“Ao repensar como os dados são armazenados e acessados, passando de sistemas de terceiros em silêncio para modelos de dados centrados no usuário, as organizações podem criar interações mais fluidas e responsivas na Web e móveis que se adaptam às preferências em tempo real”, diz Osmar Olivo, vice-presidente de gerenciamento de produtos da Inrup. “Para manter a precisão e o desempenho, as experiências orientadas pela IA devem ser treinadas com diversos dados do mundo real, ao mesmo tempo em que incorporam mecanismos de feedback do usuário que permitem que os indivíduos corrigissem, refinem e oriem insights gerados pela IA, fornecendo suas próprias preferências e metadados.
Manish Rai, vice -presidente de marketing de produtos da SnapLogic, prevê mais de 80% dos projetos generativos de IA falham devido à conectividade de dados, qualidade e problemas de confiança. “O sucesso depende de ferramentas que simplificam o desenvolvimento do agente, tornam os dados prontos e garantem confiabilidade por meio da observabilidade, avaliação da precisão e aplicação da política”.
Rosaria Silipo, vice-presidente de evangelismo da ciência de dados da Knime, observa que muitos aplicativos agênticos têm uma etapa humana no loop para verificar a correção. “Em outros casos, os agentes especiais de IA do Guardian se concentram no controle do resultado; se o resultado não for satisfatório, eles o enviarão de volta e pedem uma versão aprimorada”. Para mais tarefas relacionadas a dados, como análise de sentimentos, “a precisão de Genai é comparada à precisão de outros modelos clássicos de aprendizado de máquina”.
