![Principais Perguntas Sobre Inteligência Artificial Generativa](https://s4-digital.com.br/wp-content/uploads/2024/06/Captura-de-tela-2024-06-21-134255.png)
Inteligência Artificial Generativa na Mendix
Acesse aqui o artigo original.
A Inteligência Artificial generativa continua sendo um dos tópicos mais discutidos nos negócios e está no topo da agenda dos executivos em todos os setores e geografias. Esta coleção de pesquisas pode ajudá-lo a entender melhor as tendências em IA generativa e modelos de linguagem de grande escala e escolher soluções adequadas.
Análise
A Gartner realizou uma série de webinars e pesquisou seus clientes durante esses eventos. A pesquisa mais recente revela que uma em cada cinco organizações agora possui soluções de inteligência artificial generativa (GenAI) em produção. Esse número aumentou de 10% em setembro de 2023 para 21% em janeiro de 2024 (veja a Figura 1).
![](https://s4-digital.com.br/wp-content/uploads/2024/06/Figure_1_Enterprise_Investments_for_Generative_AI_Initiatives-1024x764.png)
Figura 1: Investimentos Empresariais em Iniciativas de IA Generativa
Segundo a análise da Gartner sobre as pesquisas de webinars realizadas em setembro de 2023 e janeiro de 2024, com a adoção de soluções de inteligência artificial generativa, a produção dobrou desde setembro de 2023, aumentando 11 pontos percentuais em janeiro de 2024. Uma em cada cinco organizações agora possui soluções de IA generativa em produção.
Perguntas adicionais na mesma série de webinars revelaram que quase dois terços das organizações estão usando GenAI em várias unidades de negócios. Isso representa um salto de 19 pontos percentuais desde setembro de 2023, e 40% dos respondentes dizem que a GenAI foi implantada em mais de três unidades de negócios.
As principais funções empresariais que adotaram ou pretendem investir em algum tipo de solução GenAI são serviço ao cliente (16%), marketing (14%) e vendas (12%). A função de TI se concentra principalmente na implantação de GenAI no ciclo de vida de desenvolvimento de software e na infraestrutura e operações. A porcentagem de funções como finanças, RH, compras e jurídico que implantaram GenAI ainda está abaixo de 10%.
Dessa forma, reunimos pesquisas relevantes e atualizadas da Gartner para responder às perguntas mais frequentes sobre GenAI e modelos de linguagem de grande escala (LLMs) em cinco áreas: valor e casos de uso para negócios, impacto na força de trabalho e organizações, tecnologia, fornecedores e ecossistema, e segurança e gestão de riscos.
Destaques da Pesquisa
Alguns conteúdos recomendados podem não estar disponíveis como parte de sua assinatura atual da Gartner.
Valor e Casos de Uso para Negócios
Como algumas organizações identificam, avaliam e financiam casos de uso adequados de GenAI?
As organizações mais espertas estão criando um currículo educacional autoatendimento contínuo para aumentar a conscientização, o conhecimento e a criatividade entre seus funcionários. Essa abordagem alimenta um processo dinâmico e iterativo de coleta de ideias e casos de uso de maneira metódica. Equipes multidisciplinares então utilizam frameworks (por exemplo, radares de inteligência artificial da Gartner ou prismas de casos de uso) para avaliar e comparar as ideias com base no valor de negócios e na viabilidade. Nesta fase, a alta administração e os líderes de tecnologia (responsáveis por IA, análise, dados, aplicações, integração ou infraestrutura) podem trabalhar juntos para determinar como avaliar e financiar as diversas iniciativas de IA, considerando custo, valor e risco.
Quais são os casos de uso comuns aplicáveis à minha indústria?
Os prismas de GenAI da Gartner definem casos de uso por setor e avaliam seu valor de negócios e viabilidade para promover o planejamento estratégico.
Quais são os estudos de caso de GenAI no mundo real?
Os analistas da Gartner organizaram dezenas de estudos de caso que podem ser filtrados por setor, valor de negócios, risco, categoria de alinhamento estratégico, resultados e categoria de caso de uso. Esses estudos de caso são curtos e focados para capacitar executivos e suas equipes no planejamento estratégico.
Como as organizações estão alinhando iniciativas de GenAI com objetivos de negócios e avaliando o valor de negócios?
O framework da Gartner para investimentos em GenAI se divide em três categorias de impacto competitivo: defender, estender e transformar. Assim, os líderes de inteligência artificial e a alta administração devem avaliar os benefícios potenciais e os custos de novos investimentos em GenAI.
Como as políticas e regulamentações governamentais estão impactando o valor de negócios?
Diversas entidades governamentais nos EUA, Europa e Ásia introduziram ou implementaram políticas e regulamentações que impactarão as organizações e o valor de negócios.
Impacto na Força de Trabalho e Organizações
Como a força de trabalho será impactada?
