Início » As cinco coisas que você precisa considerar antes de criar um aplicativo com tecnologia de IA

As cinco coisas que você precisa considerar antes de criar um aplicativo com tecnologia de IA

por aoseugosto
0 comentário

Você gerenciou implementações de sistemas e migrações para nuvem. Na última década, você modernizou sistemas legados, conectou e desconectou aplicativos e aumentou a segurança cibernética. E agora a IA é de domínio público e está em seu setor. IA não é novidade para você ou sua equipe de TI. Mas você está preparado para criar aplicativos de IA que sua empresa está solicitando ou suas equipes estão de mãos atadas com integrações de sistemas? Seus desenvolvedores têm as habilidades necessárias para criar aplicativos de IA e de IA generativos ?

Se você respondeu não a alguma dessas perguntas, há ajuda disponível. Esteja você criando um diagnóstico de saúde ou um aplicativo de atendimento ao cliente, você pode adotar uma abordagem passo a passo e usar isso como um roteiro. E comece a pensar em questões de segurança e ética desde o início.

Antes de criar aplicativos de IA, defina o que você deseja

Há uma década, a maioria de nós não imaginaria os feitos que a IA oferece hoje. Um paciente paralisado, incapaz de falar, pode ter seus pensamentos traduzidos . A NASA planeja missões e dirige foguetes. E, mais perto de casa, seus concorrentes estão implantando chatbots de IA para atender o cliente 24 horas por dia.

Antes de começar a criar aplicativos de IA, comece com estas questões importantes.

banner

Qual é o problema que você está tentando resolver?

Converse com seus parceiros de negócios. Você está lidando com vendas atrasadas? Feedback negativo do atendimento ao cliente ?

Para descobrir o melhor lugar para lançar um aplicativo de IA, Prakash Kota, vice-presidente sênior e CIO da Autodesk , começou definindo casos de uso e personas de usuário: “Temos uma persona de engenharia, uma persona de funcionário e uma persona de vendas, e estamos falando sobre os resultados que queremos alcançar com eles”, disse ele.

A maneira como você e seus parceiros de negócios abordam os problemas também é importante, de acordo com Kota: “O principal é ter essa mentalidade de experimentação dentro de sua própria organização para realmente testar as coisas”.

Como é o resultado final?

Aqui também, os casos de uso que você estabeleceu serão guias úteis. Defina o estado final desejado por caso de uso e persona. Isso lhe dará uma boa noção de quanto esforço está envolvido, quem precisa estar envolvido no negócio e se você tem recursos suficientes.

O que seus concorrentes estão fazendo?

Preste atenção ao que outras pessoas em seu setor estão criando e para quem. Você deveria imitar a oferta deles? Ou você pode inovar nisso?

Uma questão importante, claro, é: você pode criar aplicativos de IA? Sua equipe tem as habilidades e a experiência certas? Se você estiver desenvolvendo o aplicativo internamente, você tem engenheiros e cientistas de dados? Você precisará de modelos de IA generativos ou preditivos ? Sua equipe tem experiência em aprendizado de máquina (ML) e processamento de linguagem natural (PNL)? Caso contrário, procure soluções em seus parceiros e ISVs e compare suas ofertas.

Crie proteções para ética e segurança em seu aplicativo de IA desde o início

Segurança, privacidade e precisão não são preocupações novas para a TI. Mas a IA, tão proeminente nas novas aplicações, amplifica os desafios e eleva muitos riscos, incluindo preconceitos e toxicidade.

Primeiro, vamos definir preconceito e toxicidade.

Viés de IA : O viés negativo pode ser o resultado de erros sistêmicos baseados em preconceitos humanos ou suposições imprecisas. O resultado é um sistema que opera de maneira não intencional. Exemplos de erros de preconceito incluem um aplicativo que não consegue detectar determinados sotaques; exclui ou supera um ou mais grupos de pessoas; e IA generativa que combina uma característica protegida com uma palavra ou frase específica que é prejudicial.

