As complexidades da acessibilidade de dados para IA

Tornando os dados acessíveis: Desvendando as complexidades

A inteligência artificial (IA) tornou-se um ponto focal para a inovação em vários setores, com as empresas explorando maneiras de aproveitar seu poder para obter sucesso comercial. A proeminência de tecnologias como o Chat GPT provocou uma nova onda de criatividade e experimentação em que as empresas estão explorando diversas aplicações de IA. Embora os aplicativos de IA generativa, como os assistentes virtuais, ofereçam aos usuários uma experiência digital perfeita, setores mais avançados, como o de serviços financeiros, começaram a implantar mecanismos de recomendação e otimizações de portfólio para detectar fraudes de cartão de crédito e fornecer melhores percepções sobre as decisões de negociação. 

No entanto, à medida que as empresas integram modelos de IA em suas operações, elas estão lidando com uma explosão de conjuntos de dados que, em sua maioria, não são estruturados. Isso significa que as organizações precisam de uma infraestrutura de dados muito boa para gerenciar a nova arquitetura dos aplicativos de IA generativa. Esse foi um ponto focal de discussão no evento Hitachi Vantara Exchange realizado em Nova York em fevereiro de 2024. 

À medida que as empresas procuram aplicar modelos avançados de IA generativa, aqui estão alguns aspectos importantes a serem considerados ao lidar com problemas de gerenciamento de dados e algumas estratégias que você pode empregar para reduzir o risco de acessibilidade dos dados. 

IA responsável e gerenciamento de dados

A explosão de dados não estruturados nas organizações criou uma mudança na forma como abordamos o gerenciamento de dados. Simplesmente hospedar dados na nuvem não é mais suficiente, e as ferramentas de gerenciamento de dados devem ser incorporadas ao conteúdo dos dados para discernir informações de identificação pessoal (PII), controlar o acesso e estabelecer uma cadeia de custódia. Com a IA generativa, as organizações devem equilibrar a adoção de novas ferramentas de gerenciamento de dados e, ao mesmo tempo, garantir estabilidade, segurança e alinhamento estratégico com os objetivos de negócios.

Ao treinar modelos de IA de geração, eles não apenas absorvem a base de conhecimento de dados nas plataformas de mídia social, mas também absorvem todos os preconceitos implícitos na sociedade que os produziu. Isso pode fazer com que os aplicativos de IA de geração cometam erros chamados de “alucinações”, que são essencialmente o viés intrínseco treinado no modelo; algo que você não quer que aconteça. É aqui que entra a IA responsável e explicável; ao forçar os modelos a se explicarem, você estará promovendo a transparência e a responsabilidade na implantação da IA.

A IA responsável ressalta a necessidade de mitigar vieses e erros nos modelos de IA, promovendo práticas inclusivas de treinamento em IA. A IA explicável é uma iniciativa semelhante que visa aumentar a visibilidade dos processos de tomada de decisão da IA, permitindo maior controle e compreensão dos resultados da IA. À medida que as empresas lidam com as demandas computacionais da IA generativa, a redução de modelos de linguagem grandes para modelos de linguagem pequenos também está surgindo como uma solução prática para aumentar a eficiência e se concentrar em casos de uso específicos.

Gerenciamento de dados e privacidade em um ambiente multinuvem

À medida que simplificamos a acessibilidade dos dados, é fundamental garantir a segmentação adequada, proporcionando à organização a oportunidade de atender a todas as expectativas que lhe são impostas. Por exemplo, os clientes do GDPR da UE agora têm uma expectativa de privacidade em relação a seus dados, ampliando o escrutínio sobre o uso de dados. Os clientes agora exigem o manuseio responsável dos dados, o que leva a maiores restrições no uso dos dados, incluindo requisitos de residência e o direito de exclusão.

As implicações da não conformidade são uma quebra de confiança, especialmente em setores como o financeiro e o de saúde, em que a confiança é fundamental e, uma vez perdida, é difícil restaurá-la. Os órgãos reguladores estão expandindo seu foco além da privacidade para a resiliência cibernética, exemplificada por iniciativas como a Lei de Resiliência Operacional Digital (DORA) que influenciam o cenário.

Na transição para a resiliência cibernética, a importância dos dados imutáveis torna-se evidente. No entanto, a imutabilidade por si só é insuficiente diante das ameaças de ransomware. Compreender o último ponto de recuperação bom conhecido torna-se crucial, exigindo uma abordagem abrangente para a recuperação de dados em escala.

Os principais componentes de uma postura de resiliência cibernética abrangem a imutabilidade dos dados, o conhecimento dos pontos de recuperação e a capacidade de recuperação em escala. A demanda por produtos capazes de lidar com a recuperação de milhares ou dezenas de milhares de instâncias garante a continuidade dos negócios diante das ameaças cibernéticas.

Insights acionáveis para a transformação digital

Os casos de uso de IA que exploramos aqui são ambientes extremamente complexos; isso inclui IA generativa, resiliência cibernética e privacidade, nuvem e nuvem híbrida. A estratégia de transformação digital para cada organização será uma jornada em que a escolha do parceiro de tecnologia certo é fundamental para o sucesso. Em um cenário com diversos desafios, ter um parceiro capaz de fornecer um conjunto completo de recursos garante uma abordagem mais robusta e holística para a transformação digital.

Ao continuarmos essa jornada, a principal conclusão é clara: com grande poder e grandes dados, vem a responsabilidade de navegar pelo futuro com sabedoria e resiliência.

Visite nossa página de soluções Hitachi iQ para saber como transformar as operações de negócios e muito mais com a IA.

Recursos adicionais:

INSIGHTS DO ARTIGO: Criando uma infraestrutura de dados sólida na era da IA e da nuvem híbrida

VÍDEO: Simplifique a infraestrutura com as soluções convergentes e hiperconvergentes da Hitachi

PERFIL DA SOLUÇÃO: Hitachi iQ: Um conjunto de soluções de IA adaptado às necessidades do setor: Ideal para organizações que investem em cargas de trabalho de IA/ML