Nem todo problema precisa de machine learning. Às vezes, uma regra simples no sistema resolve. Antes de propor qualquer modelo, verificamos três condições:
Primeira: existe um padrão repetitivo nos dados? Se o problema é completamente aleatório, um modelo não vai ajudar. Previsão de vendas funciona porque vendas seguem padrões sazonais. Previsão de terremotos é outra história.
Segunda: a decisão é tomada muitas vezes? Se a empresa classifica 50 documentos por dia, automatizar faz sentido. Se classifica 5 por semana, o custo do modelo pode não compensar.
Terceira: existe dado histórico suficiente? Sem exemplos do passado, o modelo não tem com o que aprender. Essa é a condição que mais elimina projetos na fase de diagnóstico.
Se as três condições são atendidas, a IA provavelmente vai gerar retorno. Caso contrário, sugerimos alternativas mais simples e baratas.