RACIOCÍNIO BASEADO EM CASOS APLICADO AO PROCESSO DECISÓRIO

Revista de Ciências Gerenciais Vol. XII, Nº. 16, Ano 2008 RACIOCÍNIO BASEADO EM CASOS APLICADO AO PROCESSO DECISÓRIO RESUMO Alexey Carvalho Faculdade Anhanguera de Bauru alexey.carvalho@unianhanguera.edu.br Dentro de um ambiente de transformações, mudanças e grande complexidade, que envolve a maioria das empresas, a velocidade e assertividade do processo decisório tornam-se preponderantes. Desta forma, este artigo apresenta o Raciocínio Baseado em Casos RBC, uma das áreas da Inteligência Artificial, como uma ferramenta capaz de contribuir efetivamente, com resultados concretos, auxiliando o tomador de decisão a conseguir uma melhora significativa em seu trabalho. Considerando ainda que com a aplicação de um sistema de RBC, a organização ganha agilidade nas fases de levantamento de alternativas e escolha de planos de ação, propiciando ao tomador de decisão melhores condições na resolução de problemas complexos. Palavras-Chave: IA, RBC, decisão, administração. ABSTRACT Inside of an environment of transformations, changes and great complexity, that the majority of the companies is involves, the speed and effectiveness of decide process become preponderant. Of this form, this paper presents the Case-Based Reasoning - CBR, one of the areas of Artificial Intelligence, as a tool capable to contribute effectively, with concrete results, assisting to who makes the decision, the manager, to obtain a significant improvement in its work. Considering that with the application of a CBR system, the organization wins agility in the phases of survey of alternatives and choice of action plans, providing to who makes the decision better conditions in the resolution of complex problems. Keywords: AI, CBR, decision, management. Anhanguera Educacional S.A. Correspondência/Contato Alameda Maria Tereza, 2000 Valinhos, São Paulo CEP. 13.278-181 rc.ipade@unianhanguera.edu.br Coordenação Instituto de Pesquisas Aplicadas e Desenvolvimento Educacional - IPADE Artigo Original Recebido em: 30/5/2008 Avaliado em: 21/7/2008 Publicação: 19 de dezembro de 2008 25

26 Raciocínio Baseado em Casos aplicado ao processo decisório 1. INTRODUÇÃO O cenário atual que envolve a maioria das empresas é constituído de inúmeras transformações e mudanças, que ocorrem de maneira extremamente acelerada e simultânea, estas, de ordem social, política, cultural, econômica e tecnológica. Empresas de todos os tamanhos, atividades e tipos, se deparam com situações novas cotidianamente, o que exige cada vez mais que estas respondam adequadamente e no mesmo ritmo a estas situações. Para responder às situações novas, dentro do cenário apresentado, é necessário que as decisões administrativas sejam tomadas, cada vez mais em um tempo menor e com um razoável grau de assertividade. Em geral, as decisões administrativas são tomadas a respeito de oportunidades ou problemas. Neste artigo o foco será a decisão administrativa para resolver problemas. Com a evolução tecnológica, o aprimoramento dos modelos de gestão, as exigências dos consumidores e a alta concorrência, os problemas administrativos tomaram grandes proporções, criando situações complexas, pois um único problema pode ter sua origem advinda de várias causas e pode provocar várias conseqüências. Desta forma, ao tomar uma decisão, deve-se analisar detalhadamente a situação que envolve o problema e suas relações com os demais processos administrativos. A tomada de decisões ocorre em todos os níveis de uma empresa: operacional, voltada às tarefas e como são realizadas; no nível de gerencial, voltada às áreas específicas, como finanças, marketing e produção; no nível estratégico, voltada ao todo empresarial, utilizando-se de informações internas e externas sobre o ambiente de atuação da empresa. Este trabalho considera o processo decisório administrativo como algo complexo e concentra-se no nível estratégico, pois é aí que ocorre a maior parte das decisões complexas, que podem provocar o sucesso ou fracasso de uma empresa. Dadas como principais características do contexto, com relação à tomada de decisões: tempo reduzido, complexidade e assertividade; este artigo coloca como problema, a ineficácia dos modelos tradicionais que auxiliam o administrador ou gestor no processo decisório. Os modelos tradicionais em geral agem analítica e linearmente, o que não possibilita uma compreensão adequada de todo ambiente que envolve um problema, reduzindo sua eficácia para a solução de problemas complexos. Com isso, o ser humano, o tomador de decisão, fica com todo o peso e a carga de uma decisão complexa.

