Categoria: Inteligência Artificial

Gerenciando o risco de privacidade de dados em análises avançadas

Técnicas de ciber segurança que mantêm dados pessoais seguros podem limitar seu uso para análises — mas cientistas de dados, proprietários de dados e profissionais de TI podem colaborar mais estreitamente para encontrar um meio-termo. Como podemos proteger a privacidade dos dados pessoais de nossos clientes enquanto utilizamos esses dados por meio de IA e análises?

Essa pergunta reflete um dilema interno crescente à medida que as empresas buscam análises avançadas e inteligência artificial.

Continuar lendo Gerenciando o risco de privacidade de dados em análises avançadas

A computação quântica está agora enfrentando seu maior obstáculo técnico.

Nos últimos 20 anos, centenas de empresas, incluindo gigantes como Google, Microsoft e IBM, têm reivindicado seu lugar na corrida para estabelecer a computação quântica. Investidores já colocaram mais de 5 bilhões de dólares até agora. Todo esse esforço tem apenas um propósito: criar a próxima grande inovação mundial.

Os computadores quânticos usam as regras contraintuitivas que governam a matéria em níveis atômicos e subatômicos para processar informações de maneiras impossíveis para os computadores convencionais, ou “clássicos”. Especialistas suspeitam que essa tecnologia terá impacto em áreas tão diversas quanto descoberta de medicamentos, criptografia, finanças e logística de cadeia de suprimentos. A promessa é certamente grande, mas também é o hype.

Continuar lendo A computação quântica está agora enfrentando seu maior obstáculo técnico.

Superando as pequenas experiências das IOE e evoluindo para a adoção total da Inteligência Artificial em toda a empresa

As equipes ágeis necessárias para iniciar o amplo uso da inteligência artificial devem dar lugar a estruturas empresariais para escalar a tecnologia em toda a empresa.

Empresas de uma ampla gama de setores estão fazendo investimentos significativos em IA — e estão cada vez mais preocupadas em como escalar o uso da tecnologia para obter benefícios em suas organizações. Muitas empresas ficam estagnadas em sua jornada de IA e têm dificuldade em superar projetos piloto ou soluções pontuais. Isso não ocorre necessariamente porque a tecnologia é tão complexa. Essa pesquisa revela que as empresas falham em extrair o potencial valor comercial da IA, não por falta de expertise técnica, mas sim devido a questões estruturais e de processo.

Foi realizada uma análise aprofundada da jornada de escalabilidade de IA de 10 empresas líderes de mercado, com três a oito anos de experiência em implementação de IA em diversos setores, incluindo bens de consumo embalados, produtos farmacêuticos, bancos, seguros, serviços de segurança e automotivo. Essas empresas estavam em diferentes estágios de progresso, variando de capacidades relativamente incipientes a extremamente sofisticadas. A forma como organizavam seus esforços em cada estágio tinha implicações no que conseguiam realizar.

Continuar lendo Superando as pequenas experiências das IOE e evoluindo para a adoção total da Inteligência Artificial em toda a empresa

O novo mercado dos negócios na era da computação quântica

As organizações devem se concentrar nas vantagens econômicas que os computadores quânticos podem oferecer, não apenas em sua capacidade de realizar cálculos que seus equivalentes clássicos não conseguem.

Grande parte da comunidade de pesquisa quântica está focada em demonstrar a vantagem quântica — que um computador quântico pode realizar um cálculo impossível para um computador eletrônico clássico. Mas, ao focar nisso, correm o risco de negligenciar bons casos de negócios para a tecnologia, argumentam os autores.

As empresas devem, em vez disso, buscar oportunidades de vantagem econômica quântica — quando um computador quântico fornece uma solução comercialmente relevante mais rapidamente do que um computador clássico poderia, ou quando um computador quântico oferece soluções viáveis que diferem das fornecidas por um computador clássico. Problemas de otimização e aqueles que envolvem trade-offs complexos são áreas particularmente promissoras.

Continuar lendo O novo mercado dos negócios na era da computação quântica

Modelos preditivos podem perder o foco. Aqui está como mantê-los no caminho certo.

A inércia algorítmica pode resultar em orientações que levam as empresas ao erro. Isso ocorre quando os algoritmos não são atualizados para levar em conta as mudanças no ambiente, então eles fornecem previsões de baixa qualidade.

Modelos de IA projetados para contabilizar dinamicamente novas circunstâncias nem sempre o fazem de forma eficaz. Esse cenário, chamado inércia algorítmica, pode resultar em orientações inadequadas e decisões falhas.

Os autores exploraram as causas e consequências da inércia algorítmica investigando a agência de classificação de crédito Moody’s e seu uso de modelos algorítmicos para classificar títulos lastreados em hipotecas nos anos que antecederam a crise financeira de 2008.

Eles descobriram que os fatores mais significativos que contribuem para a inércia algorítmica são as suposições enterradas, remodelagem superficial, simulação do futuro desconhecido e compartimentalização especializada.

Expor dados e suposições e redesenhar periodicamente rotinas algorítmicas são duas práticas-chave para evitar essa inércia.  Continuar lendo Modelos preditivos podem perder o foco. Aqui está como mantê-los no caminho certo.

Os grandes modelos de linguagem realmente mudarão a forma como o trabalho é realizado?

Mesmo quando as organizações adotam LLMs cada vez mais poderosos, elas terão dificuldade em abandonar sua dependência dos humanos.

Os modelos de linguagem grandes (LLMs, na sigla em inglês de Large Language Models) são de fato uma inovação que está mudando o paradigma da ciência de dados. Eles ampliam as capacidades dos modelos de aprendizado de máquina para gerar texto e imagens relevantes em resposta a uma ampla gama de estímulos qualitativos. Embora essas ferramentas sejam caras e difíceis de construir, uma multidão de usuários pode usá-las rapidamente e de forma econômica para realizar algumas das tarefas baseadas em linguagem que só os humanos poderiam fazer antes.  Continuar lendo Os grandes modelos de linguagem realmente mudarão a forma como o trabalho é realizado?

Bancos e empresas precisam repensar como abordar a Inovação

Inovação! – esse é um grito de guerra comum na era do Vale do Silício, das fintechs e das startups de tecnologia ágil. Certamente a indústria bancária não está excluída dessa narrativa.

As fintechs estão cada vez mais populares, com seus serviços sob demanda, especialmente para aqueles tradicionalmente subatendidos pelos bancos tradicionais. O número crescente e a variedade dos bancos desafiadores, muitas vezes com capacidades bancárias 24 horas por dia, oferecem um contraponto atraente aos bancos físicos. A pressão está aumentando sobre eles. No entanto, a Inovação não é tão fácil quanto apertar um simples botão ou criar um app.  Continuar lendo Bancos e empresas precisam repensar como abordar a Inovação