a economia em portugal 2018 digital 1.6 Inteligência Artificial | Machine Learning | Robótica 92 ajudar a baixar as taxas de reinternamento e que com isso se possa melhorar a operação das unidades clínicas mas, fundamentalmente, melhorar a experiência e o período pós-operatório dos pacientes. Coordenação/Autoria: André Mestre, Microsoft Novabase Plataforma Cognitiva da Novabase IA ao serviço da experiência de utilização existentes, internos ou externos, ou pode instanciar casos de uso, nomeadamente: Intelligent Portal, Intelligent Search e Conversational Platform (chatbot). ResultadoS A plataforma cognitiva desenvolvida aumenta a eficiência em tarefas de inserção e pesquisa de informação, tornando-as inteligentes no contexto especifico de cada negócio. Por outro lado, e com o recurso a mecanismos de IA, simplifica processos através da automatização inteligente, o que vai permitir uma maior qualidade e eficiência operacional, permitindo ainda elevar a experiencia de utilização a um novo patamar. Desafios Com o advento da transformação digital e a forma como a inovação tecnológica poderá antecipar a evolução das necessidades dos seus clientes, a Novabase criou uma plataforma cognitiva que permite aumentar a inteligência no processamento, tratamento, disponibilização e apresentação da informação, garantindo, desta forma, um novo patamar na experiência de utilização. Coordenação/Autoria: Marco Vicente, Novabase Vodafone Machine learning ao serviço do Cliente Análise dos níveis de satisfação dos clientes a partir das redes sociais Tecnologia A plataforma cognitiva desenvolvida pela Novabase tem a capacidade de processar dados não estruturados, permitindo que deles se extraia informação com sentido, através de uma análise de texto e imagem baseada em técnicas de inteligência artificial, nomeadamente: Processamento de Linguagem Natural (NLP), machine learning e Computer Vision. Com esta plataforma é possível efetuar pesquisas em linguagem natural (por texto ou por voz), verificar tendências e antecipar o futuro, através da aprendizagem contínua dos sistemas, colocando essa aprendizagem ao dispor do negócio. Recorrendo a mecanismos de ia, e com a constante “alimentação” do sistema com novos dados, o módulo de pesquisa vai aprendendo e melhorando consecutivamente as suas pesquisas, sendo possível filtrar os que melhor se adequam às necessidades de cada cliente, reduzindo quase totalmente as dúvidas na escolha. Ao permitir inserir a informação com uso de linguagem natural, ao não obrigar o utilizador a inserir a informação diversas vezes, ou tornar a informação mais acessível, a plataforma cognitiva da Novabase otimiza o tempo dos seus utilizadores e permite o atingimento de um novo patamar relativamente à experiência de utilização. Esta solução pode ainda ser integrada nos sistemas já Desafios Os clientes estão a tornar-se cada vez mais digitais e exigentes, a fugir dos canais tradicionais, existindo assim a necessidade de sermos capazes de os acompanhar nestes novos comportamentos. De facto, as redes sociais são cada vez mais um canal de troca de experiências e de partilha de opiniões, sendo, efetivamente, uma fonte de informação útil e em tempo real, da qual se podem tirar resultados e conclusões sobre a qualidade de serviço e de experiência dos clientes. Sabendo que a satisfação dos utilizadores assume, cada vez mais, um ponto crítico e ao qual os operadores necessitam de dar a devida atenção, a Vodafone Portugal propôs-se a desenvolver uma nova abordagem que permitisse ter uma visão o mais abrangente possível sobre os níveis de satisfação dos clientes, nomeadamente a partir das redes sociais, verificando tendências e padrões, com o objetivo de perceber e de responder, de forma cada vez mais célere (ou ser mesmo capaz de antecipar), às causas de insatisfação dos utilizadores. Tecnologia Para este efeito, no final de 2016 iniciou-se a exploração do potencial da aplicação de algoritmos de machine learning, gerando, a partir destes e de forma automática, outputs que permitam as análises desejadas e
