As empresas podem acelerar a adoção de IA sem modernização total do sistema

iconLongbridge
Compartilhar
AI summary iconResumo
Empresas podem impulsionar a adoção de IA sem reformas completas de sistemas, segundo Vinod Joseph Cherunni da Singtel. Falando na Singapore Business Review Technology Enterprise Summit, ele incentivou as empresas a aplicarem IA agora, e não mais tarde. Ele apontou para a fragmentação de dados e a necessidade de definições unificadas e gráficos de conhecimento. Sua estratégia de "model garden" combina modelos de código aberto e proprietários para reduzir custos e evitar dependência de fornecedores. A adoção de blockchain e a integração de IA podem avançar em paralelo, disse ele.

Uma combinação de modelos de fronteira, de código aberto e de peso aberto pode impulsionar sistemas empresariais.

As empresas podem avançar com inteligência artificial (IA) em uma mistura híbrida de sistemas legados e modernos, em vez de aguardar sua total modernização, segundo Vinod Joseph Cherunni, vice-presidente sênior de IA/dados, nuvem e arquitetura empresarial da Singtel.

Falando no Singapore Business Review Technology Enterprise Summit em 12 de novembro, Vinod aconselhou os participantes a não esperarem pelos sistemas estarem completamente prontos para IA para começarem sua jornada.

“A primeira coisa é [reimaginar] seu processo, alterar seus fluxos de trabalho e usar IA lá.” ele disse. “Caso contrário, você nunca obterá um resultado tão bom.”

Vinod disse que os dados empresariais permanecem isolados e fragmentados em diferentes aplicativos, dificultando o trabalho dos agentes de IA entre funções empresariais.

Para resolver isso, ele disse que os dados “precisam de contexto”, ou seja, definições consistentes em toda a empresa, conhecidas como ontologia, bem como gráficos de conhecimento que capturem as relações entre elementos de negócios, como clientes, produtos e sistemas.

As empresas podem culpar modelos de IA por saídas ruins e alucinações, quando o problema subjacente são dados imprecisos e falta de contexto, disse Vinod.

“É exatamente por isso que muitos [proofs of concept] e pilotos falham”, disse ele.

“Sempre que temos os melhores dados, os dados mais limpos possíveis com o contexto, o número de tokens que você queima é extremamente menor”, acrescentou ele.

Vinod descreveu uma abordagem de “jardim modelo” que combina modelos de código aberto, pesos abertos e modelos de ponta.

Empresas podem desenvolver uma camada que contextualiza as instruções enviadas por agentes e aplicações e as encaminha para diferentes modelos com base em diferentes características.

Espalhar as cargas de trabalho entre modelos não só evitaria o bloqueio por fornecedor, mas também gerenciaria custos e soberania, disse ele.

Os dados dos clientes permanecem locais, com modelos on-premises que podem operar dentro de uma infraestrutura soberana, enquanto um framework responsável de IA garante que os modelos não recebam informações pessoais específicas dos clientes.

Vinod disse aos participantes para avançarem com operações autônomas em seus ambientes de TI, com o objetivo de corrigir problemas o mais rápido possível e identificar incidentes de segurança antes que ocorram.

Mesmo uma redução justa no número de incidentes pode ser uma vantagem significativa, observou ele.

Aviso legal: as informações nesta página podem ter sido obtidas de terceiros e não refletem necessariamente os pontos de vista ou opiniões da KuCoin. Este conteúdo é fornecido apenas para fins informativos gerais, sem qualquer representação ou garantia de qualquer tipo, nem deve ser interpretado como aconselhamento financeiro ou de investimento. A KuCoin não é responsável por quaisquer erros ou omissões, ou por quaisquer resultados do uso destas informações. Os investimentos em ativos digitais podem ser arriscados. Avalie cuidadosamente os riscos de um produto e a sua tolerância ao risco com base nas suas próprias circunstâncias financeiras. Para mais informações, consulte nossos termos de uso e divulgação de risco.