Bryan Harris, CTO do SAS, fornecedor líder global de soluções de análise de dados (Foto: SAS)
TECHNO SANS ANGLES MORTS disseca as tecnologias atuais, conhece os cérebros por trás dessas inovações e explora as ferramentas digitais oferecidas às empresas de Quebec. Esta seção permite que você entenda as tendências de hoje para estar pronto para as de amanhã.
TECHNO SEM PONTOS CEGOS. É conhecido o interesse da inteligência artificial generativa (IA) para a geração de textos e imagens. Mas também começa a interferir na análise dos dados. Porém, tenha cuidado, ele não pode ser usado em todos os molhos.
“Se há uma lição que aprendemos no último ano e meio com nossos clientes, é que há ótimos modelos de linguagem (Nota do editor: grandes modelos de linguagem em inglês, ou LLM, a tecnologia por trás dos robôs conversacionais) não pode resolver seus problemas de negócios sozinho. A IA generativa é uma ferramenta entre muitas e, às vezes, não é a ferramenta que você precisa”, afirma Marinela Profi, chefe global de estratégia de IA do SAS, no início da conferência SAS Innovate, realizada em abril em Las Vegas. .
O SAS é um fornecedor líder global de soluções de análise de dados, principalmente para grandes empresas e governos. A IA generativa esteve no centro da sua última conferência anual, como era de se esperar, mas embora alguns dos seus concorrentes pareçam dispostos a apostar tudo nesta nova tecnologia, foi necessária cautela no SAS, especialmente em comparação com análises avançadas.
“Somos uma empresa de 47 anos, então já vimos esse filme antes. Uma tecnologia vira moda e pega fogo, então o que resta não é o que foi anunciado”, explica Bryan Harris, diretor de tecnologia do SAS, cujo IPO está previsto para 2025.
A IA generativa ainda poderá ter o seu papel no processamento de big data, prevê o SAS, que já adaptou vários dos seus softwares para dar espaço a esta tecnologia. “Em qualquer cenário de negócios, é provável que cerca de 20% das tarefas e ferramentas estejam relacionadas à IA generativa. Para todo o resto, ainda precisamos de IA que não seja generativa”, observa Marinela Profi.
Aqui estão três exemplos de usos em que a IA generativa pode ser particularmente útil em empresas que desejam criar valor com seus dados.
Uso 1: interaja mais facilmente com big data
Já se foi o tempo em que era absolutamente necessário recorrer a um especialista para obter informações dos dados da sua empresa. Um chatbot que tenha acesso aos seus dados pode de fato permitir que qualquer funcionário faça perguntas em linguagem simples para obter respostas às suas perguntas.
Diversas empresas do mercado já oferecem ferramentas desse tipo, como o DataChat.AI, por exemplo.
Para o SAS, esta possibilidade é real, mas também deve ser utilizada com cautela. “Corremos o risco de ter o mesmo problema que nas reuniões: as pessoas fazem as perguntas erradas!”, ilustra Bryan Harris.
Felizmente, é possível supervisionar a prática. Por exemplo, o SAS desenvolveu uma ferramenta onde as solicitações que podem ser solicitadas ao modelo são pré-aprovadas e pré-gravadas por especialistas. As ferramentas de IA generativa e de análise semântica ajudam a converter a solicitação de um usuário nessas consultas aprovadas, e outra ferramenta de IA generativa ajuda a exibir a resposta de uma forma fácil de entender e, em alguns casos, diz a ele o que ele deve fazer a seguir.
Observe que a IA não é usada aqui para substituir as ferramentas de análise de dados existentes, mas sim para permitir que mais pessoas as acessem. Dependendo das necessidades da empresa, uma solução pode beneficiar tanto um gestor sênior que deseja obter informações rapidamente quanto um funcionário em campo.
Uso 2: gerar dados sintéticos
Grandes modelos de linguagem também podem ser usados para gerar dados sintéticos. Para o SAS, esta utilização pode ser particularmente interessante para a criação de modelos de IA a partir de dados tendenciosos ou de dados onde informações importantes estão sub-representadas.
“Veja a detecção de fraudes, por exemplo. “É difícil para um modelo de IA aprender a reconhecê-los com os dados brutos de um banco, uma vez que estes são eventos raros”, disse Stu Bradley, vice-presidente sênior responsável por soluções de gestão de risco no banco, fraude e conformidade.
A geração de dados sintéticos permite a criação de novos conjuntos de dados, onde estes eventos pesquisados são mais frequentes. Os modelos treinados nestes novos conjuntos de dados deverão, portanto, ser mais capazes de detectar futuras fraudes. Até agora, para desenvolver tais modelos, empresas como a SAS tiveram de empregar outras tácticas, tais como combinar transacções de diferentes bancos.
Essa estratégia também pode ser usada com imagens. A empresa papeleira Georgia-Pacific, por exemplo, apresentou ao SAS Innovate imagens de troncos de árvores deformados criados com IA generativa, que são usadas para treinar seus modelos de reconhecimento de imagem.
“É uma forma que desenvolvemos para focar em eventos raros. Estas imagens sintéticas permitem que os nossos sistemas reconheçam melhor estes eventos no mundo real mais tarde”, afirma Sam Coyne, diretor de inteligência artificial da Georgia-Pacific.
Uso 3: gere código para processar seus dados
Obviamente, a IA generativa também é usada para ajudar os desenvolvedores que analisam dados, principalmente com ferramentas como ChatGPT da OpenAI, GitHub Copilot do GitHub, Gemini do Google ou Viya Copilot do SAS.
Essas ferramentas não transformarão a análise de dados em si, mas deverão tornar os desenvolvedores e a análise mais eficientes. “Tarefas como programar do zero não serão mais relevantes, a depuração não exigirá mais noites e semanas no teclado e a migração de código será extremamente acelerada”, prevê Marinela Profi. Assim, eles terão mais tempo livre para se concentrar em questões como “Que coisas novas posso construir?” e “Como posso melhorar o código gerado por IA?”