IA — Exatamente o que é a IA?

Tão importante quanto a geração das informações pela IA é a entrega dos resultados apenas as pessoas autorizadas a receber esses resultados .

Antes de qualquer um acessar os dados gerados pela IA temos uma etapa de autenticação.

Hoje junto com um arquivo baixado da IA podemos enviar um token de autenticação que funciona em conjunto com a credencial do usuário e esse token é individual para aquele 'download' e 'usuário'. Sendo assim ao clicar nos dados baixados é feita uma autenticação pela ferramenta (como office, powerbi, etc.) e se bater o arquivo é aberto.
Por outro lado se o arquivo baixado e o token for enviado para outro usuário a ferramenta, ao abrir o documento, não conseguirá autenticar pois o usuário é outro e com isso não conseguirá abrir o arquivo.
O Token está amarrado ao arquivo e ao usuário de maneira como se fosse uma chave de criptografia assíncrona composta necessária para 'descriptografar' o arquivo. Logicamente que o arquivo sem o token seria o mesmo que tentar abrir um arquivo com formato desconhecido e seria necessário um computador quântico para decifrar o arquivo para o formato que ele seja reconhecido pelo sistema.

Essa autenticação pode ser feita integrada com os sistemas empresariais, como no Microsoft Fabric onde podemos sincronizar nosso Active Directory (AD) com a IA e permitir que apenas pessoas autorizadas acessem os resultados e a simples alteração no AD automaticamente atualiza o Microsoft Fabric. Basicamente é uma replicação da base de dados de usuário.
Fora isso a Microsoft fez toda a integração necessária entre o Microsoft Fabric, Microsoft PowerBI, Microsoft Office onde podemos gerar relatórios e dashboards perfeitamente integrados com os dados gerados pela IA.

A IA pode gerar os resultados mas o responsável pelos resultados sempre será o pessoal que implementou a solução.

O problema é que o erro pode causar grandes prejuízos para a empresa.
Imagine uma empresa que tenha uma grande movimentação de estoque e vendas. Um erro pode desequilibrar as compras e/ou as vendas e gerar prejuízos enormes.
Por isso é importante que a empresa tenha um profissional responsável pelos resultados da IA que periodicamente valide os resultados.
Outro detalhe importante é a 'verificação em 2 fatores'. Sendo assim podemos 'bater' a resposta da IA com outra fonte de informação para validar a resposta da IA.

O responsável pela implementação da IA é o profissional que irá desenvolver, testar e manter o sistema de inteligência artificial.
Seu foco sempre será produtividade.

Quando tudo é automático tudo anda bem, normalmente. E quando é necessário alimentar (enviar) os dados do processo de maneira manual sem ter que mudar o processo já instalado?
Podemos, por exemplo, mandar um Excel com as novas regras de comissionamento de vendas para a IA por um sharepoint, servidor FTP, etc.
Contudo quem garante que não tem regras conflitantes, repetidas ou um buraco onde a regra é faltante ?
Podemos fazer isso via IA mas nem sempre ela conseguirá detectar um problema que não está previsto no seu treinamento.

O ponto fraco da IA é o 'upload' de informações feitas pelos usuários das informações muitas vezes necessárias a adequação dos dados a uma nova realidade empresarial. E enquanto são os dados tudo bem, o pior é quando são as regras do processo.

Quando tudo é automático tudo anda bem, normalmente. E quando é necessário alimentar (enviar) os dados do processo de maneira manual sem ter que mudar o processo já instalado?
Podemos, por exemplo, mandar um Excel com as novas regras de comissionamento de vendas para a IA por um sharepoint, servidor FTP, etc.
Contudo quem garante que não tem regras conflitantes, repetidas ou um buraco onde a regra é faltante ?
Podemos fazer isso via IA mas nem sempre ela conseguirá detectar um problema que não está previsto no seu treinamento.

A instalação da IA na empresa pode gerar um ganho absurdo na produtividade, mas mal conduzida é um grande risco porque os custos são estratosféricos.

Primeiramente o custo da IA em si. Ela pode ser relativamente barata se for bem feita e extremamente cara se não for.
Note que uma IA bem feita leva mais tempo e tem um custo maior.

Citando um exemplo, suponha que tenha uma empresa com 7 milhões de notas fiscais nos 5 últimos anos fiscais. Se cada vez que um usuário clicar no powerbi para gerar um relatório, a IA tiver que analisar todas as 7 milhões de notas fiscais, o custo será enorme se não simplesmente demorar ao infinito para responder.
Neste caso a solução em camadas Bronze, Prata e Ouro (famosa estrutura Medalhão) é a solução ideal para reduzir o custo e aumentar a velocidade de resposta da IA.
Também temos o velho recurso de OLAP em servidores SQL para armazenar as métricas (dados relevantes a gerencia da empresa) fazendo com que, por exemplo, o faturamento do mês passado seja obtido numa consulta simples de um registro numa única tabela do SQL (totais por mes).

Como sempre o sucesso de um projeto depende do pessoal envolvido e da capacidade de realização deles.
A implantação dos serviços de IA irá requerer pessoal treinado que pode ser mais custoso para a empresa.
Além disso a pressa na implementação do serviço pode criar atritos com as equipes de desenvolvimento se não for bem dimensionada. Esses conflitos podem desgastar tanto o pessoal da equipe que a rotatividade torna o processo de implantação da IA mais lento e custoso.

Outra coisa absurda que a gente vê na contratação é que as empresas creem no profissional que diz conseguir implementar a solução. Isso é lógico porque se falar que não dá nem contrata.
Mas com o passar do tempo o profissional começa a se integrar com os quesitos dos dados e estes se tornam tão complexos que a solução inicial que ele pensou não se aplica a necessidade e ele recomeça tudo novamente. Uma grande perda na eficiência que faz muitas vezes estourar o prazo de implantação.

O maior segredo da IA é a sua implementação na empresa pois podemos implementar a IA na nuvem ou localmente.

Na nuvem , a empresa contrata o serviço de IA de uma grande companhia (como OpenAI, Microsoft, Google, etc.) e paga pelo uso. É a opção mais simples e rápida de ser implementada, mas pode ter custos recorrentes dependendo do volume de uso.

Localmente, a empresa instala e mantém a IA em seus próprios servidores.
Isso pode ser mais caro inicialmente, mas pode reduzir custos a longo prazo, oferece maior controle sobre os dados e a empresa não irá pagar por token ou ter seus processos restringidos por contratos de capacidade.