São Paulo — InkDesign News — O uso de “machine learning” e “deep learning” está se expandindo de forma rápida, impulsionando a inteligência artificial a novos patamares. Pesquisadores abordam o desafio de analisar alterações em KPIs com eficiência e precisão.
Arquitetura de modelo
O modelo proposto utiliza a estrutura do HuggingFace smolagents, aproveitando a capacidade da IA para realizar análises em grandes conjuntos de dados. O projeto envolve um agente de código que avalia alterações em métricas, como a receita, segmentada por diversas dimensões, como “país” e “maturidade”. Esse sistema multi-agente integre um “change log agent”, encarregado de investigar eventos que possam ter causado variações nas KPIs.
A flexibilidade do smolagents permite a integração com modelos robustos, como o gpt-4o-mini e o gpt-4.1-mini, para análises mais inteligentes. O agente é previamente ajustado para garantir que as referências aos dados sejam diretas, evitando qualquer retardo na computação através de cópias desnecessárias de variáveis.
Treinamento e otimização
Durante o processo de treinamento, técnicos discutiam a importância de otimizar os prompts, permitindo que o modelo entenda claramente os parâmetros de entrada. Quando solicitado para usar o dataframe existente, o agente agora acessa diretamente a variável “df”, resultando em um desempenho muito mais otimizado. A utilização de estruturas de pensamento e planejamento, como revisões a cada três etapas, ajuda o agente a manter um foco claro em seus objetivos analíticos.
Resultados demonstraram que a nova abordagem de segmentar KPIs pelo impacto relativo—definido como a contribuição de cada segmento para a variação total das receitas—trouxe insights significativos. O modelo foi testado em um ambiente de produção e reduziu o tempo necessário para obter resultados finais de 14-16 passos para apenas 6, otimizando significativamente processos.
Resultados e métricas
Os resultados da análise indicam que, entre abril e maio de 2025, a receita total decaiu drasticamente, de 1.731.985,21 para 1.107.924,43, uma redução de aproximadamente 36%. Os segmentos mais impactados foram identificados, demonstrando uma redução superior a 70% em suas receitas. O agente também gera relatórios executivos que destacam as causas prováveis das flutuações.
A abordagem de utilizar inteligência artificial para a interpretação de dados de KPIs abre caminho para soluções mais escaláveis na análise empresarial. Com a possibilidade de expansão para outras métricas, a pesquisa avança para integrar insights mais profundos, levando a uma tomada de decisão mais informada e eficiente.
Fonte: (Towards Data Science – AI, ML & Deep Learning)