A Gartner prevê que o impacto de curto prazo da GenAI será na realização de atividades ou tarefas específicas, em vez de substituir empregos inteiros. Até 2026, mais de 100 milhões de pessoas estarão colaborando com “robocolaboradores” (colegas virtuais sintéticos). Ou seja, a redução ou eliminação de empregos será limitada nos próximos dois a três anos.
Como a governança de IA será impactada?
A aplicação de GenAI está se tornando mais comum, geralmente com iniciativas lançadas em várias unidades de negócios. Uma prática recomendada é criar um centro de excelência em IA (COE) para coordenar e governar projetos de IA/GenAI.
Como as organizações devem desenvolver um modelo de governança de GenAI para gerenciar soluções de GenAI?
Políticas e diretrizes adicionais são necessárias para usar GenAI de maneira responsável e gerenciar limitações e riscos relacionados a confiança, equidade, propriedade intelectual e segurança.
Tecnologia
Como as organizações estão combinando dados empresariais com soluções de GenAI?
A pesquisa da Gartner fornece exemplos de abordagens para combinar dados empresariais com soluções de GenAI e examina os prós e contras de cada abordagem.
Como escolher entre engenharia de prompt e ajuste fino para incorporar dados empresariais em LLMs?
A engenharia de prompt é geralmente a primeira opção quando se incorpora conhecimento/dados internos em LLMs. O ajuste fino é usado para adicionar novos conhecimentos ou ajustar o modelo para melhor alinhamento.
Como escolher entre modelos de código aberto e modelos proprietários?
Os modelos de código aberto oferecem personalização, melhor controle sobre opções de implantação, maior privacidade e segurança, além de potencial para reduzir o lock-in de fornecedores.
Como as organizações devem avaliar diferentes opções de implantação de GenAI?
As organizações podem se sentir sobrecarregadas com as várias opções de implantação de GenAI. A pesquisa da Gartner explora cinco abordagens diferentes para implantar GenAI e examina os prós e contras de cada uma.
Como controlar as saídas dos modelos de IA?
A observabilidade de inteligência artificial é a capacidade de monitorar e avaliar o comportamento de um modelo de IA para entender e controlar suas saídas. As organizações devem estabelecer mecanismos de política e técnicos para melhorar a observabilidade da IA.
Quais são as principais tendências e o nível de maturidade das tecnologias de GenAI?
Além dos modelos massivos de GenAI, o futuro pode ver mais modelos específicos para casos de uso ou contextos de menor porte. Portanto, modelos de código aberto estão ganhando destaque e competindo agressivamente contra modelos fechados.
Fornecedores e Ecossistema
Como encontrar uma solução de fornecedor de GenAI adequada?
A Gartner desenvolveu um kit de ferramentas de identificação de fornecedores que permite às organizações buscar fornecedores adequados por áreas funcionais, indústrias e casos de uso.
Quais são os principais fornecedores de LLMs base e infraestrutura?
Exemplos de fornecedores de LLM base incluem Amazon (Titan), Anthropic (Claude), Google (PaLM, Gemini) e OpenAI (GPT-3.5, GPT-4).
Quais ferramentas as organizações devem usar para estender e personalizar soluções de LLM?
Ferramentas típicas incluem ferramentas de orquestração de modelos, bancos de dados vetoriais, modelos de incorporação e ferramentas de observabilidade de modelos.
Segurança e Gestão de Riscos
Quais são as superfícies de ataque das soluções de LLM?
As principais preocupações de segurança sobre LLMs são vazamentos de dados e injeções de prompts. As superfícies de ataque variam dependendo de como os LLMs são consumidos.
Quais são os riscos regulatórios em relação ao uso de LLMs?
As organizações enfrentam diversas restrições dependendo de suas localizações e jurisdições de operação. Consultar especialistas jurídicos antes de projetar, implantar ou usar qualquer LLM é crucial.
Como desenvolver uma política da empresa para LLMs?
Defina regras com base na equipe de usuários, no caso de uso e no tipo de dados. Muitas organizações formulam políticas com regras para entradas e saídas de dados.
Precisamos de controles de segurança adicionais para LLMs?
Sim. Muitas organizações utilizam gateways web seguros ou provedores de serviços de segurança para implementar controles de políticas, monitoramento de segurança e, às vezes, prevenção contra perda de dados (DLP).
Conclusão
Assim, a pesquisa da Gartner revela que a adoção da inteligência artificial generativa está crescendo rapidamente nas organizações, com um aumento significativo na produção e uso em várias unidades de negócios. Dessa forma, as principais áreas de aplicação incluem atendimento ao cliente, marketing e vendas. A governança de IA é essencial para coordenar iniciativas, e a escolha entre modelos de código aberto e proprietários depende das necessidades específicas da empresa. A segurança e a conformidade regulatória são preocupações críticas, e as organizações devem estabelecer políticas claras e controles de segurança para o uso de LLMs.
A S4 Digital tem expertise global para ser parceira da sua empresa para executar projetos com Inteligência Artificial Generativa de forma acelerada e afetiva! Clique aqui e agende uma reunião conosco!
Deixe um comentário