Revista IA - Edição 23 by Guia Information Management

Revista dos Profissionais de BPM, RPA, Artificial Intelligence e Digital Process Automation

SLMS GANHAM FORÇA

Os pequenos modelos de linguagem despontam como alternativas às empresas devido ao menor custo, maior assertividade e menos risco de alucinação. PÁG. 5

Automação de Processos Clínicos: Acelerando a Tomada de Decisão e Reduzindo Erros Pág. 17

Automação de processos para mais produtividade e menos custos Pág. 33

SLMs ganham força

PÁGINA 5

Automação de Processos Clínicos: Acelerando a Tomada de Decisão e Reduzindo Erros

PÁGINA 17

Automação de processos para mais produtividade e menos custos

PÁGINA 33

CEZAR TAURION

CEO da Redcore

EDITORIAL

Nessa edição, abordamos Modelos de Linguagem Simples (SLMSimple Language Models). Estamos costumados ao uso dos LLM (Large Language Models), em aplicações, como o chatGPT. Mas esses grandes modelos de linguagem, muito úteis pela sua capacidade de entender e processar contextos complexos, longos e ricos em nuances, fornecendo respostas mais detalhadas e precisas, pois foram treinados em grandes volumes de dados e têm muitos parâmetros para processar informações detalhadas, nem sempre serão a solução para casos mais específicos.

Para determinadas soluções, o custo elevado do treinamento e a execução de LLMs, que exigem grande poder computacional e consequentemente altos custos, lentidão para responder, especialmente em dispositivos ou infraestruturas com recursos limitados, o torna pouco viável para aplicações em tempo real.

Os SLM podem ser uma alternativa, pois são menores e mais rápidos, exigindo menos poder computacional para treinar e rodar. Além disso, em muitas tarefas simples ou específicas, especialmente quando os dados de entrada são relativamente pequenos e o contexto não é complexo, os SLM tendem a apresentar resultados melhores que os LLM. E, finalmente, como são mais simples, é mais fácil ajustar e controlar o comportamento do modelo, evitando saídas inesperadas ou menos desejáveis. Por serem mais baratos para treinar, os SLMs também são mais baratos para manter. Os custos de hospedagem e atualização são significativamente menores, tornando-os mais acessíveis para pequenas e médias empresas.

Os SLM também apresentam maior agilidade no Desenvolvimento, pois com um ciclo de desenvolvimento mais curto, podem ser treinados e adaptados rapidamente para novas

funcionalidades ou mudanças de negócio, enquanto os LLMs demandam mais tempo para serem ajustados ou retreinados. Para startups ou projetos em estágio inicial, SLMs são uma escolha melhor para prototipagem rápida de soluções, já que seu treinamento e ajuste podem ser feitos com menos complexidade.

Mas, claro que nem tudo são flores. Os SLMs têm capacidade limitada para entender contextos complexos e fornecer respostas ricas ou sutis, o que limita sua aplicabilidade em tarefas mais avançadas. Em tarefas que exigem compreensão de textos extensos ou manutenção de contexto ao longo de uma conversa longa, os SLMs podem se perder e fornecer respostas incoerentes. E, com menos parâmetros, os SLMs podem apresentar limitações em fornecer respostas detalhadas, ricas ou altamente contextuais.

SLMs ganham força

Os pequenos modelos de linguagem despontam como alternativas às empresas devido ao menor custo, maior assertividade e menos risco de alucinação

Por Roberta Prescott

Os pequenos modelos de linguagem (SLMs) estão ganhando a atenção das empresas em suas estratégias de adotarem inteligência artificial generativa. Isso porque, os SLMs são treinados em uma quantidade menor de parâmetros, na comparação com os grandes modelos de linguagem, mas oferecem muitas das mesmas capacidades dos LLMs. Sendo mais específicos, eles têm menor probabilidade de alucinação e são mais econômicos, já que, normalmente, usam menos recursos computacionais.

