[Música] Olá bem-vindas e bem-vindos à edição de quarta-feira de entrevista do I sobre controle seu podcast com overfitting de informações sobre o mundo da Inteligência Artificial quem tá falando aqui é o Marcos Mendes e claro que eu tenho por aqui assim como toda a semana o Fabrício Carraro viajante poliga host do podcast Dev sem fronteiras e program Manager da lura Fabrício tudo bom E aí Marcos mais uma entrevista e hoje a vai voar com a inteligência artificial É isso mesmo exato se você tá aqui hoje para aprender como usar I para voar mais barato eu
tenho péssimas notícias para você mas o papo ainda assim vai ser interessante para quem presta atenção Tem sim uma dica sobre como que você consegue otimizar o seu orçamento para voos mas antes de chamar os nossos convidados eu quero lembrar você na verdade O Fabrício vai lembrar vocês a respeito do concurso que está distribuindo dois livros de um autor muito famoso dia quem dera mas é o concurso que tá parando o Brasil Marcos agora pessoal nossos ouvintes aqui do I sobre controle podem ganhar como Marcos falou dois livros meus que foram publicados pela casa do
código Nossa Editora aqui do grupo alura e o livro é o Inteligência Artificial E Chat GPT da Revolução dos modelos de a generativa aa com crase engenharia de prompt e são as versões físicas dos livros que a gente vai oferecer gratuitamente a gente manda entregar na sua casa nesse concurso aqui e o que que é o concurso é muito simples a gente quer que mais pessoas tenham acesso ao nosso podcast né que a gente sempre fala né recomenda para cinco pessoas mas a ideia aqui é na verdade que você crie um post na sua rede
social na verdade no seu LinkedIn especificamente falando sobre algum episódio que você tenha gostado muito alguma entrevista talvez alguma notícia algo que te tenha feito pensar refletir e que você acha muito legal compartilhar com a sua rede lá no link Se quiser pode compartilhar também com o link do episódio mas não é obrigatório Mas é só você fazer isso compartilhar isso no seu LinkedIn E aí vai ter um formulário aqui na descrição desse Episódio lá em IOB controle ptec ou também no seu agregador preferido né no Spotify no Apple podcasts na descrição desse Episódio tem
o link para um formulário do Google forms onde você vai colocar o seu nome o seu e-mail pra gente poder te contatar E também o link para esse post que você fez no seu LinkedIn né fala sobre algum tema aqui que você viu no Iá sob controle e aí a gente vai fazer o concurso que o vencedor ou a vencedora quando que eles vão saber que foram vencedores ou vencedoras nesta sexta-feira dia 10 de janeiro então é um concurso que vai privilegiar quem escuta o episódio assim que ele sai porque vocês têm o episódio tá
saindo hoje quarta-feira dia 8 de janeiro tem até às 11:59 da noite de quinta-feira 9 de Janeiro para você preencher o formulário com o nome e-mail e o link pro post E aí a gente anuncia as duas pessoas vencedoras na sexta-feira do yas sub contro de sexta-feira dia 10 de janeiro então boa sorte para todo mundo já tá sendo muito bacana ver que tipo de entrevistas de Notícias chamaram a atenção de vocês aí desde a estreia do podcast e agora sim sem mais delongas quero trazer aqui as duas pessoas convidadas de hoje e são dois
eduardos então vamos lá primeiro Eduardo kershner Advanced Analytics Manager da latan Airlines bem-vindo ao ia sob controle Muito obrigado Marcos Obrigado Fabrício pela oportunidade é um prazer est aqui com vocês que são verdadeiras referências no mundo eii espero que a gente consiga fazer um episódio tão empolgante quanto todos os anteriores e bom Eduardo Eduardo do é feio né Eduardo segundo Eduardo aqui O outro Eduardo Eduardo Santos Red de dados EA para latana tows bem-vindo ao ia sob o controle Essa vai ser a parte mais difícil do podcast Ed e do Santos né mas já tá
meio que acostumado apo que reuniões devem ser desafiadoras né Mas vamos lá eduardos o tema de transformação digital esse Tero já virou Clichê né o pessoal escuta já revira os olhos quando alguém fala disso que vai falar sobre processo de autorização de empresa lá vem aquele papo ensaiado de processo autorização etc dito tudo isso tudo que a gente viu no mercado nos últimos anos graças a ia obrigou toda a empresa a passar por Justamente esse processo ou passar de novo por esse processo que com latan não foi diferente vocês fizeram é um trabalho enorme que
me parece que inclusive precedeu a pandemia mais que a pandemia intensificou a necessidade de fazer essa análise do negócio e a minha impressão é que por causa disso vocês estavam até mais preparados para poder falar sobre o uso de ia agora já que o processo de vocês veio antes desse Boom todo de as generativas então vocês querem detalhar um pouquinho pra gente ao longo desses últimos anos como é que a latan passou por esse processo de lidar ainda mais profundamente com dados quais divisões foram afetadas e bom eu sei que foram todas no fim das
contas mas ainda assim alguns exemplos práticos de como é que no dia a dia foi esse processo de passar mais foco em dados para uma empresa que opera em vários países com diferentes leis em cada lugar e nessa escala de milhares de voos milhões de passageiros todos os dias como é que foi Marcos antes de entrar na sua resposta eu queria contextualizar um pouco e dar alguns Big numbers da latam para que todos vocês possam entender a complexidade desse negócio a latam hoje opera com 340 aviões transportamos nessa janela de dos últimos 12 meses quase
80 milhões de passageiros uma empresa com 38.000 funcionários de várias nacionalidades e que tem uma complexidade histórica sistêmica muito alta esses sistemas normalmente dentro do mundo das Airlines eles são bastante legados e que traz um desafio adicional para que a gente possa cumprir com as expectativas dos nossos clientes em 2019 percebendo a necessidade dos clientes de ter uma solução tecnológica mais avançada a lantan Tomou essa decisão de fazer essa transformação digital a gente sempre diz dentro da companhia que a transformação digital ela tem menos a ver com tecnologia e mais a ver com pessoas e
