IA e machine learning se tornaram tão comuns que maioria dos consumidores as utiliza sem perceber
Entre as diversas transformações aceleradas pela crise sanitária da Covid-19, as mudanças de comportamento e hábitos de consumo geradas pelo distanciamento social impactaram de forma notável o crescimento do uso de tecnologia no varejo. A pandemia exigiu que as companhias reorganizassem rapidamente suas estratégias com base em três pilares: otimização de custos, apoio à força de trabalho remota e resiliência de negócios, e, para isso, o uso da computação em nuvem foi indispensável.
De acordo com o IDC, o mercado de cloud computing no Brasil atingiu US$ 3.1 bilhões no último ano e estima-se que o consumo dessa tecnologia cresça 34,2% entre 2019 e 2024 no País.
Essa evolução digital se deu, pois, no contexto do consumidor hiperconectado, além de lidar com o aumento crescente da demanda on-line, as marcas precisaram otimizar as operações no que diz respeito à logística, organização de estoque, previsibilidade de vendas e engajamento com a base de clientes. Assim, a elaboração de estratégias para alcançar esses objetivos exigiu ainda mais a compreensão das diferentes oportunidades criadas por processamento e análise de dados, cujos altos volumes só são suportados por arquiteturas baseadas em cloud.
Devido à sua elasticidade e escalabilidade de armazenamento de informações, a nuvem é capaz de gerenciar e analisar a gigantesca quantidade de dados provenientes das interações de consumo. Essa tecnologia permite que as empresas se tornem mais ágeis e cresçam de maneira rápida e fácil. No varejo (e em outros segmentos), sua utilização também se destaca por garantir o desenvolvimento de ferramentas de inteligência artificial (IA) e machine learning (ML), que otimizam as operações e agregam inteligência baseada em fatos para as tomadas de decisão.
Essas tecnologias tornaram-se tão comuns que a maioria dos consumidores as utiliza sem perceber. Ao frequentar sites de compra e buscar por determinado produto, por exemplo, o cliente é direcionado a itens similares quando efetua novas buscas. Nas redes sociais, essa previsibilidade fica ainda mais evidente, como se os aplicativos pudessem ler pensamentos e antecipar vontades. É assim que o machine learning funciona, aprendendo conforme as interações dos clientes em diferentes plataformas e se adaptando às mudanças de seu perfil na busca por produtos ou serviços específicos.
Na verdade, o ML tem potencial para transformar quase todos os setores. No varejo, além de aproximar as marcas dos desejos dos usuários, essa transformação pode ser percebida em casos práticos de otimização das operações. Aplicativos de delivery, por exemplo, podem ampliar sua capilaridade por meio da automação. O iFood alcançou o total de 220 mil restaurantes atendidos em mais de mil cidades, contando com 170 mil entregadores cadastrados na plataforma. Para isso, utilizou um simulador de rotas capaz de calcular com alta precisão o tempo que o entregador gasta ao percorrer o caminho entre o restaurante e o cliente. Com algoritmos, reduziu a distância percorrida para fazer uma entrega em 12% e o tempo ocioso dos entregadores caiu em 50%, elevando o cumprimento de SLA a 95%.
Outro exemplo usual da aplicação de machine learning envolve a catalogação de produtos, que muitas vezes ocorre de maneira manual e demanda milhares de horas de trabalho. Com um portfólio de mais de seis marcas e milhares de produtos, a Arezzo&Co enfrentava esse desafio, e, com o uso de machine learning, reduziu 7 mil horas de trabalho. Além disso, a assertividade nesse processo subiu de 80% para 91%. Já no caso de grandes redes e franquias, a inteligência artificial possibilita também a automatização de um processo de decisão relacionado à distribuição de produtos. Na C&A, com o uso de inteligência artificial, a quantidade de itens de cada cor, tipo e tamanho é definida e distribuída para as 288 lojas da varejista no Brasil, o que reduziu o custo de suas operações em cinco vezes.
O uso de machine learning contribui ainda para prever picos de vendas no mercado por meio de análises de dados precisas. Com isso, as empresas podem organizar e antecipar suas produções para ter estoques disponíveis para as novas demandas. Essa tecnologia também pode auxiliar os varejistas a aumentar suas vendas com a conquista de novos consumidores: a análise de dados é capaz de prever tendências, identificar necessidades e prospectar novas oportunidades em diferentes nichos de consumo devido ao acesso instantâneo às informações, que moldam com precisão os perfis de clientes atuais ou potenciais.
Com esses exemplos torna-se evidente que os padrões criados a partir da análise de grandes montantes de dados, feita com o auxílio de machine learning, ajudam os varejistas a ter informações mais precisas, que resultam em uma importante vantagem competitiva. Entender a linguagem dos usuários, reconhecer padrões de compra e aprender com a informação podem ajudar o comércio a enfrentar desafios significativos e complexos. Com a rápida evolução dos negócios e do consumidor no mundo digital, o potencial trazido ao setor pelo uso dessas tecnologias se torna cada vez mais significativo e indispensável.
* Renato Barbosa é especialista de Inteligência Artificial e Machine Learning da AWS
