Há poucos dias, enquanto relia alguns textos sobre Pitágoras, uma pergunta começou a ocupar meus pensamentos. O que um filósofo que viveu há mais de dois mil e quinhentos anos poderia ensinar sobre Inteligência Artificial? A distância entre esses dois mundos parece intransponível, mas, à medida que avançava na leitura, comecei a perceber que ambos discutem, cada um em seu tempo, exatamente o mesmo problema: como compreender sistemas cuja complexidade impede que sejam explicados apenas pela observação de suas partes.
A maioria de nós conhece Pitágoras apenas pelo teorema aprendido na escola. No entanto, sua contribuição foi muito além da matemática. Ele acreditava que a natureza seguia uma ordem que nem sempre era visível aos nossos olhos, mas que poderia ser compreendida quando conseguíamos identificar as relações que conectavam seus diferentes elementos. Sua conhecida afirmação de que “tudo é número” nunca me pareceu uma defesa da matemática pela matemática. Sempre enxerguei essa ideia como um convite para olhar além do óbvio e tentar compreender a estrutura que sustenta aquilo que observamos.
Essa forma de pensar ganha força quando olhamos para a própria natureza. As espirais das conchas repetem padrões ao longo de gerações, o DNA organiza toda a informação necessária para construir um organismo completo utilizando uma estrutura surpreendentemente simples e o movimento dos planetas continua obedecendo a modelos matemáticos capazes de prever, com enorme precisão, fenômenos que acontecerão muitos anos à frente. A matemática não produz esses acontecimentos, mas oferece uma linguagem poderosa para compreender como eles se organizam.
Foi exatamente essa associação que me levou a olhar a Inteligência Artificial por outro ângulo. Durante muito tempo imaginei que seu grande diferencial estivesse na capacidade de processar volumes gigantescos de dados em poucos segundos. Hoje continuo reconhecendo essa capacidade, mas acredito que sua verdadeira força esteja em outro lugar. Modelos de IA não geram respostas relevantes apenas porque calculam rapidamente; eles conseguem estabelecer conexões entre informações que, para nós, costumam aparecer dispersas, encontrando padrões que dificilmente seriam percebidos por uma análise convencional.
Essa reflexão também mudou minha forma de interpretar o que acontece dentro das empresas. Durante anos acompanhamos organizações investindo fortunas em tecnologia, plataformas analíticas, CRMs, ERPs e projetos de integração com a expectativa de que o simples aumento da capacidade tecnológica produziria decisões melhores. Em muitos casos isso não aconteceu. Os dados continuavam disponíveis, os sistemas funcionavam corretamente e os relatórios eram produzidos diariamente, mas as decisões permaneciam lentas, contraditórias ou desconectadas da realidade do negócio. Aos poucos ficou claro que o problema não estava na tecnologia, mas na dificuldade de organizar o conhecimento de maneira coerente.
Marketing e vendas me ajudaram a compreender isso de forma muito clara. Durante muito tempo imaginamos que campanhas bem-sucedidas dependiam principalmente de criatividade e que grandes vendedores possuíam um talento quase intuitivo para fechar negócios. Hoje sabemos que existe muito mais por trás desses resultados. Uma boa estratégia de marketing nasce da capacidade de compreender comportamento, contexto, momento de compra, perfil do consumidor, histórico de relacionamento e inúmeras outras variáveis que precisam ser interpretadas simultaneamente. O mesmo acontece em uma negociação complexa. Os melhores executivos comerciais não tomam decisões apenas porque possuem experiência acumulada; eles conseguem conectar sinais aparentemente isolados, interpretar padrões, antecipar objeções e adaptar sua estratégia antes mesmo que o cliente perceba essa necessidade.
Sempre admirei essa habilidade porque ela parecia impossível de traduzir para um sistema computacional. No entanto, quando observamos como a Inteligência Artificial funciona, percebemos que existe uma aproximação interessante entre esses dois mundos. O executivo comercial constrói mentalmente uma rede de relações baseada na experiência adquirida ao longo da carreira. A IA faz algo semelhante utilizando modelos matemáticos capazes de identificar padrões em uma escala incomparavelmente maior. Os caminhos são diferentes, mas ambos dependem da capacidade de estabelecer conexões que transformem informação em compreensão.
Foi justamente essa inquietação que me acompanhou durante o desenvolvimento da Ontologia da Decisão Empresarial. Em vez de perguntar como poderíamos produzir ainda mais dados, comecei a fazer outra pergunta: por que organizações cercadas de informação continuam tendo tanta dificuldade para decidir? A resposta aparecia repetidamente diante de mim. Clientes, produtos, contratos, indicadores, processos e objetivos estratégicos existiam, mas permaneciam distribuídos em estruturas que raramente conversavam entre si. Cada área conhecia muito bem sua própria realidade, porém poucas conseguiam compreender o funcionamento da empresa como um sistema integrado.
Naquele momento ficou evidente que o desafio não era apenas tecnológico. Era estrutural. Se a Inteligência Artificial depende de relações para produzir respostas relevantes, as empresas também precisam de uma arquitetura capaz de representar essas relações de forma consistente. Passei então a enxergar a ontologia como uma camada de conhecimento responsável por conectar aquilo que normalmente permanece fragmentado, oferecendo um modelo capaz de representar o negócio como um todo e não apenas como a soma de departamentos, sistemas ou bancos de dados.
Essa conclusão alterou profundamente minha visão sobre o futuro da IA nas organizações. Continuaremos assistindo ao surgimento de algoritmos mais sofisticados, modelos maiores e capacidades computacionais impressionantes, mas acredito que a verdadeira vantagem competitiva continuará pertencendo às empresas que compreenderem sua própria lógica antes de delegar decisões à tecnologia. Um algoritmo consegue calcular praticamente qualquer cenário, desde que receba uma representação fiel da realidade sobre a qual irá trabalhar. Quando essa representação é incompleta, até a melhor tecnologia produz respostas limitadas.
Ao terminar aquela leitura sobre Pitágoras, percebi que a pergunta formulada há mais de dois mil anos continua surpreendentemente atual. Já não estamos tentando explicar apenas a geometria das conchas ou o movimento dos astros. O desafio agora consiste em compreender organizações que geram bilhões de informações todos os dias e precisam transformá-las em decisões cada vez mais rápidas e precisas. As ferramentas mudaram, a velocidade aumentou e a tecnologia evoluiu de maneira extraordinária, mas a essência da questão permanece praticamente a mesma: sistemas complexos somente podem ser compreendidos quando entendemos a arquitetura que conecta seus elementos.
Essa convicção deu origem à Ontologia da Decisão Empresarial. Não como uma proposta para substituir a Inteligência Artificial, mas como uma forma de potencializá-la, oferecendo o contexto necessário para que algoritmos deixem de trabalhar apenas com dados dispersos e passem a compreender o significado das relações que sustentam um negócio.
Pitágoras procurou revelar a arquitetura invisível que organiza o universo. Eu acredito que o grande desafio das empresas do século XXI seja construir a arquitetura invisível que organiza seus próprios negócios, porque a verdadeira inteligência nunca dependeu da quantidade de informações disponível, mas da capacidade de conectar essas informações de maneira que elas façam sentido.
Leandro Monteiro é Vice-Presidente da ADVB, Chairman da Virtual Fans, CEO da ClubBrain.ai e Autor de “Ontologia da Decisão Empresarial”
* As ideias e opiniões expressas nos artigos são de exclusiva responsabilidade dos autores, não refletindo, necessariamente, as opiniões da ADVB. Para publicar um artigo ou matéria neste Portal ADVB, envie para redacao@advb.org para aprovação da publicação.