cultura de trabalho então a gente aproveitou esse momento para reformular toda a empresa reorganizar o método de trabalho de todas as pessoas e repensar essa latan como a gente costuma dizer dentro da empresa essa nova airline digital mas isso a gente tava falando de 2019 então 2019 a gente começa essa preparação também como h de dados a gente nasce nesse período onde já começa a criar o nosso dat Lake começa a estruturar os dados dentro da companhia que são toneladas de dados gerados todos os dias a gente já começa a fazer essa organização para poder
aproveitar sabendo que Num futuro próximo a gente poderia começar a fazer analítica com todo esse mundo de dados só que eu falo de 2019 tudo isso começa a acontecer e 2020 Uh vem o pior momento histórico da latan onde tudo isso era público mas a gente teve dúvida se todas as companhias aéreas nacionais sairiam vivas desse processo literalmente porque a latan todo mundo sabe passou por uma reorganização financeira nesse período mas durante o período de reorganização percebemos a necessidade de ser muito mais eficientes existe as margens operacionais dentro de uma companhia aérea elas são muito
restritas e portanto a gente precisa ser extremamente eficiente então aproveitamos o período da pandemia para efetivamente acelerar a transformação digital e sair desse processo muito mais eficiente aí eu Marcos né do ponto de vista da Consultoria a sua pergunta ela é ainda mais interessante né a vantagem de trabalhar na toos que é uma consultoria global é que a gente tem atuação em tudo quanto é mercado tudo quanto é negócio tudo quanto é tipo de problema e a aviação em si é um negócio extremamente complexo né eu lembro que quando a gente estava discutindo e começando
ess projeto eu dava aula numa matéria que chamava sistemas de tempo real embarcados né todas as vezes que eu queria falar sobre sistemas de tempo real eu trazia o exemplo da aviação né Por quê Porque tudo afeta para vocês terem uma ideia o parafuso do avião tem que ser certificado né você não pode ir na esquina e comprar ali na sei lá na Leroi merlim de comprar um parafuso aqui para botar na fuselagem do avião não é assim então qualquer coisa que você faça no avião tem um efeito em Cadeia gigantesco que vai afetar tá
tanto o custo de voo quanto o custo de operação quanto também a própria disponibilidade de avião né de o avião está disponível porque uma das outras coisas que eu aprendi trabalhando com aviação como Edu falou é que são tantos detalhes que você pode afetar e cada um deles vai de forma diferente afetar a métrica principal que o avião tem que estar voando né assim o principal objetivo do avião é estar voando Toda vez que você para o avião é dinheiro que a companhia deixa de ganhar né porque como que a companhia aérea ganha dinheiro fazendo
avião voar né com pessoas dentro de preferência né que é o que realmente gera dinheiro pro negócio então cada segundo assim a cada minuto que o avião Deixa de estar voando pode representar um valor de dinheiro assim absurdo né E aí já trazendo aqui pro nosso contexto da Inteligência Artificial que é o que a gente tava querendo falar assim de maneira mais abrangente é existem opções de melhoria que talvez as pessoas que estão em casa ouvindo esse programa não tenham nem ideia né das coisas que podem estar fazendo na mesma empresa Você tem uma ind
Você tem uma fintec também porque você tem que gerenciar as passagens você tem um e-commerce super importante para fazer isso você tem uma plataforma de integração global que envolve você conseguir compartilhar voos e passagens com outras empresas ao redor do mundo Ou seja tem de tudo né Eh Talvez assim pela característica do negócio seja uma das poucas indústrias que consegue abarcar todos os possíveis trabalhos que podem ser feitos com dados né E isso torna tudo muito mais interessante do ponto de vista da transformação digital e eduardos quem quiser responder aí na verdade eh falando Mais
especificamente né se vocês puderem dar exemplos práticos de como foi aplicado em que sistemas foi aplicado Qual foi o tipo de modelos que vocês aplicaram aí também podendo entrar até na parte mais técnica mesmo foi um modelo de clustering foi um modelo supervisionado enfim para mudar isso seja dentro da da empresa né para para vocês aí dentro mesmo mesmo da latan ou também para fora né pros clientes eu acho que todos os times de analítica passam por um caminho mais ou menos parecido Fabrício todo mundo começa com essa solução um pouco mais básica eu acho
que todos os times passam com clusterização recomendação propensão eu lembro desse primeiro momento da área de dados dentro da companhia que a gente tinha que bater na porta das áreas de negócio para falar amigão deixa eu te ajudar aqui deixa eu mostrar o que um modelo de de clusterização dos nossos clientes por exemplo paraa área de mar marketing digital pode trazer de valor adicional pra companhia então efetivamente começamos nesse caminho tradicional com soluções muito mais básicas e basicamente a gente fazia cluster em recomendação Eu lembro que nessa nessa época tem várias histórias boas nessa jornada
de transformação digital dentro da latan pela complexidade do negócio mas a gente chegava no time operacional e todos os dias mandava uma lista dos voos que tinham alta probabilidade de atraso e a gente ouvia das pessoas como cara eu venho fazendo isso nos últimos 20 anos é sério que você quer me contar como faço o meu trabalho e até que um dia efetivamente um desses voos atrasou e gerou um problema operacional importante e portanto as pessoas começaram a perguntar Opa espera como que vocês estão fazendo isso como que vocês conseguem calcular efetivamente com uma com
