Você precisa de uma estratégia de IA generativa bem pensada se quiser obter o máximo valor dos seus esforços. Essa estratégia deve abranger aspectos importantes, como definir o propósito da aplicação, identificar os usuários-alvo, entender os riscos, implementar medidas legais e selecionar as ferramentas. Seguindo essas etapas, você pode desenvolver uma estratégia robusta para criar uma aplicação de IA generativa eficaz e envolvente.
Etapa 1. Crie uma equipe de especialistas em IA
Uma equipe de IA reúne especialistas de toda a empresa não apenas para orientar a estratégia, mas também para entregar uma aplicação de IA generativa de alta qualidade de forma eficiente e eficaz, que atenda às metas de negócios e às necessidades do usuário. Portanto, incluir um conjunto diversificado de funções pode garantir o sucesso do projeto.
A equipe deve ter um gerente de produto que defina a visão, a estratégia e o roteiro da aplicação, garantindo o alinhamento com as metas de negócios e as necessidades do usuário. Deve haver especialistas de domínio da empresa para fornecer conhecimento especializado relevante ao caso de uso da aplicação e ajudar a orientar o processo de desenvolvimento e validar os resultados da aplicação. E é importante para qualquer projeto de aplicação GenAI ter advogados e consultores que possam abordar possíveis questões legais e éticas, como direitos de propriedade intelectual, moderação de conteúdo e mitigação de preconceitos.
A equipe precisará de pelo menos um engenheiro de software para criar a arquitetura da aplicação, integrar os modelos de IA e garantir o desempenho, a manutenção e a escalabilidade da aplicação. Também será necessário um designer de UX/UI para criar interfaces de usuário intuitivas e envolventes, garantindo uma experiência de usuário perfeita e uma comunicação eficaz dos resultados generativos da aplicação.
Um ou mais engenheiros de IA/ML e cientistas de dados são uma parte crucial de qualquer equipe de IA para desenvolver e implementar os modelos e algoritmos de IA que impulsionam os recursos generativos da aplicação. A equipe também deve incluir especialistas em testes e controle de qualidade para identificar e corrigir bugs, garantir que a aplicação atenda aos padrões de desempenho e qualidade e verificar a precisão e a adequação do conteúdo gerado.
A composição exata da sua equipe de especialistas pode variar dependendo da complexidade e do escopo da aplicação GenAI — e de como você planeja desenvolvê-la. Se você usar low-code, por exemplo, talvez não precise de tantos engenheiros, designers ou testes e controle de qualidade.
Etapa 2. Crie um playground de GenAI
Construir uma aplicação GenAI envolve explorar e experimentar uma variedade de modelos e técnicas. Portanto, o próximo passo é criar um playground de GenAI – um lugar único para comparar e testar diferentes modelos. Os playgrounds permitem que desenvolvedores e outras pessoas em uma organização explorem e aprendam sobre IA generativa por meio do envolvimento com diferentes modelos básicos de ponta e prompts em um único ambiente prático e educacional.
Há playgrounds disponíveis na AWS, OpenAI, Github, NVIDIA, Hugging Face, Quora e outros. Esses playgrounds são baseados na web e alguns oferecem APIs que permitem a integração de partes deles em algumas plataformas de desenvolvimento. No entanto, alguns exigem que os desenvolvedores importem dados, o que pode ser problemático se os dados não forem dados de teste. Para permitir que seus colaboradores experimentem a GenAI com segurança, empresas conhecidas como Walmart e CBRE criaram seus próprios playgrounds internos seguros para que desenvolvedores, TI e a empresa possam ter uma experiência prática com a GenAI sem risco de vazamento ou exposição de dados. Se isso te interessa, aqui está o que você precisa fazer.
Defina seus objetivos
Determine o que você quer alcançar com seu playground de IA. Você quer criar texto, imagens, música? Você precisa de recursos de tradução? Você vai incorporar IA generativa em suas aplicações ou criar uma aplicação GenAI? Seus objetivos orientarão a escolha de ferramentas e modelos.
