmos como sistema de instruções buscando objetivo específico, ganham contornos complexos conforme utilização em áreas mais robustas como marketing digital e, atualmente, o modelo unido ao Machine Learning gera resultados mais complexos e, imprescindível, para quem atua na área conhecer as possibilidades.

Funcionamento de algorítmos

Estratégias digitais implicam em modos de usar algorítmos nas empresas, além dos critérios considerados nos diferentes canais sociais, é possível elencar em quais plataformas a solução proposta é mais eficaz gerando melhores resultados. Caso a estratégia esteja baseada no engajamento, por exemplo, o Facebook ganha destaque, no entanto, se o objetivo passar por publicações de teor mais urgente, o Twitter torna-se mais adequado. O conhecimento do funcionamento da plataforma ao lado de outros critérios, permite observar qual delas tende contribuir mais com a presença online da marca, no objetivo de melhorar a experiência do usuário. Com isto, é indispensável qualidade e relevância nos conteúdos às diferentes plataformas, considerando estratégias em executá-los, por exemplo, campanha divulgada no Facebook e Instagram consideram particularidades mais interessantes ao algoritmo de cada rede e, assim, ganhar destaque.

Os algoritmos mudam constantemente no aprimorar experiência do usuário evitando práticas negativas como o black hat, com isto, estima-se que o Google faça mais de 500 alterações anuais no algoritmo PageRank sendo as mais importantes sempre divulgadas e, fundamental, que profissionais de marketing se adequem e aprimorem estratégias online para não perder resultados. Em relação ao algoritmo importa conhecer que se trata de um sistema lógico, com instruções sequenciais até alcançar resultado e, apesar da complexidade de modelos mais modernos, entender o que é e como funciona auxilia compreensão do impacto na estratégia digital. A economia global continua avançando através da criação de grande quantidade de dados, graças aos avanços nos algoritmos de IA como o dispositivo Alexa, Google Home ou Apple Home, por exemplo, inseridos no envolvimento melhor de reconhecimento dos próprios gostos. Algoritmos de IA, em essência, é subcampo do aprendizado de máquina que instrui o computador sobre como aprender trabalhar independente e como resultado, o gadget aprende otimizar procedimentos e realizar trabalhos mais rapidamente. Os algoritmos de IA distinguem vozes diferentes, lembram o nome de determinada música e, em seguida, transmitem a faixa na conta pessoal de streaming de modo automático.

Moral da Nota: quanto aos problemas resolvidos através de algoritmos de IA alguns dos exemplos estão nos cuidados de saúde, com algoritmo de IA no benefício particular de facilitar a filtração de grandes volumes de dados em tempo curto. Pesquisadores médicos vasculham grandes quantidades de dados com software especializado descobrindo conexões que levam a curas, criação de tecnologia, integração de vacinação e etc. Na Energia os Algoritmos de IA são utilizados com fornecedores locais redirecionando a energia de cidades e regiões adjacentes, garantindo aos mais necessitados acesso à eletricidade e aumentando o uso de PCs como parte de rede nacional. Na Segurança Pública os algoritmos de IA são a rede de tráfego se ajustando com base no fluxo, ou, como grandes cidades modificam automáticamente o tráfego com base em situações de emergência. No Aquecimento global a IA desempenha papel na previsão do futuro, com cientistas usando instrumentos especializados e técnicas de coleta de dados para descobrir a causa da mudança climática e o que podemos fazer a respeito. Nas Comunicações estão tornado-se mais prevalentes no período mais simples da história para comunicarmos uns com os outros, desde como utilizamos a internet até como fazemos uma chamada por telefone. Por fim, nos Governos, Algoritmos de IA são usados ​diariamente embora obscuro como o governo federal dos EUA lida com dados pessoais, a vigilância por software de computador de aspectos e comunicações específicos resultando na prevenção de terrorismo no país e exterior.