O Gartner, Inc. prevê que, até 2028, 80% das aplicações de negócios com Inteligência Artificial Generativa (GenAI) serão desenvolvidas pelas empresas em suas plataformas de gerenciamento de dados já existentes. Essa abordagem reduzirá em 50% a complexidade e o tempo necessários para entregar essas aplicações.
“A criação de aplicações de negócios de GenAI hoje envolve a integração de Grandes Modelos de Linguagem (LLMs) com dados internos da empresa, além da adoção de tecnologias em rápida evolução, como busca vetorial, gerenciamento de metadados, design de prompts e embedding”, diz Prasad Pore, Diretor Analista Sênior do Gartner. “No entanto, sem uma abordagem de gerenciamento unificada, a adoção dessas tecnologias dispersas leva a prazos de entrega mais longos e a possíveis custos irrecuperáveis para as companhias.”
À medida que empresas buscam desenvolver soluções centradas em Inteligência Artificial Generativa, as plataformas de gerenciamento de dados precisam evoluir para integrar novos recursos ou serviços voltados para o desenvolvimento de GenAI, garantindo que estejam preparados para a Inteligência Artificial (IA) e para uma implementação bem-sucedida.
Aprimorando a implementação de aplicações de GenAI com RAG
A Geração Aumentada por Recuperação (RAG) está se tornando um pilar fundamental do uso de aplicações de GenAI, proporcionando maior flexibilidade na implementação, melhor explicabilidade e capacidade de composição com LLMs. Ao integrar dados de fontes tradicionais e não tradicionais como contexto, o RAG enriquece o LLM para fornecer suporte a sistemas de GenAI.
“A maioria dos LLMs é treinada com dados publicamente disponíveis e, por si só, não é muito eficaz na solução de desafios de negócios específicos”, diz Pore. "No entanto, quando esses LLMs são combinados com conjuntos de dados de propriedade da empresa usando o padrão arquitetônico RAG, sua precisão é significativamente aprimorada. A semântica, especialmente os metadados, desempenha um papel fundamental nesse processo. Os catálogos de dados podem ajudar a capturar essas informações semânticas, enriquecendo as bases de conhecimento e garantindo o contexto e a rastreabilidade corretos para os dados usados nas soluções RAG."
Para navegar com eficácia pelas complexidades da implementação de aplicações de GenAI, as empresas devem considerar estas recomendações importantes:
- Evoluir as plataformas de gerenciamento de dados: Avalie se as plataformas atuais de gerenciamento de dados podem ser transformadas em uma plataforma ‘RAG como serviço’, substituindo os armazenamentos de dados/documentos independentes como fonte de conhecimento para aplicações de negócios de GenAI.
- Priorizar as tecnologias RAG: Avalie e integre as tecnologias RAG, como pesquisa vetorial, gráficos e chunking, das soluções de gerenciamento de dados existentes ou de seus parceiros do ecossistema ao criar aplicações de GenAI. Essas opções são mais resistentes a interrupções tecnológicas e compatíveis com os dados organizacionais.
- Aproveite os metadados para proteção: As empresas devem aproveitar não apenas os metadados técnicos, mas também os metadados operacionais gerados em tempo de execução nas plataformas de gerenciamento de dados. Essa abordagem ajuda a proteger aplicações de GenAI contra o uso malicioso, problemas de privacidade e vazamentos de propriedade intelectual.
Os clientes do Gartner podem saber mais em "Predicts 2025: 4 Ways AI Will Disrupt Data Management Markets and Solutions". Saiba como garantir que os dados estejam prontos para uso nas iniciativas específicas de IA que planeja adotar no roteiro gratuito “Gartner AI-Ready Data Essentials Roadmap”.
Sobre o Gartner
O Gartner, Inc. fornece insights objetivos e acionáveis que impulsionam decisões mais inteligentes e um melhor desempenho para as prioridades de missão crítica das empresas. Para saber mais, visite www.gartner.com.
Notícia distribuída pela saladanoticia.com.br. A Plataforma e Veículo não são responsáveis pelo conteúdo publicado, estes são assumidos pelo Autor(a):
MARIANA MIRRHA SANTOS
[email protected]
.png){kind=logo}