Escolha seus modelos e ferramentas de IA
Selecione os modelos de IA generativos que você deseja experimentar. Para geração de texto, modelos como GPT da OpenAI ou Claude da Anthropic são adequados. Para geração de imagens, considere modelos DALL-E ou similares. Frameworks populares incluem TensorFlow, PyTorch e a biblioteca Transformers do Hugging Face.
Configure seu ambiente
Garanta um ambiente de desenvolvimento robusto. Você precisará de uma máquina host com uma boa GPU ou acesso a serviços baseados em nuvem, como AWS, Google Cloud ou Azure. Você deve instalar o Python no seu sistema porque a maioria das bibliotecas de IA são baseadas em Python e em ferramentas de ambiente virtual como virtualenv ou conda para gerenciar dependências.
Instale as bibliotecas necessárias e obtenha acesso à API
Instale as bibliotecas necessárias para os modelos escolhidos. Para alguns modelos, como GPT-4, DALL-E e Claude, pode ser necessário obter chaves de API.
Escreva o código do seu playground, teste e refine
Crie scripts para interagir com os modelos de IA. Depois de terminar, teste continuamente seu playground, refine os modelos e ajuste o código para melhorar a qualidade do conteúdo gerado.
Seguindo essas etapas, sua organização pode criar um playground de IA generativa adaptado às suas necessidades e começar a explorar os recursos de diferentes modelos de IA. Ou, se estiver usando uma plataforma low-code, você pode pular algumas dessas etapas. Não importa como você disponibiliza seu playground, ele será seu recurso mais valioso para aprender e aprimorar as habilidades da GenAI, além de fornecer um lugar para explorar casos de uso.
“Por meio do poder da curiosidade e da brincadeira, os desenvolvedores aprenderam o que precisavam fazer para integrar. Não adicionamos colaboradores à nossa equipe nem enviamos ninguém para treinamento. Conseguimos escalar rapidamente sem precisar escalar a própria equipe de engenharia. Além disso, disponibilizamos o playground para colaboradores de outras áreas do negócio, tecnólogos e qualquer outra pessoa que quisesse brincar e aprender.”
Joanne Markow, Vice-Presidente, Transformação Digital, OutSystems
Etapa 3. Explore possíveis casos de uso
Existem vários casos de uso potenciais para GenAI em seu negócio e indústria. A aplicação específica que você criará dependerá de fatores como objetivos da empresa, público-alvo e a natureza dos seus produtos ou serviços. Para determinar os casos de uso mais relevantes e valiosos para sua organização, a equipe de especialistas deve colaborar estreitamente para identificar e priorizar oportunidades.
Comece determinando se você deve criar uma GenApp para um dos casos de uso. Os casos de uso populares entre indústrias descritas em “Onde a GenAI incorporada em aplicações está causando o maior impacto” podem ajudar você a determinar se deseja melhorar uma área do seu negócio. Você também pode preferir abordar um caso de uso específico para sua indústria. As aplicações GenAI estão sendo usadas com sucesso na maioria das principais indústrias. Aqui estão apenas alguns exemplos.
Casos de uso de IA generativa na indústria de serviços financeiros
No mundo das finanças, há vários casos de uso para GenAI. Por exemplo, uma aplicação de detecção de fraudes de IA generativa pode revisar alertas para determinar quais são falsos e removê-los. Os chatbots baseados em GenAI podem lidar com as dúvidas dos clientes com delicadeza, fornecendo respostas rápidas e precisas em suas aplicações bancárias móveis. Existem assistentes bancários pessoais de GenAI que ajudam os clientes a gerenciar despesas, planejar o futuro e simplificar o orçamento.
Casos de uso de GenAI na indústria de seguros
Na indústria de seguros, a GenAI está reescrevendo o manual de subscrição, avaliando riscos com precisão e justiça, ao mesmo tempo em que usa linguagem natural para explicá-los. O processamento de reivindicações, antes uma provação manual, agora corre para a resolução, graças à automação da GenAI. As operadoras já estão implementando IA generativa em seus dispositivos móveis e aplicações para que os clientes possam obter cotações, registrar reivindicações e rastrear status de apólices usando prompts e linguagem natural em vez de perguntas de bot "predefinidas".
