A IA generativa (GenAI), a aprendizagem automática (ML) e os grandes modelos de linguagem (LLMs) estão a tornar-se cada vez mais importantes para as empresas modernas, mas alcançar valor mensurável da IA ​​ainda é um desafio. Parte do problema é que um modelo de IA bem treinado depende de uma grande quantidade de dados e, para muitas empresas, a organização e o uso de todos os seus dados as tornam mais lentas todos os dias. Para maximizar o valor da IA, as empresas precisam de garantir que a sua pilha de dados está bem organizada. Se uma empresa for capaz de consolidar fontes de dados, será muito mais fácil criar casos de uso valiosos para IA generativa. Aqui estão alguns exemplos que já agregam valor hoje.

IA em desenvolvimento de software e ciência de dados

No que diz respeito aos LLMs, o GPT-4 é um generalista impressionante, com amplo conhecimento de tópicos que vão desde a história mundial até a programação de computadores, passando pela culinária do Oriente Médio e muito mais. Isso não é surpreendente, já que foi amplamente treinado em páginas extraídas da Internet. Mas o que a maioria das empresas precisa é de modelos especializados focados em seu mercado vertical, que sejam treinados em seus dados internos e não na internet. A postagem a16z em Sobre o que os construtores falam quando falam sobre IA explicou como as empresas realmente não precisam de mais chatbots. As empresas precisam de GPTs que possam fornecer insights de maneira eficiente e com alta exatidão e precisão. Não importa se a IA consegue resumir Shakespeare – importa se consegue prever com precisão qual poderá ser o valor vitalício de um cliente potencial.

Ali Ghodsi, da Databricks, observou que seus clientes “querem modelos especializados que sejam mais baratos, menores e que tenham precisão e desempenho realmente altos”. Para algo como manufatura que requer extrema precisão, é melhor treinar um modelo menor em um conjunto de dados especializado e específico de domínio. O modelo resultante será mais rápido, mais barato e mais preciso. 

Com um conjunto de dados mais abrangente, estamos vendo como as empresas podem criar protótipos de novos softwares e iterá-los rapidamente. Nós usamos IA generativa na minha empresa para ajudar a criar protótipos de conectores que facilitam a movimentação de dados de aplicativos em nuvem, bancos de dados, streaming de dados e aplicativos corporativos, todos fluindo para um data warehouse ou data lake. A criação de conectores para novos aplicativos SaaS pode ser um desafio quando as plataformas e os esquemas mudam tão rapidamente. Usando o GPT-4, conseguimos colocar um cliente em funcionamento enquanto realizamos o trabalho de longo prazo para criar conectores robustos e completos. 

Inteligência Instantânea

Um dos casos de uso que considero fascinante é como o GenAI está sendo usado para pesquisa e resumo. Toda grande empresa tem vários repositórios de dados, do Atlassian ao Slack, do Sharepoint ao Teams ou do Google Drive e Gmail. Ou uma mistura de todos os itens acima. E, na sua maior parte, estes enormes recursos de conhecimento organizacional ainda estão largamente inexplorados. Isso mudará em breve, à medida que as empresas reconhecerem a vantagem competitiva de aproveitar estes dados e aproveitá-los através da IA. A geração de recuperação aumentada (RAG), que permite aos LLMs recuperar factos de fontes externas, como documentos internos ou a Internet, é um desenvolvimento entusiasmante que ainda temos de aproveitar totalmente.

Junto com esses aplicativos empresariais, existem repositórios específicos de domínio, como o histórico de negociação em uma empresa financeira ou pedidos de varejo e perfis de clientes que precisam ser integrados no conjunto de dados de treinamento. Treinar um LLM pode tornar muito mais fácil fazer perguntas em inglês simples que podem revelar informações de toda a pilha de dados de uma organização. Mas esses dados precisam de ser organizados e categorizados primeiro para que a formação possa dar sentido a tudo isto, e quanto mais dados estiverem disponíveis, melhores serão os resultados da formação. 

Esse problema é especialmente desafiador em um ambiente de captura de dados alterados, quando os dados financeiros ou de transações chegam 24 horas por dia e são atualizados constantemente. Quando os esquemas de dados mudam, os dados podem ser categorizados incorretamente ou até mesmo perdidos no éter. Se o LLM vai ajudar a automatizar coisas, criar novas ideias de produtos ou debater novos conceitos, ele precisa estar atualizado. Infelizmente, muitas empresas têm dificuldade em apenas reunir os dados em um só lugar.

A IA eleva as funções e facilita a colaboração 

Há muito tempo, há uma necessidade de engenheiros de software iniciantes que possam escrever código básico, sem se concentrar no panorama geral da arquitetura de dados e padrões de design, na integração com outras plataformas ou no design de um sistema para desempenho máximo.

Como disse Dylan Field, da Figma: “Os melhores designers estão começando a pensar muito mais sobre código, e os melhores desenvolvedores estão pensando muito mais sobre design”. A GenAI está permitindo que essas pessoas passem para o domínio tradicional umas das outras e agreguem valor – isso tornará o desenvolvimento muito mais rápido. Enquanto isso, os desenvolvedores inteligentes estão estudando padrões de design de sistemas em um esforço para subir na cadeia de valor.

Em última análise, a fusão de IA generativa, grandes modelos de linguagem e aprendizagem automática transformará as operações empresariais. Do desenvolvimento de software à estratégia de marketing, a IA generativa terá um impacto dramático ao criar novos códigos, prototipar ideias e quebrar silos entre designers e programadores – sem revelar dados proprietários. A chave estará em equilibrar a versatilidade da IA ​​com uma base essencial de gestão de dados. Se conseguirmos manter os dados subjacentes centralizados e integrados, poderemos dar início a esta próxima era da tecnologia para tornar as pessoas mais produtivas e as empresas mais eficazes.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://www.dataversity.net/generative-ai-challenges-and-opportunities-for-modern-enterprises/