Acelere projetos de IA com preparação de dados

As organizações que iniciam projetos de IA não podem esperar por projetos de centralização de dados de longa duração. Têm de conseguir integrar dados de elevada qualidade, onde quer que estejam, o mais rapidamente possível, para que as suas ferramentas de IA produzam resultados contextualmente precisos, aproveitando os conhecimentos obtidos a partir dos dados mais recentes.

A extração e cópia de dados desatualizadas e complexas a partir de múltiplas fontes para uma localização central, onde possam ser ingeridos por ferramentas de IA, são desnecessárias e consomem recursos técnicos e financeiros significativos. 

A Ascensão da Repatriação de Dados: Mudança da Nuvem para Sistemas Locais

Para muitas organizações, a transferência de dados do armazenamento baseado na nuvem para sistemas locais está em pleno curso. Este processo é conhecido como repatriação de dados. À medida que o volume de dados que as organizações criam e transacionam tem aumentado, também aumentaram os custos associados à gestão de dados. Mesmo a poucos cêntimos por gigabyte, os custos acumulam-se rapidamente.

Bill Burnham, diretor de tecnologia do Setor Público dos EUA na Hewlett Packard Enterprise, observa que os custos podem crescer “astronomicamente” à medida que as organizações passam a processar petabytes de dados. Trazer os dados de volta para o armazenamento local, sobretudo em aplicações de IA nas quais são utilizados novos dados para aperfeiçoar e atualizar os resultados, faz sentido do ponto de vista económico. 

Do ponto de vista operacional, o ideal é colocar os dados o mais perto possível do local onde serão utilizados. Os sistemas baseados na nuvem oferecem muitas vantagens, mas não são uma solução para todos os problemas. Ao treinar modelos de IA, é fundamental que estes tenham acesso aos dados mais recentes e precisos.

Proteção dos Dados e Resultados da IA

Investigação da Gartner sugere que as configurações incorretas dos serviços na nuvem constituem um problema significativo que pode resultar na ingestão de dados sensíveis por modelos de IA não autorizados. Tal como os utilizadores finais são alertados de que as consultas que submetem a serviços públicos de IA generativa podem ser utilizadas, este cenário aplica-se a quaisquer dados que sejam expostos.

Os sistemas locais não estão imunes a violações de dados, mas o risco de um modelo de IA não autorizado aceder a dados empresariais e provocar uma fuga de propriedade intelectual pode ser mitigado.

Os resultados imprecisos dos modelos de IA continuam a constituir um problema significativo. Exemplos recentes, como a sugestão da IA da Google de que os cozinheiros utilizem cola para manter o queijo na pizza e comam uma pedra por dia como fonte de vitaminas e minerais, demonstram a importância de alimentar os LLMs com dados adequados e contextuais. Ao utilizar os seus próprios dados e disponibilizá-los de forma rápida e económica, o risco de resultados enganosos ou erróneos é reduzido. 

O Papel dos Dados Contextuais na Precisão da IA

A importância da informação contextual não pode ser subestimada. Os melhores dados que a sua organização pode utilizar nas ferramentas de IA são os dados especificamente relacionados com as suas atividades.

Para os retalhistas de vestuário, os dados demográficos dos clientes que servem são fundamentais. Uma loja de roupa que se concentra em servir o segmento demográfico feminino dos 16 aos 25 anos necessita de dados diferentes dos das lojas que vendem fatos a homens na faixa etária dos 35 aos 50 anos.

Os modelos de IA que ingerem dados gerais e não compreendem as necessidades específicas da empresa podem produzir resultados que conduzem a decisões inadequadas. Embora exemplos como colar queijo numa pizza sejam engraçados, um comprador de uma cadeia de retalho que encomende milhares de peças de roupa que não serão compradas pode enfrentar custos elevados ou até consequências catastróficas. 

Trazer a Sua IA para Sistemas Locais

Colocar os dados o mais perto possível do local onde serão utilizados pela IA reduz a complexidade e os custos. Os projetos de IA dependem fortemente dos dados utilizados para treinar o modelo. Dispor de dados de elevada qualidade e atempados é mais valioso do que contratar mais cientistas de dados. As organizações têm de dar prioridade aos dados que utilizam nos seus modelos e torná-los acessíveis. 

A abordagem habitual à gestão de dados para aplicações de IA baseia-se na cópia dos dados a partir da fonte, para que possam ser utilizados no treino dos modelos. Contudo, quando os melhores dados estão distribuídos por várias plataformas, como um CRM baseado na nuvem, uma plataforma financeira local e ferramentas de produtividade em linha, pode ser difícil tornar os dados acessíveis. Muitas vezes, o resultado é utilizar os dados mais fáceis de centralizar, deixando os restantes para quando os orçamentos e o tempo o permitirem.

A questão que as equipas de IA têm de colocar é como podem aceder a todos os dados de que necessitam sem terem de esperar por projetos dispendiosos e demorados de repatriação de dados. Precisam de uma forma simples de aceder a dados dispersos em várias localizações e de poder redirecionar as consultas que acedem a esses dados à medida que estes são transferidos.

As ferramentas de preparação de dados podem preparar os dados para a ativação de IA, minimizando simultaneamente as perturbações durante a repatriação de dados. Tirando partido destas novas abordagens de vanguarda, os projetos de IA podem avançar significativamente sem esperar pela migração de dados nem pela necessidade de reformular significativamente os sistemas. Os dados de treino podem ser disponibilizados aos modelos de IA e aos LLMs à medida que são criados, quase em tempo real.

Acelerar projetos de IA com centros de dados locais

Os custos crescentes, as preocupações com a fuga de propriedade intelectual e a maior agilidade no desenvolvimento de ferramentas de IA estão a impulsionar a transição de plataformas baseadas na nuvem para infraestruturas locais. A IA e os LLMs exigem acesso a dados de elevada qualidade, contextuais e atempados para garantir que proporcionam os melhores resultados aos utilizadores. 

Um centro de dados de IA que funcione como o ambiente de trabalho central e a zona de governação única para todos os projetos de IA e integração de dados permite acelerar os projetos de IA em paralelo com os projetos de repatriação da nuvem, para que as organizações possam tirar rapidamente partido dos seus dados.

Ao mesmo tempo, podem continuar a proporcionar aos utilizadores empresariais melhores conhecimentos sobre os clientes e análises avançadas para aumentar as receitas e superar os concorrentes num ambiente empresarial extremamente competitivo.  

Subscreva a newsletter do The CTO Club para obter mais informações e boas práticas sobre IA.