No mercado corporativo, os pequenos modelos de linguagem estão sendo pensados para aplicações que podem ser executadas localmente em um dispositivo (em oposição à nuvem) e onde uma tarefa não requer raciocínio extenso ou nos quais é necessária uma resposta rápida.

“Os LLM têm centenas de bilhões de parâmetros usados para gerar contexto. Quando a gente pensa em SLM, o grande intuito é inserir conhecimento direcionado.

Por exemplo, para um escritório de advocacia não é importante que a inteligência artificial generativa saiba conceitos médicos ou conheça os personagens de desenhos infantis”, explica Bruno Garcia, gerente de vendas, dados e IA da IBM Brasil.

“O grande ponto é que SLM tenha o poder de geração linguística textual que o LLM tem, conseguindo escrever de forma bem-feita, generativa e personalizada, só que grande intuito do SLM é responder as coisas que fazem sentido para você, para o seu negócio e empresa”, completa Garcia.

Tendo em vista que o SLM vai ser treinado em alguns bilhões ou milhões de parâmetros, ele será direcionado a um tema, aportando vantagens como desempenho, custo e confiança. Ainda que a inteligência artificial generativa tenha se popularizado graças a LLMs, seus custos e governança estão se tornando problemas. “As empresas começaram a perceber que não precisavam de toda aquela tecnologia, mas queriam algo que conseguissem treinar em um nível mais controlável e mais seguro, o que se convergiu em SLM”, diz Fernando Baldin, CEO da AutomationEdge.

A exploração comercial dos pequenos modelos de linguagem tem se dado com empresas criando SLMs específicos a determinados segmentos, ainda que com informações generalizadas, como um modelo focado em informações médicas ou ambientais. Uma comparação pode ser com os sistemas de gestão (ERP): existem os software genéricos e os específicos para setores como varejo, restaurantes, clínicas médicas etc., que atendem a requisitos de negócios dos segmentos. Outro nicho de mercado é o fornecimento de motores para que as companhias usuárias criem seus próprios SLMs usando como fonte de informações seus documentos internos.

“Eu acho que o mercado vai para caminho de ter LMs específicos para os setores, como varejo, saúde, jurídico educação ..., e vai chegar a um equilíbrio quando os genéricos terão seus mercados”, diz Francisco Chang, vice-presidente da Kore.ai. Um exemplo é o MedLM, uma família de modelos que passou por ajustes finos (fine-tune) para atender ao setor de saúde.

À época do anúncio do lançamento do Phi3-mini, que trabalha com 3,8 bilhões de parâmetros, Sonali Yadav, gerente de produto principal para IA Generativa na Microsoft, afirmou que “o que vamos começar a ver não é uma mudança de grande para pequeno, mas uma mudança de uma categoria única de modelos para um portfólio de modelos onde os clientes têm a capacidade de tomar uma decisão sobre a qual é o melhor modelo para o seu cenário”.

“O LLM chegou e quem é do ramo percebeu o potencial dele, mas também têm os custos, o tempo, as alucinações... têm seus problemas. Foi aí que surgiram algumas alternativas para corrigir as falhas e o SLM é uma proposta para isso, mas SLM também

Bruno Garcia, Gerente de vendas, dados e IA da IBM Brasil

não é remédio que resolve todas as dores”, analisa Francisco Chang, da Kore.ai. Para ele, o que deve imperar é uma combinação de SLM e LLM. “Vejo que assim deve ser o modelo com mais futuro, devido a três fatores: tempo (quanto tempo para levar LLM), custo e alucinação”, detalha Chang.

Coexistência

Seja qual for o tipo de SLM, os especialistas entrevistados para esta matéria disseram acreditar que LLM e SLM vão trabalhar juntos, com os dois modelos se completando. Ou seja, alguns clientes podem precisar apenas de pequenos modelos, outros precisarão de modelos grandes e muitos vão querer combinar ambos de várias maneiras. A escolha vai depender das necessidades específicas de uma organização, da complexidade da tarefa e dos recursos disponíveis.

