Por exemplo, a Salesforce anunciou recentemente Industries AI, um conjunto de recursos de IA personalizáveis pré-construídos que abordam desafios específicos do setor em 15 setores, incluindo automotivo, serviços financeiros, saúde, manufatura e varejo. Um modelo de saúde fornece verificação de benefícios e um modelo automotivo fornece resumos de telemetria de veículos.
Em relação aos agentes de IA, Abhi Maheshwari, CEO da Aisera, afirma: “Os agentes de IA elevam os LLMs ao se envolverem no raciocínio, no planejamento, na tomada de decisões e no uso de ferramentas, lidando com tarefas como transações de CRM e ERP de forma autônoma. Esses agentes simplificam as tarefas de dados normalmente realizadas por analistas de dados, incluindo limpeza, análise exploratória de dados, engenharia de recursos e previsão.”
Essas duas tendências ilustram uma mudança secundária no papel da ciência de dados – desde a disputa de dados e o desenvolvimento de modelos de aprendizado de máquina até o foco no aproveitamento de agentes de IA, na investigação de modelos de terceiros e na colaboração com cientistas de dados cidadãos na aplicação de IA, aprendizado de máquina e outros dados. capacidades científicas.
