Transformação Digital - cinco tecnologias fundamentais para a TD de sua empresa

Conheça cinco tecnologias fundamentais para a Transformação Digital

O conceito de transformação digital está intimamente relacionado à mudança de pensamento necessária para as organizações que estão em busca de inovação, competitividade e eficiência. A TD tem influência tanto nas relações e processos internos quanto nos parceiros de negócios.

Não é uma simples questão de escolher tecnologias computacionais para resolver problemas. Antes de responder à pergunta “devo ou não contratar uma ferramenta baseada em Robotic Process Automation (RPA) ou Business Process Management Solution (BPMS)?”, é preciso ter em mente que a experiência dos públicos da sua organização vem primeiro. Ferramentas, soluções ou sistemas são meios para solucionar problemas, não fins. Pode parecer óbvio, mas escolher (e comprar) uma solução antes de identificar a real necessidade é um erro comum.

Ao menos cinco destas tecnologias são recorrentes: Internet das Coisas, Cloud, Big Data, Machine Learning e Inteligência Artificial. Vamos apresentá-las brevemente neste artigo e, depois de se aprofundar mais, conhecer seus limites e entender de que forma elas se relacionam entre si, será mais fácil identificar como elas podem ajudar a automatizar e otimizar processos e entregar resultados.

Internet das Coisas (IoT)

Foi-se o tempo em que as máquinas computacionais conectadas em rede se resumiam aos antiquados gabinetes ou, recentemente, smartphones ou dispositivos portáteis. A junção entre processadores e conexão em rede permite que, em tese, qualquer objeto possa coletar e trocar informações entre si.
Esse é o princípio básico por trás da Internet das Coisas (na sigla em inglês, IoT, Internet of Things). Estima-se que, até o final de 2021, serão 25 bilhões de dispositivos conectados, como sensores ou assistentes pessoais, aptos a coletar e trocar informações em redes sem fio. Além dos dispositivos domésticos, como assistentes de voz ou relógios inteligentes, as aplicações vão além: monitoramento de pacientes para cuidados de saúde, coleta de dados em uma linha de produção industrial, gerenciamento de uma cadeia de vendas, estoque e logística em tempo real.
Em 2016, o Gartner, consultoria especializada em tecnologia, calculava que mais da metade dos processos e sistemas relacionados a novos negócios teriam sensores ou dispositivos computacionais incorporados até 2020. “A IoT é relevante em praticamente todos os setores, mas não em todas as aplicações. Muitos aplicativos potencializam a IoT em diversos aspectos. Como resultado, analistas de negócios e desenvolvedores de processos baseados em informações precisam ter experiência e ferramentas adequadas para implementar aspectos de IoT em seus sistemas”, explica W. Roy Schulte, analista do Gartner.
Leia também: Defina sua estratégia de Transformação Digital

Cloud Computing

Para sustentar grandes volumes de dados e aplicações, empresas precisam recorrer a soluções de infraestrutura, softwares e plataformas. A soma dessas soluções pode se concentrar no termo Cloud Computing – ou Computação em Nuvem. Ela permite o uso de recursos de computação tendo a internet como meio, sem a necessidade de instalar programas ou armazenar dados em máquinas locais. Ainda segundo o Gartner, ter Cloud em 2020 é algo tão essencial para a sobrevivência de uma empresa quanto estar conectado à Internet.
Novamente, é muito fácil identificar essa solução em exemplos do dia-a-dia, como editores de texto colaborativos, serviços de streaming audiovisuais ou armazenamento de fotos. Contratar serviços de Cloud representa, entre outras vantagens, a flexibilização da demanda de recursos combinada com a redução de custos com servidores e data centers internos – e, portanto, menor consumo de energia. Como funciona em ambiente de rede, a implementação e manutenção de projetos pode ser feita colaborativamente, otimizando processos.
A maior preocupação, nesse caso, é com a segurança da informação. A facilidade de acesso e operação em rede pode trazer também potenciais vulnerabilidades, o que requer políticas de gerenciamento e governança de dados, análise de riscos à segurança, investimento em criptografia, testes preventivos e o tratamento de informações pessoais dos públicos envolvidos – o que atende à nova legislação de proteção de dados.
Leia também: Norma, vigência e impactos da LGPD para empresas

