Pesquisar um exemplo de projeto de inteligência artificial mistura duas intenções: reproduzir um projeto de aprendizagem ou escolher um primeiro piloto de negócio. Para o piloto, use o assistente de pedidos com mensagens e uma base de respostas aprovada. Escolha uma tarefa delimitada, com entrada definida, saída verificável, um responsável humano identificado e uma condição de paragem. Uma mensagem gera um rascunho com fonte que o responsável aceita, corrige ou rejeita. Pare se a resposta sair da base aprovada.
Parta do problema, não da ferramenta. A Red Hat recomenda uma tarefa pequena com os dados necessários. A OpenClassrooms coloca a delimitação antes dos dados, da modelação e da produção. (Red Hat; OpenClassrooms)
Resposta curta
Uma tarefa de negócio delimitada tem uma saída verificável, uma decisão humana visível e uma condição de paragem. A Red Hat recomenda tarefas pequenas com objetivos claros.
Que projeto de inteligência artificial deve escolher primeiro?
Escolha um problema definido no seu fluxo de trabalho, com uma entrada disponível e uma saída que o negócio saiba avaliar. A Red Hat recomenda partir de um problema claro e depois verificar os dados disponíveis e o valor empresarial pretendido.
Aplique estes filtros por ordem:
- Definir o problema numa frase. Segundo a Red Hat, um piloto centrado numa solução sem problema claro pode não servir qualquer objetivo concreto.
- Descrever a entrada e a saída. A OpenClassrooms separa delimitação de negócio, recolha e limpeza dos dados, modelação, avaliação e entrada em produção.
- Verificar o direito a usar os dados. A France Num recorda que são a matéria-prima do sistema e que dados pessoais exigem atenção particular segundo o RGPD. (France Num)
- Definir quem valida a saída. A France Num indica que a aprendizagem pode ser supervisionada por uma pessoa que verifica a pertinência das respostas. (France Num)
- Escrever a condição de paragem. A Red Hat recomenda objetivos e limites claros para pequenas tarefas confiadas à IA.
Regra do operador
Se ninguém puder rejeitar a saída, o controlo não está definido. A supervisão humana serve precisamente para avaliar a pertinência das respostas. (France Num)
Que exemplos de projetos de IA são suficientemente delimitados?
A France Num cita a relação com clientes, a análise documental, a monitorização, a mineração de texto, o controlo de qualidade e a automatização de tarefas. A tabela transforma estas famílias em projetos testáveis. Não apresenta resultados de clientes nem promessas de ganho.
Os projetos de aprendizagem ou demonstração apresentados nos resultados de pesquisa respondem a uma pergunta diferente da de um piloto de negócio. Para este piloto, compare os cinco exemplos seguintes pela entrada, saída, controlo humano e condição de paragem.
| Projeto possível | Entrada disponível | Saída verificável | Validação humana | Sinal de paragem |
|---|---|---|---|---|
| Assistente de pedidos, derivado da relação com clientes citada pela France Num | Mensagens e base de respostas aprovada | Rascunho com ligação à fonte | O responsável corrige ou envia | Uma resposta sai da base aprovada |
| Extração documental, família citada pela France Num | Documentos do mesmo tipo | Campos extraídos com documento de origem | O negócio compara os campos com o documento de origem | Falta um campo ou perde a fonte |
| Monitorização assistida, uso citado | Lista fechada de fontes | Nota com ligações | O leitor abre as fontes | Uma afirmação não tem ligação verificável |
| Fila de controlo de qualidade | Elementos comparáveis e regras | Casos assinalados para análise | O responsável decide a ação | O sistema desencadeia sozinho uma consequência |
| Classificação de texto, derivada da mineração | Textos e categorias definidas | Categoria proposta com excerto | O negócio aceita ou reclassifica | Uma categoria sensível não é revista |
A melhor linha não é a mais espetacular. É aquela cuja entrada já possui e cuja saída sabe contestar. A Red Hat liga a preparação do piloto à disponibilidade dos dados e a tarefas pequenas e específicas.
Como fazer um projeto com IA?
