duplicação de dados

Elimine a duplicação de dados sensíveis e gerencie o consentimento para atender a LGPD

A Lei Geral de Proteção de Dados requer várias providências por parte da TI. O texto prevê a proteção aos dados sensíveis, como nomes, CPF, endereços etc. de consumidores. Prevê, também, que esses dados só serão coletados com o consentimento de seus proprietários.

Portanto, se você tem bancos de dados de usuários, clientes ou consumidores, tem que adequar-se para estar em conformidade. Para isso, é preciso conhecer os dados relevantes e descobrir onde estão armazenados. Em muitos casos, os dados estão dispersos ou são compartilhados com diferentes departamentos, como SAC, logística ou marketing.

Então, para começar, elimine a duplicação de dados e crie um catálogo único.

O mesmo usuário/consumidor pode ter entradas em diferentes plataformas, com nomes abreviados, incompletos etc. Você precisa identificar as duplicações e consolidá-las para conseguir resgatar os dados de uma pessoa, caso seja preciso.

Claro que você precisará de uma solução que permita a adição, o trabalho e o compartilhamento de dados entre sistemas e processos de recebimento de dados. E que apresente recursos de Machine Learning para otimizar os processos.

Gerencie o consentimento

O consentimento está previsto na lei: a empresa só poderá armazenar dados pessoais se o usuário/consumidor concordar e der o seu consentimento. O consentimento pode ser manifestado pelo preenchimento de um formulário eletrônico, pelo envio de e-mail ou um simples clique do usuário num checkbox. Ao coletar os dados, portanto, será preciso apresentar um texto solicitando o consentimento (texto que, por sinal, precisa ser escrito pela área jurídica de forma a garantir que esteja de acordo com a lei).

Se a empresa já tem um banco de dados, terá que disparar um pedido de atualização dos Termos de Uso e Políticas de Privacidade.

Como se vê, o tema demanda uma solução capaz de gerenciar o consentimento, separando aquelas pessoas que já concordaram daquelas que não concordaram ou não responderam, para manter as informações pelo tempo previsto ou eliminá-las do banco de dados.

Solução que resolve

Com MDM - Master Data Management Express, da IBM, você consolida dados de diferentes fontes em minutos. E tem uma visão unificada e confiável dos dados do cliente (dado mestre), vindos de sistemas redundantes e inconsistentes. Assim, é possível eliminar duplicações de dados e unificá-los num catálogo único.

A solução também conta com interface gráfica para fácil curadoria, visualização e edição de informações de gerenciamento de consentimento; faz buscas de texto avançadas para localizar e visualizar dados de uma pessoa específica; fornece gráficos e estatísticas.

A solução faz uso de Machine Learning, tem instalação simples e conta com APIs para integração.

Com MDM você já dá os primeiros passos para adequar sua empresa à LGPD. A nova lei é uma realidade. Por isso, se precisar de ajuda, pode contar conosco!


lgpd

A LGPD envolve várias frentes de trabalho. É hora de arregaçar as mangas!

 

A LGPD – Lei Geral de Proteção de Dados foi aprovada e, agora, é apenas uma questão de meses até que empresas façam as adequações necessárias para evitar as multas pesadas previstas pelo texto.

Os esforços são grandes, abarcam várias áreas da empresa e não apenas a área jurídica e de TI. Respire fundo e responda:

Read more


Tech Trends para 2020 e para o futuro

Recente artigo da Forbes Inc trouxe uma lista (suscinta, é verdade) das principais tendências tecnológicas para este início de década. Algumas parecem óbvias, mas há novidades mesmo entre as obviedades. Confira:

INTELIGÊNCIA ARTIFICIAL

Continuaremos a ver o avanço da IA no mundo corporativo. Um número crescente de profissionais terá que aprender a trabalhar com IA, aproveitando as facilidades que ela proporciona. Mas isso representa, também, desafios: muitos profissionais terão que se qualificar para abraçar novas funções, mais estratégicas e valiosas para a empresa.

HYBRID MULTICLOUD

Muitas organizações já estão adotando uma abordagem híbrida multicloud (misto de nuvem pública, nuvem privada e recursos locais). Os serviços são proporcionados por diferentes fornecedores, o que permite selecionar as melhores soluções, garante a flexibilidade e a independência. É o caminho. Em 2020, multicloud estará com tudo!

