De detecção de fraudes á análise de sentimentos, recursos não precisam de conhecimento em aprendizado de máquina para serem adotados
Durante esta semana acontece a re:Invent, conferência realizada pela AWS que apresenta os principais lançamentos da companhia.
Apesar de a maioria das novidades focar em melhorias técnicas, chamaram a atenção algumas ferramentas de machine learning voltadas para o mercado corporativo que podem trazer mudanças significativas para os negócios. E o melhor: sem a necessidade de que a empresa tenha especialistas em aprendizado de máquina para realizar as implementações.
Abaixo, apresentamos uma lista com 5 recursos anunciados que vale a pena destacar:
Já em fase de testes, o Fraud Detector foi criado com base na experiência da plataforma de e-commerce da Amazon para a análise e bloqueio de tentativas de fraude.
Inicialmente, o ‘Fraud’ pode ser utilizado para detectar pontos de atenção em atividades como abertura de novas contas, identificação de perfis de risco e uso excessivo do serviço “Pague só depois de usar”. Em breve, o sistema também será capaz de realizar análises de risco e apontar incoerências em pagamentos on-line.
Para fazer uso dos serviços, os futuros clientes precisarão lançar dentro da Amazon Simple Storage Service (S3) informações como endereço de email da conta que fez o pedido e o IP da transação para que o sistema de machine learning utilize análise preditiva para aprovar (ou não) a compra. Também será possível alimentar a API da plataforma com novas informações de perfis novos e antigos, a fim de se construir um perfil mais completo dos possíveis compradores.
Focado no atendimento de call centers, o Contact Lens utiliza machine learning para analisar, com base na transcrição em tempo real das conversas entre atendentes e clientes e o uso de processamento natural de linguagem, realizar funções como análise de sentimento (para entender momentos de irritação ou raiva) ou mesmo analisar de forma rápida qual tipo de produto ou serviço gera mais demandas para a equipe de atendimento.
Já em funcionamento para o idioma inglês, o serviço irá receber suporte para novos idiomas em 2020. Além de outras ferramentas, como um painel individualizado para cada ligação alertas em tempo real e customização da ferramenta de transcrição, para a inclusão de siglas ou temas particulares de cada empresa.
O serviço (já disponível) facilita a tarefa construção e revisão humana de aplicações que utlizam tecnologias de machine learning – curiosamente, realizando a tarefa com machine learning. Para isso, a ferramenta oferece prévias de modelos utilizados em tarefas mais corriqueiras do aprendizado de máquina, como transcrição de linguagem, detecção de objetos e moderação de conteúdo.
A ideia é que, ao entregar modelos semi prontos, a equipe possa ganhar tempo para produzir modelos mais eficientes e diminuir o retrabalho.
O Kendra se propõe a funcionar como uma ferramenta de busca interna para as empresas. Ao realizar o upload de documentos internos, como manuais, guias informativos e FAQs de processos internos, o sistema utiliza aprendizado de máquina para reunir, processar e organizar toda a base de dados de forma mais simples e intuitiva.
Quando o sistema estiver implementado, qualquer colaborador pode utilizar o Kendra por sistema por voz ou digitação para conseguir respostas a perguntas como horário de aberturas de serviços internos (como o suporte da TI) ou informações sobre serviços ou produtos específicos da companhia – documentos que muitas vezes acabam se perdendo por conta de desligamentos ou mesmo transferências de área.
A solução já está disponível para testes e futuramente serão inclusas funcionalidades como auto complete para as perguntas, análise sobre as consultas realizadas (para identificar melhorias ou mesmo remoção de arquivos antigos) e melhorias para autoaprendizagem.
Essa funcionalidade utiliza a base de dados de repositórios famosos como GitHub e CodeCommit para (com base em modelos de machine learning já treinados) analisar as linhas de código de uma aplicação e apontar erros ou sugerir melhorias.
A solução, que já está em funcionamento, conta com outra função que detecta as linhas de código responsáveis por consumir mais recursos de máquinas, como capacidade de CPU e demora entre a requisição de um serviço e resposta, dando chance para que as equipes pensem em otimizações.
O CodeGuru já é utilizado dentro da Amazon e, durante a edição 2019 do Prime Day, as “dicas” da plataforma ajudaram a marca a melhorar em 325% a utilização das CPUs e reduzir em 39% os custos gerais.
* Jornalista viajou para Las Vegas (NV) a convite da AWS