uma boa precisão a probabilidade de atraso de um avião só que esses problemas rapidamente eles começam a ser mais complexos então a gente começou a passar desses problemas mais básicos para soluções muito mais complexas eu vou dar um exemplo aqui eu já comentei que as margens operacionais o lucro que a companhia pode ter ele efetivamente é muito baixo em relação a quantidade de dinheiro que se movimenta dentro do myeline para que a gente possa ter voos mais eficientes existe um processo dentro da liberação de um voo chamado despacho de voo vou tentar simplificar o máximo
aqui para que a gente não comece a ser muito específico do mundo de Airlines eu não sou piloto já vou fazer o disclaimer e portanto então eu vou simplificar bastante essa operação mas dentro do processo existe um algo que se chama despacho de voo e existem pessoas que t o cargo de despachante de voo essas pessoas tomam inputs operacionais importantes como tráfego em aeroportos tráfego aéreo clima e tomam decisão de quantidade de combustível que é carregado no avião para cada uma das etapas de voo tá para cada etapa a gente tem uma quantidade de combustível
definido existe um combustível que a gente chama de extra fuel e que que significa isso é a quantidade de combustível necessária para que o avião possa fazer holding são órbitas próximo ao aeroporto de destino se existe algum congestionamento quem solicita o holding é o controle do espaço aéreo brasileiro a torre de controle e pede pro piloto fazer essas órbitas próximo ao aeroporto essa quantidade de combustível ela varia de acordo com esses inputs e a a gente sabe que esse aqui é um ambiente estocástico a gente não controla o clima e portanto entram os vieses o
time operacional passa a ter viés normalmente mais conservador para evitar que esse avião se não tiver combustível Extra suficiente para fazer tantas órbitas e esperar o a autorização operacional ele não tem aqui para um aeroporto alterno que é uma alternativa de aterrizar quando o time operacional passa a ser mais conservador Ele carrega mais combustível e carregando mais combustível a nossa operação ela é menos eficiente então aqui a gente fez uma rede neural mlp onde a gente considerando os mesmos inputs operacionais a gente pode fazer sugestões mais precisas de quantidade de combustível para ser carregado em
cada um do voo buscando a otimização operacional desses voos Esse é só um dos exemplos no mundo operacional Eu acho que eu posso dar um um segundo exemplo no mundo comercial para ir abarcando esses diferentes mundos Imaginem a complexidade de fazer a precificação dentro de uma companhia aérea a gente tem milhares de voos por dia cada voo tem pelo menos três tarifas diferentes e existem saltos tarifários entre essas tarifas que não só muda o preço mas também muda a composição de produtos existem mais produtos se você tá na tarifa mais básica você não pode despachar
maleta se você tá na tarifa intermediária você já tem uma mala despachada na tarifa superior são duas malas despachadas e portanto esses saltos tarifários eles historicamente sempre foram dinâmicos pensamos como a gente com machine learning poderia otimizar o revenue da companhia então basicamente o que a gente construiu foi uma camada de modelos onde a gente define Quais são os saltos tarifários ótimos otimizados para que a gente possa maximizar o reven da companhia isso aí Mat vamos agora acabar com 25.000 blogueiros aí né não porque se você comprar passagem 10 horas da noite você vai pagar
menos não porque se no fim 15 dias Olha que o gráfico está mostrando que 15 dias antes do voo você vai ter preço mais barato de passagem na verdade tem nada a ver né ap apesar de tecnologicamente ser possível a gente identificar propensões a pagar mais a gente obviamente sempre mantém as soluções anim adas mas aí a gente basicamente entende demanda para voos específicos e e começa a trabalhar com essas otimizações então como eu comentei são modelos que a gente entende transações históricas transações atuais e entende Qual é a propensão dos clientes em pagar mais
por uma tarifa específica e começa a fazer esses saltos tarifários otimizados com uma solução de otimização e simulações de qual é o cenário onde a gente consegue maximizar o nosso revenue às vezes até aceitando alguma perda de vendas e portanto a gente consegue fazer republicação do saltos tarifários por dia por horário por voo específico em mercados específicos publicando esse cenário sempre mais ótimo eu gosto de usar nesse exemplo o show da Taylor Swift eu acho que é o melhor exemplo possível para entenderem essa relação de oferta e demanda efetivamente nas cidades Onde existem shows da
Taylor Swift exe existe uma maior propensão dos passageiros em pagar mais e portanto a gente consegue otimizar o reveno dessas passagens você na verdade vocês dois explicaram uma parte técnica que é super interessante sobre essa isso de precificação e para quem gosta de tecnologia quem gosta de dados quem gosta de ya existe muita coisa que dá para mastigar aí por outro lado eu vou inventar uma pessoa que eu sei que está escutando podcast já estão usando e para me fazer pagar mais na passagem Cadê lgpd nessa história Então quer falar um pouquinho sobre o o
impacto disso também a percepção talvez de que a i esteja sendo usada desse lado e também até se vocês puderem compartilhar como é que é justamente o uso tratamento análise de dados quando tem a ver com esse tipo de comportamento de consumidor que de certa forma pode esbarrar nele gpd imaginao o que se não feito com cuidado que vocês certamente tomaram para fazer como é que fica isso toda a criação de solução efetivamente passa por a diretorias do time legal para que a gente Garanta que estejamos Cumprindo com todas as regras da lgpd portanto tantos
todos os dados de cliente são anonimizados e aqui outra vez é simplesmente uma relação de oferta e demanda onde a gente pode entender efetivamente Quais são os willingness to pay como são as palavrinhas eh modernas que a gente usa para essas definições dos nossos clientes em rotas específicas mas não existe nenhum tratamento de dados personalizado não identificamos nenhum cliente com condição de pagar mais por uma passada Esse é um tema que eu gosto de falar muito né quem Famoso Quem me conhece sabe né já a gente já fala bastante sobre ética sobre privacidade sobre legislação
