Usar ou Não Usar IA, Eis a Questão
Começando este primeiro texto de 2024 parafraseando uma frase bem famosa de Shakespeare na sua famosa obra Hamlet: ser ou não ser, eis a questão, dessa vez para o uso de IA (Inteligência Artificial), que muitas vezes parece um dilema como Hamlet. Ano passado, o assunto da moda foi IA Generativa e como toda ferramenta, torna-se a “solução para todos os seus problemas”. Este ano acredito que continue sendo o tema da moda, principalmente porque as grandes empresas de tecnologia sempre estão lançando algo novo, o que manterá o tema em alta.
Mas dado todo esse movimento gostaria de trazer algumas considerações sobre o uso de IA nos projetos. Não existe resposta definitiva quando o assunto é tecnologia, mas sim o que cabe para aquele problema com os recursos disponíveis no momento. Dito isso, quero desmistificar alguns mitos da ciência de dados para trazer a reflexão, jamais as respostas. Vamos convencionar neste texto que o termo IA abrangerá várias técnicas, inclusive Machine Learning e que GenAI é IA Generativa.
1 - Trabalhar com Ciência de dados é fazer modelos de IA
Comecemos pelo mito maior, que ciência de dados se resume a modelos de IA, o que é um erro comum. A expressão “Ciência de Dados ou Data Science” foi popularizada recentemente e dessa forma foi associada a aplicação de modelos de IA. Porém não podemos esquecer que problemas que envolvem dados podem ser resolvidos com técnicas de otimização, estatística, cálculo, que por sinal originaram a IA. O mais importante para caracterizar ciência é que você desenvolva uma solução baseado em dados com uma metodologia e experimentação que possa ser replicada.
2 - IA Generativa dispensa outras técnicas de IA
Mais um dos mitos recentes é achar que toda solução de IA necessita ser construída com GenAI. Em tecnologia sempre acontece isso, tecnologias novas acabam virando balas de prata. Eu diria que trabalhar com IA é justamente entender o propósito de cada técnica, entender o que se quer resolver e saber escolher a mais adequada para um determinado problema e cenário. Isso inclusive demonstra a sua senioridade em uma área, por isso o famoso jargão que o sênior só fala depende.
3 - Não preciso fazer a análise dos meus dados, a GenAI faz tudo
Primeiro ponto, parem de jogar os dados da sua empresa em ferramentas como ChatGPT ou Bard, prezem pela segurança. Agora vamos a essa questão da análise, uma análise mais estatística pode sim ser feita por modelos de GenAI, porém o entendimento do contexto é do ser humano. Por isso a GenAI não dispensa o seu trabalho, ela pode te dar ganhos de produtividade, mas toda a análise do contexto, recursos e objetivos de negócio é do analista/cientista.
4 - Uma vez o modelo implantado não preciso mexer nele mais
Esse é daqueles mitos que gera graves problemas. Uma vez o modelo implantado e sendo utilizado, a depender do problema que ele resolve, ele pode ficar obsoleto. Modelos para cenários que mudam muito, principalmente relacionado a séries temporais, precisam ser atualizados constantemente para que possam predizer adequadamente diante das mudanças. Um modelo é um produto como qualquer outro de tecnologia e necessita de manutenção, então ao implantar um projeto com IA, planeje essa etapa também.
5 - Projeto de IA não precisa de engenharia de software
Esse é um dos mitos que ronda a área de ciência de dados. De forma geral nem sempre uma solução em ciência de dados gera um software, uma análise exploratória realmente não é. Porém a partir do momento que você cria um modelo de IA que recebe entradas e retorna saídas de forma automatizada, executando tarefas para um usuário, você passa a ter um software. Logo todas aquelas práticas da engenharia de software como documentação, versionamento, boas práticas de codificação, testes, entre outras, passam a ser tarefas obrigatórias dado que este modelo pode rodar por anos. Além disso vem um adendo importante, modelos de IA tomam decisões, logo a criticidade é maior em avaliar como estas decisões estão sendo tomadas.
A escolha desses mitos foi baseada no que mais ouço e vejo na internet a respeito de projetos de IA e minha experiência na área. Então poderá gerar discordâncias, mas faz parte do debate. O importante é sempre termos em mente que a tecnologia não é só feita de codificação, mas também de decisões que podem impactar equipes, projetos, pessoas e organizações. Isso faz parte do amadurecimento como profissional de ciência de dados em que além de ter uma visão técnica, também possui uma visão mais abrangente do todo. IA não é só hype, mas sim um grande conjunto de ferramentas que precisa ser utilizado com sabedoria.
Espero que o texto seja útil. Um ótimo 2024.
