As possibilidades trazidas pela Inteligência Artificial generativa (GenAI) gerou uma corrida por parte das empresas para implementá-la. Atualmente, a tecnologia já faz parte do dia a dia de muitas organizações — e a tendência é que continue conquistando cada vez mais espaço. Mas, antes da construção e adoção de novas soluções de GenAI, uma fase fundamental é a da experimentação, importante para garantir um desenvolvimento bem-sucedido do projeto e evitar problemas futuros.
Preocupada em gerar valor a partir da GenAI, a Elgin firmou uma parceria com a BRLink, consultoria de tecnologia especializada em transformação digital. Durante painel no CONAREC 2024, Wander Nardino, gestor de Dados e Digital da Elgin, falou sobre a importância da experimentação antes de aplicar uma solução de GenAI.
“A identificação dos casos de uso e os testas são essenciais para garantir o sucesso do projeto e justificar o investimento realizado. Mas, para que todo esse processo seja possível, é fundamental a escolha da plataforma e do parceiro de desenvolvimento”, afirma. No caso da Elgin, a plataforma escolhida foi a Amazon Web Services (AWS), da qual a BRLink é parceira.
Segundo Wander, a experimentação ajuda a evitar problemas comuns que podem surgir quando uma empresa constrói sua solução diretamente, como desempenho ruim, falta de usabilidade e falta de escalabilidade.
“Experimentar pode ajudar a identificar falhas e problemas antes de colocar sua solução em produção, permitindo realizar correções e ajustes antecipadamente, além de ajudar a melhorar o desempenho da solução, economizando tempo e recursos em retrabalho”, explica.
Testes na prática
De acordo com o executivo da Elgin, há várias maneiras de realizar experimentos. “Uma das principais é criar modelos em escala reduzida, testando em conjunto de dados menores e usando ferramentas de simulação para testar diferentes cenários e abordagens”, destaca.
Em qualquer outro processo, independente de qual seja, é importante seguir uma abordagem estruturada que inclua planejamento, teste e avaliação contínua. Isso permitirá validar suposições, otimizar modelos e mitigar riscos, criando uma base sólida para a construção de uma solução de GenAI, que, por consequência, trará resultados melhores tanto para a empresa quanto para a experiência do cliente final.