Para tudo isso funcionar, as companhias precisarão de ferramentas de orquestração ou mecanismos como o framework de desenvolvimento LangChain, um arcabouço que faz o encadeamento de diversas inteligências artificiais, serão essenciais para a convivência de diferentes IAs.

A Kore.ai anunciou, em julho, a plataforma chamada Gale, que, segundo a companhia, simplifica a criação de aplicativos de IA generativos versáteis usando uma interface simples, sem código, no formato de arrastar e soltar. Com isso, permite que as empresas criem agentes de IA que podem executar tarefas em nome de seus usuários e ser implantados e dimensionados rapidamente.

A IBM, por exemplo, se juntou à Meta e a outras empresas em uma aliança em prol de projetos de códigos abertos. A chamada AI Alliance foca no desenvolvimento responsável da tecnologia de IA, incluindo ferramentas de segurança e proteção. Um dos projetos é o InstructLab que tem como objetivo aprimorar os modelos de linguagem de larga escala (LLMs).

“A grande ideia é pegar um modelo de geração de texto e uso o InstructLab para inserir conhecimentos específicos. Por exemplo, pegar na empresa todos os PDFs referente a algo, insiro tudo nele, que é responsável por retreinar”, explica o gerente da IBM. “A IBM se posiciona como uma companhia que quer fazer IA para negócios; o grande intuito é sentar com a empresa e montar o SLM”, completa.

A IBM aponta na direção de unir LLMs, SLMs e várias nuvens como sendo o futuro da inteligência artificial generativa, usando grandes modelos para respostas mais genéricas e pequenos para respostas mais direcionadas e com menos chance de alucinação, uma vez que existe controle sobre o conhecimento que injetado no modelo, assegurando melhor governança.

Quanto mais específico e mais conhecimento de negócio que a empresa pretende ter na IA, a tendência é que a c

Francisco Chang, vice-presidente da Kore.ai.

Entregando valor transformacional

A tecnologia está impulsionando um mundo de inovação e mudanças, e as organizações precisam mantenha o ritmo. Com automação inteligente, SS&C Blue Prism capacita organizações para liberar seu potencial, atingir seus objetivos e entregar valor transformacional.

• Uniﬁque sua força de trabalho

• Transforme experiências

• Dimensionar em toda a empresa

Ajudamos as organizações a uniﬁcar seus força de trabalho, trazendo de forma integrada e recursos digitais juntos para o melhor resultados estratégicos. Fluxos de trabalho otimizadosconectar e elevar toda a empresa para transforme seu funcionário e cliente experiências. Escalável e seguro, automação inteligente é a solução para maximizando o valor do seu negócio.

Saiba como o poder da inteligência a automação pode transformar o seu negócio.

Visite blueprism.com

Fernando Baldin, CEO da AutomationEdge

companhia queira ter maior controle da IA e de seus dados e não usar um modelo 100% aberto e na nuvem de terceiros. No fim, a governança dos dados, a segurança das informações, a menor alucinação e a redução de custos pesam a favor da opção por SLMs.

Além disso, conforme pontua Fernando Baldin, da AutomationEdge, as corporações

optam por SLMs para buscar diferenciação. “Se você usar uma inteligência artificial generativa que todos têm acesso, você não tem diferencial, mas, se usa SLM ou se cria um algoritmo de previsibilidade de risco e os coloca na operação, eles passam a ser um ativo estratégico da companhia”, assinala.

No entanto, o estágio atual de adoção ainda é inicial. “Pouco vejo as empresas atuando com modelos SLM”, diz Baldin. Ele conta que os projetos de inteligência artificial generativa têm ido mais na linha de usar APIs prontas e recursos que existam dentro do provedor de IA generativa em vez de o cliente montar ou alimentar modelos.

A adoção de inteligência artificial generativa também ainda está mais difundida para atendimento ao público. “Outro uso muito legal é no processamento de linguagem natural; nisso, LLM é uma revolução e SLM seria para uso mais focado em ter mais assertividade e menor custo”, finaliza o CEO da AutomationEdge.

