Capacidades
Machine learning, otimização e modelos de decisão
Converter dados em previsões, sinais e decisões que possam medir-se e melhorar.
Numa página
Desenhamos modelos de classificação, ranking, forecasting, deteção de anomalias, visão, séries temporais, otimização e decisão sobre dados estruturados e não estruturados. Selecionamos modelos e métodos consoante o problema real, o custo do erro, a incerteza, a latência e a capacidade de medir depois o resultado.
- 01Começar pela decisão. Antes de selecionar um método representamos a situação que a organização quer melhorar.
- 02Regras, cálculos e modelos sob um mesmo critério. Uma condição estável pode exprimir-se como regra.
- 04Dados disponíveis no momento certo. Treinar com informação que só aparece depois da decisão produz um modelo que não pode ser utilizado.
Uma organização precisa de compreender que decisão pode melhorar, que informação estará disponível quando tiver de a tomar e que consequências terá utilizar o sinal de uma forma ou de outra.
Um modelo pode estimar uma probabilidade, antecipar uma procura, ordenar casos, detetar uma anomalia ou reconhecer um padrão. A decisão aparece quando essa saída se combina com objetivos, alternativas, restrições, capacidade disponível, custos de erro, incerteza, regras, autoridade, uma política de atuação e um sinal posterior de resultado.
Construímos modelos e sistemas de decisão em torno dessa relação.
Trabalhamos com dados tabulares, texto, imagens, áudio, sinais e séries temporais. Combinamos machine learning, estatística, investigação operacional, simulação e regras para produzir um sinal que possa entrar de forma útil no trabalho.
Começar pela decisão
Antes de selecionar um método representamos a situação que a organização quer melhorar.
Esta representação impede que o projeto otimize uma métrica técnica desligada da utilização.
Uma previsão de maior precisão pode ser menos útil se chegar tarde, se exigir dados que ainda não existem, se produzir demasiados casos para rever ou se concentrar os erros em situações de alto impacto.
A decisão completa é o objeto de desenho e avaliação.
Regras, cálculos e modelos sob um mesmo critério
Uma condição estável pode exprimir-se como regra. Um cálculo pode resolver uma relação exata. Um modelo aprende padrões que seria difícil programar de forma explícita. Um otimizador escolhe entre alternativas sob restrições.
Utilizamos cada mecanismo onde traz uma função clara. Isto permite construir sistemas híbridos:
- uma regra protege uma restrição;
- um modelo estima risco ou prioridade;
- um otimizador atribui capacidade;
- uma pessoa decide os casos de alto impacto;
- um workflow conserva o estado;
- a observabilidade regista o resultado.
A complexidade técnica justifica-se por uma melhoria demonstrável na decisão ou por uma capacidade que uma alternativa mais simples não pode oferecer.
O que construímos
Classificação
Atribuir um caso a uma categoria, estado ou tratamento: classificação documental, tipificação de incidentes, identificação de intenção, categorização de conteúdo, atribuição de rotas, deteção de condições e apoio ao controlo de qualidade.
A avaliação considera o custo desigual dos erros e a capacidade de encaminhar casos incertos.
Ranking e priorização
Ordenar elementos segundo relevância, urgência, oportunidade, risco ou valor esperado: priorização de processos, ordem de revisão, seleção de fontes, ranking de alternativas, atendimento de incidentes, atribuição de recursos, recuperação de conhecimento e seleção de conteúdos.
Um ranking avalia-se pela qualidade das primeiras posições e pelo trabalho que permite organizar, além de por métricas agregadas.
Forecasting e séries temporais
Antecipar procura, carga, risco, evolução, capacidade ou comportamento.
Desenhamos o forecasting com disciplina temporal:
- cada variável deve existir no momento da previsão;
- o treino respeita a ordem do tempo;
- os períodos de avaliação representam regimes diferentes;
- os horizontes correspondem a decisões reais;
- a incerteza exprime-se de uma forma que possa ser utilizada;
- a atualização adapta-se à velocidade do fenómeno.
Podemos combinar modelos estatísticos, gradient boosting e arquiteturas especializadas de séries temporais.
Deteção de anomalias e mudanças
Identificar observações, padrões ou regimes que merecem atenção.
A anomalia define-se em relação a um contexto. Um valor pode ser normal para uma entidade e estranho para outra; uma sequência pode ser plausível de forma isolada e problemática dentro de um processo.
O sistema pode detetar desvios, ruturas de padrão, mudanças de distribuição, comportamentos infrequentes, incoerências entre fontes, transições inesperadas e sinais físicos fora de tolerância. O resultado integra-se com investigação, explicação e resposta operacional.
Scoring e estimação de probabilidade
Produzir um sinal calibrado sobre risco, propensão, qualidade, relevância ou probabilidade de um evento.
