A IA não percebe a tua empresa por magia. Precisa de três camadas

Como pôr o teu sistema de IA a “comportar-se como a tua empresa”.→ RAG vs. Finetuning vs. Structured Outputs

Conheces aquela sensação de quando o modelo está quase lá…• Mas usa informação desatualizada.• Ou o raciocínio não soa às tuas pessoas.• Ou o formato do output parte os teus sistemas a jusante.

A IA não “percebe” a tua empresa por si só.Consoante a tarefa, precisa de três coisas diferentes: o teu conhecimento, o teu comportamento e a tua estrutura.

A maioria das equipas trata isto como um só problema.É por isso que os pilotos ficam bem numa demo e se desfazem no dia a dia.

Eis como separamos as camadas em projetos reais:

𝗔 𝘁𝘂𝗮 𝗰𝗮𝗺𝗮𝗱𝗮 𝗱𝗲 𝗰𝗼𝗻𝗵𝗲𝗰𝗶𝗺𝗲𝗻𝘁𝗼 → 𝗥𝗔𝗚

O modelo precisa de factos atuais, leis, regras de processo, dados de produto e informação dos sistemas.

• Vai buscar informação às tuas fontes quando precisa
• Respeita os limites dos dados e as regras de compliance
• Evita “lembrar-se” de coisas que mudam todas as semanas

𝗔 𝘁𝘂𝗮 𝗰𝗮𝗺𝗮𝗱𝗮 𝗱𝗲 𝗰𝗼𝗺𝗽𝗼𝗿𝘁𝗮𝗺𝗲𝗻𝘁𝗼 → 𝗙𝗶𝗻𝗲𝘁𝘂𝗻𝗶𝗻𝗴

O modelo tem de refletir a forma como os teus especialistas pensam, explicam e decidem, e a forma como o exprimem.

• Aprende os teus padrões de raciocínio e o teu estilo de comunicação
• Trata os casos-limite como as tuas pessoas os tratariam
• Aplica isto de forma consistente em diferentes situações

𝗔 𝘁𝘂𝗮 𝗰𝗮𝗺𝗮𝗱𝗮 𝗱𝗲 𝗲𝘀𝘁𝗿𝘂𝘁𝘂𝗿𝗮 → 𝗦𝘁𝗿𝘂𝗰𝘁𝘂𝗿𝗲𝗱 𝗢𝘂𝘁𝗽𝘂𝘁𝘀

O sistema tem de encaixar em fluxos auditáveis, com inputs e outputs claros.

• O modelo preenche campos, tags e ações definidos
• Nada de texto livre que o resto da tua stack não consiga processar
• O sistema consegue verificar, registar, encaminhar e agir com base nisso

O padrão na prática:• RAG = “Isto é o que é verdade nesta empresa.”• Finetuning = “É assim que pensamos e comunicamos sobre decisões.”• Structured outputs = “É assim que isto encaixa no SAP, no CRM, no KIS ou na tua stack legada.”

Mas a ordem importa.

Primeiro: define como é um output de qualidade para cada tarefa que a IA tem de fazer.Depois: escolhe o método certo para esse requisito de qualidade.

Na validação técnica, é aqui que surge a maioria dos desajustes.A pergunta não é “A IA consegue fazer isto?”, mas sim “Como é um bom output, e que camada resolve isso?”

Essa pergunta determina a tua arquitetura e a tua estrutura de custos.