Buscar
  • joaquimcosta7

Capacidade Preditiva com Capacidade Interpretativa


Modelos baseados em inteligência artificial muitas vezes dificultam a rastreabilidade das variáveis e questões consideradas na tomada de decisão.


Sem considerar a limitação na capacidade de gestão.

Normalmente estes modelos são considerados como “caixas pretas”.


Conhecemos os dados de entrada e a decisão da saída. Mas como identificar nos algoritmos utilizados e nos modelos de aprendizados construídos, com base no histórico de dados e em seus modelos preditivos, o motivo pelo qual foi tomada esta ou aquela decisão?


Aproveitar as técnicas de previsibilidade, como Machine Learning por exemplo, são extremamente úteis para criar cenários ou possibilidades futuras com base em dados e comportamentos anteriores e podem contribuir em diversas áreas de negócio.


Mas quando estamos em segmentos altamente regulamentados, como seguros ou bancos por exemplo, ou quando você afeta diretamente a vida de pessoas ou a experiência de seus clientes, conhecer o motivo, e não somente a tendência ou o comportamento, faz total diferença.


O gráfico abaixo demonstra como na maior parte dos casos, ferramentas com maior capacidade preditiva apresentam menor capacidade interpretativa comparados aos motores de regras e cálculos e arvores de decisão, normalmente utilizados pelas ferramentas de BRMS:



A boa noticia é que essas tecnologias podem ser combinadas dentro de seu processo de transformação digital e entregar os benefícios que elas oferecem: A capacidade preditiva, tendências e cenários com a visibilidade, transparência e possibilidades de gestão dos Sistemas de Gerenciamento de Regras de Negócio.


Quer um exemplo?


Vamos imaginar que você tenha um sistema de pontuação de risco que determine a possibilidade de conceder crédito ou liberar um empréstimo para seus clientes. Com base em históricos, bases de dados, algoritmos, e utilizando o aprendizado da máquina, este modelo cria uma pontuação para cada caso e com base nesta pontuação, o próprio modelo toma a decisão de conceder crédito ou liberar um empréstimo.


Você consegue rastrear e interpretar quantos negócios deixam de ser feitos em função deste modelo de pontuação e quais outras questões poderiam ser avaliadas para melhorar esta decisão?


Ou seja, a capacidade interpretativa!


Agora imagine, além de utilizarmos apenas o aprendizado da máquina, combinarmos com uma ferramenta de BRMS. Poderíamos somar as possibilidade de inteligência artificial para gerar esta pontuação e utilizá-la como mais uma informação a ser considerada na decisão da ferramenta de BRMS, podendo assim interpretar a efetividade de muitos inputs gerados por IA.


E ainda com a possibilidade de ter o BRMS integrado com todos seus sistemas legados como mostra a figura abaixo:


De certo modo, a ferramenta de BRMS acompanha o aprendizado da máquina, permitindo rastrear sua efetividade e possibilitando tomar decisões diferentes com as informações geradas em suas ferramentas de inteligência artificial.


Percebe que você consegue ter a sua disposição os resultados das análises preditivas e tomar as melhores decisões, tendo rastreabilidade e podendo fazer a gestão desta e outras variáveis pelas áreas de negócios?







84 visualizações2 comentários