MATÉRIA DA CAPA

Vitor Ferreira

Automação de Processos Clínicos: Acelerando a Tomada de Decisão e Reduzindo Erros

Imagine um mundo onde as decisões clínicas são tomadas em segundos, não minutos, onde o erro humano é uma raridade e não uma ameaça constante. Este não é

um cenário futurista, mas uma realidade emergente graças à automação dos processos clínicos. Em um ambiente hospitalar, onde cada segundo pode salvar vidas, a eficiência

CIO Hospital Infantil Sabará | Presidente ABCIS - Associação Brasileira CIO Saúde

e a precisão são cruciais. Mas como podemos garantir que as decisões sejam rápidas e precisas? A resposta está na automação.

Neste capítulo, vamos explorar como a automação está revolucionando os processos clínicos, acelerando a tomada de decisão e reduzindo os erros, que são, muitas vezes, a diferença entre a vida e a morte. Como essa tecnologia pode ser implementada de forma eficaz em hospitais? Quais são os desafios e benefícios? Vamos mergulhar nessas questões e descobrir como a automação pode transformar a saúde.

A automação está se tornando rapidamente uma das ferramentas mais poderosas na melhoria da eficiência e precisão dos processos clínicos. Em um setor onde a complexidade e o risco são altos, a automação oferece a oportunidade de acelerar a tomada de decisão, reduzir a carga de trabalho dos profissionais de saúde e minimizar erros que podem ter consequências graves.

1. O Que é Automação

de Processos Clínicos?

Antes de abordarmos os benefícios e desafios, é importante entender o que realmente significa automação de processos clínicos. A automação refere-se ao uso de tecnologias, como inteligência artificial (IA), machine learning (ML) e sistemas de decisão suportada por computador (CDS), para executar tarefas clínicas de forma automatizada, sem a necessidade de intervenção humana constante.

a) Exemplos de Processos Clínicos Automatizados

Diagnóstico Automatizado: Sistemas que utilizam IA para analisar resultados de exames, como radiografias

e ressonâncias magnéticas, oferecendo diagnósticos preliminares que os médicos podem revisar e confirmar.

Prescrição Automatizada de Medicamentos: Softwares que recomendam doses e medicamentos com base em algoritmos que levam em consideração o histórico clínico do paciente, alergias, e outras condições pré-existentes.

Documentação Eletrônica: Ferramentas que automaticamente registram dados dos pacientes, atualizam prontuários eletrônicos e garantem que todas as informações sejam precisas e atualizadas.

2. Benefícios

da Automação na Tomada de Decisões

A automação não só acelera o processo de tomada de decisão, como também melhora a precisão dessas decisões. Em ambientes de alta pressão, onde os médicos precisam tomar decisões rápidas, a automação pode ser a diferença entre um tratamento bemsucedido e um erro grave.

a) Redução de Erros Humanos

Um dos maiores benefícios da automação é a redução de erros humanos. No setor de saúde, onde um pequeno erro pode ter consequências graves, a automação ajuda a minimizar esses riscos ao garantir que as tarefas repetitivas e propensas a erros sejam realizadas por sistemas automatizados.

b) Aumento da Eficiência Operacional

A automação também permite que os processos clínicos sejam realizados de forma mais rápida e eficiente. Isso não só libera os profissionais de saúde para se concentrarem em tarefas mais complexas, mas também

Mais produtividade com zero digitação

Redução de custos operacionais

Maior confiabilidade no pagamento

Robôs personalizados para o seu ERP

garante que os pacientes recebam tratamento mais rapidamente, o que pode ser crucial em situações de emergência.

c) Melhoria na Precisão das Decisões Clínicas

Com a automação, os sistemas podem zanalisar grandes volumes de dados em segundos, oferecendo recomendações baseadas em evidências que ajudam os médicos a tomar decisões mais informadas. Isso é particularmente útil em situações onde o tempo é essencial e os médicos precisam acessar rapidamente todas as informações relevantes para fazer a melhor escolha possível.

