Os quatro conselhos da PwC para as empresas escolherem modelos de IA

Escolher um modelo de inteligência artificial (IA) para utilizar nas organizações raramente é tarefa fácil, sobretudo num contexto em que existem diversos modelos de grande dimensão e com capacidades distintas, uns abertos e outros fechados. Na conferência “Inteligência Artificial no Centro dos Negócios”, que decorreu esta quinta-feira no estúdio ECO, Nuno Loureiro, Data e AI Partner da PwC, abordou precisamente este desafio, destacando os critérios que as empresas devem considerar ao implementar soluções de IA e as oportunidades e riscos associados à tecnologia.

Para ajudar as organizações a tomar decisões mais seguras e eficientes, Nuno Loureiro destacou quatro recomendações fundamentais ao escolher e implementar modelos de IA.

Testar vários modelos antes de decidir

A primeira recomendação é também a mais imediata: nunca apostar cegamente num único modelo. “Uma das coisas que fazemos logo no processo de desenvolvimento e no processo de avaliação com as equipas é testar vários modelos”, afirmou Nuno Loureiro, sublinhando que a performance pode variar significativamente consoante o tipo de tarefa. Para além dos critérios técnicos, o responsável da PwC destacou o papel insubstituível do julgamento humano nesta fase. A título de exemplo, referiu um projeto de avaliação de conformidade de documentos legais em que os resultados do modelo são sistematicamente comparados com a avaliação dos técnicos especializados, um processo que permite aferir, com rigor, qual o modelo mais adequado para cada contexto.

Ponderar os riscos regulatórios e geopolíticos

A segunda recomendação prende-se com um fator que tem ganho crescente relevância: o contexto regulatório dos diferentes fornecedores. Com o surgimento de modelos de elevada performance provenientes da China, as organizações deparam-se com uma escolha que vai além da qualidade técnica. “Há um contexto regulatório diferente da Europa e diferente dos Estados Unidos, e, portanto, é algo bastante relevante”, alertou Nuno Loureiro. O especialista ilustrou este ponto com o exemplo do Mistral, o modelo de linguagem francês que, apesar de já não estar na linha da frente em termos de performance, continua a ser preferido por alguns clientes precisamente pela sua origem europeia e pelo quadro regulatório que lhe está associado.

Garantir portabilidade by design

A terceira recomendação é, na opinião de Nuno Loureiro, “a mais importante de todas”: construir os sistemas com portabilidade desde o início. O argumento é simples, o mercado de modelos de IA muda rapidamente, e as organizações não se podem dar ao “luxo” de ficarem presas a um único fornecedor. A solução passa por adotar frameworks de abstração, que permitem trocar de modelo ou de fornecedor de sistema com alterações mínimas de código.

Definir modelos de fallback

Por último, e frequentemente negligenciada, está a necessidade de definir modelos alternativos, os chamados “fallback models”. A premissa é clara: nenhuma organização pode assumir que uma chamada a um modelo de linguagem terá sempre resposta. Problemas técnicos, indisponibilidade ou latência são realidades com que qualquer sistema em produção terá de lidar. “Devemos ter sempre, não só um modelo, mas idealmente modelos até de outros providers“, sublinhou Nuno Loureiro, defendendo que, em caso de falha, o sistema deve ser capaz de redirecionar automaticamente para uma alternativa, garantindo que o utilizador final nunca fica sem resposta.

A conferência contou ainda com um painel que reuniu Paulo Pereira, diretor de IA da Altice Portugal, Sara Candeias, diretora de dados do Banco Montepio, e Marco Navega, diretor de Tecnologia e Operações da Zurich, para discutir desafios, oportunidades e o futuro da IA nas organizações.