Avaliação da Snorkel AI Triplica com a Procura de Dados de Treino

A crescente procura de dados de treino para inteligência artificial está a impulsionar o crescimento das startups que operam neste setor. Com sete anos de existência, a Snorkel AI concluiu uma ronda de investimento Série E de 350 milhões de dólares, triplicando a sua avaliação para 3,5 mil milhões de dólares. Este financiamento surge num momento em que a necessidade de dados ganha particular relevância nas aplicações empresariais de inteligência artificial. O aspeto mais relevante deste desenvolvimento para as empresas é a necessidade de focar a atenção não apenas na seleção de modelos, mas também na qualidade dos dados de treino.

A Snorkel AI utilizará o novo capital para expandir a sua abordagem de dados como serviço (data-as-a-service) e reforçar os conjuntos de dados de treino para inteligência artificial empresarial. O foco aqui não reside apenas em recolher mais dados, mas sim em apoiar fontes de dados utilizáveis nos processos de desenvolvimento de inteligência artificial. Do ponto de vista das organizações, ao avaliar esta abordagem, deve-se considerar conjuntamente que necessidade os dados irão suprir, como serão utilizados e a sua relação com os processos de negócio existentes.

Os dados de treino constituem os exemplos utilizados no processo de aprendizagem de um modelo de inteligência artificial. Por conseguinte, a exatidão, a coerência e a representatividade dos dados face ao caso de uso pretendido são fundamentais. Registos incompletos ou contraditórios podem dificultar a aprendizagem do modelo. Em vez de encarar a preparação de dados apenas como uma tarefa técnica de transferência, abordá-la como um processo de transformação do conhecimento do negócio numa estrutura compreensível e acionável proporciona um ponto de partida mais sólido.

Para as PME, o impacto prático desta evolução passa por avaliar o estado dos dados internos antes de avançar para a inteligência artificial. É necessário determinar quais os registos que estão atualizados, como a mesma informação é mantida em diferentes sistemas e quem tem acesso aos dados. Em seguida, pode ser clarificado o âmbito da informação de que a aplicação pretendida necessita. Desta forma, a preparação de dados deixa de ser uma tarefa vaga de organização de arquivos para se tornar um passo preparatório ao serviço de uma necessidade específica do negócio.

Nem todas as aplicações empresariais de inteligência artificial exigem o treino de um novo modelo; por isso, a necessidade de dados de treino deve ser distinguida da necessidade de acesso ao conhecimento corporativo por parte da aplicação. Na X Mind Solutions, consideramos esta distinção essencial no contexto de agentes de inteligência artificial, fluxos de automação e integrações de sistemas. O foco nos dados evidenciado pelo investimento na Snorkel AI recorda às empresas a necessidade de, em primeiro lugar, definir o objetivo de utilização e, só depois, planear a preparação de dados adequada.