FUNDAMENTOS · ENTERPRISE AI · 02
Dados
O combustível de ML, o contexto de Generative AI e a base para decisões empresariais.
8 min de leituraIA confiável começa com dados confiáveis.
Dados alimentam treinamento, features, RAG, memória, avaliações e decisões de agentes. Problemas de qualidade ou acesso se propagam para todo o sistema.
Enterprise AI exige entender origem, significado, atualização, proprietário e política de acesso de cada conjunto de dados.
QUALIDADE
Correto, completo, atual e consistente
Qualidade deve ser definida em relação ao uso. Um dado aceitável para analytics pode ser inadequado para autorização em tempo real.
Validação, completude, consistência e atualização.
Origem, transformações e dependências ao longo do pipeline.
Descoberta, documentação e ownership de dados.
Quem pode consultar cada domínio e em qual contexto.
CONTEXT
Dados não são apenas treinamento
Sistemas modernos usam dados em tempo de execução: contexto transacional, documentos recuperados, estado de workflow e respostas de ferramentas.
Arquitetura precisa considerar freshness e latência, não apenas volume histórico.
SEMÂNTICA
O significado precisa ser compartilhado
Agentes podem conectar informações de vários sistemas. Sem definições consistentes, termos como cliente, receita ou fraude podem significar coisas diferentes entre domínios.
Data products, contracts e catálogos ajudam a criar entendimento comum.
NA PRÁTICA
Contexto para decisão
Dados estruturados, documentos e eventos em tempo real podem participar da mesma solução.
PRINCÍPIO
Modelos aprendem padrões; sistemas empresariais precisam saber de quais dados esses padrões e decisões dependem.