Alexey Carvalho 27 Este artigo tem como objetivo principal apresentar o Raciocínio Baseado em Casos RBC (Case-Based Reasoning - CBR), uma das áreas da Inteligência Artificial, como uma ferramenta capaz de auxiliar o processo decisório, na resolução de problemas complexos, considerando suas características e peculiaridades, contribuindo para uma maior agilidade e velocidade deste processo, assim como um maior grau de assertividade nas decisões. 2. O PROCESSO DECISÓRIO No estudo da Administração, vários autores discutem o processo decisório, de diversas formas e apresentações. Porém a origem da maioria delas é a Teoria das Decisões, criada por Herbert Alexandre Simon entre a década de 1950 e 1960 (SIMON, 1960), que analisando o comportamento humano dentro das organizações, baseou-se nele para e- laborar um processo de escolher ou selecionar, dentre várias alternativas, a mais adequada, ou seja, um processo que estruturaria a tomada de decisões. Os principais elementos de um processo decisório são: (CHIAVENATO, 2000, p. 172) 1) O tomador da decisão; 2) Objetivos; 3) O sistema de valores; 4) Cursos de ação; 5) Estados da natureza; 6) Conseqüências. Onde o tomador da decisão, que pode ser um indivíduo ou grupo de indivíduos, é aquele que faz a escolha de uma ou mais estratégias, cursos de ação, para atingir um objetivo a respeito de uma situação. Para isso, utiliza seus critérios e preferências, que constituem seu sistema de valores. No ambiente que envolve a situação, são analisados os chamados estados da natureza, que constituem todos os fatores que estão fora do controle do tomador de decisões e as conseqüências, que tratam dos efeitos resultantes de suas estratégias. O processo decisório está estruturado em etapas, as quais podem ser sintetizadas da seguinte forma:

28 Raciocínio Baseado em Casos aplicado ao processo decisório Diagnóstico do problema Levantamento de alternativas Análise de alternativas Escolha do plano de ação Implementação Feedback Figura 1. Etapas do Processo Decisório. Fonte: Moraes (2004, p.180). Na Figura 1 o processo decisório é colocado em fases ou etapas, na etapa de diagnóstico, são levantadas todas as informações a respeito do problema, que é de suma importância, pois uma vez identificado o problema de maneira errada, isto conduzirá certamente a uma decisão errada. Na próxima etapa são levantadas as possíveis alternativas para a resolução do problema, muitas correntes convergem na opinião de que quanto mais alternativas levantadas, melhor para o processo decisório. A análise das alternativas consiste em verificar vantagens e desvantagens de cada uma das opções levantadas, uma espécie de relação custo-benefício. A escolha do plano de ação é a seleção da alternativa com vistas ao objetivo do processo e a implementação é a execução do plano escolhido. O feedback ou realimentação é a etapa de avaliação da eficácia da decisão tomada, é importante para o aprimoramento do processo e para a tomada de futuras decisões. Conforme apresentado, as etapas do processo decisório são baseadas no raciocínio humano e apesar de colocadas aqui seqüencialmente, muitas vezes essas etapas se fundem e ocorrem quase que simultaneamente. Um ponto que merece destaque, dentro da Teoria das Decisões, é o fato de que o tomador de decisão deva buscar uma alternativa adequada, ou seja, aquela que resolva o problema de maneira satisfatória e não perseguir a melhor alternativa a todo custo. Rezende e Abreu (2008, p. 161), colocam ainda que a atividade de tomada de decisões é complexa e crucial nas empresas, sendo necessária a todo momento e em todos os níveis organizacionais, o que faz cada vez mais que os gestores, tomadores de decisão, necessitem de sistemas, que de forma dinâmica apóiem este processo.

