Identificar e implementar aplicações de inteligência artificial (IA) – Arquitectura empresarial baseada em dados
Como identificar e implementar adequadamente os pedidos de IA nas empresas
A Inteligência Artificial (IA) tem muitas aplicações práticas para as empresas. Pense na IA como uma estrutura maior que fornece capacidades diferentes. As empresas que implementam a IA devem rever a sua visão e desenvolver uma estratégia de IA que se alinhe com os seus objectivos e foco maiores. Para implementar, os casos de utilização orientada por dados são o requisito básico. Além disso, uma arquitectura flexível e modular deve ser escolhida desde o início, que pode ser expandida e melhorada à vontade no futuro.
Se já leu a primeira parte da série “The Executive Guide to Artificial Intelligence”, sabe porque é que a IA é essencial para um processamento de dados eficaz e quais os sete componentes que constituem uma “Empresa Cognitiva”, a empresa infundida em IA.
A Inteligência Artificial tem muitas aplicações práticas para as empresas e está hoje a ser utilizada para melhorar, melhorar e mudar processos ou produtos.
Index
Um sistema de IA bem sucedido não é uma coincidência
É impossível obter valor de algo se este não for compreendido, a menos que se trate de um feliz acidente. No mundo da computação, e portanto da IA, não há acidentes felizes; uma solução de IA é definida com precisão meticulosa, tendo em conta objectivos específicos, dados disponíveis, e os algoritmos utilizados.
A IA tem basicamente duas competências nucleares. Uma delas é a recolha de informação como o reconhecimento da fala e da imagem, pesquisa e agrupamento. Isto permite às máquinas converter informação de dados não estruturados em dados estruturados. Em segundo lugar, a IA pode ser usada para contextualizar a informação entre si para “compreender o que está a acontecer”. Isto inclui capacidades tais como a compreensão da linguagem natural (NLU), optimizações, previsões e (contexto) compreensão.
Estas diferentes capacidades funcionam sequencialmente e são normalmente também fundidas com outras tecnologias (por exemplo, Robotic Process Automation, Cloud Computing, Internet das Coisas, etc.) para formar uma única entidade. Só através da fusão de diferentes abordagens e tecnologias é que o potencial dos dados pode ser plenamente explorado.
Os casos de utilização orientada por dados são o pré-requisito básico
Para introduzir casos de utilização de IA, as empresas devem começar pelos seus objectivos estratégicos e identificar os desafios urgentes ou visões de processo/produto/serviço que precisam de ser abordados. Existem várias técnicas, tais como workshops de pensamento sobre design ou mapeamento de histórias de utilizadores que podem apoiar este processo.
O passo seguinte é analisar as áreas identificadas para a viabilidade económica e viabilidade técnica. Só se houver dados suficientes e se os dados necessários de diferentes sistemas puderem ser combinados é que uma solução baseada em IA pode ser possível. Se não for este o caso, a gestão de dados deve ser previamente adaptada aos requisitos futuros.
Para uma melhor visão geral, recomendo a introdução dos resultados da análise num mapa de aquecimento da IA ou a documentação da informação. Com esta visão geral, as várias opções podem ser avaliadas. Se uma empresa decidir prosseguir projectos de IA, pode desenvolver um caso de negócios para cada um deles.
Implementação da IA
Os primeiros passos de uma solução de IA podem ser complexos, pois as infra-estruturas têm de ser criadas e os dados têm de ser preparados, curados e fundidos em conformidade. É útil dividir os casos de grande utilização, tais como a automatização de ponta a ponta de um processo principal, em casos e marcos de utilização mais pequenos.
Pode ser útil começar com um Produto Mínimo Viável (MVP) e depois escalar para cima. A criação da primeira componente de IA, não importa quão pequena seja, é um marco importante para qualquer negócio.
Recomenda-se que se concentre numa infra-estrutura e numa arquitectura que seja flexível e escalável desde o início. Como já parafraseado, a solução de IA é composta de um conjunto de funcionalidades de IA, bem como de outras tecnologias que estão em contínua evolução. Para que a empresa possa continuar a escalar a(s) solução(ões) de IA no futuro e estendê-la a uma “empresa cognitiva” a outras áreas da empresa, a flexibilidade na implementação deve ser considerada desde o início.
Idealmente, num sistema de IA composto de múltiplos componentes, deveria permitir que cada componente fosse substituído para melhorar a função do sistema global.
Para um sucesso a longo prazo, as empresas desenvolverão um “ecossistema” para apoiar os seus projectos de IA e automação. Isto deve reflectir as equipas de arquitectura que orientam as opções relacionadas com a IA através do desenvolvimento e implementação, para operações e escalas posteriores.
Funções adicionais de gestão de dados, tais como um “chefe de dados”, também podem ser úteis. Os sistemas de IA são construídos com base em dados, pelo que dados enviesados ou inadequados podem afectar os resultados ou mesmo levar a interpretações erradas.
O entusiasmo da IA compensa
O entusiasmo geral pela IA pode ser valioso para qualquer empresa. No entanto, isto requer abertura às tecnologias inovadoras e uma metodologia de projecto ágil.
A inteligência artificial é uma maratona, não um sprint de curta distância. Até à data, tenho visto os maiores sucessos e valor acrescentado na computação inteligente quando as empresas estabeleceram a IA peça por peça na sua visão e processos centrais. Quando a perícia dos peritos em dados e arquitectura é utilizada e os seus próprios ecossistemas são criados em paralelo.
Comentários estão fechados.