As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Estratégia de dados
Uma estratégia de dados bem definida é essencial para a adoção bem-sucedida da IA generativa. Esta seção examina como a estratégia de dados desempenha um papel fundamental em cada estágio da jornada generativa de adoção da IA. Ele também descreve as principais considerações em várias dimensões da implementação. Para obter mais informações sobre os estágios da jornada da IA generativa, consulte Modelo de maturidade para a adoção da IA generativa AWS em AWS Orientação Prescritiva.
A jornada generativa de adoção da IA é uma progressão estruturada por meio de quatro estágios principais:
-
Envision — As organizações exploram conceitos generativos de IA, criam conscientização e identificam possíveis casos de uso.
-
Experiência — As organizações validam o potencial da IA generativa por meio de projetos piloto estruturados e provas de conceitos, ao mesmo tempo em que criam capacidades técnicas essenciais e estruturas fundamentais para implementação.
-
Lançamento — As organizações implantam sistematicamente soluções generativas de IA prontas para produção com mecanismos robustos de governança, monitoramento e suporte para oferecer valor consistente e excelência operacional, mantendo os padrões de segurança e conformidade.
-
Escala — As organizações estabelecem recursos de IA generativa em toda a empresa por meio de componentes reutilizáveis, padrões padronizados e plataformas de autoatendimento para acelerar a adoção, mantendo a governança automatizada e promovendo a inovação.
Em todas as etapas, AWS enfatiza uma abordagem holística, alinhando a estratégia com investimentos em infraestrutura, políticas de governança, estruturas de segurança e melhores práticas operacionais para promover a implantação responsável e escalável da IA. Cada estágio exige alinhamento entre seis pilares fundamentais de adoção: negócios, pessoas, governança, plataforma, segurança e operações. Esses pilares se alinham e ampliam o AWS Cloud Adoption Framework (AWS CAF) para atender às necessidades
Esta seção discute os seguintes estágios do modelo de maturidade com mais detalhes:
Nível 1: Envision
No estágio Envision, as organizações se concentram no planejamento identificando casos de uso adequados, mapeando as fontes de dados necessárias para implementação e estabelecendo os requisitos básicos de segurança e acesso aos dados para a próxima fase de experimentação.
Nesta etapa, a seguir estão os critérios de alinhamento dos pilares da adoção:
-
Negócios — identifique casos de uso estratégicos para IA generativa que se alinhem às metas corporativas. Avalie onde os dados de alto valor residem e sua acessibilidade.
-
Pessoas — Promova uma cultura baseada em dados educando a liderança e as partes interessadas sobre a importância dos dados na adoção generativa da IA.
-
Governança — Conduza uma auditoria inicial de dados para avaliar a conformidade, as preocupações com a privacidade e os possíveis riscos éticos. Desenvolva políticas antecipadas sobre transparência e responsabilidade da IA.
-
Plataforma — Avalie a infraestrutura de dados existente, catalogue fontes de dados internas e externas e avalie a qualidade dos dados para viabilidade de IA generativa.
-
Segurança — comece a implementar controles de acesso e princípios de privilégios mínimos para acesso a dados. Certifique-se de que os modelos generativos de IA só possam recuperar informações que o usuário está autorizado a acessar.
-
Operações — defina uma abordagem estruturada para coletar, limpar e rotular dados para experimentos generativos de IA. Estabeleça ciclos de feedback iniciais para monitoramento de dados.
Nível 2: Experiência
Durante a fase experimental, as organizações validam a disponibilidade e a adequação dos dados necessários para apoiar a implementação dos casos de uso identificados. Em paralelo, estabeleça uma estrutura mínima viável de governança de dados para apoiar o uso de dados reais em provas de conceito. Você pode ajustar um modelo básico selecionado ou usar um off-the-shelf modelo em combinação com uma abordagem de Geração Aumentada de Recuperação (RAG).
Nesta etapa, a seguir estão os critérios de alinhamento dos pilares da adoção:
-
Negócios — defina critérios claros de sucesso para projetos piloto e garanta que a disponibilidade dos dados atenda às necessidades de cada caso de uso.