e eu me sinto muito confortável nessa posição porque a gente não trabalharia com uma empresa que se comportasse de forma não ética isso é muito importante pra gente então pra galera que manja um pouco mais de plataformas de dados né E tem esse conhecimento um pouco mais técnico a gente trabalha com algumas tecnologias dos fornecedores de nuvem e algumas tecnologias de plataforma onde é possível a qualquer pessoa acessar um dado pessoal de alguém em qualquer ecossistema da plataforma né Tem técnicas para isso dynamic mesk né data loss prevention são técnicas comuns que são implementadas nas
plataformas mas existe um cuidado em especial no que a gente chama nesse domínio dos dados da cliente ou seja esse dado ele não tem como sair do domínio da cliente para qualquer cientista de dados ou pessoa que venha trabalhar isso é importante também porque mata alguns dos mitos que também envolvem preço de passagem né ah porque se você comprar com iPhone o preço da passagem vai ser mais caro n então assim existe um Limiar do que é ético e do que é correto você buscar nesse tipo de algoritmo tipo assim Ah então sei lá as
pessoas que moram no estado x vão pagar mais caro da passagem do que as pessoas que moram no estado Y Ah isso não faz sentido do ponto de vista ético né e não é algo que esteja dentro do escopo desse tipo de modelo Ô Marcos a gente já deu um exemplo de como a gente vem em apli machine learning mas eu queria passar para um exemplo de eii generativa e com certeza a eii generativa acelerou toda da transformação digital funciona como um catalisador da transformação digital da latan dentro do mundo operacional existe um documento que
se chama load sheet que basicamente informa pra tripulação principalmente pro Capitão Quais são os parâmetros de composição do voo quantos passageiros existem quanta carga ou Quantas toneladas de carga estão sendo carregadas quantas malas e portanto essas informações permitem a tripulação realizar os inputs operacionais necessários paraa configuração do avião essa informação historicamente ela vai sendo alterada ao longo do tempo de um voo porque sobe Passageiro não chega passageiro desce mala sobe mais carga e portanto a tripulação sempre precisa ter a última versão historicamente sempre disponibilizamos num app que a tripulação tem à disposição a a última
versão do documento na verdade todas as versões e era um esforço cognitivo da tripulação entender qual era o delta entre as versões do documento sempre equivalia era o último mas ele tinha que entender o que tinha sido alterado pro anterior com ai generativa a gente tem uma parceria importante com a Open ai gente US GPT enterprise e portanto a gente consegue com o apoio do GPT e entender Qual é o delta o que efetivamente foi alterado de uma versão do de um load anterior e disponibilizar essa informação exigindo um esforço cognitivo Menor da tripulação então
a gente fala exatamente o que que variou em relação à versão anterior do load sheet para que a tripulação de maneira muito mais rápida possa identificar claro que outro mundo que vem sendo explorado é a atenção ao cliente Imaginem transportando quase 80 milhões de passageiros por ano quantas chamadas dúvidas solicitações algumas reclamações também a gente recebe então poder fazer análise desse mundo de informação é super importante para que a gente possa nesse processo de melhoraria contínua prestar um melhor serviço e portanto hoje a gente com GPT consegue fazer análises muito mais rápidas de chamadas de
clientes de reclamações ou solicitações e pode entregar um melhor serviço de maneira proativa achei bacana que vocês deram alguns exemplos aí né alguns casos de de sucesso de uso do dos modelos isso também tem tem muito Para Mim Cheiro de séries temporais né basicamente o pessoal que quer aprender quer começar a trabalhar com isso aprendam sobre séries temporais tem livro na casa do código tem curso na formação na lura tem tudo isso aí mas falando do resultado da aplicação desse tipo de modelos aí vocês têm algum algum número assim falar isso economizou tantos milhões ou
tantos por cento a menos de não sei o quê adoraria poder compartilhar alguns números específicos infelizmente a gente não pode compartilhar a gente tem uma obsessão por meio todos os produtos sejam de machine learning sejam de a generativa a gente busca um método de medição contínua para efetivamente conseguir Identificar qual é o benefício que a gente consegue gerar pra companhia portanto sim existem números a gente ex a gente tem uma meta relacionado ao Impacto não só financeiro mas também em relação à satisfação do cliente ao quanto a gente consegue economizar de combustível o quanto a
gente consegue evitar de emissões de bono que também é uma parte super importante da sustentabilidade das Airlines em relação e à emissões de carbono mas eu não posso compartilhar o número o que eu posso comentar Fabrício de maneira um pouco mais genérica nos últimos 3 anos a gente investiu três vezes mais em tecnologia em machine learning e a generativa e inteligência artificial de maneira geral e o nosso Roy em relação a este investimento cresceu em oito vezes a gente tá falando de uma aceleração super importante o nosso time hoje de data E ai já são
de 350 profissionais especializados em ai data dentro da companhia A gente trabalha de maneira federada com todas as áreas da da latan e Como comentei temos resultados expressivos em relação ao investimento que a gente vem fazendo que cresce de maneira importante nos últimos anos e segue crescer no time sempre temos oportunidade sempre buscamos talento e e e não não só o time segue crescendo Fabrício como eu acho que os profissionais que se interessam por problemas altamente complexos encontram dentro das Airlines o mundo a ser explorado é um mundo apaixonante apaixona tá nesse ambiente tão complexo
