Ir para o conteúdo

Consultoria de IA, do desafio à produção

Saberá onde a IA cria valor, o que é necessário para a implementar e como manter a aplicação a funcionar após o projeto-piloto.

Com a confiança de organizações de referência

Agrocare
Athlon
DPG Media
Rijkswaterstaat
Brocacef
WUA
Fokker
The Cirqle
Zorginstituut Nederland
AWVN
Independer
Gemeente Hollands Kroon

A consultoria em IA da Data Science Lab ajuda a identificar que decisões ou processos podem ser melhorados com IA, se isso é viável com os seus dados e como colocar a solução em produção de forma responsável. Desde 2016, os nossos consultores de IA trabalham com organizações de média dimensão e instituições públicas, desde o primeiro caso de uso até à adoção e gestão.

Porque é que a IA fica tantas vezes presa na fase-piloto

Uma equipa usa um modelo de linguagem para criar uma demonstração que resume as perguntas recebidas de clientes e sugere uma resposta. Funciona bem com alguns e-mails, e a direção está entusiasmada. Depois, pouco acontece: não há ligação ao CRM, ninguém sabe quem é responsável pela manutenção do modelo e ninguém perguntou à equipa de apoio ao cliente se um resumo facilitaria o seu trabalho. Depois do verão, a demonstração continua a funcionar apenas no portátil de quem a criou.

Um estudo da RAND junto de data scientists e engenheiros experientes aponta como principais causas do fracasso dos projetos de IA uma compreensão errada do problema, a falta de dados, mais atenção à tecnologia mais recente do que ao utilizador, infraestrutura insuficiente para gerir modelos e problemas demasiado difíceis para a IA. No nosso trabalho, vemos o mesmo: um projeto-piloto raramente falha por causa do modelo e muitas vezes falha por causa do que falta à sua volta: dados que chegam de forma fiável, uma equipa que mantém o modelo e um processo em que o resultado é utilizado.

A consultoria em IA responde a estas questões antes de se começar a desenvolver, não apenas na passagem do projeto para a equipa de TI.

O que um consultor de IA analisa consigo

Do desafio ao caso de uso

Começamos pela decisão ou tarefa que precisa de ser melhorada, como avaliar pedidos ou planear a manutenção. Depois, analisamos que tipo de IA se adequa, ou se uma regra no sistema existente já é suficiente.

Definir prioridades segundo o valor e a viabilidade

Avaliamos cada potencial caso de uso pelo que pode trazer e pelo que exige: dados disponíveis, integrações com os sistemas de origem, riscos e as pessoas que vão trabalhar com a solução. Assim, pode ver que casos de uso oferecem muito valor com relativamente pouco esforço.

Desenvolver, comprar ou configurar

Muitas vezes, já existe uma solução: Copilot no Microsoft 365, uma funcionalidade de IA no seu sistema ERP ou um produto pronto a usar. Ponderamos quanto desenvolvimento à medida é realmente necessário, o que cada opção exige em termos de gestão e até que ponto ficará dependente de um fornecedor.

Avaliar a preparação dos dados

Verificamos se os dados para o caso de uso escolhido existem, são acessíveis e têm qualidade suficiente. Analisamos o histórico, as definições, a responsabilidade pelos dados e a privacidade. Se faltar a fundação de dados, dizemo-lo e indicamos o que é preciso fazer primeiro.

Governance e Regulamento da IA

Identificamos os sistemas de IA que utiliza ou pretende desenvolver, preparamos a classificação de risco e documentamos as responsabilidades, os controlos e os acordos. A avaliação jurídica cabe à sua equipa jurídica ou ao departamento de conformidade.

Adoção desde o início

As pessoas que vão trabalhar com os resultados participam desde a primeira sessão. Debatemos o que muda no seu trabalho, quando podem ignorar uma recomendação do modelo e que formação é necessária.

Tem uma ideia de IA, mas não sabe se é viável?

Fale sobre o seu desafio com um dos nossos consultores. Analisamos os dados, o valor e o caminho até à produção.

Imagem abstrata de visualização de dados no estilo visual da Data Science Lab

Como passamos da ideia à produção

  1. Definir a decisão e o objetivo

    Identificamos que decisão ou processo precisa de ser melhorado, para quem e como poderá verificar se funciona.

  2. Escolher casos de uso

    Numa sessão de descoberta de casos de uso com as equipas de negócio, TI e dados, identificamos oportunidades e estabelecemos prioridades com base no valor, na viabilidade e no risco.

  3. Prova de conceito

    Testamos com dados históricos ou anonimizados se a abordagem funciona do ponto de vista técnico. Se os resultados ficarem aquém do esperado, dizemo-lo e recomendamos parar nesta fase.

  4. Piloto no processo real

    Um pequeno grupo de utilizadores usa a solução no trabalho diário. Comparamo-la com a forma de trabalhar atual e incorporamos o feedback dos utilizadores.

  5. Produção e gestão

    Configuramos pipelines, monitorização e permissões de acesso, e designamos um responsável para que a aplicação continue a funcionar quando os dados ou a utilização mudam.

A experiência da Data Science Lab deu-nos desde o início a confiança necessária para abordar o projeto de forma abrangente. Trataram de tudo por nós e temos agora um plano concreto e exequível para continuarmos a avançar, em conjunto com a Data Science Lab, rumo às nossas ambições em matéria de dados.