QUANTUM COMPUTING

Explicar como funciona envolveria conceitos da física quântica. Mas basta saber que essa tecnologia é a mais promissora para o futuro, e permitirá que máquinas resolvam problemas complexos impossíveis de serem solucionados pelos computadores tradicionais. Desde 2016 a IBM tem seu Quantum Computer em nuvem, para testes e desenvolvimento de aplicações, seja por empresas ou instituições de ensino. Em 2020 e nos próximos anos, veremos as conquistas desses primeiros desbravadores.

BLOCKCHAIN

Em 2019 a tecnologia ganhou adeptos em todo o mundo, principalmente entre instituições financeiras, de trade e de supply chain. A tendência é expandir para demais áreas e para empresas de todos os portes, ampliando a segurança de transações e troca de dados.

EGDE COMPUTING

Estamos vivendo os primórdios do Edge Computing – a análise dos dados fornecidos por sensores espalhados por milhares de equipamentos, de carros a geladeiras, de máquinas no chão de fábrica a eletrônicos. A ideia é buscar formas de analisar sem ter que enviar os dados ao datacenter, via cloud. E para isso, a tecnologia 5G será um ótimo recurso. Veremos progressos nessa seara!

COMPUTAÇÃO SUSTENTÁVEL

Dependemos de datacenters para tudo e eles, por sua vez, dependem de grandes quantidades de energia elétrica. Datacenters já representam 2% do consumo mundial de energia – e o número só tende a aumentar com as demandas de IA e de Big Data. Por isso, há pesquisas em curso para diminuir a conta.

Confira as tendências tecnológicas no texto completo, clicando aqui.

Sua empresa está preparada para esses avanços? Nós podemos te ajudar a chegar lá. É só entrar em contato, clicando aqui.

 


5 etapas para colocar sua empresa em conformidade com a LGPD

 

A LGPD – Lei Geral de Proteção de Dados está em contagem regressiva para entrar em vigor. É preciso correr!  Por onde começar?  

Comece pela conscientização de executivos e gestores sobre os conceitos da lei e os riscos que ela representa. Quais são os dados sensíveis de que fala a lei? Quais são os direitos garantidos pela lei aos donos da informação?  

Read more


AIOps – O próximo passo na jornada digital

Artificial Intelligence for IT Operations, ou AIOps, vem sendo cada vez mais falado, principalmente entre aqueles que estão à frente dos desafios da transformação digital: da inclusão de modelos disruptivos de negócio, das mudanças culturais provocadas pelo DEVOps, da necessidade de implementar entregas no modelo ágil, sem contar a adoção de novas plataformas tecnológicas como cloud, containers, microsserviços e afins, bem como a avalanche de novas engrenagens de integração e entrega.

Dentro desse contexto, faz-se necessário compreender novos modelos que possam automatizar e garantir melhor e mais rapidamente as entregas desejadas de TI ao negócio. O AIOps vem como um direcionador desse futuro.

Como tudo que é muito novo, gera-se muito interesse, muitas dúvidas sobre o tema e entendimentos equivocados. Se quiser entender como essa abordagem toda foi amadurecendo ao longo do tempo, confira também este texto.

E O QUE É AIOps?

O termo foi criado pelo Gartner, que define AIOps como a aplicação de Machine Learning (ML) e ciência dos dados em problemas de operações de TI. As plataformas AIOps combinam Big Data e funcionalidades de ML para aprimorar e substituir parcialmente todas as principais funções das operações de TI, incluindo disponibilidade e monitoramento de performance, correlação e análise de eventos, e gerenciamento e automação de serviços de TI.

 

A intenção do AIOps para o universo TI é produzir insights que possam ampliar a Análise de Performance - desempenho, consumo de recursos, disponibilidade; Automação - análise de causa-raiz, acionamento de remediação, comunicação; Engajamento de usuários.

No entanto, o AIOps só faz sentido se tiver valor para o negócio, se conseguir apoiar e estiver alinhado, atendendo aos desafios (de crescer/melhorar/inovar) dos negócios digitais. A grande sacada é usar o grande volume, variedade e velocidade dos dados para entender e responder aos casos de uso de negócio:

Por que meus clientes abandonam a jornada e aonde? Meu portal está convertendo menos vendas hoje do que ontem? TI tem algo a ver com isso? Qual parte? Quanto estou deixando de vender por causa deste problema em TI? Como posso ampliar minha campanha de marketing?

Ou seja, AIOps vem para ser uma grande ponte de mão dupla visando aproximar os esforços de TI para os objetivos e metas do negócio. De que forma? CONTINUOUS INSIGHTS! Eis o motor que vai transformar a forma como TI entrega mais resultado para a área de negócios.

