Desde a sua disponibilização para o público geral, as tecnologias de inteligência artificial baseadas em linguagem generativa – o popular GPT e outros correlatos – estão sob o radar de profissionais de diversas frentes. As promessas são muitas, entre algumas bastante especulativas e outras mais sólidas, estas, cada vez mais frequentes e que, certamente, continuarão em nosso cotidianos mesmo após a pauta deixar de ser novidade.
Pensando nos desafios que teremos pela frente, gostaria de trazer para este espaço alguns cases que temos trabalhado. São análises de grandes databases, muitas vezes desestruturados (sem nenhuma vertical de organização ou lógica de classificação) e sobre temáticas bastante amplas, mas que trazem respostas para problemas reais propostos por nossos clientes e utilizam as tecnologias generativas para trazer respostas sólidas em algumas aplicações de inteligência de mercado.
1 – Desenvolvimento de produtos
Aqui, veremos a capacidade que a tecnologia tem de ler databases desestruturados (neste caso, sem nenhuma informação além dos depoimentos em si) e de grande volume, trazendo olhares interpretativos e propondo soluções baseadas em um conjunto de dados. A ideia é utilizar conhecimentos tradicionais para o cuidado com a boca e gengivas para produtos de higiene bucal.
Proposta: Compreender como rotinas caseiras e naturais de cuidado oral são utilizadas de forma complementar a produtos industrializados e como a indústria pode utilizar estes conhecimentos a seu favor.
Solução: Um prompt que age como um profissional de pesquisa e desenvolvimento, com capacidade de interpretar depoimentos em busca de soluções tradicionais para prevenção e tratamento de problemas bucais.
Passo a passo e outputs:
1 – Identifique nas publicações aquelas que mencionam tratamentos tradicionais, caseiros ou fitoterápicos para problemas orais e liste as substâncias mencionadas: (este case foi realizado em inglês)
2 – Dê mais detalhes sobre qualquer substância que lhe seja solicitada:
2.1 – Óleos
2.2 – Cravo
3 – Ajude a desenvolver um produto com base no ingrediente solicitado
3.1 – Cravo
2 – Categorizar dados com base em estruturas complexas
Neste case, o desafio foi dar suporte a uma equipe tradicional de CX e classificar entradas de atendimento de acordo com uma árvore complexa já utilizada pela equipe.
Proposta: Auxiliar a equipe a focar sua capacidade no atendimento, retirando dos operadores as atividades de classificação e organização de dados.
Solução: Prompt com conhecimento da árvore de classificação e capacidade de aplicação de tags ao database.
Resultados:
Classificação 82% precisa, com possibilidade de melhora após implementação de ações de machine learning
3 – Leituras periódicas sobre a marca
Neste caso, utilizamos a tecnologia para entregar leituras recorrentes sobre marcas e produtos.
Proposta: Trazer olhares recorrentes sobre marcas, produtos e serviços de maneira rápida, propositiva e baseada em perguntas reais
Solução: Prompt que simula um analista de inteligência de mercado, capaz de entrar em contato com databases de temas de interesse para a marca e trazer leituras sobre as movimentações da marca no dia. Os dados podem chegar por diversos canais, como e-mail, WhatsApp e outros e pode evoluir para uma interface dialógica em que o usuário realiza mais perguntas para aprofundar os temas de interesse.
Resultados:
Reports sucintos, capazes de localizar as movimentações sobre os temas de interesse no dia de maneira precisa e personalizável, sem comprometer prazos de entrega.
Aproveitar as possibilidades de novas tecnologias em nosso cotidiano sempre foi um dos maiores desafios de nossa atividade e gera um grande diferencial de posicionamento entre os early adopters e aqueles que embarcam um pouco depois. No caso das linguagens generativas, acreditamos ainda mais na força deste diferencial. A tecnologia é bastante poderosa e versátil e vai revolucionar a maneira como em muitas esferas. O processamento e interpretação de dados é apenas uma destas diversas facetas.
