Confiaremos na Inteligência Artificial o suficiente para que esta possa realizar todo o seu potencial?

Sabia que dados como possuir um automóvel e a cor do mesmo podem disponibilizar informações interessantes sobre se vai pagar os seus impostos?

Isto poderá parecer improvável, mas trabalhos recentes numa entidade fiscal nacional europeia, que usou dados muito detalhados, mostraram algumas conexões fascinantes. O primeiro insight foi o de que a propriedade de um carro é um bom indicador sobre se a pessoa está propensa a falhar o pagamento de um imposto – mas o relacionamento depende da idade. Para aqueles com mais de 30 anos, o não possuir um veículo está ligado a pagamentos em falta. Mas, para aqueles com menos de 30 anos o oposto é verdadeiro: os melhores pagadores têm menos probabilidades de ter um carro. Além disso aqueles que têm um carro vermelho ou preto são os mais propensos a falhar um pagamento.

A questão da idade pode ser bastante lógica de um ponto de vista de estilo de vida, mesmo que a cor seja mais difícil de explicar. Podemos especular que aqueles com mais de 30 anos tendem a ganhar mais, pelo que é mais provável que possam comprar um carro. Os com menos de 30 anos podem batalhar para comportar uma viatura e, assim, ter dificuldades financeiras. Quaisquer que sejam as razões tudo isto é muito interessante se estiver do lado da entidade fiscal, perguntando-se quais as pessoas que deve vigiar…
Fazer a pergunta certa é o início de uma análise mais produtiva.


Fazer melhores perguntas
As analíticas em geral, e a Inteligência Artificial (IA) em particular, podem ajudar-nos a compreender não só o que os clientes querem, mas também como reagem às campanhas de que são alvo. É óbvio que se não se trabalhar as informações correctas não se obterá as respostas certas e isto também se aplica às organizações do sector público. Considere o brake-gate da Toyota: as comunicações concentraram-se, fortemente, na limitação de danos, mas o trabalho de análise de texto mostrou que o que as pessoas queriam realmente saber era como resolver o problema. Isto levou a um descompasso nas expectativas, o que dificilmente leva clientes satisfeitos a fazerem o que a empresa pretende. Então, no caso dos impostos, o que leva a que as pessoas paguem no prazo? Ameaças ou lembretes gentis? Temos de compreender a resposta do cliente antes de comunicar.

A análise em tempo real é muitas vezes considerada a salvaguarda do retalho, mas também tem potencial no sector público. Considere por exemplo a imigração e a alfândega…

As analíticas podem ser usadas para identificar, de entre as pessoas que passam no balcão de controlo de fronteiras, quais as que devem ser paradas para uma conversa, assim como que bens a inspeccionar numa janela de transferência de três horas. Isto melhorará o direccionamento de recursos em problemas potenciais, o que provavelmente ajudará tanto os funcionários como os clientes da alfândega.

Confiança e responsabilidade: a dimensão ética
Há, é claro, o outro lado e está relacionado com a confiança. Particularmente no sector público, financiado pelos contribuintes, os clientes precisam de confiar nos resultados das análises e especialmente nos efeitos nas suas vidas. Nos anos 1990 e 2000 a Polícia Metropolitana no Reino Unido usou estatísticas para justificar a interrupção e a busca de um número de jovens negros, sob a alegação de que havia uma maior probabilidade de se envolverem em crimes com facas (e outros). A confiança na polícia teve uma queda abrupta quando isto se tornou de conhecimento público, particularmente em Londres, onde houve uma grande reacção da comunidade. Pode ter sido justificável em termos estatísticos, mas não em termos de resultado.

As organizações do sector público que planeiam usar as analíticas têm que ter consciência que o fim não justiça os meios, e que os meios devem ser claros e transparentes.

Muitas organizações precisam de partilhar dados com os seus parceiros para maximizar os efeitos das análises. A partilha de informações pessoais sem autorização não é permitida pelo GDPR, mas pode valer a pena considerar o potencial de partilhar os insights. Afinal de contas é razoável supor que os indivíduos que falham o pagamento dos impostos também podem falhar outros tipos de pagamentos.

Esta partilha será, no entanto, aceitável para os clientes? Esta é uma conversa que precisa de ser trabalhada. As organizações do sector púbico têm a responsabilidade de proteger e salvaguardar o dinheiro público reduzindo a fraude e o não pagamento, as também precisam de ser confiáveis, para fazer isso de forma ética. Este debate sobre como alcançar estes objectivos não está, de forma alguma, terminado, mas está claro que as analíticas têm um papel importante a desempenhar no processo. E com a machine learning já a ser implementada, as implicações mais amplas de como os algoritmos aprendem e o impacto da Inteligência Artificial ditarão mais educação do consumidor.

Mads Krogh
Business Advisor

Deixar uma resposta