1. Engenharia de prompts para IA

Para a IA generativa, na maioria dos casos, você vai preferir escolher um modelo de linguagem fechado que não utiliza as informações compartilhadas no seu aplicativo para treinar os modelos de linguagem de grande escala (LLMs) disponíveis para pessoas fora da sua organização e seus clientes. 

Além disso, você pode querer restringir o escopo das saídas do modelo de linguagem para evitar que usuários façam perguntas fora do contexto ou gerem conteúdo inadequado. 

É útil fornecer orientação com perguntas-padrão, comuns ou pré-configuradas, bem como ações embutidas, para que seja simples começar e fácil seguir para o próximo passo.

2. Arquitetura e conteinerização 

Sua organização provavelmente já tem uma arquitetura preferida em termos de escolha de provedor de nuvem, modelo híbrido ou instalação no local. 

Se sua organização está considerando uma mudança, por exemplo, para trabalhar com múltiplos provedores de nuvem, é interessante garantir que suas análises incorporadas e IA suportem tanto as escolhas de implantação atuais quanto futuras, sem exigir uma reformulação ou substituição significativa.

Ao trabalhar com um fornecedor de análises incorporadas baseadas em IA, é importante perguntar sobre o suporte atual e a previsão para conteinerização.

A conteinerização é cada vez mais popular para análises incorporadas baseadas em IA. Contêineres permitem que seus desenvolvedores de software implantem aplicativos em múltiplos ambientes sem reescrever o código. 

Contêineres incorporados são componentes leves que empacotam código e dependências para permitir que os aplicativos rodem nos sistemas host com baixo consumo de memória e energia.

Os benefícios da contêinerização para análises incorporadas e IA podem incluir maior produtividade dos desenvolvedores, redução de custos de teste, aumento da qualidade do produto, menor tempo de lançamento no mercado e menos problemas de garantia de qualidade (QA). 

3. Automação e eficiência operacional 

A automação afeta o tempo e o pessoal necessários para desenvolver, testar e lançar suas análises incorporadas baseadas em IA, além de facilitar a implantação, as atualizações e as operações diárias. 

Para adicionar análises incorporadas baseadas em IA ao seu aplicativo existente, você deve aproveitar sua pilha de tecnologia atual e planejada; os processos de desenvolvedor, segurança e operações (DevSecOps); e os pipelines de integração e desenvolvimento contínuos (CI/CD).

4. Conformidade e confiança

Certifique-se de que a solução de IA generativa ou as análises incorporadas baseadas em IA estejam em conformidade com as regulamentações de privacidade de dados relevantes, como o Regulamento Geral de Proteção de Dados (GDPR) e a Lei de IA na Europa, a Lei Geral de Proteção de Dados Pessoais (LGPD) do Brasil, a Lei de Privacidade do Consumidor da Califórnia (CCPA) nos Estados Unidos ou leis semelhantes em outras jurisdições. 

Isso inclui obter consentimento para coleta e processamento de dados, proteger informações de identificação pessoal (PII) dos usuários, implementar medidas adequadas de criptografia e segurança de dados e fornecer aos usuários controle sobre seus dados.

Dependendo do seu setor, pode haver também a necessidade de conformidade com regulamentações financeiras, como o Sarbanes-Oxley Act ou o Padrão de Segurança de Dados da Indústria de Cartões de Pagamento (PCI DSS) ou, para o setor de saúde dos EUA, a Lei de Portabilidade e Responsabilidade de Seguros de Saúde (HIPAA).

Uma das principais preocupações com a IA é a confiança. Alucinações de IA podem resultar em respostas incorretas ou incompletas. Além disso, a IA pode levantar questões de viés sistêmico. Essas são considerações importantes para escolher um fornecedor de análises baseadas em IA generativa e para educar seus usuários internos ou clientes sobre o que esperar.

5. Governança e gestão da qualidade dos dados

Esclareça as funções e responsabilidades para a governança de dados dentro da organização, incluindo gestores de dados, responsáveis pela custódia dos dados e comitês de governança de dados. 

