Com o advento do Chat GPT, o termo “IA generativa” tornou-se cada vez mais popular e está gradualmente sendo incorporado a uma ampla gama de campos e indústrias. Essa tecnologia é capaz de gerar conteúdo com base na entrada e na solicitação do usuário, também conhecido como prompt. A ferramenta está emergindo como uma força transformadora para as empresas e, portanto, traz benefícios substanciais, como inovação, eficiência e melhoria das operações comerciais.
Entre 30% e 40% dos empregos na América Latina e do Caribe estão expostos à IA generativa, de acordo com uma pesquisa realizada em conjunto pelo Banco Mundial e pela Organização Internacional do Trabalho. Embora apenas 2% a 5% dos empregos sejam automatizados, esta tecnologia poderá transformar tarefas em vez de substituir empregos.
No entanto, para que os benefícios sejam concretizados, é crucial enfrentar os desafios colocados pela integração da IA generativa nos sistemas empresariais. A chave para resolvê-los reside em combiná-los com uma camada semântica dentro dos sistemas de dados. Esta atua como intermediária e traduz dados técnicos complexos em informações acessíveis e fáceis de entender para as empresas, preenchendo a lacuna entre os dados brutos e as informações acionáveis.
Quais as vantagens de levar adiante esta tarefa?
Redução de “alucinações”
A falta de raciocínio humano e de compreensão dos modelos generativos de IA leva à incapacidade de compreender ou mesmo interpretar mal as perguntas de um usuário. Isto pode levar à criação ou invenção de respostas incorretas, chamadas “alucinações”. Embora nunca desapareçam completamente, as empresas podem reduzi-las utilizando plataformas de dados semânticos para contextualizar e harmonizar os dados no modelo canônico correto para IA.
Melhora da confiabilidade dos resultados generativos de IA
Para aumentar a precisão e a confiabilidade das respostas obtidas, as empresas podem combinar IA generativa com sistemas de dados empresariais. A capacidade dessa tecnologia de atuar sobre dados semânticos permite às empresas obter insights únicos sobre a organização. Por exemplo: a fusão da IA generativa com MarkLogic e Semaphore possibilita que as empresas se beneficiem de dados marcados semanticamente que atuam como memória associativa da IA generativa. Desta forma, as perguntas podem ser formuladas em linguagem natural com base nos dados privados mais relevantes. Ao consumir e processar dados privados ou proprietários, a IA obtém um conhecimento mais profundo dos produtos e serviços da empresa, dos clientes e dos processos internos.
Resultados transparentes e auditáveis da IA generativa
Conectar a IA generativa a uma plataforma de dados torna-a mais transparente e permite referenciar e analisar URIs (Identificadores Uniformes de Recursos) específicos dos dados privados fornecidos a ela para gerar respostas. Armazená-los para que sejam usados posteriormente, em vez de a IA gerar as mesmas respostas repetidamente. Isso economiza recursos e ajuda a aprimorar o treinamento do sistema ao longo do tempo.
Segurança de dados e conformidade com os padrões da empresa
A IA generativa é treinada com grandes quantidades de dados. No entanto, quando se trata de dados privados e empresariais, as empresas devem ser especialmente cautelosas, uma vez que a utilização destes dados para treinar IA generativa pode criar preocupações de privacidade. Para evitar isso, as organizações podem limitar quais dados específicos são mostrados à IA, usando regras de segurança baseadas em funções. Isso garante que ele consuma apenas os dados permitidos pelas funções de usuário ou regras de consulta e evita o recebimento ou a exibição de informações não autorizadas.
Melhor qualidade dos dados
A integração de dados empresariais com plataformas de gerenciamento de dados beneficia as empresas ao melorar a qualidade dos dados. Elas podem integrar processos como harmonização, desduplicação e domínio de dados para garantir consistência entre múltiplas fontes e minimizar a quantidade de dados redundantes. Ao agregar e analisar dados para identificar preconceitos nas respostas generativas de IA, as organizações aperfeiçoam a qualidade dos dados ao longo do seu ciclo de vida.
Escalabilidade e integração com sistemas existentes
A implementação de IA generativa em uma empresa é um esforço complexo e requer recursos significativos, tanto técnicos quanto humanos. Sem uma base sólida, a escalabilidade pode tornar-se um grande obstáculo à medida que os dados e as necessidades aumentam. Porém, ferramentas como MarkLogic e Semaphore oferecem uma plataforma robusta e segura que armazena todas as informações corporativas, facilitando o crescimento sem a necessidade de refazer o trabalho de indexação ou regeneração de dados toda vez que o modelo é atualizado. Assim, em vez de tratar a IA como uma solução única, as empresas devem concentrar-se na construção de uma arquitetura de dados bem planejada e sustentável que lhes permita integrar a IA generativa sem atritos a longo prazo.
Economia de custos inovadora
A IA generativa pode ser implementada para diferentes casos, em todos os setores, e levar à economia de custos. Ao automatizar tarefas rotineiras e melhorar processos de negócios, as empresas podem liberar funcionários para se concentrarem em atividades comerciais mais críticas.
Incorporar IA generativa numa empresa não é apenas um avanço tecnológico, é uma decisão essencial para o sucesso. Ela ajuda a manter a competitividade, melhorar as operações comerciais e usar a mão de obra com mais eficiência. Posicionar uma organização para o futuro envolve não apenas continuar a focar nas competências interpessoais, mas se manter no caminho da inovação e do crescimento tecnológico.
*Por Francisco Larez é vice-presidente da Progress para América Latina e Caribe.
