Como Data & Analytics possuem papéis fundamentais para impulsionar a eficácia da IA generativa

Os modelos de Generative AI, como GPT e DALL-E, dependem de dados consistentes e confiáveis para expandir as capacidades humanas e possibilitar a inovação.

A IA generativa (IAG) está evoluindo em velocidade recorde, enquanto as organizações continuam aprendendo seu valor comercial e os riscos da tecnologia.

Desde o lançamento do ChatGPT, Bard, Microsoft 365 Copilot, Midjourney, entre outras ferramentas, há muita empolgação em torno dos LLMs e “foundation models”.

No entanto, ainda tenho visto vários CEOs questionarem: isso é um hype tecnológico ou uma verdadeira oportunidade de mudar o jogo? E se for o último, qual é o valor da IA generativa para o meu negócio?

Bem, aqui estão algumas respostas. Primeiro, a IAG combinada a outras tecnologias pode automatizar tarefas que absorvem de 60% a 70% do tempo dos funcionários atualmente, segundo estudo da consultoria Mckinsey.

Esta, portanto, é uma das frentes na qual a IA generativa pode atuar: aumentar a produtividade das organizações.

Como resultado, ela deverá injetar o equivalente a US$ 2,6 a US$ 4,4 trilhões anualmente na economia global nos próximos anos. Isso em apenas 63 casos de uso analisados.

Mas é na transformação dos negócios que IA generativa ganha maior destaque. Afinal, ela adiciona inteligência e agilidade em pesquisa e desenvolvimento de novos produtos e serviços, além de auxiliar na descoberta de possíveis reduções de custo e consumo.

Aqui na Niteo consideramos a exploração e a adoção da IA generativa um compromisso, não um talvez. Isso porque a enxergo como aliada para ultrapassarmos a concorrência e crescermos ainda mais.

Já verificamos que os investimentos e os requisitos técnicos para começar não são proibitivos. Então, não podemos nos render à inação. Caso contrário, ficaremos rapidamente atrás dos concorrentes.

Como estamos comprovando os benefícios da IA generativa na prática

Obviamente, a Niteo sendo uma empresa de serviços em tecnologia, trabalhamos com engenheiros de softwares e engenheiros de dados.

A maioria do trabalho dessas funções é escrever código. É um processo trabalhoso que requer extensa tentativa e erro, muita pesquisa em documentação privada e pública.

Como estamos falando de desenvolvimento, sempre há um grande acúmulo de solicitações de novos recursos e correções de bugs.

Então, usamos a IA Generativa para melhorar a produtividade dos nossos engenheiros. Ela está integrada a um produto de conclusão de código que se conecta ao software que eles já usam para codificar.

Isso permite que os engenheiros escrevam descrições de código em linguagem natural, enquanto a IA sugere variantes de blocos de código que satisfazem a descrição.

Os engenheiros podem selecionar uma das propostas da IA, fazer os refinamentos necessários e clicar nela para inserir o código pronto.

Nossas primeiras pesquisas demonstraram que essas ferramentas podem acelerar a geração de código de um desenvolvedor em até 50%. Também auxilia na depuração, melhorando a qualidade do produto desenvolvido.

Mas isso não significa que os engenheiros de software serão substituídos

Mesmo com os resultados positivos, é importante ressaltar alguns aspectos. Hoje, a IA generativa não pode substituir engenheiros de software qualificados.

Na verdade, os engenheiros mais experientes parecem colher os maiores benefícios de produtividade das ferramentas. Enquanto isso, os desenvolvedores com menos experiência obtêm resultados menos impressionantes e, às vezes, negativos.

Um risco conhecido é que o código gerado pela IA pode conter vulnerabilidades ou outros bugs. Portanto, os engenheiros de software devem estar atentos para garantir a qualidade e a segurança do código.

O potencial da IA generativa em outras áreas da empresa

Em outras áreas da empresa observamos que grande parte do uso da IA generativa vem dos funcionários que empregam recursos incorporados ao software que utilizam.

Os sistemas de e-mail já fornecem uma opção para escrever os primeiros rascunhos das mensagens.

Os aplicativos de produtividade criarão a primeira versão de uma apresentação com base em uma descrição.

E, em breve, acreditamos que o software financeiro gerará uma descrição completa dos nossos relatórios financeiros.

Esses recursos realmente aceleram a produtividade de cada trabalhador do conhecimento. No entanto, a IA generativa apresenta seus próprios desafios, incluindo o gerenciamento de uma tecnologia que se move a uma velocidade nunca vista antes nas transições tecnológicas.

Aprimorar infraestruturas de nuvem e de dados é primordial na era da IA

É importante lembrar que a força vital da IA ​​generativa é o acesso fluido a dados aprimorados para um contexto ou problema de negócios específico.

As empresas que ainda não encontraram maneiras de harmonizar efetivamente e fornecer acesso imediato aos seus dados serão incapazes de ajustar a inteligência artificial.

Assim, não conseguirão desbloquear mais de seus usos potencialmente transformadores e acabarão morrendo na praia.