hoje as nossas soluções elas seguem sendo cada dia mais complexas e portanto também o perfil das pessoas que a gente vem buscando tem se transformado a Indústria Aeronáutica acho que nenhuma delas vai compartilhar detalhes né porque como eu expliquei cada detalhe faz diferença entende então se você tem uma descoberta na sua operação que impacta o sua eficiência isso é um diferencial competitivo muito grande em relação às outras companhas aéreas então talvez o que as pessoas em casa possam analisar o impacto desse resultado são os números que são públicos da empresa né né talvez se você
der uma olhada lá nos números você vai conseguir obter uma ideia de impacto né números relacionados à operação ao custo etc né mas eu também queria trazer uma observação muito importante já que você comentou de lgpd que é o seguinte né a indústria da aviação é uma indústria extremamente regulada né ela tem uma série de regras é muito claro o que pode e o que não pode né Então existe um termo que eu até ouvi Outro dia eu não sei se é um termo que é usado lá no no time de advancia de analítico mas
eu ouvi de uns cientistas de dados que a gente chama Fronteira de decisão né Ou seja quando você vai construir um modelo de Inteligência Artificial existe um limite do que é permitido pela legislação decidir dependendo do caso de uso desse modelo então para dar um exemplo muito claro que o educado tava falando sobre combustível né você não pode colocar no avião menos combustível do que a legislação obriga para fazer o trecho então a otimização quando ele fala do conservadorismo é isso é muito bom paraa industria sempre os operadores são mais conservadores ainda do que o
mínimo obrigatório entende então existe um Delta sempre entre o mínimo obrigatório e o que de fato vai de combustível na operação isso você possa extrapolar para várias outras fases outras partes da operação né então por exemplo Vamos pensar que talvez as pessoas não pensem isso em casa avião tem algumas coisas que se parece com o carro né Por exemplo tem que fazer manutenção a cada um ano 2 anos né E aí essas escalas de manutenção sei lá você tem um carro a cada 30.000 km você vai trocar a correia né Agora multiplica por um avião
que pode ter sei lá 1500 atas Se não me engano acho que esse o número que são Como eles chamam os componentes de aviação né que é dividido em at então cada componente tem um tempo de vida que precisa meticulosamente medido e respeitado junto com a especificação do fabricante do avião que que eu quero dizer com isso se ele disse tem que trocar um parafuso a cada do anos você não é permitido ao avião voar se o parafuso tiver com 2 anos e um dia de atraso nessa manutenção Então existe uma complexidade enorme que você
conseguir otimizar isso né ou seja parar o avião porque lembra parar o avião e perder dinheiro acho que essa a galera tem que botar isso na cabeça em casa né paraar avião é a empresa tá deixando de voar se a empresa tá deixando de voar você está deixando de ganhar dinheiro Então como que você consegue otimizar esse tempo em que o avião Fica parado para garantir que toda a manutenção obrigatória ou todas as peras ou tudo que necessita ser feito com avião aconteça dentro dessa área então é só um exemplo de como é no detalhe
entende eu acho que isso qu você falava da complexidade dos problemas Você tem problemas mais genéricos que são tão simples como tá comentou ah preciso fazer aqui um cluster para identificar perfil de cliente depois svir um modelo de recomendação que é meio que consolidado já na indústria até coisas extremamente complexas de modelos matemáticos onde você precisa achar a melhor função para resolver esse problema então tem sei lá a gente tem pessoas que são físicos matemáticos Trabalhando dentro do time l do educar time de Advance de analíticas que são pessoas que tem esse tipo de conhecimento
complexo né para resolver esse tipo de problema então só para dar uma ideia ass da o dessa complexidade desse ecossistema de coisas que podem ser decididas E vocês estão comentando muito sobre iniciativas que vocês têm tomado dentro da empresa como toda essa revisão e orientação a dados tá passando por diversas áreas da empresa nem todo mundo tem como parte do do do leque de de ferramentas essa orientação a dados Vocês encontraram resistência ou necessidade de tentar facilitar viabilizar essa orientação em áreas que Teoricamente no teria a ver com dados Apesar de que hoje a gente
sabe que tudo tem ver com dados mas como é que foi dentro da empresa esse processo mesmo de implementar essa orientação para poder fazer a coleta mastigar os dados e chegar nas iniciativas que vocês falaram tanto da parte de combustível parte de de de trajeto até de voo que eu sei também a previsão de atrasos etc como é que foi essa parte do processo enfrentamos pouca resistência Marcos pelo contrário muito interesse das áreas de negócio mas efetivamente a gente precisou facilitar o onboarding das áreas de core Business no mundo dos dados então criamos um programa
de democratização de dados bastante grande dentro da companhia onde hoje a gente já consegue ter uma cobertura de 50% das áreas a gente chama de áreas de suporte ou áreas aceleradoras que são aquelas não operacionais então a gente consegue através de soluções que facilitam esse onboard como co pilots para que as pessoas consigam aprender mais sobre SQL para começar a aprender a usar dados no dia a dia para ir gerando hipóteses de como pode aprimorar os serviços que a gente entrega e já temos uma cobertura bastante impressionante querendo chegar Claro a níveis muito mais altos
com aí berando os os 80% que é a nossa meta eu me lembro de quando a gente começou é negócio da Consultoria assim é uma das partes interessantes da Consultoria como eu comentei é que você trabalha em diferentes indústrias né e eu me lembro que quando a gente começou esse trabalho com a latan eu recebi um um Insight de uma pessoa da latan que me fez refletir profundamente né a gente tá falando de uma empresa que tem eu esqueci o número agora mas algo em torno de 30.000 Engenheiros algo assim é um número gigantesco né