O que devemos esperar ver nas implementações de AIOps é uma visão voltada à estratégia de valor para o negócio, onde as metas e os resultados do monitoramento de TI devem estar bem alinhados com o negócio, com foco na experiência digital e nas jornadas do cliente; processos mais automatizados e arquiteturas cada vez mais autônomas e com maior agilidade; melhoria nos processos e fluxos de trabalhos entre os vários silos na TI, facilitando a cooperação de várias equipes e reduzindo a complexidade das operações de TI.

 

Será que você está pronto para essa jornada? Avalie o seu conhecimento e o seu engajamento com esse tema a partir dessa pesquisa que estamos conduzindo: http://bit.ly/2OjXEfQ

­­­­­­­­­­­­­­­­­­­­­­­­­

_______________________________________________________________

Referências:

Ref.[1] Gartner - Market Guide for AIOps Platforms ID G00322184 2017 08 03

Ref.[2] Gartner - Market Guide for AIOps Platforms ID G00340492 2018 Nov 12

Ref.[3] Gartner - 2019 Strategic Roadmap for IT Operations Monitoring ID G00390313 2019 Jun 20

Ref.[4] Dynatrace – AIOps Done Right – Automating the Next Generation of Enterprise Software 2019 Mar 15


AIOps: de onde vem tudo isso?

Em 2015, o Gartner identificou uma tendência emergente do mercado de TI onde os processos e as ferramentas tradicionais não estavam adequadas para lidar com os desafios dos negócios digitais: a distribuição de responsabilidade e orçamento na organização mais ampla e para fora da TI; a necessidade de se passar da análise histórica para a análise em tempo real; o aumento exponencial no volume, variedade e velocidade de dados digitais gerados e que formam o fundamento do Big Data. A única SAÍDA era usar Inteligência Artificial como forma de processar este grande volume de dados e surgiu assim o termo AIOps - Artificial Intelligence for IT Operations.

Em 2018, as operações de TI se viam desafiadas por duas forças opostas:

A ABORDAGEM ATUAL EM XEQUE

Em 2019, as disrupções dos negócios digitais e das tecnologias vem forçando os líderes de infraestrutura e operação a reavaliar definitivamente a sua estratégia de monitoramento de TI, alguns dos principais pontos:

  • AGILIDADE E ALINHAMENTO COM RESULTADOS DE NEGOCIOS: A digitalização do negócio está mudando a natureza de como os serviços de TI são consumidos.
  • INSIGHTS ORIENTADOS A NEGÓCIO: A explosão da variedade, volume e velocidade dos dados de TI forçará a TI a evoluir não apenas para disponibilidade, mas para ampliar o desempenho dos resultados dos serviços digitais.
  • ORQUESTRAÇAO DINÂMICA E AUTÔNOMA: Alterações na arquitetura e, especificamente, com o advento da nuvem híbrida, mudam a maneira como o monitoramento da infraestrutura precisa ser conduzido.
  • MODELO MAIS DISTRIBUÍDO E COM MAIOR NÚMERO DE COMPONENTES: Alterações nas estruturas das aplicações em direção à miniaturização, isolamento e dinamismo, com o aumento do uso de microsserviços e containers, afetam a capacidade das ferramentas de monitoramento de instrumentar e adquirir dados.
  • AMPLIANDO A PERFORMANCE e a SEGURANÇA: Há sinergias crescentes entre o uso do monitoramento de TI para casos de uso de performance, de DevOps e de segurança.

O estado atual do monitoramento das operações de TI mostra-se promissor. No entanto, enfrenta desafios que podem prejudicar sua evolução, a menos que os líderes de infraestrutura e operação e a comunidade de fornecedores invistam nas habilidades culturais e nas tecnologias necessárias. A maioria das soluções de monitoramento, embora valiosas por si só, não otimizam o processo de solução de problemas de performance e a disponibilidade dos serviços digitais, evitando uma maior eficiência e melhor experiência do usuário.