História de sucesso: GenAI acelera processos de reclamações
A Ricoh é uma fornecedora líder de serviços digitais, gerenciamento de informações, impressão e soluções de imagem para clientes em cerca de 200 países. Usando uma plataforma low-code, a Ricoh criou uma aplicação de gerenciamento de reivindicações que utiliza imagens de documentos, GenAI, ML, processamento de linguagem natural e RPA para agilizar a entrada, validação e resolução de reivindicações. O resultado? Maior satisfação e retenção do cliente.
Casos de uso de IA generativa na indústria de manufatura
A manufatura tem muitos processos e atividades, deixando muito espaço para aplicações de GenAI. Imagine gerentes de produto dizendo a uma aplicação que você criou o que eles querem fazer, e ela gerar diferentes designs e recursos para eles escolherem. Outra poderia prever quanto estoque manter com base em planos de produção e previsões de vendas, além do melhor momento para adicionar mais para evitar falta ou excesso de estoque.
Casos de uso de IA generativa no governo
A GenAI abre um mundo de possibilidades para o governo. Você pode criar uma aplicação GenAI que forneça modelos 3D realistas e relatórios sobre os impactos de diferentes projetos para ajudar planejadores urbanos a criar comunidades mais habitáveis, sustentáveis e equitativas. Ou um sistema de GenAI poderia usar dados em tempo real de chamadas para o 911, câmeras de trânsito, sensores climáticos, feeds de mídia social e muito mais para gerar modelos preditivos e recomendações para alocação de recursos, rotas de evacuação e prioridades de tratamento.
Etapa 4: Identifique os riscos
Existem armadilhas potenciais da GenAI que podem afetar a confiabilidade, a segurança e a ética das suas aplicações: preconceito, alucinações, ameaças cibernéticas, violação de direitos autorais e opacidade. Veja o que você deve observar e o que pode fazer para evitar esses problemas.
Riscos legais
Os modelos de GenAI podem gerar conteúdo que se assemelha muito a trabalhos existentes, como artigos, imagens ou códigos. Isso afeta os direitos de propriedade intelectual e pode até ser. Se sua aplicação gerar conteúdo muito semelhante a material protegido por direitos autorais, desafios legais e penalidades financeiras poderão surgir. Como você pode impedir essa ameaça? Use técnicas que detectem e filtrem conteúdo potencialmente problemático e certifique-se de ter as licenças e permissões necessárias.
Riscos de privacidade e segurança
Os modelos de GenAI são treinados em grandes conjuntos de dados, muitos dos quais contêm informações confidenciais ou pessoais. Isso pode levar a violações de privacidade. Além disso, os modelos de GenAI são vulneráveis a black hats que gerenciam dados de entrada de forma maliciosa para gerar resultados enganosos ou prejudiciais. A implementação de medidas robustas de proteção de dados, como criptografia, controles de acesso e políticas de governança de dados, bem como técnicas de treinamento e detecção de adversários, pode proteger os dados.
Riscos de governança
As aplicações de GenAI são capazes de gerar conteúdo que não é factual (alucinações) e tomar decisões tendenciosas ou injustas. Por exemplo, um modelo de IA treinado em um conjunto de dados de imagens médicas pode aprender a identificar células cancerígenas, mas se não houver imagens de tecido saudável, o modelo de IA pode identificar incorretamente esse tecido como cancerígeno. Além disso, como ferramentas de GenAI como ChatGPT, Claude, Sora e DALL-E 2 estão disponíveis gratuitamente, elas podem ser usadas de maneiras não intencionais, como tornar públicos dados privados da empresa — seja nas próprias ferramentas ou no conteúdo da web.