Para fazer um projeto com IA, defina primeiro o problema de negócio, a entrada, a saída esperada, o responsável humano e a condição de paragem. Escolha depois a ferramenta. A OpenClassrooms coloca a delimitação antes da análise, recolha, limpeza e exploração dos dados, e depois a modelação, avaliação, produção e manutenção. (OpenClassrooms)
Copie este briefing e preencha cada linha:
- Problema de negócio: a dificuldade precisa a tratar. (Red Hat)
- Utilizador: quem recebe ou avalia a saída. (OpenClassrooms)
- Entrada: os dados necessários e a sua origem. (Red Hat)
- Direito de utilização: as regras aplicáveis, incluindo dados pessoais. (France Num)
- Saída: o resultado observável ligado ao objetivo. (OpenClassrooms)
- Validador: quem verifica a pertinência da resposta. (France Num)
- Medida: um critério observável ligado ao problema. (OpenClassrooms)
- Paragem: o limite que interrompe o teste. (Red Hat)
O briefing separa o julgamento do mecanismo. Se o projeto tiver de agir em várias ferramentas, consulte o guia em francês sobre como criar um agente de IA. Se ainda compara categorias, comece por qual IA escolher.
Ponto de paragem
Uma saída fluida não é necessariamente correta. A France Num alerta que dados enviesados podem produzir respostas enviesadas e problemas éticos ou jurídicos. (France Num)
Que dados preparar para um primeiro projeto de IA?
Prepare apenas os dados úteis para a tarefa, com origem, estado e uma regra de rejeição. A France Num explica que qualidade e quantidade influenciam o desempenho. A OpenClassrooms coloca recolha, limpeza e exploração antes da modelação. Nenhuma fonte define um volume universal. (France Num); (OpenClassrooms)
Antes do teste, verifique:
- a pertinência dos exemplos para a tarefa. (France Num)
- a coerência dos formatos e categorias. (OpenClassrooms)
- a presença de dados pessoais ou sensíveis. (France Num)
- o rasto entre cada saída e a entrada, para permitir a supervisão humana. (France Num)
Como medir o piloto e decidir se continua?
Meça a saída que o negócio consegue observar. O critério depende do problema. A OpenClassrooms inclui objetivos, retorno, avaliação e interpretação; a Red Hat pede ligação ao valor empresarial e limites claros.
Num assistente, registe rascunhos aceites, corrigidos ou rejeitados. Na extração, compare campos com o documento. Na monitorização, abra as ligações que sustentam as afirmações. São exemplos derivados da tabela, não limiares universais.
Não escolha nenhum limiar sem dados do fluxo testado. As fontes não fornecem duração padrão, frequência mínima ou taxa de sucesso aplicável a todos os pilotos.
Uma IA pode redigir o projeto por si?
Pode preparar o documento. Não define sozinha o problema, o direito a usar os dados ou a decisão final. A France Num cita a geração de texto e recorda os riscos jurídicos, éticos e de enviesamento. (France Num)
Pode pedir uma estrutura de briefing, uma lista de campos ou um resumo com fontes. O responsável mantém a delimitação de negócio e a validação humana. (OpenClassrooms); (France Num)
Que perguntas fazer antes de lançar o projeto?
É necessária uma equipa de dados para começar?
A OpenClassrooms reúne funções de negócio, digital, IA e governação. A composição depende do caso; as competências necessárias de negócio, dados e avaliação têm de estar cobertas.
São necessários muitos dados?
Não existe um mínimo universal. Qualidade e quantidade influenciam o desempenho, e os dados são recolhidos, limpos e explorados antes da modelação. O volume depende da tarefa e da avaliação. (France Num); (OpenClassrooms)
Quando se deve parar um piloto de IA?
Pare se a saída ultrapassar o limite escrito, se os dados necessários não estiverem controlados ou se o responsável já não conseguir avaliar o resultado. (Red Hat); (France Num)
Depois de escolher o caso, escreva a fronteira de aceitação com o modelo de caderno de encargos para IA.
Escolher a porta certa
O projeto está delimitado. Falta escolher a porta correspondente ao trabalho real.
Escolher a porta certa →