 

Será que você está pronto para essa jornada? Avalie o seu conhecimento e o seu engajamento com esse tema a partir dessa pesquisa que estamos conduzindo: http://bit.ly/2OjXEfQ

______________

Referências:

Ref.[1] Gartner - Market Guide for AIOps Platforms ID G00322184 2017 08 03

Ref.[2] Gartner - Market Guide for AIOps Platforms ID G00340492 2018 Nov 12

Ref.[3] Gartner - 2019 Strategic Roadmap for IT Operations Monitoring ID G00390313 2019 Jun 20

Ref.[4] Dynatrace – AIOps Done Right – Automating the Next Generation of Enterprise Software 2019 Mar 15


VR Benefícios investe em novas tecnologias com solução Dynatrace

O processo de crescimento das empresas exige investimentos em novas tecnologias para garantir a transformação digital dos atuais ambientes de TI. Além de garantir melhoria de performance, as soluções de monitoramento podem prever possíveis incidentes, atuar de maneira assertiva e responder ao mercado com a velocidade necessária para acompanhar o cenário de mudanças exponenciais.

Ciente de que era fundamental integrar ainda mais suas soluções, a VR Benefícios se aliou à Stefanini Scala para implementar soluções de analytics que pudessem otimizar o acesso às informações de maneira mais rápida, parametrizável e segura. Após uma análise detalhada do ambiente de TI e a aplicação de uma prova de conceito (POC) bem-sucedida, ficou decidido que a melhor solução seria a de monitoramento de aplicações e de experiência do usuário Dynatrace.

Cloud Monitoring

A ferramenta Dynatrace faz uma análise completa de cada etapa que está em funcionamento no sistema monitorado. A partir do desenho da arquitetura do trabalho, consegue identificar as melhorias e indicar rotas de fugas para o sistema. Isso resulta em uma maior satisfação do cliente, com retorno rápido, e tempo de resposta menor. Também proporciona mais inteligência à medida que vai se ajustando, podendo prever falhas e atuar de maneira preventiva e proativa, evitando a evolução de alguma ocorrência atípica.

“Ao invés de apenas alertar, a tecnologia Dynatrace reinicia o sistema e envia a trilha completa com orientações sobre qual deve ser a primeira iniciativa. A ação e a reação são praticamente imperceptíveis. ”, afirma Renato Teixeira, diretor de TI & Digital da VR Benefícios.

Segundo o executivo, a implementação pela Stefanini foi rápida – em poucas horas, a ferramenta já estava disponibilizando as informações necessárias para muitas máquinas. Quando surgem, os alertas já apontam onde está o problema e como mitigá-lo. “É tempo suficiente para acionar as pessoas e solucionar a questão, sendo que o nível de assertividade é de 100%”, reforça o diretor de Tecnologia da VR Benefícios.

Quadrante Mágico do Gartner

As plataformas da Dynatrace, líder mundial em inteligência de software, são reconhecidas pelo Quadrante Mágico do Gartner como líderes em Application Performance Monitoring (APM) e tornam visíveis informações em tempo real. O principal benefício é auxiliar as companhias a enxergarem suas aplicações e canais digitais pela perspectiva dos usuários finais.

A tecnologia possui dashboards intuitivos, que possibilitam acompanhar o que ocorre em cada camada das transações, localizar exceções que possam atrapalhar o funcionamento das aplicações, identificar as causas que geram demora nas respostas e monitorar – de ponta a ponta – a performance de todo o sistema.

“O monitoramento é baseado na experiência dos clientes e impulsionado por Inteligência Artificial, o que garante que as performances digitais, tanto nas navegações feitas pela web quanto nos dispositivos móveis, sejam de alto nível e com resultados significativos”, diz José Carlos Pires, CEO da Stefanini Scala.

¨A VR Benefícios tem buscado o que há de mais moderno em tecnologia no Brasil e no mundo. E isso vem se refletindo em melhores serviços aos nossos clientes e no reconhecimento do mercado. Fomos premiados pela Mckinsey como uma das empresas mais digitais de meios de pagamento. Além disso, fomos apontados como uma das 100 empresas mais inovadoras do Brasil, segundo o Prêmio Whow 2019 da Revista Consumidor Moderno. Isso só nos motiva a continuar a acelerar o passo para estar sempre à frente quando o assunto é tecnologia e inovação¨, afirma Renato Teixeira, diretor de TI & Digital da VR Benefícios.

Sobre a VR Benefícios

Há mais de 40 anos no mercado, a VR Benefícios possui sólida experiência e pioneirismo no segmento de benefícios. Lembrada pelos consumidores como sinônimo de categoria, a marca vem se renovando ao longo de sua história com objetivo de oferecer serviço de qualidade, atendimento diferenciado e uma oferta atraente de produtos aos seus clientes. Com mais de 400 mil estabelecimentos credenciados em 5 mil municípios atendidos, a VR Benefícios é inovação e praticidade, sendo reconhecida 8 vezes como a empresa que mais respeita o consumidor, além de possuir a melhor nota do setor no Reclame Aqui, com o menor tempo de resposta e o maior índice de solução da categoria de benefícios. Foi apontada como uma das 100 empresas mais inovadoras do Brasil, segundo o Prêmio Whow 2019 da Revista Consumidor Moderno. É considerada também umas das empresas mais digitais em meios de pagamentos, segundo a McKinsey.