Toxicidade: Linguagem tóxica, diálogo prejudicial e comentários ofensivos podem aparecer nos resultados do modelo de linguagem grande (LLM). Pesquisadores que testaram a toxicidade de uma ferramenta de IA generativa amplamente utilizada descobriram recentemente que assumir certas personas, como a do boxeador Muhammad Ali, aumentou significativamente a toxicidade da resposta.

Ao começar a planejar seus próprios aplicativos de IA, pense em construir barreiras de confiança e ética. Nossos cinco princípios para uma IA confiável são: responsável, responsável, transparente, capacitadora e inclusiva. Como explicou Britta Fiore-Gartland, pesquisadora principal da Salesforce: “Nossa camada de confiança protege as entradas do cliente e mascara o conteúdo de e para o LLM”.

Aqui estão algumas ações para garantir que você esteja desenvolvendo aplicativos de IA de forma segura e ética:

  • Defina os princípios e diretrizes éticas que você e suas equipes de desenvolvimento incorporarão em qualquer novo aplicativo de IA.
  • Desenvolva um perfil de risco para seu aplicativo, usando o NIST AI Risk Management Framework , e determine se você pode suportá-lo.
  • Documente seu aplicativo usando cartões de modelo ou cartões de sistema para fornecer transparência aos usuários sobre os usos pretendidos, desempenho e preocupações éticas e proteções específicas que você fornece.
  • Examine os recursos de segurança de qualquer plataforma ou sistema que você usará para criar e treinar seus aplicativos de IA.
  • Procure ferramentas que possam detectar preconceitos.
  • Crie uma equipe diversificada de partes interessadas e engenheiros de TI que serão responsáveis ​​pelas análises de riscos.

3. Bons dados são um pré-requisito para construir aplicativos de IA

Não existe IA sem dados. Não apenas quaisquer dados, porque quem nunca ouviu o velho ditado “entra lixo, sai lixo?” Se você estiver criando aplicativos generativos de IA, seus LLMs treinarão com os dados que você os alimentar. E esses dados precisam ser claros e harmonizados.

Os modelos de IA são treinados em todos os tipos de dados. O que você usa depende do seu negócio. Você precisará de dados numéricos e outros dados estruturados para aplicativos financeiros, mas de dados biométricos para um aplicativo de saúde, por exemplo. Quanto maior a quantidade de dados nos quais você treina seus LLMs, melhor será o resultado de seus algoritmos de IA.

Um data lake pode armazenar grandes quantidades de dados estruturados e não estruturados. Os data lakes são rápidos e escaláveis. Um data warehouse também pode armazenar terabytes de dados. E se você já possui um, pode estar se perguntando por que não usá-lo para armazenar os dados necessários para seus aplicativos de IA.

Seu data warehouse usa um esquema, que converte os dados em dados estruturados antes de serem armazenados. Isso facilita a recuperação e também é o principal motivo pelo qual você tem usado data warehouses com grande sucesso para análise de dados. Mas eles não são a sua solução para aplicativos de IA.

Os data lakes mantêm os dados em seu formato nativo sem a necessidade de transformá-los. Portanto, eles são a solução ideal para armazenar dados estruturados, semiestruturados e não estruturados, que você usará com IA.

Uma pergunta comum para TI é comprar ou construir . Você deveria construir um data lake ou procurar um fornecedor? Use seus recursos para construir se os dados do seu aplicativo de IA já estiverem integrados e não isolados. Mas esse não é o caso da maioria das empresas.

Se você trabalha para uma empresa de tamanho médio, provavelmente tem mais de 1.000 aplicativos e gasta 36% do seu tempo criando integrações personalizadas. Escolher um provedor pode ser sua melhor aposta. A maioria dos provedores de data lake está na nuvem, o que significa que você não tem os custos iniciais de configuração e manutenção do seu próprio.