Um score necessita de uma definição clara do evento, um horizonte, calibração, segmentos de avaliação, limiares, uma política e acompanhamento posterior.
A cifra ajuda a comparar ou a decidir. A interface explica o que significa, que incerteza contém e que ação admite.
Análise de cenários
Comparar alternativas sob pressupostos diferentes: procura, capacidade, preços, tempos, recursos, restrições, mudanças de política, eventos externos, falhas e respostas possíveis.
Os cenários ajudam a compreender sensibilidade e trade-offs. Também revelam que pressupostos controlam realmente o resultado.
Otimização
Escolher uma atribuição, uma sequência, um calendário, uma rota, uma política ou um conjunto de decisões dentro de restrições: tempo, custo, qualidade, risco, capacidade, energia, prioridades, dependências, permissões, segurança, carga humana, equidade e reversibilidade.
O objetivo formula-se em conjunto com as pessoas responsáveis. Uma função matemática representa sempre uma escolha sobre o que se valoriza e o que se protege. A otimização torna explícitos objetivos e restrições e permite comparar as consequências de prioridades diferentes.
Modelos multimodais
Relacionar texto, imagens, áudio, vídeo e sinais quando o problema precisa de combinar várias formas de observação: análise documental, visão e contexto textual, correspondência entre narração e vídeo, inspeção, perceção física, pesquisa multimodal e extração de informação em formatos complexos.
A avaliação separa a qualidade de cada modalidade e a coerência entre elas.
Dados disponíveis no momento certo
Treinar com informação que só aparece depois da decisão produz um modelo que não pode ser utilizado. Por isso construímos uma linha temporal explícita:
Cada variável é atribuída a um momento. Os dados posteriores reservam-se para construir a etiqueta, avaliar ou aprender.
Esta disciplina é especialmente importante em forecasting, risco, priorização, operações e processos com várias atualizações.
Baselines que representam o trabalho atual
A comparação principal é a forma como a organização decide hoje: uma regra, um limiar, uma heurística, uma média histórica, um modelo já implantado, o critério de uma equipa, uma combinação de filtros e revisão ou uma política de atribuição.
O novo sistema é comparado sob as mesmas condições de informação, tempo e capacidade.
Uma melhoria técnica adquire valor quando se traduz numa decisão mais bem preparada, mais consistente, mais rápida, mais barata ou mais segura.
Incerteza e calibração
A incerteza faz parte da saída.
Trabalhamos para que uma probabilidade de setenta por cento tenha um significado empírico consistente dentro do âmbito avaliado. Observamos a calibração por segmentos, horizontes e períodos.
A incerteza pode ser utilizada para ajustar limiares, encaminhar casos, pedir informação, escolher outro modelo, mostrar um intervalo, reduzir o âmbito, abster-se ou solicitar critério humano.
A interface apresenta o significado de que a decisão necessita, juntamente com o intervalo de confiança que a cifra admite.
Do modelo à política
Um score ou forecast transforma-se numa decisão através de uma política.
A política define que ação corresponde a cada intervalo, que restrições prevalecem, que casos necessitam de revisão, que capacidade existe, o que acontece quando faltam dados, como se resolvem empates, quando se atualiza, o que se regista, como se reverte e que resultado se observará.
Podemos otimizar limiares e políticas consoante custos, capacidade e objetivos múltiplos.
A política permanece examinável e versionada. Uma alteração no modelo mantém visível o seu efeito sobre a autoridade e o percurso.
Otimizar o sistema completo
Uma métrica local pode melhorar enquanto o sistema piora:
- priorizar mais casos de alto risco pode saturar a revisão;
- reduzir o tempo por tarefa pode aumentar a fila seguinte;
- maximizar a utilização pode alongar o ciclo;
- elevar a automação pode concentrar exceções complexas em poucas pessoas;
- otimizar o custo pode reduzir a estabilidade ou a capacidade de explicação.
Por isso avaliamos o efeito sobre o percurso completo.
A função objetivo pode combinar qualidade, custo, tempo, risco, carga, capacidade, satisfação, estabilidade, recuperação e distribuição do resultado. Declaramos também restrições que a otimização deve respeitar; algumas são técnicas e outras representam decisões organizativas.
Participação humana
As pessoas intervêm na formulação e na utilização.
Durante o desenho definem o objetivo, explicam o processo atual, identificam custos de erro, estabelecem restrições, revêem dados e etiquetas, assinalam mudanças de regime, discutem trade-offs e decidem que casos merecem autoridade humana.
Durante a operação recebem recomendações, trazem informação, revêem casos incertos, corrigem, autorizam, mudam a política e explicam resultados inesperados.