Atribua responsabilidades para atividades de governança de dados, como gestão da qualidade de dados, gestão de metadados e supervisão da conformidade. Considere como você vai medir e garantir a qualidade dos dados.

Considere processos de gestão de metadados para catalogar e documentar os metadados associados aos conjuntos de dados das análises incorporadas, incluindo definições de dados, linhagem de dados e políticas de uso de dados. 

Sempre que possível, mantenha um repositório centralizado de metadados para facilitar a descoberta, compreensão e governança dos dados.

6. Explicabilidade e transparência

Planeje descrever os dados utilizados para treinar modelos e o raciocínio por trás dos insights gerados pela IA. Também pode ser útil explicar aos usuários o conceito de alucinação da IA generativa, para que entendam por que o modelo de IA pode, ocasionalmente, produzir uma resposta incorreta ou incompleta.

7. Ferramentas de monitoramento e gestão

É recomendável que suas análises incorporadas baseadas em IA ofereçam integrações com suas ferramentas de monitoramento de desenvolvedor, segurança e operações (DevSecOps) atuais ou planejadas, para medir a adoção do aplicativo com uma visão de gerenciamento 360 graus e insights em tempo real sobre padrões de uso, taxas de erro e os caminhos mais explorados e benéficos do seu produto.

8. Desempenho e escalabilidade

Uma das considerações mais importantes para o desempenho de análises incorporadas baseadas em IA é a velocidade de carregamento em um ambiente com muitos usuários simultâneos. Essa é uma das razões pelas quais você verá grande atenção dada aos recursos de memória, à otimização de consulta direta e à integração de dados pushdown.

Como usuários, esperamos que aplicativos e dispositivos de consumo forneçam conteúdo e serviços em menos de 1 segundo, idealmente em menos de 0,2 segundos (200 milissegundos), para uma experiência fluida. Isso popularizou o uso de cache de conteúdo solicitado com frequência, integração de dados em um único armazenamento de dados ou armazenamento em memória. 

Todas essas são formas de reduzir ou evitar o atraso de uma solicitação de API para buscar dados de um banco de dados externo enquanto o usuário espera, impaciente, olhando para a tela.

9. Segurança e acessibilidade

Como parte de uma estrutura robusta de DevSecOps, deve-se buscar a entrega de segurança em escala com camadas de governança em cada etapa do desenvolvimento e da implantação. 

Isso começa com a autenticação multifatorial e integração de login único (SSO) e se estende até filtros de segurança baseados em função para controlar o acesso e proteger a integração de dados. 

Evite atalhos, como a codificação fixa de nomes de usuário e senhas. As opções de autenticação padrão incluem Active Directory, OAuth 2.0 ou Lightweight Directory Access Protocol (LDAP).

10. Usabilidade

Steve Krug oferece dicas valiosas sobre usabilidade em seu livro, Don’t Make Me Think. O objetivo é que as análises incorporadas contem uma história orientada por dados que pareça natural em seu aplicativo, de forma que o usuário não precise interromper seu fluxo mental para tentar descobrir onde clicar ou qual pergunta fazer em uma caixa de chat.

Introdução às análises incorporadas baseadas em IA da MicroStrategy

Centenas de empresas globais e agências do setor público confiam na MicroStrategy como parceira de análises incorporadas baseadas em IA para oferecer experiências analíticas personalizadas, com uma camada segura de metadados confiáveis e opções para adicionar descoberta em linguagem natural, análises preditivas e análise geoespacial. 

Enquanto outros fornecedores de BI e IA passaram por aquisições, fusões, vendas ou alienações, a MicroStrategy é o maior provedor independente do mundo de análises pervasivas baseadas em IA em escala.

Diferentemente da geração anterior de análises incorporadas, a MicroStrategy permite que você integre controles e ações que parecem fazer parte dos seus aplicativos e sistemas. A MicroStrategy oferece várias opções de modelos de preços, incluindo white label e compartilhamento de receita.

Saiba mais sobre como tornar cada aplicativo inteligente com as análises incorporadas baseadas no MicroStrategy AI em: https://www.microstrategy.com/research-and-reports/guide-to-making-every-app-intelligent-with-embedded-analytics.