3. Desafios e Considerações na Implementação da Automação

Embora a automação ofereça muitos benefícios, sua implementação não é isenta de desafios. Para que a automação seja bem-sucedida, é necessário enfrentar uma série de obstáculos que podem incluir desde resistência cultural até questões técnicas e éticas.

a) Resistência à Mudança

Como em qualquer processo de transformação digital, a resistência à mudança é um dos maiores desafios. Muitos

profissionais de saúde podem se sentir desconfortáveis com a ideia de confiar em sistemas automatizados para tomar decisões críticas.

Para superar essa barreira, é essencial que os hospitais invistam em programas de treinamento e educação que demonstrem como a automação pode melhorar a prática clínica e não substituí-la. Envolver os profissionais de saúde no processo de implementação também pode ajudar a reduzir a resistência e aumentar a aceitação.

b) Questões Técnicas e de Integração

A implementação da automação requer uma infraestrutura tecnológica robusta e integrada. Os sistemas automatizados devem ser capazes de se comunicar com os sistemas existentes, como os prontuários eletrônicos e plataformas de gestão hospitalar, para

garantir que as informações fluam de maneira eficiente e segura.

Além disso, é necessário garantir que esses sistemas sejam resilientes e possam operar de forma confiável mesmo em situações de alta demanda ou falhas técnicas. Isso pode exigir investimentos significativos em tecnologia e suporte técnico.

c) Considerações Éticas

A automação na saúde também levanta questões éticas, particularmente em relação à tomada de decisão automatizada. Por exemplo, até que ponto os médicos devem confiar nas recomendações de sistemas automatizados? E como garantir que essas decisões sejam transparentes e justas?

Essas são questões que precisam ser cuidadosamente consideradas e abordadas à medida que a automação se torna mais prevalente nos processos clínicos. Políticas claras e diretrizes éticas devem ser estabelecidas para garantir que a automação seja utilizada de forma responsável e em benefício dos pacientes.

4. O Futuro da Automação nos Processos Clínicos

O futuro da automação na saúde é promissor, com avanços contínuos que prometem transformar ainda mais a maneira como os processos clínicos são gerenciados. Desde a integração de IA mais avançada até o uso de robótica para procedimentos médicos, as possibilidades são vastas e emocionantes.

a) Integração com Inteligência Artificial Avançada

A IA está na vanguarda da automação dos processos clínicos. No futuro, esperase que a IA se torne ainda mais sofisticada, capaz de realizar diagnósticos mais precisos, prever complicações com antecedência e até mesmo personalizar tratamentos com base no perfil genético do paciente.

Essas inovações têm o potencial de melhorar significativamente a precisão e a eficácia dos cuidados de saúde, reduzindo ainda mais os erros e acelerando o tempo de resposta em situações críticas.

b) Automação Robótica em Procedimentos Médicos

A automação não se limita ao suporte de decisão; ela também está começando a desempenhar um papel mais direto nos procedimentos médicos. Robôs cirúrgicos, por exemplo, já estão sendo usados para realizar procedimentos com uma precisão

que supera a capacidade humana em alguns casos.

À medida que essa tecnologia avança, podemos esperar que os robôs assumam um papel maior em uma variedade de procedimentos médicos, desde cirurgias até a administração de medicamentos, sempre sob a supervisão de profissionais de saúde.

c) Personalização e Automação do Cuidado ao Paciente

O futuro da automação também inclui a personalização dos cuidados ao paciente. Sistemas automatizados serão capazes de adaptar o tratamento a cada paciente individualmente, levando em conta suas necessidades específicas, histórico médico e preferências pessoais.

Isso não só melhorará a qualidade do atendimento, mas também tornará os cuidados de saúde mais eficientes e acessíveis, permitindo que mais pacientes recebam o tratamento certo no momento certo.