A interação é desenhada para que o critério humano se concentre onde faz diferença, com contexto suficiente e uma carga sustentável.
Integração dentro do trabalho
O modelo liga-se a APIs, ERP, aplicações, workflows, agentes, sistemas de reporting, ferramentas de análise, interfaces de revisão, sistemas físicos e observabilidade.
A integração determina latência, disponibilidade, permissões, frequência de atualização e capacidade de resposta. Permite também registar se a recomendação foi utilizada, que ação foi tomada e que resultado apareceu.
Acompanhamento e aprendizagem
Depois de implantar observamos qualidade preditiva, calibração, deriva, mudanças de distribuição, latência, custo, disponibilidade, decisões humanas, correções, taxa de utilização, efeito operacional, segmentos com desempenho diferente e mudanças de política.
O retreino é ativado por evidência e por necessidade do processo.
Cada versão conserva dados, variáveis, código, parâmetros, métricas, período, política associada, condições de utilização e decisões de implantação.
Aplicações possíveis
Priorização operacional
Ordenar pedidos, incidentes, documentos ou casos segundo urgência, impacto e capacidade.
Forecasting de procura e carga
Antecipar volumes, necessidades e recursos para planear.
Risco e anomalias
Detetar condições que merecem investigação ou um percurso diferente.
Recomendação e ação seguinte
Propor alternativas dentro de políticas e contexto.
Atribuição e planeamento
Distribuir tarefas, recursos, turnos, modelos ou agentes sob restrições.
Otimização editorial
Selecionar fontes, formatos, tempos e modelos para equilibrar qualidade, custo e latência.
Inteligência financeira
Combinar sinais, cenários, forecasting e risco dentro de sistemas informativos e de decisão.
Inteligência Física
Estimação de estado, planeamento, controlo preditivo, rotas e sequências sob restrições físicas.
Como avaliamos
- Métricas preditivas
- Precisão, recall, F1, AUC, erro absoluto, erro quadrático, métricas de ranking ou forecasting consoante o problema.
- Calibração
- Correspondência entre probabilidade estimada e frequência observada.
- Custo de decisão
- Valorização diferente de erros, atrasos, abstenções e encaminhamentos.
- Validação temporal
- Avaliação sobre períodos posteriores e regimes diferentes.
- Baseline
- Comparação com regras, heurísticas e prática atual.
- Robustez
- Sensibilidade a ruído, dados em falta, mudanças de distribuição e segmentos.
- Política
- Impacto de limiares, capacidade, restrições e revisão humana.
- Operação
- Latência, custo, disponibilidade, integração e capacidade de recuperação.
- Resultado
- Efeito sobre tempo, qualidade, risco, carga, recursos e outras métricas de negócio.
Condições e limites
Os dados históricos contêm as decisões, os enviesamentos e as omissões do processo que os produziu. A modelação deve tornar visíveis essas condições e avaliar como afetam casos diferentes.
Uma relação preditiva permite antecipar; uma explicação causal necessita de um desenho e de uma evidência diferentes.
As mudanças de regime podem deteriorar a utilidade antes de uma métrica agregada o tornar evidente. O acompanhamento combina dados, conhecimento de domínio e sinais operacionais.
A decisão sobre o objetivo, os trade-offs e a autoridade pertence à organização. O sistema ajuda a representá-la, a aplicá-la e a aprender com os seus resultados.
Sistemas relacionados
- Finaz: forecasting, classificação, ranking, risco e reporting financeiro.
- ERP-Bots: priorização, anomalias e políticas dentro de operações sobre ERPs e aplicações de negócio.
- SuperSocrates: deteção de lacunas e discrepâncias entre fontes, decisões e pressupostos, e escolha da pergunta útil seguinte.
- SuperQuestions: representação e gestão de perguntas, evidência, decisões, dependências e trabalho de projetos, incluindo a otimização desse trabalho.
- Visort, MagdalenOS e MontojOS: perceção, estimação, planeamento e controlo.
- Inteligência para decisões: aplicação destas capacidades a decisões concretas.
Fecho
O machine learning traz sinais. A otimização transforma objetivos e restrições em escolhas. O sistema de decisão integra ambas as funções com políticas, pessoas e resultados observáveis.
O que representamos antes de escolher um método
- 01que decisão se toma hoje?
- 02quem a toma?
- 03que alternativas existem?
- 04que informação se conhece nesse momento?
- 05que informação chega depois?
- 06que objetivo se quer melhorar?
- 07que restrições devem respeitar-se?
- 08que custo possui cada tipo de erro?
- 09que capacidade tem o processo para atuar sobre a recomendação?
- 10que resultado permitirá aprender?
- 11que casos necessitam de critério humano?
- 12quando convém abster-se?