Com foco na satisfação de seus clientes e na busca de soluções que simplifiquem e facilitem a gestão de benefícios das empresas, a VR Benefícios é uma provedora de soluções inovadoras. A empresa tem como missão atender, de forma personalizada e com tecnologia de ponta disponível, às mais diferentes necessidades e desejos de seus clientes, sejam eles empresas de pequeno, médio ou grande porte, empreendedores, estabelecimentos comerciais e beneficiários dos cartões Alimentação, Refeição, Auto, Saúde e Cultura. Para mais informações: http://www.vr.com.br.


Orbitall: monitoramento de performance leva a ganhos de eficiência operacional de 95%

A revista Case Studies, ligada à FGV Management, trouxe um caso de sucesso inspirador: a Orbitall, em parceria com a Stefanini Scala, adotou uma plataforma de monitoramento de performance que a levou a registrar uma eficiência operacional de 95%.

A Orbitall, empresa de meios de pagamentos homologada pelas principais bandeiras do mercado (Mastercard, Visa e Diners), decidiu implementar uma ferramenta que pudesse rastrear seus sistemas e indicar, em tempo real, quando e onde há um problema, de forma que possa ser imediatamente corrigido.

DESAFIOS

A empresa processa diferentes tipos de cartão, de crédito, pré-pago, vale-refeição e vale-presente. Em suas operações, uma falha precisa ser resolvida com rapidez para evitar prejuízos aos parceiros. O desafio, segundo o CEO Braulio Lalau de Carvalho, era descobrir onde está um eventual problema, considerando os vários sistemas que compõem a infraestrutura de seus serviços, para resolvê-lo.

Ao adotar a solução APM (Application Performance Management) de monitoramento inteligente Dynatrace, a empresa ganhou visibilidade em tempo real de todo o sistema.

Sete meses depois do início do projeto, a companhia registrou um ganho em eficiência operacional de 95% e uma economia de 40% na gestão de pessoal.

Confira o caso de sucesso completo e suas etapas de implementação clicando aqui.

---

Solução utilizada:

APM (Application Performance Management) Dynatrace

 


machine learning

Machine Learning: quando usar? Sua empresa está preparada?

Quase todos os processos de negócios orientados por dados podem ser aprimorados com ferramentas de Machine Learning: segmentação de clientes, marketing personalizado, classificação de textoson bording de novos usuários, análise e prevenção de fraudes, entre tantos outros exemplos de uso. Mas há um fator importante que determina o sucesso dessa empreitada: é preciso um volume grande de dados para que a ferramenta de Machine Learning aprenda e, então, execute tarefa de forma autônoma.  

O aprendizado de máquina reúne ferramentas que “aprendem” a tomar uma decisão baseadas em exemplos, e não a partir de uma programação específica. Portanto, é preciso fornecer esses exemplos.  

Numa empresa de seguros, por exemplo, os segurados apresentam fotografias dos danos ocorridos, seja um amassado no carro, um vidro quebrado, um motor fundido etc. Antes da automação, uma pessoa deveria olhar foto por foto, milhares delas, para assegurar que o acidente de fato ocorreu 

Para o olho humano, é fácil entender um amassado na lataria. Mas, para uma máquina, será preciso milhares de imagens, em ângulos diferentes, com iluminação diferente, foco e distância, para que ela consiga aprender e distinguir a lataria amassada de, digamos, um latão de lixo. Porém, uma vez que aprenda, a máquina será capaz de executar a tarefa de forma incrivelmente mais rápida e precisa do que o homem, analisando milhares de imagens em segundos.  

Machine Learning, portanto, é uma ferramenta boa e que traz enorme impacto na empresa quando há volumes grandes de dados rotulados, de forma que os algoritmos possam aprender com eles. 

 

SUA EMPRESA ESTÁ PREPARADA?  