E você tá falando de uma pessoa tô falando de engenheiro aeronáutico né gente você tá falando de uma pessoa que estudou Mecânica dos fluidos tá eu não sei quem tá em casa teve que passar por isso né eu era de elétrico a gente teve que estudar eletromagnetismo você tem era de MEC Mecânica dos fluidos para mim é um negócio muito complexo né mcf para quem fez engenharia aí pessoal terrível mcf eu diria exatamente você não se forma sem ela engenheiro aeronáutico né é a parte fundamental da da profissão que engenharia mecânica galera que tá nesse
curso cara pensa comigo aí você que está em casa e é da Computação né se a pessoa aprendeu Mecânica dos fluos Será se ela não consegue aprender um skl básico a fazer um algum algoritmo simples para trabalhar com dados Então isto me me fez refletir muito assim porque a gente Às vezes tem uma certa arrogância digamos assim né de pensar o meu trabalho é muito específico né ninguém vai entender é uma coisa meio assim e na verdade é exatamente o contrário né quando você vai interagir com essas pessoas que já tem um raciocínio analítico e
matemático é meio que natural trabalhar com inteligência artificial e dados porque ele já tem outros tipos de conhecimentos analíticos aplicados em outras áreas também eu acho que eu posso citar que de todas as indústrias que eu já trabalhei foram muitas né a coisa que mais me chamou atenção na lat Airlines é como as pessoas são apaixonadas pelo que fazem né Elas têm um verdadeiro desejo de fazer o melhor todos os dias de seu trabalho saé tipo é literalmente um mecânico que tem prazer em apertar um parafuso né porque ele sabe que o seu trabalho É
valorizado de várias maneiras Isso facilita né Por quando você vem com trabalho de dados é sempre para tornar o trabalho dessas pessoas ou mais eficiente ou trazer mais resultados pra empresa então de fato eh eu acho que tem muito mais sinergia do que resistência do ponto de vista da tecnologia e Marcos contando alguns casos de sucesso do nosso programa de democratização de dados e a gente tem vários mas tem dois especificamente que me deixa muito orgulhoso é quando a gente consegue sentar com pilotos porque a gente trabalha com os pilotos no dia a dia dado
que no time de ciência de dados Apesar de que somos todos entusiastas não tem nenhum piloto a gente necessita desse conhecimento específico então a gente sempre trabalha trabalha com com os pilotos no dia a dia a gente vê pilotos mandando bem em SQL entendendo bem como a gente faz consulta e análise de dados eu acho que esse é um dos casos que deixa a gente muito orgulhoso existe tripulante que sabe codar e faz aplicativos para facilitar a gestão do dia a dia e um segundo caso de sucesso que deixa a gente muito orgulhoso é o
time legal a gente construiu uma aplicação um modelo onde a gente recomenda Quais são os Val valores ótimos para que os advogados possam negociar com os clientes que processam a latan por algum problema advogados que se sentam e consegue fazer consultas nas nas nossas tabelas de bigquery e entender e usar esses dados no dia a dia para tomar melhores decisões Além disso quando a gente começa a falar na democratização e voltando a ai generativa que tem sido esse grande catalizador a gente tá com um programa importante de facilitar com que todos os desenvolvedores da companhia
possam de maneira muito simplificada começar a construir aplicações de a generativa a gente passo número um foi Nossa criação do FM Ops a gente trabalha com Light llm que facilita esse onboard criamos uma camada de abstração funciona basicamente como um Framework para que desenvolvedores que não entendem dei generativa possam de maneira simplificada começar criar soluções de A generativa então esses desenvolvedores passam por um por um bootcamp curto onde entendem esse Framework de abstração que a gente criou de maneira muito simplificada começam a criar essas aplicações hoje a gente já tem mais de 85 aplicações de
e generativa criadas dentro da companhia e mais de 120 que estão em processo de exploração onde a gente vem identificando quais são essas oportunidades entendendo efetivamente Qual o potencial Impacto que ela tem dentro da companhia e alguns exemplos onde desenvolvedores com dois ou três dias de trabalho conseguiram criar aplicações que num passado não muito distante tomavam meses de trabalho com aqueles times super estruturados Então eu acho que é super importante a gente destacar o quanto acelera a construção de aplicações que historicamente eram muito custosas e hoje a gente consegue criar com Ei generativa de maneira
simplificada o mesmo exemplo que eu dei de análises de feedbacks de clientes nos nossos diferentes canais que antigamente ou há pouco tempo atrás a gente precisava sentar e ler esses comentários hoje a gente usa aí diferentes modelos a gente tem através do Light llm acesso a mais de 100 diferentes modelos então basicamente trabalhamos com todos utilizamos Cloud GPT apesar de ter GPT enterprise que ser o o que a gente mais utiliza então a gente consegue ter essa assistência para fazer a análise de reclamação e comentários de clientes para que a gente possa entrar nesse processo
de melhoria contínua e uma última pergunta aqui do meu lado pessoal imagina que o pessoal aqui falando no futuro né pessoal que tá escutando o podcast eles querem trabalhar aí na latan querem fazer né para fazer parte desse time de dados de ia e tudo mais o que que eles deveriam focar agora né você já mencionou bastante de SQL eu falei aqui de séries temporais né me diga se eu estou correto ou não mas enfim o que que eles deveriam estudar especificamente para se dar bem numa entrevista e passar e começar a trabalhar com vocês
eu acho que em primeiro lugar tem que estar preparado para se apaixonar por por essa indústria e não querer sair daqui nunca mais todos nós que entramos no mundo das Airlines somos a gente fala que somos picado por um bichinho e e se torna completamente apaixonado por esse mundo mas efetivamente é um mundo com problemas tão complexos que é apaixonante eu acredito e aqui é só uma opinião pessoal que as eais generativas estão derrubando a barreira de entrada pro mundo de tecnologia tá fazendo com que de maneira muito simplificada a gente consiga desenvolver soluções e