Alexey Carvalho 29 3. INTELIGÊNCIA ARTIFICIAL E CONCEITOS A Inteligência Artificial (IA) é uma ciência recente, cujo próprio nome surgiu oficialmente em 1956. Abrange vasto universo de estudo e atrai pesquisadores e cientistas das mais variadas áreas. Esta atração se deve em muito ao fato de não apenas procurar compreender como funcionam os processos que utilizam a inteligência e cognição, mas construir entidades e agentes inteligentes (RUSSEL;NORVIG, 2004, p. 3). Dentre os vários conceitos de IA existentes, neste artigo opta-se por aqueles que tratam os sistemas de IA como sendo sistemas que pensam como seres humanos, como a seguinte: Inteligência Artificial é o campo de estudo na ciência da computação que persegue o objetivo de fazer um computador raciocinar de maneira semelhante aos humanos (DURKIN, 1994 apud MODRO, 2000, p. 28). Um das primeiras aproximações entre a Teoria das Decisões e IA foi em 1961 quando Allen Newell e Herbert Alexandre Simon desenvolveram um programa para resolver problemas automaticamente (o General Problem Solver GPS), que se baseava nas etapas do raciocínio humano e se preocupava, não apenas na resolução correta de um problema, mas em seguir os passos do raciocínio humano (RUSSEL;NORVIG, 2004, p. 5). De uma maneira sintética e pragmática, busca-se neste artigo, uma associação entre IA, através das fases e características de um sistema de RBC e as etapas e elementos do processo decisório, uma vez que ambos originam-se no modelo cognitivo humano de decidir e raciocinar. A escolha de se aplicar um sistema RBC dentro do processo decisório teve como pontos principais: sua capacidade de adaptação em diversos contextos (domínios) e sua capacidade de aprendizagem. Esta escolha pode ser reforçada ainda, pela afirmação de Minsky: Eu prevejo que nos próximos 20 anos RBC será a mais importante aplicação de IA (MINSKY, Marvin,1991 apud WANGENHEIM, 2003, p. 3, tradução nossa). 4. RACIOCÍNIO BASEADO EM CASOS Freqüentemente o ser humano se baseia em situações passadas e experiências semelhantes para tomar decisões e resolver problemas, além de aprender, adquirir conhecimento com cada nova situação.

30 Raciocínio Baseado em Casos aplicado ao processo decisório Raciocínio Baseado em Casos é um enfoque para a solução de problemas e para aprendizado baseado em experiência passada. Resolve problemas ao recuperar e adaptar experiências passadas, chamadas casos, armazenadas em uma base de casos (WANGENHEIM, 2003, p. 8). Uma diferença muito importante de sistemas de RBC e sistemas que utilizam outras técnicas de IA é sua capacidade de aprendizado. Utilizando critérios de similaridade ou analogia os problemas são resolvidos com base em situações que aconteceram e após sua resolução, são armazenados e constituem base para futuras soluções. Laudon e Laudon (2004, p. 344) lembram ainda que os sistemas de RBC utilizam o conhecimento, armazenado por meio de uma base de casos, continuamente expandida, diferentemente de outros sistemas computacionais, que utilizam regras ou conjuntos de regras do tipo se-então-senão, sendo assim seu desempenho na resolução de problemas complexos e para tomada de decisões não estruturadas é maior. Para elucidar o funcionamento do RBC podem ser utilizadas várias situações do dia-a-dia. Como se pode ver no seguinte exemplo: um técnico de suporte (conhecido como help desk) recebe uma ligação de um cliente com o seguinte problema: não consigo acessar o sistema, meu usuário e senha não entram. Ele lembra-se que em outra ocasião atendeu um cliente com a mesma solicitação e resolveu da seguinte forma: pediu ao cliente para verificar se as letras estavam em maiúsculas ou minúsculas, se a tecla Caps Lock estava ligada. Tenta então, relembrando a situação passada, resolver o problema da mesma forma, porém, o problema persiste e ele decide então adaptar a solução, pede ao cliente para verificar se o teclado numérico está ligado, se a tecla Num Lock está ligada e desta forma resolve o problema. A situação mostrada anteriormente representa um típico caso de RBC, porém para se criar um sistema de RBC é necessário que sejam definidos alguns de seus elementos básicos (MODRO, 2000, p. 37; WANGENHEIM, 2003, p. 10): 1) Representação do Conhecimento; 2) Medida de similaridade; 3) Modelo de Adaptação; 4) Modelo de Aprendizado. Em um sistema de RBC, o conhecimento é representado por casos, que descrevem situações, as experiências passadas. De maneira simples, um caso descreve o que aconteceu, o problema e como foi resolvido. Assim, a estrutura básica de um caso