Se estiver desenvolvendo no ecossistema Salesforce, você pode usar o Data Cloud para importar, armazenar, integrar e harmonizar seus dados. O Data Cloud é alimentado diretamente no Salesforce CRM. E como o Data Cloud é extensível e aberto, você pode compartilhar dados bidirecionalmente com data lakes e data warehouses.

4. Selecione as tecnologias certas para construir seu aplicativo de IA

As tecnologias que você escolhe ao criar aplicativos de IA dependem parcialmente do seu caso de uso. Nosso relatório sobre o estado da TI descobriu que, quando se trata de IA, a TI está priorizando a otimização das operações de serviço (24% dos líderes de TI pesquisados), novos produtos baseados em IA (20%) e análise de atendimento ao cliente (19%).

Se o seu aplicativo resume texto, processa linguagem ou responde a perguntas, você precisará de um LLM . Com o tempo, depois que o modelo de linguagem aprender as especificidades do seu setor e dos dados, ele tirará conclusões e fará inferências lógicas.

Construir seu próprio modelo pode ser caro e demorado. Se você seguir esse caminho, esteja preparado para contratar cientistas e engenheiros de dados com experiência em ML e PNL. Encontrar e contratar pessoas com as habilidades certas em IA não é um desafio fácil. Você também deve estar preparado para longos ciclos de desenvolvimento e teste. Se você seguir esse caminho, há ajuda na forma de bibliotecas e kits de ferramentas, que você terá que integrar assim que formar uma equipe.

Plataformas e bibliotecas generativas de IA

Plataformas de ML e DL : Amazon SageMaker e Google Vertex AI são duas plataformas de ML com bibliotecas e ferramentas integradas para treinar seu modelo de IA. Eles suportam várias linguagens de programação.
Kits de ferramentas de PNL: se você estiver criando chatbots ou assistentes virtuais, um kit de ferramentas de PNL, como o SpaCy para os amantes de Python, pode facilitar o desenvolvimento com modelos e utilitários pré-construídos. Recentemente, a OpenAI lançou GPTs personalizados que você pode personalizar para seus próprios aplicativos, e o Vertex AI Search and Conversation do Google agora está disponível para todos .
Bibliotecas de aprendizagem profunda: se seus aplicativos de IA oferecem reconhecimento de imagem ou fala, uma biblioteca de aprendizagem profunda é um bom lugar para encontrar uma estrutura para construir, treinar e implantar sua rede neural. Várias bibliotecas, como PyTorch e MXNet , são de código aberto e você pode usar mais de uma em combinação.
Bibliotecas para aplicativos de visão computacional : Para aplicativos que analisam imagens ou vídeos, existe o OpenCV e o TensorFlow , ambos de código aberto. PyTorch pode ser outra biblioteca útil para o seu modelo.

Construindo aplicativos de IA com dados de CRM

Sempre que você desenvolver aplicativos voltados para o cliente, você precisará acessar os dados do cliente. Sem um CRM, isso é difícil de fazer e levará muito tempo. Com a tecnologia Salesforce, os dados dos seus clientes já estão em um só lugar.

Você pode conectar modelos de IA preditivos ou generativos, incluindo Sagemaker e Vertex, ao Data Cloud sem integração complexa . O recém-lançado Model Builder, anteriormente chamado Einstein Studio , adiciona o recurso “traga seu próprio modelo” (BYOM) à plataforma Salesforce.

Por que isso é uma coisa boa? Digamos que você trabalhe para uma empresa de varejo e queira fornecer recomendações hiperpessoais aos seus clientes online. Você já construiu seu modelo de IA personalizado que prevê a probabilidade de um cliente comprar seu novo moletom neon com base no que comprou de você no passado. Você pode então implantar esse modelo no Salesforce e usar o Model Builder para gerar essas recomendações personalizadas por email, aplicativo móvel ou mídia social.