-
Pessoas — Forme uma equipe multifuncional que inclua engenheiros de dados, especialistas em IA e especialistas no domínio. Essa equipe é responsável por validar a qualidade dos dados e o alinhamento do modelo com os requisitos de negócios.
-
Governança — elabore uma estrutura para governança generativa de dados de IA. No mínimo, a estrutura deve discutir a conformidade regulatória e as diretrizes responsáveis de IA.
-
Plataforma — implemente esforços de integração de dados em estágio inicial, incluindo pipelines de dados estruturados e não estruturados. Configure bancos de dados vetoriais para experimentos RAG.
-
Segurança — aplique permissões rígidas de dados e verificações de conformidade. Certifique-se de que as PII ou outras informações confidenciais sejam mascaradas ou anonimizadas antes do treinamento do modelo.
-
Operações — Para se preparar para o lançamento da produção, estabeleça métricas de qualidade para identificar lacunas.
Nível 3: Lançamento
No estágio de lançamento, as soluções generativas de IA passam da experimentação para a implantação em grande escala. Nesse ponto, as integrações são totalmente implementadas e estruturas robustas de monitoramento são estabelecidas para monitorar o desempenho, o comportamento do modelo e a qualidade dos dados. Medidas abrangentes de segurança e conformidade são aplicadas para apoiar a privacidade, a segurança e a adesão regulatória dos dados.
Nesta etapa, a seguir estão os critérios de alinhamento dos pilares da adoção:
-
Negócios — meça a eficiência operacional e o valor comercial. Otimize os custos operacionais e o uso de recursos.
-
Pessoas — Treine equipes operacionais em gerenciamento e monitoramento generativos de modelos de IA. Use processos adequados de curadoria de dados.
-
Governança — Refine a estrutura para governança generativa de dados de IA. Aborde a conformidade regulatória, os preconceitos do modelo e as diretrizes responsáveis de IA. Estabeleça uma auditoria contínua de pipelines de dados generativos de IA para validar a conformidade com as regulamentações em evolução.
-
Plataforma — otimize a infraestrutura escalável para suportar a ingestão de dados em tempo real, a pesquisa vetorial e o ajuste fino, quando necessário.
-
Segurança — implante criptografia, controle de acesso baseado em função (RBAC) e modelos de acesso com privilégios mínimos. Você pode usar o Amazon Q Business para controlar o acesso aos dados e garantir que a solução de IA generativa recupere somente os dados que o usuário está autorizado a acessar.
-
Operações — Estabeleça práticas de observabilidade de dados. Acompanhe a linhagem de dados, a proveniência e as métricas de qualidade para identificar lacunas antes de escalar.
Nível 4: Escala
No estágio de Escala, o foco muda para automação, padronização e adoção em toda a empresa. As organizações estabelecem pipelines de dados reutilizáveis, implementam estruturas de governança escaláveis e aplicam políticas robustas para apoiar a acessibilidade, a segurança e a conformidade dos dados. Essa fase democratiza os produtos de dados. Isso ajuda as equipes de toda a organização a desenvolver e implantar facilmente novas soluções generativas de IA, mantendo a consistência, a qualidade e o controle.
Nesta etapa, a seguir estão os critérios de alinhamento dos pilares da adoção:
-
Negócios — Alinhe projetos generativos de IA com metas comerciais de longo prazo. Concentre-se no crescimento da receita, redução de custos e satisfação do cliente.
-
Pessoas — Desenvolva programas de alfabetização em IA em toda a empresa e incorpore a adoção da IA às funções de negócios por meio de Centros de Excelência em IA (). CoEs
-
Governança — Padronize as políticas de governança de IA em todos os departamentos para promover a consistência na tomada de decisões de IA.
-
Plataforma — invista em plataformas de dados de IA escaláveis que usam soluções nativas da nuvem para acesso e processamento de dados federados.
-
Segurança — implemente monitoramento automatizado de conformidade, prevenção robusta de perda de dados (DLP) e avaliações contínuas de ameaças.
-
Operações — Estabeleça uma estrutura de observabilidade de IA. Integre ciclos de feedback, detecção de anomalias e modele a análise de desempenho em grande escala.