ARTIGO

Marcelo Araújo

Diretor comercial da eBox Digital

Automação de processos para mais produtividade e menos custos

Nos últimos anos, a palavra automação ganhou destaque quando o assunto é melhoria de processos e otimização de tempo. Não há mais como evitar:

procedimentos repetitivos precisam ser automatizados, porque já existe uma consciência de que a automação de processos interfere de maneira direta nos resultados

da empresa. Basta pensar que ferramentas e sistemas mais modernos trazem bons relatórios, logo, uma empresa que conte com um EPR bem estruturado e que consiga fazer a interligação de setores e atividades com dados de qualidade sairá na frente em detrimento de outras menos preparadas tecnologicamente.

Neste contexto, o uso da tecnologia de RPA (Automação Robótica de Processos, do inglês Robotic Process Automation) vem se expandindo e se tornando cada vez mais comum dentro das organizações. Trata-se de uma inovação que utiliza robôs de software para automatizar tarefas repetitivas e

manuais, frequentemente realizadas por seres humanos em sistemas empresariais. Estes “robôs” são capazes de simular ações humanas, como clicar, digitar e ler telas, e são comumente usados para otimizar processos de negócios, reduzir erros e aumentar a eficiência.

Um relatório da consultoria Acumen prevê que a receita global com RPA atingirá o valor de US$ 4,1 bilhões em 2026. O crescimento do setor está atrelado à crescente procura por soluções de automação, a integração com as tecnologias de Inteligência Artificial (AI) e o mercado das PMEs. Nota-se então,

ARTIGO

que com o desenvolvimento da tecnologia, o uso de robôs e a integração do IA com RPA será cada vez mais popular, representando uma excelente opção aos negócios.

Os números não mentem. A Automatização de Processos Robóticos (RPA) é uma das tecnologias mais disruptivas e transformadoras no mundo dos negócios. Ao integrar a automação de tarefas repetitivas e baseadas em regras da IA, ela está revolucionando a maneira como as empresas operam, aumentando a eficiência, reduzindo custos e impulsionando a inovação.

São robôs programados para executar uma variedade de atividades, como coletar dados, preencher formulários, processar transações e muito mais, de forma rápida, precisa e sem a necessidade de intervenção humana constante. Eles podem ler dados de aplicativos, manipular informações, iniciar ações e se comunicar com outros sistemastudo de acordo com as regras e instruções definidas pelos desenvolvedores.

Além disso, o RPA é uma tecnologia poderosa para a integração de sistemas. Se uma organização utiliza um determinado ERP,

por exemplo, pode ser feita a integração utilizando um RPA que automatize tarefas executadas com base em informações de dentro desse ERP, como o preenchimento de cadastros e formulários. Ou, além disso, sistemas que não possuem capacidade de se integrarem, e que a migração de dados só pode ser de maneira manual, podem ter seus problemas resolvidos através de RPA.

Para que isso seja possível, é preciso realizar um projeto em três etapas macros: assessment, planejamento e desenvolvimento.

Na etapa de assessment, há o estudo e entendimento do processo no qual a automação de tarefa será realizada para compreender as tecnologias envolvidas; no planejamento, tem o intuito de avaliar todas as informações coletadas na etapa de

assessment. Dessa forma, pode ser realizada a definição da melhor solução de integração da Automação Robótica de Processos e os seus critérios de aceitação e mediação de performance. Por fim, a última etapa da integração é o desenvolvimento, pois nele será realizado todo o esforço e atividades definidas na fase de planejamento.

Quando se faz a integração de RPA com os sistemas da empresa, as vantagens se tornam ainda mais evidentes.

Sem dúvidas, a Automação Robótica de Processos é fator importante como aceleradora para a obtenção de benefícios da transformação digital. As empresas que investirem nesta tecnologia, estão muitos passos à frente rumo ao futuro.