Crie aplicativos de IA e comece a implantar

Na Pesquisa de Desenvolvedores deste ano, Stack Overflow descobriu que 70% dos desenvolvedores usam ou planejam usar ferramentas de IA no desenvolvimento. O maior benefício que esses desenvolvedores veem é o aumento da produtividade. Daqueles que usam ferramentas de IA, 82% as utilizam para escrever código.

Experimente IA para geração de código

Quer você esteja entre os 70% que usam IA ou não, você pode economizar tempo com o Einstein gerando código Apex na plataforma Einstein 1 para usuários do Salesforce. O Einstein for Developers , atualmente em beta aberto e anunciado no início deste ano, usa prompts de linguagem natural para gerar código em segundos.

Uma consulta pode ser mais ou menos assim: “Escreva um método que receba uma conta como parâmetro e retorne todos os contatos associados a essa conta”. Um analisador de código verificará se há vulnerabilidades no código. E você tem a opção de aceitar, revisar ou rejeitar o código. O Einstein for Developers usa um LLM personalizado baseado no modelo CodeGen AI de código aberto do próprio Salesforce .

Ambientes de desenvolvimento integrados facilitam o desenvolvimento

Seus desenvolvedores trabalham o tempo todo, geralmente tarde da noite. Ter um ambiente de desenvolvimento integrado (IDE) baseado na web dá a você e sua equipe liberdade para trabalhar onde quer que estejam. Você pode codificar, editar, depurar e manter o controle de versão em um só lugar. Existem vários IDEs no mercado, incluindo Atom e IntelliJ .

Code Builder é nosso novo IDE web. Ele é pré-carregado com estruturas, integração integrada com Git e pré-configurado com Salesforce CLI . É gratuito para desenvolvedores e administradores. Mas se preferir outro IDE, você pode integrá-lo ao Salesforce.

Não negligencie o gerenciamento do ciclo de vida de aplicativos e as práticas de DevOps

A criação e o lançamento de novos aplicativos de IA não devem desviar o foco das práticas recomendadas de gerenciamento do ciclo de vida de aplicativos (ALM). Você ainda precisa de processos sólidos em todos os estágios do ALM e de ferramentas para desenvolvedores, cientistas de dados, gerentes de lançamento e gerentes de projeto colaborarem. Com ferramentas baseadas em IA, como Einstein for Developers e Prompt Builder , o Salesforce pode ajudar.

Preste muita atenção durante os testes e observação do seu novo aplicativo de IA. No ambiente Salesforce você pode usar o DevOps Center , disponível na plataforma Einstein 1, para rastrear alterações de código, manter o controle de versão e enviar alterações para testes de aceitação do usuário e daí para produção. Como desenvolvedores, administradores, gerentes de projeto e gerentes de lançamento trabalham no mesmo espaço, a ferramenta torna mais fácil detectar bugs de regressão e corrigi-los antes que seu novo aplicativo de IA seja lançado.

Se preferir trabalhar com suas próprias ferramentas de gerenciamento de projetos, IDEs e ferramentas DevOps, você pode trazer tudo isso para o ecossistema Salesforce. Por exemplo, você pode usar o copado para gerenciamento de mudanças e liberações e o Code Builder para desenvolvimento, ou o IntelliJ como seu IDE e DevOps Center para gerenciamento de mudanças e liberações.

você pode gostar

Deixe um comentário

AO SEU GOSTO é um site online, actualizável a qualquer hora, acessível na Internet através do endereço www.aoseugosto.com , que disponibiliza informação geral independente e pluralista.

TUDO AO SEU GOSTO

AO SEU GOSTO

Artigos Mais Recentes

Este site utiliza cookies para melhorar sua experiência. Presumimos que você concorda com isso, por isso. Aceitar & Fechar

Adblock detectado

Por favor, ajude-nos desativando a extensão AdBlocker de seus navegadores para nosso site.