Eis algumas perguntas que você precisa responder antes de implementar um projeto de Machine Learning: 

  1. Seu projeto tem objetivos claros? Mesmo que seja um experimento, deve haver uma meta de negócios final que realmente importe e justifique os esforços.  
  1. Você definiu se o projeto de Machine Learning deve reduzir custos ou aumentar a receita?  Um projeto bem-sucedido reduzirá os custos, aumentará a receita ou ambos  
  1. Como o sucesso será medido? Cada projeto é diferente e será preciso estabelecer o KPI para avaliar seu impacto na organizaçãoAs métricas podem ser o número de horas gastas em uma tarefa, o número de erros, o engajamento de novos usuários, unidades vendidas etcPara essa medição, é preciso entender os dados de entrada de forma a aplicar os algoritmos adequados.  
  1. Sua organização está coletando os dados certos? Algoritmos de Machine Learning não fazem milagre. Eles precisam de grande volume de dados para funcionar, dados especificados e rotulados, para que o algoritmo possa analisá-los, compará-los e aprender com eles.  

 

SOLUÇÃO INDICADA 

O IBM Watson Machine Learning facilita a colaboração de desenvolvedores e cientistas de dados para integrar recursos preditivos a seus aplicativos. Desenvolvido na plataforma de análise SPSS da IBM, o Watson Machine Learning permite desenvolver aplicativos que tomam decisões mais inteligentes, resolvem problemas difíceis e melhoram os resultados do usuário. Desenvolver aplicativos de negócios inteligentes com mais facilidade e confiança 

Saiba mais, confira o vídeo:

machine learning

 

 

 

 

 

 

Para suas demandas de Machine Learning e de Inteligência Artificial, é bom poder trocar ideias com especialistas. Na Stefanini Scala eles estão à sua disposição.   


cognitiva

A onda cognitiva e suas ferramentas eficientes, rápidas e intuitivas

Até bem pouco tempo atrás, máquinas executavam ações comandadas por softwares e era preciso escrever esses softwares, algo que poderia levar meses entre desenvolvimento e testes. Com a computação cognitiva e o aprendizado de máquina, não é preciso ser um especialista em Machine Learning nem é preciso criar softwares específicosA máquina aprende sozinha, a partir de exemplos. É rápido, fácil, sem que seja preciso escrever uma única linha de código.  

Plataformas cognitivas têm interface de usuário intuitiva. Anotações, feitas para ensinar a máquina, são tão simples quanto destacar palavras com caneta marcadora de textos em seus documentos. E o resultado é eficiente e surpreendente Eis um exemplo de como se dá o reconhecimento de textos escritos.  

 

 

Análise feita por aplicações tradicionais: 

 

 

Análise do Watson Knowledge Studio:

 

 

A diferença entre a primeira e a segunda análise é brutal, resultado de avanços consideráveis na computação cognitiva. O modelo de anotação para o treinamento de Machine Learning do Watson é capaz de fazer uma análise muito mais detalhada e sofisticada do que o conseguido por aplicações tradicionais. A análise é mais precisa, assertiva, uma automação que de fato vale a pena.  

Com a mesma facilidade e eficiência, a computação cognitiva também propicia a tradução de textos para diferentes línguas, com entendimento do contexto e não apenas a tradução de palavras ao pé da letra; a conversão de textos escritos para falados e vice-versa; o reconhecimento de imagens e reconhecimento facial.  

Tarefas humanas não são mais uma exclusividade do homem. Máquinas estão aprendendo a aprender. E as empresas que embarcarem nessa viagem cognitiva estão sedimentando suas bases no futuro, pois é por esse caminho que as empresas mais competitivas estão seguindo.  

 

SOLUÇÕES PARA SUA EMPRESA 

IBM Watson, plataforma de Inteligência Artificial da IBM, conta com diversas APIs que facilitarão muito o trabalho em sua empresa.  Eis algumas delas:   

Knowledge Studio – Aplicativo que permite aos usuários treinar o Watson para entender nuances lingüísticos de um domínio específico do setor. Ótimo para melhorar radicalmente a anotação de texto. 

Watson Assistant – Permite que você construa interfaces de conversação em qualquer aplicativo, dispositivo ou canal. 

Speech to Text – Transcrição de áudio em texto escrito.  

Text to Speech – Converte o texto escrito em fala/discurso. 

Language Translator – Converte textos de uma língua para outra. Customize terminologias específicas. Transforme notícias de todo o mundo para o idioma de seus clientes! 

Reconhecimento visual – Classificação e detecção de imagens, inclusive para reconhecimento facial.  

Para suas demandas de Inteligência Artificial, conte com especialistas da Stefanini Scala. Eles estão à sua disposição.