e subir nesse carro para poder começar a trabalhar então eu acho que mais que estudar coisas específicas é aprender de ai generativa e ter muita vontade de trabalhar e mais que nada Fabrício eh ter curiosidade paixão por solucionar problemas complexos e aprender a trabalhar com ea generativo a gente sempre quando participa de eventos sobre EA e nos perguntam e qual é a opinião as EA generativas efetivamente vão acabar com os empregos e eu sempre tenho a mesma resposta falou não eu acho que as eais não substituirão as pessoas mas as pessoas que sabem trabalhar com
i generativa sim vão substituir aquelas que não sabem e portanto é super importante que as pessoas sejam curiosas e tenha muita vontade de trabalhar e conheçam de Ai acho que eu posso completar do ponto de vista mais agnóstico digamos assim né Eu acho que eu o que eu concordo muito com o que o educar falou é que assim a gente quando nós que éramos os profissionais da Inteligência Artificial a gente tinha uma certa arrogância e domínio do conhecimento porque só a gente conseguia fazer trabalhar com dados gerar algoritmos né e o que eu p e
enfim todos os modelos llm ensinaram pra gente é o poder de uma interface né Ou seja quando você dá a possibilidade do usuário final trabalhar com algum tipo de modelo de inteligência artificial aumenta-se muito a possibilidade de aplicação então eu sempre eu dou muita aula né também sou professor e eu sempre comento Ah já tem mais ou menos uns 5 anos que eu dou aula para especificamente pessoas da área de dados né eu diria e eu desde o começo eu tinha uma opinião e eu acho que essa opinião ela ela cada vez mais se comprova
correta acho que é uma pessoa para trabalhar com dados E aí eu vou focar especialmente no cientista de dados pessoa que vai trabalhar com inteligência artificial ela tem que ter duas características que eu acho muito importante a primeira é um conhecimento aprofundado de negócio em geral isso que o educar falou é muito verdade né quando você entra numa indústria como essa que tem muitos problemas né você quer conhecer Naturalmente todos os problemas e isso aumenta o grau de aplicabilidade dos seus conhecimentos ou seja cada um desses problemas você vai pensar numa possível solução que você
possa aplicar ou resolver com dados então ter esse Shing né ou seja conhecer mergulhar nos ecossistemas de negócios seja qual for da indústria é é muito importante é mais uma vontade um desejo né na latan por exemplo a gente visita muito Os mecânicos sabe vai lá visitar o centro de manutenção fala com o piloto conversa com a galera que tá na operação isso vale para qualquer indústria mas na indústria pesada que a aviação isso é mais importante porque são muitos detalhes de você conseguir entender a complexidade de um negócio então conseguir construir essa solução mais
genérica ou seja ter uma visão de alto nível do negócio e da complexidade que ele tem é uma característica muito importante isso tá relacionado para mim a segunda característica que eu até escrevi um texto no Linkedin outro dia sobre isso que é a importância do raciocínio eh matemático e científico em geral n porque o Brasil hoje ele não tem aumentado a quantidade das pessoas que estudam matemática tem diminuído ao longo dos tempos né a gente hoje é o país que mais forma advogados no mundo né não que os advogados não sejam importantes pelo contrário eles
são extremamente importantes né mas quando você olha Eh e o estudo que eu publiquei era muito em cima disso é retorno pro dólar investido em temas né então se você pega o retorno para a economia do país por dólar investido em curos de uma área e você compara com as áreas de 100 né que é Science technolog deine matematics então o retorno financeiro para o país para as pessoas é muito maior né então você vai ganhar melhores salários vai ter uma carreira melhor você vai ter mais oportunidades e o que eu tenho visto hoje em
dia é uma carência de Formação básica muito grande então você até encontra pessoas que sabem né E foi legal porque Outro dia eu ou vi o Paulo da da lura falando sobre isso também que ele explicara um pouco da daquela integração que hoje em dia existe com a FIAP né Por o ensino eh de curta duração como eu chamo os cursos profissionalizantes Eles são muito importantes eu comecei a minha carreira assim aprendendo a programar Python né Eh aprendendo SQL que são coisas de curta duração é um conhecimento específico você vai ter ali um curso e
tudo mais mas o curso eh o ensino regular ou seja o ensino superior normal que é estudar engenharia estudar física estudar matemática estudar computação Por que não ele traz um fundamento que se você tiver quando você chegar num problema complexo como esse você vai lembrar daqueles fundamentos que você tinha lá atrás e a possibilidade que você vai ter de aplicação ela é muito muito maior do que uma pessoa que não tem sabe então vamos fazer um paralelo aqui né como o educado tava falando pô saber operar e a generativa é super importante então isso advogados
médicos podem fazer e não são pessoas que tenham conhecimento técnico né Assim como programadores também podem fazer assim como pessoas que trabalham com inteligência artificial podem fazer também mas para trabalhar no nível de complexidade que a gente trabalha hoje em dia né ou seja com esses problemas complexos existe uma característica do conhecimento técnico analítico e matemático que é muito melhor formado no ensino tradicional gente faculdade existe por uma razão Apesar de que Mita gente Ah vou tirar o diploma né assim do ponto de vista do professor o que dá trabalho é conectar construir o plano
de ensino e o que que é o plano de ensino é você criar um modelo de conexão de conhecimentos que construa um fundamento de pensamento na cabeça da as pessoas Então esse fundamento ele é sim importante nas faculdades tradicionais eu não tô dizendo que todo mundo tem que fazer doutorado Apesar de eu hoje né educar poder falar melhor do que eu sobre isso fala tão busca doutores também porque existem problemas que são melhor resolvidos por um doutores assim como na TX a gente busca também mas eu sinto muita falta hoje em dia nos profissionais Principalmente