Marcelo Fonseca Santos

Inteligência Artificial e sua Governança nos Negócios

Como venho escrevendo, ao meu ver a Inteligência Artificial (IA) é uma das mais importantes e revolucionárias criações do ser humano.

É uma área da ciência da computação que possui muitas aplicações e interfaces, sendo o Direito uma delas. E o Direito é a ciência que busca regular as questões sociais de forma aplicada, e não seria diferente com a Inteligência Artificial, dado que suas diversas aplicações e aplicabilidade, a

interoperabilidade dos dados (corporativos e pessoais) inseridos nos sistemas, a criação de dados sintéticos influenciam e agem na vida cotidiana. Máquinas aprendem a cada segundo, e proferem decisões automatizadas que interferem no trabalho, na educação, no consumo, e somos todos nós destinatários de várias dessas decisões.

A ciência visa criar sistemas capazes de realizar tarefas que normalmente exigem inteligência humana, como reconhecimento

de padrões, aprendizado, raciocínio, tomada de decisão e interação natural.

Nossas decisões humanas, conscientes, inconscientes, rápida e devagar, são psicometrizadas – ou seja – perfiladas (profiling) por algoritmos que recebem dados que informamos por meio de coleta de cadastros (por isso a importância da LGPD) ou informados sem que saibamos (coleta por meio de transmissão de dados pessoais transmitidos por nossos aparelhos de forma silenciosa e espontânea). A IA tem avançado rapidamente nos últimos anos, graças ao aumento da disponibilidade de dados (novamente, pessoais e corporativos), poder computacional e algoritmos sofisticados que analisam preditivamente, constatam padrões, aprendem muito sobre nós e nosso mercado, vida, família.

A IA tem potencial para transformar diversos setores e atividades econômicas, trazendo benefícios sociais e ambientais, mas também desafios éticos e regulatórios.

Por isso resolvi escrever esse mês sobre a Governança da IA, que é o conjunto de princípios, normas, regras, políticas e mecanismos que orientam o desenvolvimento, a implementação e o uso da IA de forma responsável, ética e sustentável.

O objetivo da Governança da I.A. é

A governança da IA visa garantir que a IA respeite os valores humanos e os direitos fundamentais, promova a inclusão e a diversidade, seja transparente e explicável, garanta a segurança e a confiabilidade, e contribua para o bem comum e o desenvolvimento sustentável, com efeito, tornando-a mais confiável e robusta (como diz meu amigo, eticista de IA e professor André Gualtiere).

A governança da IA também busca prevenir ou mitigar os riscos e os impactos negativos da IA, como a discriminação, a invasão de privacidade, a perda de empregos, a manipulação, a polarização, a desinformação, a autonomia das armas e a superinteligência, sendo assim de absoluta importância que as empresas, negócios, profissionais, instituições privadas (o mercado) e instituições públicas (Administração Pública Direta e Indireta) dê o devido valor, importância para implementação do Compliance Digital, e obviamente da Governança da Inteligência Artificial, por meiod e treinamentos, políticas, letramento, utilização desses sistemas computacionais.

A governança da IA nos negócios é a aplicação da Governança da IA no contexto das organizações que desenvolvem, implementam ou usam a IA para gestão, fins comerciais ou industriais.

A Governança da IA nos negócios envolve tanto aspectos internos quanto externos. Os aspectos internos dizem respeito à forma como as organizações gerenciam seus processos, recursos, estratégias, objetivos, valores, cultura e ética relacionados à IA. Os aspectos externos dizem respeito à forma como as organizações se relacionam com seus clientes, fornecedores, parceiros, concorrentes, reguladores, sociedade civil e outras partes interessadas em relação à IA. A governança da IA nos negócios requer uma abordagem multidisciplinar, multissetorial e multilateral, que leve em conta as dimensões técnicas, jurídicas, sociais, econômicas e ambientais da IA.

A Governança da IA é importante por vários motivos. Em primeiro lugar, a governança da IA nos negócios pode ajudar as organizações a maximizar as oportunidades e os benefícios da IA

aumentando sua competitividade, reputação, desenvolvimento, inovação, produtividade, qualidade, eficiência, lucratividade e responsabilidade social.