Alexey Carvalho 31 compõe-se de: descrição do problema e descrição da solução, ou das soluções do problema. Existem várias formas de representação do conhecimento, as quais não serão detalhadas aqui, entretanto pode-se afirmar, que dentre as formas existentes, a mais adequada é aquela que melhor consegue descrever um caso, a situação a ser resolvida e isto vai depender do contexto (domínio) onde vai ser aplicado e de suas variáveis. Determinar o grau de similaridade de um caso consiste em estabelecer o quão parecido ou semelhante, a situação atual é com alguma já armazenada um banco de casos. A medida de similaridade indica a utilidade de um caso para a resolução de um problema, ou seja, o quanto este é útil para ser utilizado. A medida de similaridade a ser utilizada por um sistema de RBC vai depender da forma de representação do conhecimento, porém baseia-se na premissa de que problemas similares possuem soluções semelhantes (WANGENHEIM, 2003, p. 96). Dificilmente uma situação ou problema é exatamente igual a uma situação anterior, por isso, por mais similar que seja um caso, este pode não resolver completamente o problema atual apresentado. Surge assim a necessidade de uma adaptação da solução para que satisfaça adequadamente os requisitos da situação atual. Como já mencionado anteriormente, o aprendizado é o fator de grande distinção entre um sistema de RBC e outros. Seu aprendizado ocorre, assim como no raciocínio humano, toda vez que uma solução é aplicada e produz o resultado desejado, ela é incorporada na base de conhecimentos, para aplicações futuras. No sistema de RBC, sempre que um caso utilizado é adaptado à situação atual, resolvendo um problema, este é acrescentado na base de casos, consolidando-se um novo caso. A aprendizagem faz com que o sistema evolua continuamente, aumentando sua base de conhecimento e desta maneira tornando-o cada vez mais eficiente. O Ciclo de Funcionamento de um sistema de RBC pode ser ilustrado de acordo com a Figura 2:

32 Raciocínio Baseado em Casos aplicado ao processo decisório RETENÇÃO Caso Armazenado Problema (novo caso) RECUPERAÇÃO Solução confirmada BASE DE Caso(s) mais Similar(es) REVISÃO Solução adaptada REUTILIZAÇÃO Figura 2. O Ciclo do RBC. Fonte: adaptado de Wangenheim (2003, p. 15). De acordo com a Figura 2, dado um problema, um novo caso, é feita primeiramente a recuperação, onde o sistema efetua uma busca na base de casos, que através de uma medida de similaridade retorna um conjunto ordenado de casos similares, posteriormente é feita uma seleção do caso que melhor satisfaz a situação. Uma vez recuperado o caso, é feita uma tentativa de reutilizá-lo para resolver o problema proposto, como em geral o caso não é exatamente igual ao problema proposto, pode ser necessária uma adaptação da solução. Já na fase de revisão é feita uma validação da solução, analisando se a mesma não possui falhas. Não sendo encontradas falhas, prossegue-se para a fase seguinte, a de retenção, onde a solução ou o caso é armazenado na base de casos e ocorre então o aprendizado do sistema. Deve-se destacar que um sistema de RBC pode também armazenar experiências negativas (falhas), para que estas não sejam cometidas novamente. O ciclo RBC pode ser compreendido facilmente ao rever-se o exemplo prático citado anteriormente. Vale lembrar que este ciclo pode ocorrer automaticamente ou com intervenção humana, sendo mais comum uma intervenção humana nas fases de revisão e retenção.

Alexey Carvalho 33 5. RACIOCÍNIO BASEADO EM CASOS APLICADO AO PROCESSO DECISÓRIO Revendo as etapas do processo decisório, ilustradas na Figura 1: diagnóstico do problema, levantamento de alternativas, análise de alternativas, escolha do plano de ação, implementação e feedback. Propõe-se assim, a aplicação de um sistema de RBC para realizar automaticamente, de maneira total ou parcial as etapas de levantamento de alternativas, análise de alternativas e escolha do plano de ação. O processo decisório, com um sistema de RBC tem as seguintes etapas: 1) Diagnóstico do problema; 2) Recuperação de casos similares na base de casos; 3) Reutilização e adaptação da solução; 4) Implementação; 5) Feedback e Revisão; 6) Retenção. O diagnóstico e a contextualização do problema cabem ao tomador de decisão humano, que fornece ao sistema toda a descrição e caracterização do problema. As etapas de recuperação e reutilização são feitas automaticamente pelo sistema, através de uma busca na base de casos, que já retorna a solução mais similar encontrada e já adaptada ao problema proposto. A implementação da solução proposta também cabe ao tomador de decisão, que pode refutar ou acatar a solução proposta pelo sistema. Após sua implementação, seria obtido um feedback dos resultados da solução, que seria avaliada e em caso de sucesso, poderia ou não ser incorporada à base de casos, a critério do tomador de decisões. Segundo Turban, Rainer Jr. e Potter (2007. p. 240) o segredo de uma boa tomada de decisão é explorar e comparar muitas alternativas relevantes, esta afirmação corrobora com a presente proposta, já que com a aplicação de um sistema de RBC a capacidade de análise de alternativas é maximizada, melhorando o desempenho de todo o processo decisório.

