Extracting and Coding Digital Sustainability Data using Text Mining and AI: A Design Science Approach

Imagine que você é um detetive tentando resolver um mistério colossal: como as empresas usam a tecnologia para ajudar o planeta e as pessoas? As pistas não estão escondidas em um sótão empoeirado; elas estão enterradas dentro de milhares de relatórios espessos e entediantes que as empresas escrevem todos os anos. Esses relatórios são como bibliotecas gigantes de texto, repletas de palavras sobre "centros de dados verdes", "sensores inteligentes" e "equidade digital". O problema é que ler cada página de cada relatório manualmente é como tentar beber o oceano com um canudo — leva uma eternidade e você pode perder as gotas mais importantes. Este é o mundo da "Sustentabilidade Digital", um campo onde pesquisadores estudam como computadores e softwares podem tornar o mundo um lugar melhor. Mas, para entender o quadro geral, eles precisam encontrar e classificar essas pistas rapidamente. É aí que a magia da "mineração de texto" (ensinar computadores a ler e encontrar padrões) e da "IA Generativa" (chatbots superinteligentes que podem escrever e pensar) entra em cena. Em vez de se afogar em papelada, os pesquisadores querem um assistente robô para fazer o trabalho pesado, para que possam se concentrar em resolver o mistério.

Este artigo é sobre a construção desse exato assistente robô. Os pesquisadores, Thomas Abraham, Viet Dao e Nesreen El-Rayes, decidiram usar um método chamado "Ciência do Design", que é basicamente uma forma elegante de dizer: "Vamos construir uma ferramenta para corrigir um problema, testá-la e torná-la melhor". O objetivo deles era criar um sistema semiautomático que pudesse escanear relatórios de sustentabilidade, extrair as histórias relevantes de sustentabilidade digital e, então, classificar essas histórias em categorias lógicas e organizadas. Eles não apenas adivinharam; eles construíram três "artefatos" específicos (ferramentas) para realizar o trabalho: um dicionário especial de palavras para procurar, um conjunto de instruções (prompts) para ensinar a IA como pensar e todo o processo de como usá-los juntos.

Primeiro, eles enfrentaram a parte de "encontrar". Imagine que você está procurando tipos específicos de tesouros em uma caverna. Se você apenas gritar "Tesouro!", receberá muitas pedras e sujeira. Você precisa de um mapa específico. Os pesquisadores construíram um "Dicionário de Sustentabilidade Digital", que é como um detector de metais altamente ajustado. Eles alimentaram o sistema com milhares de palavras de pesquisas passadas para ensinar ao computador como a "sustentabilidade digital" realmente soa. Eles testaram esse dicionário em relatórios de empresas como Biogen e Coca-Cola. Os resultados foram impressionantes: o computador encontrou 94% das histórias de sustentabilidade digital que especialistas humanos haviam encontrado manualmente, mas fez isso em uma fração do tempo. Ele até encontrou 54 histórias extras que os humanos haviam perdido! No entanto, não era perfeito; o computador às vezes se distraía com palavras como "website", que pareciam importantes, mas não eram de fato sobre iniciativas de sustentabilidade. Isso ensinou aos pesquisadores que, embora o computador seja um ótimo scanner, ele ainda precisa de um humano para conferir os resultados.

Em seguida, eles enfrentaram a parte de "classificar". Uma vez que o computador encontrasse as histórias, ele precisava colocá-las nas caixas certas. Os pesquisadores usaram dois "sistemas de arquivamento" diferentes baseados em teorias estabelecidas. Um sistema classificava as histórias pelo que a tecnologia faz (como "Automatizar" um processo ou "Transformar" um modelo de negócio) e o outro classificava pelo quem se beneficia (como "Interno" vs. "Externo" ou "Hoje" vs. "Amanhã"). Para ensinar a IA a usar esses sistemas de arquivamento, eles não deram apenas um comando simples. Eles usaram uma técnica chamada "few-shot prompting", que é como mostrar à IA alguns exemplos de um quebra-cabeça concluído e dizer: "Veja como esta peça se encaixa aqui? Agora você faz o resto". Eles treinaram a IA com dados de três empresas, deixando-a cometer erros, corrigindo-a e refinando suas instruções até que ela pegasse o jeito.

Quando testaram essa IA treinada em novas empresas (como Johnson & Johnson e Volvo), os resultados foram fortes. Para as categorias de "o que faz", a IA coincidiu com a classificação dos especialistas humanos 78% das vezes. Para as categorias de "quem se beneficia", ela coincidiu 85,3% das vezes. Os pesquisadores calcularam uma pontuação chamada "Kappa de Cohen", que mede o quanto duas pessoas (ou uma pessoa e um robô) concordam. A pontuação foi superior a 0,7, o que é considerado um alto nível de concordância. Isso sugere que a IA não está apenas adivinhando; ela está realmente aprendendo a lógica dos pesquisadores.

No entanto, o artigo é cuidadoso ao não dizer que isso é uma "varinha mágica" que resolve tudo. Os pesquisadores excluem explicitamente a ideia de que este processo possa ser totalmente automático. Eles descobriram que a IA às vezes precisava de ajuda para entender o contexto de um negócio. Por exemplo, se uma empresa falasse sobre um sistema de segurança ao longo de vários anos, a IA poderia contar isso como vários projetos diferentes, enquanto um humano saberia que é apenas um único projeto longo. O dicionário também não é perfeito; é algo vivo que precisa ser atualizado conforme novas palavras entram no mundo. Os autores concluem que a melhor abordagem é uma parceria: o computador atua como um assistente de pesquisa super-rápido que faz o trabalho pesado de encontrar e classificar, mas um especialista humano deve sempre estar no ciclo para treinar a IA, corrigir seus erros e tomar a decisão final.

No fim, este artigo sugere que não precisamos escolher entre a sabedoria humana e a velocidade da máquina. Ao combinar a mineração de texto e a IA Generativa com um processo de treinamento cuidadoso e passo a passo, os pesquisadores podem construir conjuntos de dados massivos de dados de sustentabilidade digital muito mais rápido do que antes. Não é um problema resolvido, mas é uma ferramenta poderosa que torna o trabalho de salvar o mundo um pouco menos solitário e muito mais eficiente.