Devido a esses riscos, é importante garantir que todos os envolvidos no desenvolvimento e uso da IA estejam na mesma página e seguindo as melhores práticas. Planeje usar mecanismos de verificação de fatos, supervisão humana ou pontuação de confiança para filtrar resultados não confiáveis e evitar alucinações.
Riscos éticos
Se um modelo de IA for treinado em dados com preconceitos, como estereótipos de gênero, raça ou cultura, ele poderá gerar conteúdo que os perpetua. Isso pode levar a resultados discriminatórios ou ofensivos que podem prejudicar seus usuários e prejudicar sua marca. Um exemplo é o software de IA de uma gigante da tecnologia para candidaturas a empregos que descartou qualquer candidato de engenharia que frequentou uma universidade só para mulheres porque o modelo havia sido treinado com base nos currículos de sua equipe só para homens. Dados de treinamento diversos e imparciais e técnicas como detecção e correção de viés podem mitigar esse risco.
Riscos de transparência
Os modelos de GenAI são complexos e opacos, então pode ser difícil ver como eles chegam aos seus resultados. Isso é problemático para aplicações legais, financeiras ou médicas que exigem auditorias e rastreabilidade. Para lidar com esse risco, você deve desenvolver técnicas de IA explicáveis, implementar supervisão humana e estabelecer estruturas claras de responsabilização.
Conhecer esses riscos e usar os mecanismos, ferramentas e técnicas descritos aqui pode ajudar sua equipe de desenvolvimento a produzir aplicações de GenAI imparciais, factuais, seguras, originais e explicáveis, para todos os tipos de casos de uso em todos os tipos de indústrias.
Etapa 5: Avalie a prontidão
Ninguém deve começar imediatamente um projeto de desenvolvimento de aplicação de GenAI sem antes analisar cuidadosamente o que é necessário. Para avaliar a prontidão da sua organização para criar aplicações de IA generativa, sua equipe de especialistas deve começar fazendo perguntas sobre seus talentos atuais, tecnologia e status de aprendizado, procurando lacunas e determinando como abordá-las.
Determine a prontidão de TI e do negócio
Sua organização de TI tem as habilidades e a experiência certas em IA, ML e desenvolvimento de software? Essas funções são essenciais para projetar, construir e manter sistemas de GenAI. E quanto à expertise no domínio? Você também deve considerar o conhecimento empresarial nas áreas em que planeja incorporar a GenAI.
Verifique suas pilhas de tecnologia e dados
E quanto ao poder computacional e à infraestrutura necessários? A GenAI pode exigir muitos recursos. Por isso, é importante garantir que você tenha o hardware e os serviços de nuvem para dar suporte a isso, bem como a capacidade de expandir conforme necessário.
Seus ativos de dados estão em boas condições — diversos, de alta qualidade e bem organizados? A GenAI depende muito de dados, portanto, ter um conjunto de dados robusto e relevante é essencial. Pense na quantidade e na qualidade dos seus dados e se eles abrangem uma ampla gama de cenários e casos extremos. Todos esses são ingredientes essenciais para projetos de GenAI bem-sucedidos.
Identifique gaps
O que está faltando que pode atrasar seu projeto? Talvez você precise investir em treinamento ou contratação para desenvolver a expertise da sua equipe em tecnologias e melhores práticas de GenAI. Procure oportunidades de colaboração com instituições acadêmicas ou parceiros da indústria para aproveitar conhecimento e recursos adicionais.
Talvez seus dados precisem de algum trabalho para ficarem prontos para o momento principal — limpeza, rotulagem e garantia de que abrangem uma ampla gama de cenários. Esse pode ser um processo demorado, então planeje adequadamente. Ou pode ser que você precise atualizar seu conjunto de tecnologias para lidar com as demandas da GenAI, como computação de alto desempenho ou ferramentas de software especializadas. Considere se você tem orçamento e recursos para fazer esses investimentos.
