A missãoResearch Center Artefact é promover um ecossistema de inovação em torno AI data a colaboração entre professores universitários e representantes de empresas parceiras internacionais.
O objetivo: pesquisa de ponta orientada por data pelas aplicações industriais de suas empresas parceiras.
Qual é o DNA Artefact?
Artefact uma consultoria de engenharia especializada em AI data. Líder europeia presente em 23 países, com forte presença na França, emprega 1.700 pessoas, grande parte das quais são engenheiros. Artefact suas empresas clientes em seus data AI data , abrangendo questões estratégicas, como data , até o desenvolvimento e a implantação de modelos.
Nossas equipes, compostas por data , engenheiros de software e data , são capazes de aplicar uma ampla gama de técnicas de aprendizado de máquina em casos práticos. O objetivo: atuar em toda a cadeia de valor para que os clientes possam aproveitar ao máximo AI.
Artefact possui outras vertentes, como a School of Data, que se dedica à reciclagem profissional, e a organização de grandes eventos na França, como AI Health ou o Adopt AI.
Fale-nos sobre Research Center Artefact
O research center à pesquisa de código aberto. Sua missão é aprimorar AI aplicações empresariais para torná-la mais acessível e mais adequada às necessidades. Nosso objetivo é acabar com a percepção de que o aprendizado de máquina é uma caixa preta incontrolável.
Para isso, o centro está dividido em duas áreas de especialização: matemática aplicada, para aprimorar modelos sob uma perspectiva estatística; e ciência da gestão, que trata empresas e organizações como objetos de estudo. Analisamos como elas adotam a tecnologia e imaginamos possíveis melhorias.
Como vocês funcionam?
Acima de tudo, realizamos pesquisas científicas sem fins lucrativos. Nosso trabalho resulta em publicações científicas e conferências internacionais. Ao contrário da consultoria, que tem um ritmo muito acelerado, o research center em um horizonte temporal mais longo. Estabelecemos parcerias entre especialistas acadêmicos e empresas que apresentam desafios do mundo real. Essa correlação nos permite abordar casos de uso concretos, acessando as bases de dados das empresas parceiras. O objetivo é testar e aprimorar nossas metodologias nesses problemas do mundo real em grande escala.
Uma revolução no varejo?
O varejo é um setor data, principalmente por meio dos recibos de caixa. Ao se adaptar a essa estrutura, artificial intelligence “decodificar” o recibo, já que cada produto listado pode ser visto como uma palavra, interligada às demais.
Isso nos permite prever os hábitos dos consumidores e adaptar as lojas de acordo com eles. Podemos analisar as interações entre produtos para, por exemplo, expor produtos complementares juntos ou evitar a “canibalização” entre produtos ou promoções. Estamos convencidos de que esse uso dos data o futuro do varejo. AI nunca AI a experiência e o know-how de um gerente de departamento ou de um parceiro de varejo, mas pode torná-los ainda mais eficazes ao fornecer insights valiosos a partir data.
Uma ferramenta essencial também no setor bancário?
Mais uma vez, Artefact pretende substituir os analistas financeiros, que possuem excelente conhecimento especializado na área. No entanto, eles não conseguem identificar todos os clientes vulneráveis ou fraudadores. Utilizando modelos de pontuação treinados com data históricos, podemos sinalizar perfis de clientes atípicos e antecipar eventos negativos antes que se tornem problemas reais. Como os analistas devem justificar suas decisões — o que é uma exigência regulatória —, trabalhamos na construção de sistemas de pontuação que sejam explicáveis e ofereçam razões interpretáveis para os perfis de alto risco.
Então, AI as capacidades humanas no trabalho?
Com certeza. Costumo usar o exemplo do Google. Quando você pesquisa algo online, ocorre uma análise. O aprendizado de máquina consulta trilhões de páginas da web, algo impossível sem automação. O tempo economizado pelo algoritmo representa todo o trabalho preliminar que os humanos não precisam mais realizar. AI de maneira semelhante. No fim das contas, é sempre o ser humano que decide adotar, ou não, o resultado e dar-lhe significado. Tudo começou com pesquisas em livros, continuou com o surgimento da internet e da Wikipédia e agora prossegue com as tecnologias atuais. E isso não vai parar tão cedo.
Na sua opinião, quais são os desafios da AI generativa?
Houve uma virada, especialmente com o ChatGPT, na forma como o público adota novas tecnologias. Pela primeira vez, vimos algo ganhar força a partir da base: os funcionários começaram a descobrir boas maneiras de usar o ChatGPT como uma ferramenta útil em seu trabalho. Do ponto de vista Artefact, a questão principal é enquadrar essas tecnologias em casos de uso específicos. Em vez de usar uma ferramenta de uso geral para tudo, o objetivo é criar aplicativos robustos para tarefas precisas.
No momento, esses modelos carecem de robustez; eles recuperam informações de sua memória de maneiras que ainda não compreendemos totalmente, o que pode resultar em respostas inadequadas ou até mesmo absurdas. Estamos trabalhando, por exemplo, em um índice de confiança simples, mas confiável, para apresentar aos usuários. O objetivo é, por um lado, evitar informações enganosas e, por outro, incentivar uma abordagem crítica em relação às respostas do modelo.