Igualmente importante é projetar uma arquitetura de dados escalável, que inclua governança de dados e procedimentos de segurança.

Dependendo do caso de uso, a infraestrutura de computação e de ferramentas existentes também podem precisar de atualização.

Portanto, uma estratégia clara de dados e infraestrutura ancorada no valor comercial e na vantagem competitiva derivada da IA ​​generativa será fundamental.

Leia mais: Quais os 5 requisitos para uma infraestrutura de IA? Entenda o momento de modernizar a sua.

As 3 etapas essenciais para iniciar projetos com IA generativa

Aqui na Niteo, nossa grande dúvida era entender por onde começar a implementar a IA generativa.

Para dar o pontapé inicial trabalhamos com uma equipe multidisciplinar. Ou seja, com pessoas de diferentes áreas e níveis de conhecimento envolvidas. E enfim, definimos um caso de uso e aplicamos.

Concluímos que a IA generativa apresenta uma oportunidade transformadora, oferecendo uma chance de reimaginar tudo, desde pesquisa e desenvolvimento até marketing e vendas e operações com clientes.

Mas isso é apenas o começo, pois quando os modelos de IA são treinados dentro de casa, eles auxiliam em necessidades muito particulares de cada setor.

Eles conseguem resolver problemas críticos e impulsionar a vantagem competitiva das organizações por meio da inovação.

No entanto, existem três etapas primordiais para todos que desejam começar a implementar uma IA segura e confiável. Todas elas, ligadas aos dados da organização.

Consultoria em estratégia de dados

O sucesso da IA generativa depende, principalmente, de dados de qualidade para gerar resultados precisos e relevantes. Sem um tratamento adequado dos dados organizacionais, o potencial transformador da IAG pode ser limitado, comprometendo sua eficácia e seu impacto.

Por isso, antes de iniciar um projeto de IA generativa, é essencial contar com especialistas do setor e uma consultoria em estratégia de dados.

Esse processo envolve a compreensão das necessidades e objetivos específicos da organização, assim como a identificação das fontes de dados relevantes para o projeto.

A consultoria em estratégia de dados permite traçar um plano estruturado para coletar, armazenar e gerenciar os dados necessários, garantindo que sejam adequados para o treinamento dos modelos de IA generativa.

Integração, ingestão e limpeza de dados

Uma vez definida a estratégia, é preciso trabalhar nos dados para permanecerem íntegros e confiáveis durante todo o projeto.

Isso significa integrar dados de múltiplas origens, transformá-los em um formato compatível, e limpar tudo aquilo que pode gerar ruídos, inconsistências e informações irrelevantes.

A qualidade dos dados é essencial para garantir a precisão e confiabilidade dos modelos de IA generativa.

Portanto, a integração, ingestão e limpeza de dados devem ser conduzidas de maneira cuidadosa e sistemática, usando ferramentas e técnicas específicas que garantam a consistência e validade dos dados.

Governança de dados

A governança de dados desempenha um papel fundamental na implementação bem-sucedida da IA generativa.

Ela estabelece diretrizes, políticas, responsabilidades e processos para gerenciamento, segurança, privacidade e conformidade dos dados organizacionais.

A governança de dados assegura a qualidade, confidencialidade e integridade dos dados, além de garantir o compliance com regulamentações e normas vigentes.

Ao implementar a governança de dados, as empresas podem criar um ambiente confiável, seguro e ético para a utilização da IA generativa, promovendo confiabilidade e transparência para os resultados gerados por ela.

Por fim, o Analytics norteará todos os aprimoramentos necessários

O Analytics fornece insights valiosos sobre o desempenho dos modelos de IA generativa, identificando áreas de melhoria e oportunidades de otimização.

Ao analisar os resultados gerados pela IA, é possível compreender sua eficácia, avaliar sua precisão e realizar ajustes para adaptá-la cada vez mais ao contexto do negócio.

Por meio da análise de dados, as organizações podem tomar decisões estratégicas, direcionando recursos e esforços para maximizar os benefícios da IA generativa.

Além disso, o Analytics permite monitorar o impacto da IAG nos resultados do negócio ao trazer informações sobre os ganhos de produtividade, eficiência e inovação.

Essa avaliação contínua e o aperfeiçoamento constante garantem que a IA generativa esteja sempre alinhada com os objetivos organizacionais e promova resultados efetivos e confiáveis.

Hoje, a Niteo está preparada para acompanhar nossos clientes nesta jornada. Possuímos o conhecimento técnico necessário, a tecnologia e arquitetura de dados, modelo operacional, metodologias, e processos de gestão de riscos que algumas das implementações mais transformadoras da IA ​​generativa exigirão.

Ao unir o poder da IA generativa com uma abordagem estratégica e orientada por dados, estamos prontos para ajudar nossos clientes a desbloquear todo o potencial dessa tecnologia, e abrir caminhos para o sucesso na era da IA.

Josmar Machado

Chief Executive Officer (CEO) na Niteo