Big Data

Um dilema tecnológico que antecede qualquer discussão contemporânea envolvendo ferramentas está na interoperabilidade das tecnologias e informações. Bases de dados, protocolos e códigos-fonte de diferentes fabricantes coexistem no mercado. Mais do que isso: em muitos casos, essas soluções não se comunicam entre si. O desafio envolve grandes quantidades de dados que nem sempre são estruturados, gerados por dispositivos que compõem a IoT. Estes, por sua vez, exigem alta capacidade de processamento, contando para isso com a força da computação baseada em cloud. A combinação entre volume e variedade gigantesca de dados com a equivalente capacidade para processamento é o que define Big Data.
O Big Data não é exatamente uma tecnologia, mas um contexto tecnológico cujas técnicas e ferramentas têm que processar grandes quantidades de informação. É o caso do Hadoop, popular estrutura de software em código-aberto para executar aplicações baseadas neste princípio. Quase todas as organizações utilizam o projeto mantido pela Apache Software Foundation – incluindo as duas Big Techs frequentemente associadas a Big Data: Google e Amazon.
Outro resultado evidente das aplicações baseadas em Big Data está nas ferramentas de análise inteligente voltada para os negócios – ou, em inglês, Business Intelligence (BI). Organizações precisam lidar com fluxo de dados ligados a desempenho e produtividade, examinar painéis e dashboards em tempo real para extrair informações, gerar insights e tomar decisões.

Machine Learning

Não faz muito tempo, usuários de e-mail ocupavam boa parte do tempo “limpando” a caixa postal, marcando mensagens consideradas irrelevantes ou mesmo indesejadas (spam). Nos últimos anos, no entanto, perde-se bem menos tempo com essas tarefas. Isso acontece graças a sistemas que “aprendem” a filtrar e organizar a caixa postal, levando em conta os avisos e marcações dos usuários.
Serviços de e-mail, sites ou aplicações que recomendam produtos ou mesmo a timeline da sua rede social favorita está apoiada em algoritmos, que são sequências de instruções programadas previamente para analisar dados, identificar padrões e tomar decisões sem intervenção humana. Esses algoritmos baseiam-se em modelos matemáticos criados a partir da qualidade dos dados tratados. É exatamente nesse tripé que se apoia a Aprendizagem de Máquina, ou Machine Learning (ML). Por meio dela, é possível construir complexos sistemas de recomendação, análise preditiva ou de fraudes a partir das transações dos clientes, identificação de não-conformidades em uma linha de produção em tempo real ou reconhecimento facial em imagens. Além da automatização de processos, esses sistemas podem operacionalizar ações em áreas de risco, bem como estreitar laços no atendimento ao cliente, mesclando o histórico de conversas ao uso de chatbots, por exemplo.
Mas, é importante que se diga: apesar de próximos, Machine Learning e Inteligência Artificial são coisas diferentes.

Inteligência Artificial

Devemos muito à literatura de ficção científica e aos filmes de Hollywood, como “Her” ou “The Terminator”, imagens envolvendo robôs e computadores capazes de emular consciência e desenvolver habilidades cognitivas – superando, inclusive, a capacidade do cérebro humano.
Na prática, Inteligência Artificial não é nada disso. Mesmo distante da representação de um ciborgue, mas próxima de um modelo matemático sustentado por um gigantesco fluxo de dados, a Inteligência Artificial real consegue realizar tarefas altamente complexas, como redação de texto ou composição de músicas. Provavelmente um dos exemplos mais atraentes é o GPT-3, isto é, a terceira versão do “Generative Pre-trained Transformer”, desenvolvido pelo OpenAI, instituição dedicada à pesquisa na área e que tem entre seus fundadores Elon Musk, normalmente associado à Tesla Motors ou à SpaceX.

Não é difícil se surpreender com as possibilidades que a combinação de todas essas tecnologias pode representar: máquinas que reconhecem informações, aprendem com elas e entregam respostas com menor chance de erros; interpretam contextos, simulam comportamentos e ajudam a tomar decisões. Claro que é possível se aprofundar ainda mais nessas e em outras técnicas e fundamentos, mas é importante ter em mente que ferramentas e tecnologias são meios, não fins. Soluções digitais apoiam empresas e clientes em suas jornadas, e não o contrário.

Assuntos Relacionados