Equipe tornou-se campeão da Major League Baseball mesmo ficando em 18º lugar entre as que gastaram mais
Quando o Houston Astros venceu o sétimo e decisivo jogo da World Series do ano passado, marcou o fim de uma estrada longa e desafiadora. A equipe não só se tornou campeã da Major League Baseball pela primeira vez em seus 56 anos de história, mas também o fez depois de perder impressionantes 111 (de 162) jogos apenas quatro anos antes. E esse caminho para a vitória não foi pavimentado com grandes investimentos. A folha de pagamento do Astros ficou em 18º lugar entre os 30 times da primeira divisão — e quase 50% (aproximadamente US$ 118 milhões) menos do que o vice-campeão da World Series, o Los Angeles Dodgers. Ganhar foi um processo desenvolvido por anos e baseou-se, em grande parte, na análise avançada de dados. O gerente geral do Houston Astros, Jeff Luhnow, ex-aluno da McKinsey e ex-vice-presidente do St. Louis Cardinals, começou uma transformação da atuação da equipe baseada em dados a partir do momento em que foi contratado em 2011, orientando até tomada de decisões em campo, como onde posicionar jogadores em situações de jogo. Como em qualquer grande esforço de mudança, isso era muito mais do que um jogo de números. Luhnow e sua equipe tiveram que construir uma organização e uma cultura que adotassem dados, traduzissem em ideias importantes para jogadores e técnicos e quebrassem silos que estavam impedindo a realização do potencial total da abordagem. O trabalho começou no trabalho dos “olheiros”, que passaram a usar a análise de dados para melhorar o processo de contratação de novos jogadores. A parte mais difícil, confessa ele, foi mudar o comportamento dos treinadores e dos jogadores, mas ele “ganhou a guerra” graças ao apoio do dono da equipe. O momento é chave, na visão de Luhnow: “agora temos informações que não sonhamos que teríamos há alguns anos. O desenvolvimento de modelos a partir de toda essa informação será crítico para o sucesso das equipes daqui para frente. Eles podem ganhar uma vantagem – e uma vantagem em termos de não apenas ser o primeiro a usar essa tecnologia, mas ser capaz de implementá-la mais rapidamente do que as outras equipes.” Em relação ao futuro, diz ele, ” Big data combinado com inteligência artificial é a próxima grande onda no beisebol, e acho que estamos apenas começando a arranhar a superfície”. Fonte: McKinsey&Co
Por que Inteligência Artificial é essencial para aperfeiçoar os softwares B2B
A Inteligência Artificial é uma ferramenta poderosa, mas só gera valor quando atinge seu objetivo principal: conduzir a decisões melhores e mais rápidas para o usuário final. Para isso, precisa ir além de apenas fornecer insights solicitados pelos usuários e, ao invés disso, interagir com eles de maneira intuitiva, espontânea e sem interrupções. Esse foco já é bastante comum para aplicativos de IA voltados para o consumidor (Google Search, Siri), mas ainda não ocorre tanto no mundo B2B. dos softwares comerciais. Brian Ross, presidente da Precima, sugere algumas áreas nas quais fornecedores interessados em aproveitar o poder da inteligência artificial para melhorar suas soluções de B2B deveriam jogar o foco. Processamento de linguagem natural, por exemplo. À medida que a IA cresce em importância, a capacidade da tecnologia de entender intuitivamente como os humanos falam (ou digitam) cresceu com ela. A IA pode simplificar significativamente o processo de acessar e analisar relatórios — e até reduzindo custos de treinamento. Personalização baseada em personas, que será um passo adiante aos segmentos predefinidos atuais e permitindo experiências verdadeiramente dinâmicas com base em como cada usuário interage com a solução. Alertas proativos é outra dessas áreas.A inteligência artificial, combinada com o aprendizado de máquina, poderia ajudar não apenas a melhorar as experiências do usuário final, mas também fornecer tendências ou dados valiosos que podem não ser perceptíveis para a pessoa comum. Fonte:Colloquy
