Aumentar as receitas a partir do pagamento de contas em atraso, esse foi o desafio imposto pela alta gestão da Companhia de Saneamento Ambiental do Distrito Federal (Caest) a sua área de tecnologia da informação (TI). Depois de muito estudo, o time liderado por Márcia Sabino Duarte, CIO da Caesb, desenvolveu uma plataforma de inteligência […]
Aumentar as receitas a partir do pagamento de contas em atraso, esse foi o desafio imposto pela alta gestão da Companhia de Saneamento Ambiental do Distrito Federal (Caest) a sua área de tecnologia da informação (TI).
Depois de muito estudo, o time liderado por Márcia Sabino Duarte, CIO da Caesb, desenvolveu uma plataforma de inteligência artificial (IA) e machine learning para otimizar os serviços de corte de abastecimento elevando a taxa de retorno e de pagamentos retroativos o projeto ‘Gestão Comercial com IA – Utilização de aprendizado supervisionado para auxílio da seleção de cortes’ rendeu a diretora o título de Executiva de TI do Ano 2023 na categoria Serviço Público.
Márcia explica que até pouco tempo, o corte no fornecimento de água era realizado por uma empresa terceirizada. Recentemente, o governo determinou que esse serviço deveria ser executado por funcionários da Caesb, concursados e devidamente capacitados. Diante da impossibilidade de interromper o abastecimento de todos os inadimplentes, os gerentes da Caesb escolhiam alguns parâmetros simples e aleatoriamente com base em “feeling”, selecionavam os clientes que teriam o serviço.cortado, o que se mostrava pouco eficiente em termos de retorno de receita.
Leia também: Conheça os CIOs vencedores do prêmio Executivo de TI 2023!
“Tínhamos uma infinidade de dados. Precisávamos conseguir analisá-los para tomar melhores decisões”, afirma a CIO. É o que faz hoje a plataforma de IA ao utilizar técnicas de aprendizado de máquina supervisionado, ela identifica aquelas contas em atraso com maior probabilidade de serem pagas, otimizando assim a recuperação de débitos e garantindo a continuidade da prestação dos serviços de saneamento básico para a população.
Márcia lembra que o maior desafio foi identificar, selecionar e tratar as variáveis que se mostraram relevantes para influenciar a efetividade do corte. “As informações estavam disponíveis em diversos sistemas da companhia e a compatibilização e integração desses dados apresentou grande complexidade”, afirma.
Para medir o sucesso de trabalho, a métrica utilizada foi o valor recuperado pela empresa após a execução dos cortes selecionados pelo algoritmo com base em diversas variáveis, enquanto a seleção aleatória de cortes tinha taxa de recuperação de 20%, a determinada pelo algoritmo possui taxa de retorno de 66%.
*Texto originalmente publicado na 29ª edição da Revista IT Forum, disponível aqui.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