Leon Backbier Responsável por I&I, Nationale Opera & Ballet

Da proof of concept à produção

Uma proof of concept responde à pergunta «É possível?»: a abordagem funciona com os seus dados, num ambiente controlado? Um piloto responde à pergunta «É útil?»: os colaboradores utilizam a aplicação nos seus processos reais e o seu trabalho melhora? A produção significa que a aplicação funciona sem a presença de quem a desenvolveu, com fluxos de dados monitorizados, um responsável e acordos sobre a gestão. Quem chama piloto a uma demonstração bem-sucedida salta a etapa mais difícil.

Para chegar à produção, normalmente é necessário um ambiente de dados fiável. Se ainda não existir, a fundação de dados deve fazer parte do roteiro. Construímos sobre Databricks ou Microsoft Fabric, consoante o que já está em funcionamento. Assim, cada aplicação fica alinhada com a sua estratégia de dados e IA, em vez de ser uma iniciativa isolada.

O regulamento da IA também conta. A proibição de determinadas práticas de IA aplica-se desde 2 de fevereiro de 2025, tal como a obrigação de tomar medidas para promover a literacia em IA dos colaboradores. Após o adiamento previsto no pacote omnibus da IA, as obrigações relativas aos sistemas de IA de risco elevado enumerados no anexo III aplicam-se a partir de 2 de dezembro de 2027. Os requisitos que se aplicam ao seu caso dependem da aplicação e do seu papel enquanto fornecedor ou responsável pela implantação. Saiba mais na nossa página sobre o AI Act.

Sobre a Data Science Lab

Qualquer organização pode iniciar um projeto-piloto de IA. O desafio vem a seguir: integrar a IA na organização. É aí que a Data Science Lab faz a diferença.

Saiba mais sobre nós
Data Science Lab team
Data Science Lab kantoor
Data Science Lab werkplek

Porque é que as organizações nos escolhem

10+

anos de experiência

8,7

avaliação dos clientes

200+

projetos realizados

Parceiro Microsoft & Databricks

Perguntas frequentes

Um consultor de IA ajuda a decidir onde a IA acrescenta valor e o que é necessário para a pôr a funcionar: identificar e priorizar casos de uso, avaliar os dados e os requisitos, escolher entre desenvolver, comprar ou configurar uma solução e definir responsabilidades e riscos. Como também desenvolvemos e gerimos soluções, avaliamos cada recomendação à luz do que será necessário em produção.

Escolha um caso de uso em que a decisão a apoiar seja clara, os dados existam e os próprios utilizadores peçam uma solução. Não comece pelo maior problema da organização. No GVB, ajudamos a identificar o caso de uso de dados com maior impacto e relativamente menor esforço, apesar de as soluções envolverem vários departamentos que, muitas vezes, nunca tinham trabalhado em conjunto.

Não todos, mas sim os dados necessários para o caso de uso escolhido. Uma plataforma de dados completa não é um pré-requisito, mas, sem dados históricos fiáveis, definições claras e um responsável, um modelo não passa da fase-piloto. Uma avaliação da maturidade de dados mostra em que ponto se encontra. No Albert Schweitzer Ziekenhuis, as conversas com as equipas de cuidados de saúde, estratégia e TI permitiram estabelecer um ponto de partida e um plano concreto de evolução.

Comece pelos objetivos da organização e por uma avaliação honesta do ponto em que se encontra. Na Nationale Opera & Ballet, avaliámos a maturidade de dados e identificámos oportunidades por aproveitar. Daí resultou um plano de evolução que liga os dados à sua missão: salas cheias, um público mais amplo e inclusão. Depois, pode escolher com mais critério a aplicação de IA que poderá ajudar.

Depende do que a aplicação faz e de optar por desenvolvê-la internamente ou usar um sistema existente. Ajudamos a identificar a IA utilizada, a preparar a classificação dos riscos e a estabelecer uma estrutura de governação com funções e controlos claros. A interpretação jurídica cabe ao departamento jurídico ou de conformidade. Para saber como olhamos além da lei, leia sobre Responsible AI.

Envolvendo-os desde o início, e não apenas no lançamento. Os utilizadores ajudam a definir o que a aplicação deve fazer, participam nos testes durante a fase-piloto e mantêm o controlo sobre as suas próprias decisões. Além disso, através de formação e adoção, oferecemos, entre outras opções, formação em IA para a gestão e formação técnica para as equipas.

Se uma regra no sistema existente, uma fonte de dados limpa ou um bom dashboard resolver o problema, não precisa de IA nem de um consultor de IA. Se já souber exatamente o que quer desenvolver e só lhe faltar capacidade, faz mais sentido recorrer temporariamente a um engenheiro de IA ou a um data scientist do que iniciar um projeto de consultoria.

Tem dúvidas sobre consultoria de IA?

Stef Stoelwinder

Stef Stoelwinder

Business Development

Não sabe qual o primeiro caso de uso de IA a abordar?

Diga-nos que decisão ou processo precisa de melhorar. Ajudamos a avaliar a viabilidade, os dados e o caminho até à produção.

Introduza um endereço de e-mail válido.

Diga-nos como podemos ajudar.