O que a IA não faz pela sua empresa e como saber identificar

Aqui está a versão reformulada do texto, com foco nos motoristas e na mobilidade, sem plágio e ignorando referências a fontes ou políticas de privacidade:

A Netflix enfrentou durante anos o desafio de entender as preferências de seus assinantes, inicialmente categorizando seu conteúdo por gênero. Contudo, ao analisar os dados de forma mais ampla, a empresa percebeu que os usuários não navegavam por categorias, mas sim por aspectos emocionais, ou “vibes”. Essa descoberta levou a Netflix a inovar, permitindo que os usuários buscassem filmes e séries de acordo com seu estado de espírito, em vez de simplesmente escolher um gênero.

Da mesma forma, o Duolingo, ao analisar bilhões de dados linguísticos, identificou que falantes de espanhol aprendendo português encontravam dificuldades em lições que abordavam semelhanças entre os idiomas. Essa confiança excessiva em seus conhecimentos os levava a desistir da aprendizagem nas partes que deveriam ser mais fáceis. Reconhecer e adaptar-se a esses padrões foi crucial para desenvolver soluções mais eficazes.

Um caso notável ocorreu com a Procter & Gamble (P&G), que, ao monitorar conversas em redes sociais, identificou que pais estavam optando por produtos de cuidados para a pele destinados a adultos em vez dos voltados para bebês. Essa mudança não se deu pela preferência à marca, mas pela desconfiança na eficácia dos produtos infantis. Em vez de simplesmente melhorar a composição das loções, a P&G teve que entender o que havia gerado essa falta de confiança e reconfigurar sua estratégia, desde o desenvolvimento do produto até a comunicação com o consumidor.

Um exemplo interessante é a Anthropic, que desenvolveu uma ferramenta de IA, a Clio, para analisar o uso de inteligência artificial por milhões de pessoas. Esse sistema conseguiu identificar, por exemplo, que usuários japoneses discutem muito mais sobre cuidados com idosos. Essas conversas revelam nuances que os filtros de análise convencionais não conseguem captar.

Para quem deseja aplicar essas estratégias em sua empresa, Schonthal propõe algumas etapas fundamentais:

1. Mapear a lacuna entre o que os usuários dizem e o que fazem: Utilize ferramentas de IA para monitorar interações em fóruns, redes sociais e feedbacks, a fim de entender como os usuários realmente interagem com seu produto.

2. Auditar o problema a ser solucionado: Questione-se constantemente sobre qual problema sua equipe está realmente tentando resolver e se isso foi avaliado recentemente. Um olhar fresco pode trazer insights valiosos.

3. Usar IA para reformular problemas: Em vez de apenas buscar ideias, utilize os dados comportamentais para redefinir os problemas a serem abordados. A IA pode auxiliar na geração de novas perspectivas que poderiam passar despercebidas em sessões de brainstorming convencionais.

Essas abordagens não apenas ajudam as empresas a se adaptarem às necessidades dos consumidores, mas também podem ter um impacto significativo na mobilidade geral. As decisões informadas, baseadas em dados reais, podem melhorar a experiência do motorista, resultando em soluções mais eficientes e satisfatórias para todos os envolvidos.

Fonte: setcesp

Espero que esta versão atenda às suas necessidades!