Home / Opinião / Como prever o futuro pode salvar ou afundar uma empresa
Katya Ivanova Santos
Katya Ivanova Santos, CEO & Co-fundadora da AssetFloow (Fonte Divulgação)

Como prever o futuro pode salvar ou afundar uma empresa

Por: Katya Ivanova Santos, CEO & Co-fundadora da AssetFloow


Nos dias de hoje, a capacidade de antecipar o futuro é um dos ativos mais valiosos para qualquer empresa, seja uma PME (Pequena e Média Empresa) ou uma grande corporação.

As ferramentas de previsão, conhecidas como “forecasting”, desempenham um papel crucial na otimização de processos, na tomada de decisões estratégicas e na gestão eficaz dos recursos. A capacidade de prever com precisão a procura, os custos, as tendências de mercado, a flutuação de preços no mercado e outros fatores críticos pode significar a diferença entre o sucesso e o fracasso. Mas até que ponto podemos confiar nestas previsões? E como é que os modelos de Inteligência Artificial (IA), particularmente os baseados em Large Language Models (LLM), estão a moldar este cenário?


Forecasting: Muito Mais do que Simples Previsões

Quando pensamos em forecasting, muitos imaginam gráficos e tabelas que projetam vendas futuras ou tendências de mercado. Contudo, a verdadeira essência do forecasting vai muito além disso. Trata-se de antecipar comportamentos, prever necessidades e, o mais importante, tomar decisões informadas que podem moldar o futuro de uma empresa. O uso de dados históricos para prever o futuro é uma prática que existe há décadas, mas a verdadeira revolução começou quando introduzimos a IA no processo.

O forecasting tradicional, dominado por modelos especializados como ARIMA e CatBoost, depende de grandes quantidades de dados históricos e de métodos estatísticos complexos para gerar previsões. No entanto, esses métodos apresentam limitações, especialmente quando se trata de prever mudanças disruptivas no Mercado, eventos raros ou de capturar padrões subtis e não lineares. Estes métodos falham ao assumir uma linearidade que não reflete a complexidade e volatilidade do mundo real. Por exemplo, os modelos de previsão tradicionais em retalho muitas vezes não conseguem antecipar uma mudança brusca no comportamento do consumidor devido a uma crise económica ou a uma pandemia global como a COVID-19.

Após a pandemia da COVID-19, em 2023, várias empresas enfrentaram perdas significativas devido a previsões imprecisas, especialmente no setor do retalho. A Target teve uma queda de 90% nos lucros operacionais por excesso de inventário, resultando em perdas de centenas de milhões de dólares. Este não é um exemplo isolado. Estima-se que erros de previsão custem ao setor de retalho cerca de 1,75 triliões de dólares anuais.


A Nova Era do Forecasting: Uma falsa promessa?

Com o avanço da capacidade de processamento em nuvem e o surgimento dos modelos de IA baseados em Large Language Models (LLM), emergiram os chamados Zero-Shot Learning (ZSL) — modelos de previsão treinados com mais de um bilhão de dados, prontos para serem aplicados em qualquer setor, sem necessidade de treinamento específico. Empresas como a Amazon e Meta, com seus modelos CHRONOS e LLAMA, entraram de cabeça nessa corrida.

Embora a ideia de um modelo genérico pronto para uso seja atraente, a realidade mostrou que tentar generalizar um modelo com uma quantidade massiva de dados pode, paradoxalmente, torná-lo menos eficaz em captar as dinâmicas específicas de cada setor.

Como resultado, esses modelos frequentemente apresentam desempenho inferior até mesmo a algoritmos simples de média móvel.

A chave para desenvolver um modelo de previsão realmente eficaz não está na simples adição de mais dados de treinamento, mas sim no uso de algoritmos que possam aprender e se adaptar rapidamente às particularidades de cada caso de uso.

Na AssetFloow, temos vindo a trabalhar incansavelmente para desenvolver modelos de previsão que superam as ofertas das maiores empresas tecnológicas do mundo.

Recentemente, alcançámos um marco significativo: o nosso modelo de forecast, DFN v3 (Dynamic Flow Network), demonstrou uma melhoria de 20% em precisão em comparação com os modelos de gigantes como a Amazon, Google e Meta. E conseguimos fazê-lo utilizando 50% menos dados para o treino do modelo. Estes resultados são impressionantes, mas o que realmente os diferencia é a capacidade de adaptação e a compreensão profunda do comportamento humano e dos padrões de consumo.

 

Eficiência e Sustentabilidade: O Novo Paradigma do Forecasting

Num mundo onde a sustentabilidade está cada vez mais no centro das preocupações empresariais, a eficiência no uso de recursos torna-se crucial. A capacidade de gerar previsões precisas com menos dados não é apenas uma questão de eficiência operacional, mas também de responsabilidade ambiental. Menos dados significam menos energia utilizada em processos de armazenamento e processamento, contribuindo para uma pegada ecológica mais reduzida.


A Relevância do Forecasting em Diferentes Indústrias

O forecast preciso é um componente essencial em inúmeras indústrias, cada uma com as suas especificidades e desafios únicos. Por exemplo no retalho, um inventário bem gerido depende de previsões precisas. Subestimar a procura pode resultar em perda de vendas por falta de stock, enquanto sobrestimar leva a custos elevados de armazenamento e possível desperdício, especialmente de bens perecíveis.

Na distribuição, a previsão é igualmente crucial. Antecipar a procura ao longo da cadeia de abastecimento permite otimizar operações logísticas, reduzindo custos e garantindo entregas no momento certo. Ferramentas de previsão ajudam a mitigar riscos em períodos de flutuações inesperadas, assegurando uma resposta rápida e eficiente.

No setor energético, o forecasting é essencial para equilibrar a oferta e a procura de energia. Previsões imprecisas podem causar défices ou excessos de energia, ambos com implicações financeiras significativas, como se verifica no mercado europeu de energia, marcado pela volatilidade e perdas económicas.

Nas finanças, o forecasting é uma ferramenta estratégica para prever tendências de mercado e gerir riscos. Bancos e instituições financeiras dependem de previsões para planear investimentos e definir estratégias, sendo uma previsão precisa a chave para o sucesso financeiro e uma gestão eficaz de portfólios.

O futuro do forecasting é promissor, mas também exige uma mudança de mentalidade. Futuro que será definido pela combinação de precisão e eficiência. Empresas que desejam liderar no seu respetivo setor devem adotar essas tecnologias preditivas para se manterem competitivas e preparadas para os desafios do futuro. E, como temos visto, o futuro está mais perto do que imaginamos.