93 a economia digital em tempo real. Estes outputs são, de forma simples, a identificação do contexto de cada comentário, isto é, se se trata de um comentário positivo ou do relato de um problema, e, neste último caso, conseguir identificar qual o serviço afetado. Neste contexto, toda a integração foi feita na linguagem Python, e utilizou-se a framework scikit-learn para implementar os algoritmos de machine learning. O scikit-learn é uma ferramenta open source de machine learning, com várias bibliotecas de algoritimos de classificação, regressão e clusterização. ResultadoS Solução 100% integrada, capaz de recolher feedback disponível nas redes sociais e de classificar, de forma automática a partir de algoritmos de machine learning, estes mesmos comentários, identificando problemas técnicos e outras causas de insatisfação dos clientes, em tempo real. Neste momento está a ser recolhida informação das principais redes sociais, bem como de fóruns técnicos, tendo sido já analisados mais de 60 mil comentários. Coordenação/Autoria: Luís Almeida, Vodafone Randstad Machine learning empowering people consultants dos consultores que durante vários anos fizeram esta classificação manualmente permitindo enquadrar cada curriculum vitae (CV) nas funções adequadas bem como ter em conta comentários e resultados de assessments para a qualificação da informação. A infraestrutura de dados é suportada em Google BigQuery que permite alta escalabilidade da solução. Todas as transações são executadas em Lambda functions o que significa que cada CV é classificado através de processamentos de alto desempenho na cloud. Após o processo de qualificação, os candidatos são colocados em clusters mapeados por localizações e hard skills promovendo o match automático de candidatos com ofertas de emprego. Em Portugal, a Randstad tem focado parte sua investigação da área de data science, na digitalização dos processos internos. Neste sentido, o objetivo é desenvolver soluções que permitam libertar o consultor de recrutamento para que se concentrem no mais importante – a ligação pessoal. Com uma base de dados de candidatos com cerca de 700.000 registos, as novas candidaturas espontâneas, por não estarem associadas a um anúncio de emprego, acabam por não ser corretamente segmentadas. Por outro lado existem oportunidades de trabalho que não são satisfeitas por falta de candidatos “aparentemente” disponíveis. A segmentação manual penaliza a disponibilidade para dar resposta a pedidos de processos em aberto, pelo que foi necessário encontrar uma solução para garantir que a experiência do candidato não era penalizada. em portugal 2018 1.6 Inteligência Artificial | Machine Learning | Robótica Data Science ao serviço dos Recursos Humanos Desafios A utilização de novas tecnologias no recrutamento tem vindo a ser explorada por vários players digitais que, inclusivamente, são menos comuns no espaço dos recursos humanos, como são os exemplos da Google (com o Google for Jobs) ou a Microsoft (com a aquisição do LinkedIn) não existindo ainda uma aplicação da tecnologia que seja massivamente adotada no setor. Nesse sentido, a Randstad Portugal decidiu tirar partido da inteligência artificial para desenvolver os seus processos internos e desenvolver um conjunto de algoritmos que permitem classificar CVs em tempo real. Esta tecnologia é suportada através de algoritmos de processamento de linguagem natural (NLP) que desenvolvem o seu conhecimento através de inputs Tecnologia Foi desenvolvida uma solução tecnológica que através de inteligência artificial percorre os CV's dos candidatos e os compara com outros candidatos já segmentados. Paralelamente, foi desenvolvido o mapeamento em tempo real do mercado de trabalho emPortugal, o que permite criar clusters para mapear esses mesmos candidatos. Este mapeamento permite reduzir significamente o tempo de identificação e colocação de candidatos em ofertas de emprego. ResultadoS A tecnologia tem aqui um papel crítico de acelerar o que é realmente diferenciador: o contacto entre o candidato e o consultor. Coordenação/Autoria: Inês Veloso, Randstad
