A aprendizagem automática (ou aprendizado de máquina) é um método de análise de dados que permite aos computadores identificar e se adaptar aos usos e comportamento de seu utilizador.
A inteligência artificial não é mais o sonho de um futuro distante. A aprendizagem automática (ou aprendizado de máquina) é um método de análise de dados que permite aos computadores identificar e se adaptar ao uso e comportamento de seu utilizador. Essa forma de inteligência é usada para recomendar novas músicas, detectar fraudes de cartão de crédito e, cada vez mais, acelerar o planejamento de viagens – conforme aponta o CEO da Rocketrip, Dan Ruch.
Tal inteligência pode ajudar as empresas a reduzir as despesas de viagens em milhões de dólares. Entretanto, isso somente poderá acontecer se as novas tecnologias substituírem as “configurações padrão” que influenciam sutilmente as decisões dos viajantes.
Companhias aéreas, hotéis, locadoras de automóveis e sites de viagens on-line incorporaram opções pré-definidas estrategicamente nos processos de reserva. Essas configurações padrão, no entanto, têm um duplo propósito. O primeiro é de aumentar a taxa de conversão, visto que os sites de viagem impõem tantas barreiras que podem desencorajar o comprador a se tornar um cliente. O segundo é o de maximizar a receita de transação, com opções organizadas com base nas reações de clientes ante o preço. Os viajantes corporativos são notoriamente mais insensíveis nesse quesito e, portanto, os mais afetados pela forma como as ferramentas de reserva são projetadas.
Tnooz
A exemplo disso, quando se pesquisa por hotéis na Expedia ou no Skyscanner, a definição classifica aos resultados padrão são os "mais populares". Por outro lado, os resultados de voo e aluguéis de automóveis na pesquisa são classificados do menor ao maior preço. As configurações padrão, de tal modo, partem do pressuposto que os viajantes são mais sensíveis ao preço de voos e carros, porém são menos afetados com o gasto em hotéis.
Em outros sites é possível procurar com base em critérios de própria escolha. O Kayak, por exemplo, permite a pesquisa de hotéis dentro de uma determinada faixa de preço, mas por padrão, o site ainda organiza os resultados por “recomendações”.
POR QUÊ? Bem, por que em um negócio baseado em comissões o preço é colocado antes da popularidade? A começar pelo luxo, hotéis caros tendem a moldar as expectativas do que seria razoável. Se as quatro primeiras opções custarem $ 500,00 por noite, seja qual for a moeda do local, os hotéis de $ 300,00 tendem a ser considerados boas opções.
É possível perceber que a pesquisa de preço da Kayak, por exemplo, usa um menu “drop-down”, que permite que o usuário escolha um valor de uma lista de opções, porém não muito óbvio. O Skyscanner, também, uma vez que posiciona as opções de classificação de hotéis em um local mais discreto.
Em geral, as configurações padrão não são necessariamente projetadas para produzir um itinerário menos caro. A inteligência artificial não consegue realizar um trabalho tão minucioso na psicologia humana, e até mesmo por isso que ela é uma boa aliada das viagens corporativas – em que é comum usar o buscador padrão.
No entanto, a inteligência artificial ainda precisa superar alguns obstáculos. Em primeiro lugar, é preciso entender o contexto do custo x benefício. Um aplicativo inteligente pode ser habilmente ensinado a fazer o itinerário mais barato a uma viagem de negócios de Nova York a Chicago, porém ter uma avaliação negativa. Uma vez que, pensando no preço baixo, o viajante poderá ser colocado em um assento do meio, quando corredores e janelas estão vazios, ou mesmo escolher um hotel muito distante de onde o está cliente.
Ao invés de selecionar as opções mais baratas, um aplicativo eficiente deveria selecionar opções em que as porcentagens estão levemente abaixo do preço médio estão levemente de um determinado itinerário. O valor padrão, por exemplo, poderia ser 30% a menos, porém dando ao comprador a liberdade de alterar o número para cima para baixo e assim encontrar o próprio meio termo de custo e conforto.
Em segundo lugar, apesar de os aplicativos imitarem as decisões anteriores de reservas dos usuários, ainda não é capaz de entender as razões subjacentes que o guiaram a elas. Por exemplo, se um algoritmo de reconhecimento sempre for usado para reservar hotéis próximos de estações de trem e do transporte público, ele será capaz de detectar automaticamente um padrão que não seja esse? Provavelmente, não. O que pode ser uma escolha óbvia aos seres humanos não é algo evidente a diversos tipos de algoritmos.
Em aplicativos com padrões mais complexos, os usuários podem definir diferentes tipos de regras manualmente. E é esse o terceiro obstáculo: o viajante terá de investir seu tempo para “treinar” a inteligência artificial. Habilitar um aplicativo como a Pandora, que personaliza as estações de rádio de acordo com as preferências do usuário, é fácil: um polegar para cima ou para baixo. O mesmo não vale para quem quer reservar uma viagem, que exige um pouco mais de pensamento e esforço.
Será que os viajantes corporativos vão gostar dessa ideia? A verdade é que isso vai depender muito do incentivo de cada um. As ferramentas inteligentes de reserva, como Pana, Hello Gbye, Way Blazer e Hello Hipmunk, começaram a chamar a atenção por seus potenciais de tornar as viagens de negócios mais acertadas. Com essa prática astuta, a nova tecnologia também pode fazer as viagens corporativas menos caras também.