Em segundo lugar, a Governança da IA pode ajudar as organizações a minimizar os riscos e os impactos negativos da IA, evitando ou reduzindo custos, perdas, danos, litígios administrativos e judiciais, sanções e pagamento de indenizações, reputação, vieses, discriminações, e dessa forma aumentando confiança institucional no uso da IA.

Em terceiro lugar, a Governança da IA nos negócios pode ajudar as organizações a cumprir suas obrigações legais, éticas e morais, respeitando as leis, os regulamentos, os códigos de conduta, as normas técnicas, as diretrizes e as boas práticas existentes ou emergentes sobre a IA.

A Governança da IA nos negócios pode ajudar as organizações a contribuírem

para o desenvolvimento sustentável e o bem comum, alinhando seus objetivos e ações com os valores e as necessidades da sociedade e do meio ambiente.

A Governança da IA é um tema complexo e dinâmico, que envolve diversos atores, interesses, desafios e oportunidades. Exige uma visão estratégica, holística, adaptativa e participativa, que considere as implicações a curto, médio e longo prazo da jornada IA em uma determinada instituição ou profissão. Isto também requer uma cooperação e uma coordenação entre os diferentes níveis de Governança, desde local até mesmo global, passando pelo nacional, regional e internacional. É, desse modo, um processo contínuo e evolutivo, que demanda um monitoramento, uma avaliação, uma revisão e uma atualização constantes, à luz das novas evidências, experiências, aprendizados e desafios que a IA apresenta, e por seu contínuo desenvolvimento e aprendizado.

i e n c e s

Imagine ter uma nova geração de parceiros de consultoria e prestação de serviços de tecnologia que combinaram décadas de experiência em projetos de automação inteligente transformacional com uma abordagem centrada no ser humano Isso permite que você melhore exponencialmente o seu negócio enquanto desbloqueia todo o potencial do seu pessoal Conheça-nos agora! www.cognitionhq.com

Consultoria em tecnologia com inteligência, entrega com precisão.

MELHORAMOS RESULTADOS NESSES ÂMBITOS:

PORQUE ENTENDEMOS QUE VOCÊ PRECISA FAZER MAIS, COM MENOS:

O CEO está gerenciando as partes interessadas que querem ver mais receita e mais lucro

O CTO está gerenciando anos de aquisição de tecnologia, desafios de interoperabilidade e orçamentos estáticos ou até mesmo decadentes

BASTA PERGUNTAR A ALGUNS DE NOSSOS PARCEIROS:

A equipe de RH está enfrentando preocupações crescentes sobre a saída de talentos, recrutamento, retenção e upskilling

“A Cognition identificou oportunidades para aumentar a produtividade em 21% e já proporcionou mais de £ 500 mil de economia de eficiência no primeiro ano "

- Humaira Qureshi, Presidente, Qinecsa

"Uma das grandes coisas de trabalhar com a Cognition é que eles se tornam parte da sua equipe Como resultado, eles realmente consideram o impacto cultural que a mudança tecnológica trará e consideram a melhor forma de gerenciar isso "

- Ed Taylor, Taylor Vinters

A orientação que a Cognition nos traz tem sido fundamental para aumentar o engajamento e a produtividade dos funcionários de uma maneira orientada por dados que os analistas de negócios nunca seriam capazes de fazer, e é mais rápida, precisa e muito mais econômica!"

- Nick Morgan, Global Head of Technology Williams Lea

NÓS MOLDAMOS EXPERIÊNCIAS

Reinventando a forma como você interage e se inspira na automação inteligente

MUDAMOS FRONTEIRAS

Redefinir o que é possível para sua empresa, seu pessoal e seus clientes

O COO vê processos ineficazes em toda a empresa, mas está lutando para passar da prova de conceito à prova de valor e/ou dimensionar projetos existentes