Inclua também considerações éticas e de governança. Um grande gap pode ser não ter políticas em vigor para garantir o desenvolvimento responsável e imparcial da GenAI. Você não deve seguir em frente até resolver esse problema e garantir que todos na sua equipe estejam alinhados com esses princípios. Seja honesto sobre onde você está falhando, para que você possa elaborar um plano para preencher esses gaps e deixar sua organização pronta para a GenAI. Com a preparação e a mentalidade certas, você estará no caminho certo para desbloquear o poder da GenAI para o seu negócio com a aplicação certa.
Etapa 6: Identifique um piloto
Assim como você não deve se precipitar em um projeto de GenAI sem avaliar sua prontidão, você também deve tentar não assumir muitas coisas ao mesmo tempo. Portanto, você deve começar com um projeto piloto. Mas não pode ser qualquer piloto, porque escolher o piloto certo é fundamental para testar sua solução de GenAI. O piloto precisa ter uma meta de negócios clara e ser viável com sua tecnologia. Aqui estão outros critérios importantes que podem ajudar você a identificar um piloto adequado.
Tenha um problema claro para resolver
Não comece sem ter um resultado de negócios específico em mente. Escolha um problema bem definido. Você quer algo que não seja muito complexo, mas que ainda seja substancial o suficiente para mostrar o potencial da GenAI. Talvez seja a automação de uma tarefa repetitiva, como gerar descrições de produtos ou respostas de atendimento ao cliente. Ou talvez seja criar novos conteúdos, como postagens em redes sociais ou textos de marketing. O segredo é encontrar um caso de uso que seja relevante para o seu negócio e tenha métricas de sucesso claras. Você precisa disso para demonstrar valor — e até mesmo o ROI.
Defina resultados mensuráveis
Saiba como você medirá o sucesso antes de começar, identificando os principais indicadores de desempenho (KPIs) mais importantes para o seu negócio. Podem ser coisas como tempo economizado, qualidade do conteúdo ou engajamento do usuário. Em seguida, defina metas específicas e quantificáveis para cada KPI, como "reduzir o tempo de criação de conteúdo em 30%" ou "aumentar as taxas de cliques em 10%". Por fim, certifique-se de ter as ferramentas e os processos necessários para monitorar e relatar essas métricas durante todo o piloto.
Garanta o acesso a dados relevantes
Todo piloto precisa de um bom conjunto de dados para treinamento. Ele deve ser diversificado e representativo dos cenários do mundo real que sua aplicação de GenAI abordará. É possível que você precise coletar e selecionar alguns dados antes de começar. E não se esqueça da qualidade dos dados — eles precisam ser limpos, consistentes e devidamente rotulados.
Considere a experiência do usuário
Projetar uma UX suave e intuitiva será essencial para obter a adesão de seus usuários e partes interessadas. Pense em quem usará a aplicação e o que eles precisam dela. Coloque-se no lugar deles. Pense em como eles irão interagir com o conteúdo ou os resultados gerados pela IA e o que eles esperarão em termos de qualidade, relevância e facilidade de uso. Certifique-se de que os recursos da GenAI se integrem às ferramentas e workflows existentes e forneçam orientações claras sobre como usá-los de forma eficaz. Lembre-se do toque humano e forneça uma maneira para os usuários fornecerem feedback e obterem suporte, se necessário.
Etapa 7: Escolha as tecnologias
Os Capítulos 2 e 3 deste e-book fornecem informações sobre a maioria das ferramentas necessárias para o desenvolvimento, implementação, manutenção e atualizações de aplicações de IA generativa tradicionais, além de demonstrar a diferença que o low-code pode fazer. Para escolher as tecnologias para o seu piloto e para a aplicação completa com a GenAI, sua equipe de especialistas em GenAI deve analisar todas essas informações em profundidade e fazer sua própria pesquisa de soluções.
Você também deve levar em consideração o futuro dessas ferramentas, plataformas e recursos. O mundo do desenvolvimento de aplicações de GenAI ainda está em fluxo, então dê uma olhada no que parece ter poder de permanência. Isso ajudará muito na escolha do caminho de desenvolvimento de IA generativa mais adequado para sua organização.
