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.