34 Raciocínio Baseado em Casos aplicado ao processo decisório 6. CONSIDERAÇÕES FINAIS Analisando o contexto empresarial, suas inúmeras mudanças e seu impacto na tomada de decisão, faz-se necessário rever os principais fatores que influenciam o processo decisório, dentro do exposto no artigo: tempo reduzido, complexidade e assertividade. De acordo com a proposta deste trabalho, a aplicação de um sistema de RBC, reduz significativamente o tempo demandado no processo decisório. Isto ocorre, uma vez que, o levantamento de alternativas, análise de alternativas e a escolha do plano de ação, que comumente consomem em demasia o tempo, são realizados automaticamente pelo sistema. A flexibilidade de um sistema de RBC para adaptação em vários domínios e contextos, através de suas diversas formas de representação do conhecimento, indica sua eficiência na resolução de problemas complexos. Pois uma vez que um problema complexo é resolvido com sucesso, pode ser armazenado na base de casos e servir como ponto de partida para a resolução de outros problemas similares. O mecanismo de aprendizagem de um sistema de RBC faz com que a base de casos evolua e se aprimore constantemente, fazendo com que grau de assertividade das decisões, dentro da proposta do artigo, aumente razoavelmente. Pois quanto mais soluções de sucesso, assertivas, são armazenadas na base de casos, mais podem ser reutilizadas. Conclui-se, dentro do cenário empresarial exposto, que o processo decisório administrativo, pode ganhar qualitativamente com a aplicação de um sistema de RBC, de acordo com os pressupostos colocados neste artigo. Pressupostos estes, que ao serem implementados, podem ser revisados, avaliados e adaptados, dando continuidade aos estudos relacionados ao tema e inovações ao conteúdo apresentado. REFERÊNCIAS CHIAVENATO, Idalberto. Administração: teoria, processo e prática. 3. ed. São Paulo: Pearson Education do Brasil, 2000, p. 172-183. DURKIN, John. Expert Systems: design and development. New Jersey: Prentice Hall, 1994. LAUDON, Kenneth C.; LAUDON, Jane P. Sistemas de Informação Gerenciais: administrando a empresa digital. 5. ed. São Paulo: Prentice Hall, 2004, 562 p. MODRO, Nilson Ribeiro. Sistema Inteligente de Monitoramento e Gerenciamento Financeiro para Micro e Pequenas Empresas. 2000. Dissertação (Mestrado em Engenharia de Produção) - UFSC. Florianópolis. p. 28-37.

Alexey Carvalho 35 MORAES, Ana Maris Pereira de. Introdução à Administração. 3. ed. São Paulo: Prentice Hall, 2004, p. 177-191. REZENDE, Denis Alcides; ABREU, Aline França. Tecnologia da Informação: aplicada a sistemas de informação gerenciais. 5. ed. São Paulo: Atlas, 2008. 303 p. RUSSELL, Stuart; NORVIG, Peter. Inteligência artificial. Rio de Janeiro: Campus, 2004. 1040 p. SIMON, Herbert Alexandre. The new science of management decision. New York: Harper & Row, 1960. SIMON, Herbert Alexandre; NEWELL, Allen. Computer simulation of human thinking and problem solving. Datamation. jun.-jul. 1961, p. 35-37. TURBAN, Efraim; RAINER JR., R. Kelly; POTTER, Richard E. Introdução a Sistemas de Informação: uma abordagem gerencial. Rio de Janeiro: Elsevier, 2007. 264p. WANGENHEIM, Cristiane Gresse von; Aldo von. Raciocínio Baseado em Casos. Barueri: Manole, 2003. 293 p. Alexey Carvalho Mestre em Tecnologia pelo Centro Estadual de Educação Tecnológica Paula Souza CEETEPS. Coordenador e docente do curso de Administração da Faculdade Anhanguera de Bauru.