ai-first marketing
Ferramentas de IA como o ChatGPT – e outras 200 – oferecem possibilidades infinitas. Se soubermos como as utilizar.
O nosso framework obriga a uma compreensão holística do panorama da Inteligência Artificial. Em vez de tentar acompanhar todos os lançamentos do mercado, o foco deve estar na compreensão das tecnologias e modelos fundamentais que estão a ser desenvolvidos.
Estes modelos fundamentais servem de blocos de construção para várias empresas, que os aperfeiçoam ou os incorporam (ou vários deles) noutros sistemas para criar os seus produtos.
E o potencial para as empresas também é evidente. As ferramentas de Generative AI podem gerar rapidamente uma vasta gama de conteúdos eficazes e aperfeiçoá-los com base no feedback para melhor se adequarem ao seu objetivo. Isto terá impacto em numerosos sectores e empregos, porque a adaptação deve ser rápida, inteligente e bem estruturada.
Com uma equipa de 8 pessoas, e em parceria com a Universidade do Porto, desenvolvemos o primeiro quadro europeu que integrará Generative AI com equipas criativas e criará um resultado de conteúdo valioso para os nossos clientes, tendo em conta toda a privacidade de dados, ética e regulamentação envolvida.
Contexto de mercado
Analisando as questões de negócio de forma mais ampla, a investigação sugere que os modelos linguísticos de grande dimensão podem afetar uma parte significativa da força de trabalho dos EUA, tendo impacto em pelo menos 10% do trabalho de cerca de 80% dos trabalhadores e em mais de 50% das tarefas de 19% dos trabalhadores. Além disso, se o software e as ferramentas adequadas forem integrados nestes modelos, poderão acelerar entre 47% e 57% de todas as tarefas, mantendo os mesmos padrões de qualidade (estudo da OpenAI, OpenResearch e Universidade da Pensilvânia).
Um estudo recente da McKinsey identificou vários casos de utilização de Generative AI em diferentes funções empresariais, que poderiam gerar entre 2,6 biliões de dólares e 4,4 biliões de dólares em benefícios económicos anuais quando aplicados em todos os sectores. Isto representa um acréscimo de 15 a 40% ao valor económico anteriormente estimado proporcionado pela IA. Em particular, as operações de clientes, o marketing e as vendas, a engenharia de software e a investigação e desenvolvimento representam aproximadamente 75% do valor total anual dos casos de utilização de Generative AI.
RISCOS DE IGNORAR A PRIVACIDADE DOS DADOS E ÉTICA
1. Infracções e confidencialidade
2. AI Bias & Discriminação
3. Falta de confiança e transparência
4. Incumprimento ético e legal
5. Resultados e conteúdos falsos
A OPORTUNIDADE
Este modelo estruturado, que melhorará a eficácia e a coerência, bem como controlará os riscos da utilização da IA, mas também produzirá soluções mais orientadas para as empresas.
Este modelo centrar-se-á, por enquanto, no trabalho colaborativo da IA com as equipas criativas ao longo de todo o processo, desde a definição do conceito até às suas soluções criativas.
O nosso framework
O nosso framework
the Tech Mapping
> Benchmarking de ferramentas com base em resultados de negócio;
> Recolha de informações através de crowdsourcing, permitindo o agrupamento de ferramentas (por estudos de casos, características, etc.);
> Web scraping e agentes avançados de IA que pesquisam na Web novas ferramentas e que as testam.
The art of prompt
> Avaliação comparativa única de prompts com base em resultados de negócio;
> Avaliações éticas e da privacidade dos dados;
> Automatização dos testes de entrada com agentes de IA;
orchestrate
> Combinar agentes de IA e pessoas para atingir os objetivos do projeto de forma mais eficiente;
> Fornecer aos agentes de IA ferramentas que lhes permitam ligar-se a APIs, navegar na Web ou solicitar a participação do utilizador (plug-ins OpenAI, Langchain);
BUSINESS-ORIENTED AFTERMATH
> Modelos de atribuição próprios para mapear KPIs para ferramentas, avisos e orquestração;
RISK AVOIDANCE
> Regras específicas a fornecer aos modelos, garantindo a qualidade e a conformidade ética e a privacidade dos dados;
1. the Tech Mapping
> Benchmarking de ferramentas com base em resultados de negócio;
> Recolha de informações através de crowdsourcing, permitindo o agrupamento de ferramentas (por estudos de casos, características, etc.);
> Web scraping e agentes avançados de IA que pesquisam na Web novas ferramentas e que as testam.
The art of prompt
> Avaliação comparativa única de prompts com base em resultados de negócio;
> Avaliações éticas e da privacidade dos dados;
> Automatização dos testes de entrada com agentes de IA;
orchestrate
> Combinar agentes de IA e pessoas para atingir os objetivos do projeto de forma mais eficiente;
> Fornecer aos agentes de IA ferramentas que lhes permitam ligar-se a APIs, navegar na Web ou solicitar a participação do utilizador (plug-ins OpenAI, Langchain);
BUSINESS-ORIENTED AFTERMATH
> Modelos de atribuição próprios para mapear KPIs para ferramentas, avisos e orquestração;
RISK AVOIDANCE
> Regras específicas a fornecer aos modelos, garantindo a qualidade e a conformidade ética e a privacidade dos dados;
UMA SOLUÇÃO DE IA SEGURA E ÉTICA
Privacidade de dados abrangente.
Deteção e mitigação de Bias.
Transparência e explicabilidade.
Conformidade com a regulamentação.
Mais do que uma simples metodologia
Este quadro é em si mesmo uma inovação tecnológica – embora possa ter riscos envolvidos, como qualquer projeto de I&D, e possa por vezes falhar.
O nosso processo de trabalho consiste numa abordagem de hipóteses, testadas de forma sistemática e consistente, enquanto tentamos otimizar as interações para melhorar a taxa de sucesso. Mas, como qualquer projeto de I&D, é impossível garantir que os resultados finais sejam alcançados.
Estrutura de dados
A nossa empresa aplica estrategicamente os dados para otimizar o nosso processo de criação de conteúdos com base em IA. Após a publicação do conteúdo, utilizamos uma seleção de métricas de pontuação para avaliar a sua eficácia no mundo real, cada uma cuidadosamente alinhada com os objetivos específicos do conteúdo.
As métricas são analisadas semanalmente para obter informações sobre o desempenho do conteúdo. De seguida, trackeamos o conteúdo até aos seus componentes elementares, incluindo os prompts de origem e as ferramentas utilizadas. Este processo, semelhante ao tracking de uma sinfonia até à sua orquestra de origem, dá-nos uma compreensão profunda do processo que conduziu ao conteúdo final.
Embora não implementemos atualmente o fine tunning, estamos a explorar ativamente esta via para aumentar ainda mais os nossos modelos de IA. Especificamente, estamos a analisar ferramentas como o LoRA para fine tunning supervisionado, que oferece a vantagem de treinar muito menos parâmetros. Embora a implementação exija conhecimentos especializados e um tempo de desenvolvimento substancial, reconhecemos o seu potencial para melhorar a viabilidade das nossas operações, reduzindo simultaneamente os custos.
Casos de estudo