nos mais novos que que vê de uma abordagem mais prática né que faz os cursos mais aptos desse fundamento né porque Eles até sabem aplicar a tecnologia mas conectar várias Tecnologias para resolver um problema necessita muito desse fundamento isso eu tenho sentido muita falta hoje em dia se eu puder dar um conselho é galera estudem matemática é importante entendeu ag aquela aula de álgebra linear eu lembro de álgebra linear porque era o que a pessoa mais galera olhava assim e falava cara linear não por Eu sou programador sabe aí chegaram as redes neurais o quê
tapa na cara de todo mundo meu amigo se você não sou br br linear esquece você não vai mexer com redes neurais então é muito nessa linha e voltando ao meu comentário eu acredito que que a tecnologia tá diminuindo a barreira de entrada para que a gente consiga criar soluções tecnológicas mas eu concordo com Edu que o conhecimento técnico fundamental Ele é super importante aqui na latan a gente tem visto como eu já comentei uma maior complexidade nos Desafios que a gente vem enfrentando eu sempre uso como exemplo um um uma questão bem específica que
é o nosso forecast climático a gente trabalha com informações de crime e de clima São super importantes paraas decisões operacionais mas para que a gente consiga fazer um modelamento matemático de clima a gente precisa de um conhecimento muito específico e é por isso que a gente vem v vendo uma transformação do time de ciência de dados onde não só buscamos data sciences não que pessoas que entendam de desafios específicos para poder trabalhar essas novas soluções que virão Num futuro próximo boa é só para a minha última pergunta aqui para finalizar o papo é o seguinte
vocês tocaram nos pontos como tudo isso o tratamento de dados e a tá fazendo vocês ajustarem internamente a operação num ponto num espectro um pouco maior a relação entre aatan e passageiras passageiros e tudo mas isso não acontece num vácuo né você Você acabou de falar sobre por exemplo os modelos que fazem a previsão de de de tempo isso influencia na na trajetória vocês têm modelos também que lidam justamente com faz aqueles pequenos atalhos né de de de subida e trajeto etc mas como é que como é que fica por exemplo a relação com o
pessoal de controle de voo nessa situação que vocês estão prevendo Talvez um ajuste em relação ao que estava previsto ali de de controlador de voo e de um ponto de vista um pouco mais amplo para finalizar mesmo é o seguinte né como que vocês vem a evolução disso do ponto de mercado de legislação que tem que ser mais conservadora justamente por questões de segurança e vocês imaginam que vocês esbarrem de vez em quando em algumas paredes legais não por fazer coisas erradas mas por conta dessa desse conservadorismo é legislativo como que fica a relação com
anak agências reguladoras vocês vêm vocês conversando com elas para tentar fazer mudanças de do que é regra vem isso como evolução natural porque vocês tem os modelos de vocês uma empresária concorrente tem os modelos que ela certamente também tá colocando no ar né E quanto mais isso acontecer em mercado melhor vai ser para todo mundo porque Imagino que possa reduzir atrasos reduzir atraso também ajuda na economia de combustível né em tudo que você já tocaram aqui Marcos existe uma colaboração muito próxima entre todas as companhias aéreas nacionais E essas agências reguladoras a gente teve a
oportunidade de trabalhar com decea que é o departamento do controle do espaço aéreo brasileiro que aliás eu quero fazer um parênteses aqui colocar minha opinião pessoal um time de data sciences de primeiro nível Mundial eu tenho certeza que qualquer empresa no mundo Adoraria ter esses profissionais que existem dentro do des é um time Espetacular e e hoje essa aproximação permite que a gente crie soluções paraa indústria não só para latan existe um interesse Genuíno de que a gente possa colaborar e criar soluções pra indústria para que a gente consiga entendendo essas legislações que são necessárias
criar soluções otimizando a a a operação de toda a indústria como eu já comentei claro que a latan se beneficia quando a gente faz esse atalho que você comentou que a gente tem efetivamente uma solução para orientar os pilotos e encontrar esses atalhos e solicitar essa esses atalhos pro controle do espaço aéreo Mas isso pode gerar um desequilíbrio no sistema e portanto a gente trabalha com o des para fazer com que essas rotas mais curtas sejam efetivamente estruturais então Existe sim uma colaboração muito próxima indústria e agências reguladoras para que a gente possa criar soluções
estruturais pra indústria airline como um todo Maravilha gente muito obrigado pelo tempo de vocês por compartilhar esse conhecimento é bem bacana bem interessante esse trabalho que vocês têm feito e para você quem sabe você né no seu futuro tá nas Estrelas aí você também passar lá trabalhar com inteligência artificial na latan não faltam cursos e formações na alura para você mergulhar no mundo de a com dados principalmente né mas também quem sabe é com ux e ia que você quer trabalhar na latan tem curso disso também pessoal de design também programação desenvolvimento aí das mais
diferentes linguagens e carreiras tem tudo na lura tem cursos tem formações Você pode passar aqui na descrição do episódio e dá uma espiadinha conhecer mais a fundo lembrando vocês têm da publicação do do episódio até amanhã quinta-feira 8 de janeiro 11:59 da noite para participar do concurso que na sexta-feira vai dar os dois livros do Fabrício Carraro e na sexta-feira a gente volta com o resultado E com muita notícia sobre inteligência artificial até [Música] lá este podcast foi produzido pela alura Mergulhe em tecnologia e Faculdade FIAP let rock the future edição rede gigz de podcasts
[Música]
