Três considerações importantes para os líderes de EHS ao adotar ferramentas de IA
Transcrição
Olá a todos. Sou Phil Benson, vice-presidente de produtos da Blackline Safety. Obrigado por se juntarem a mim nesta sessão. Hoje vamos falar um pouco sobre como aplicar a IA ou, pelo menos, sobre as fases iniciais de como recomendamos que apliquem a IA aos seus dados e a projetos de saúde e segurança, como tema específico.
Portanto, existem três maneiras pelas quais realmente queremos abordar essa questão. E, com base no que aprendemos aqui na Blackline, passamos muitos anos trabalhando com dados e, provavelmente, nos últimos três anos, levamos muito a sério os projetos de ciência de dados, ML e IA. E o conselho que dou às pessoas sempre que elas estão começando isso, porque essa é realmente a nossa jornada, é: não se preocupem com IA ainda.
Não comece seu projeto pensando nisso. Você precisa pensar em três coisas. A primeira delas é considerar quais são os seus problemas. Você precisa ter clareza sobre quais são os problemas que está tentando resolver em seu negócio, e essa é, na verdade, a maneira mais importante de seguir em frente. Porque se você estiver apenas tentando aplicar a ferramenta a algum tópico, será muito difícil entender quais serão os resultados, será difícil entender como testar isso em cenários do mundo real. Portanto, você deve começar com seus problemas, porque eles têm objetivos claros.
O próximo passo é o que eu chamo de “conhecer seus dados”, ou seja, familiarizar-se com os dados que você já tem sob seu controle e que já compreende. E você realmente precisa fazer um inventário disso. Muitas pessoas ficam muito preocupadas e ansiosas nos estágios iniciais dos projetos porque sabem que não têm dados suficientes e que esses dados não são tão limpos quanto precisariam ser. Essas são preocupações muito reais e vão, de certa forma, determinar o resultado do tipo de projeto de dados que você tem, mas não deixe que isso o impeça de entender o que você tem e descobrir como aplicá-lo a esses projetos. Então, comece com: qual problema estou tentando resolver? Em seguida, pense realmente sobre quais dados você tem em mãos.
E, em terceiro lugar, é compreender a IA como um tema, compreender as ferramentas que estão à sua disposição. E isso pode ser, por exemplo, tão aprofundado quanto ajustar o seu próprio modelo, como usar um modelo básico e ajustá-lo para uma aplicação que você tem. Ou pode ser simplesmente usar um modelo de IA genérica para ajudá-lo a entender melhor suas análises, certo? Assim, você pode mergulhar rapidamente em suas próprias análises disponíveis usando linguagem natural e obter essas visualizações. E pode ser construir seu próprio modelo.
Pode ser a construção de um modelo de ML, por meio de técnicas mais tradicionais de ciência de dados, para fazer apenas algumas modelagens preditivas e entender os dados que você tem. E à medida que você aprende sobre isso como um tópico generalizado, à medida que compreende a diferença entre IA e ML e Gen AI e o que é um grande modelo de linguagem e o que ele pode fazer por você, à medida que você aprende sobre isso como um tópico, você vai pensar nas duas últimas partes, que são: quais dados eu tenho e qual problema estou tentando resolver?
E o que realmente descobrimos é que nossos melhores projetos são aqueles que realmente se unem em torno de como entendemos esse tema, o que temos disponível e quais problemas podemos resolver para nossos clientes. E acho que isso é muito verdadeiro para os clientes com quem trabalhamos quando eles têm seus próprios projetos de IA.
Muito obrigado por participarem desta primeira sessão. Teremos outras sessões em que aprofundaremos um pouco mais o assunto. Muito obrigado. Tenham um bom dia.