Rasgo lança Rasgo AI, um agente de IA generativo para análise de data warehouse empresarial
Visite nossa biblioteca sob demanda para acessar as gravações das sessões do VB Transform 2023. Para se inscrever, siga este link.
A plataforma de análise orientada por IA Rasgo anunciou o lançamento da Rasgo AI, uma solução de análise de autoatendimento que integra um GPT (transformador pré-treinado generativo) em ambientes de armazenamento de dados corporativos (EDW). A empresa disse que com o Rasgo AI, as organizações podem usar o poder do AI/GPT para acelerar insights e otimizar as ações recomendadas com segurança e eficiência.
Rasgo se distingue de outras integrações GPT por utilizar GPT não apenas para geração de linguagem natural, mas também para"raciocínio inteligente", permitindo que funcione como um analista de negócios especializado na análise de data warehouses.
O objetivo da Rasgo é aliviar os trabalhadores do conhecimento de serem sobrecarregados com tarefas trabalhosas e insignificantes, que impedem sua capacidade de tomar decisões informadas de forma eficaz. Ao transferir essas responsabilidades para a inteligência artificial, esses profissionais podem se concentrar na tomada de decisões de alto nível, resultando em uma melhoria substancial do valor geral de uma organização.
Rasgo postula que o GPT-4 é altamente proficiente na execução de processos complexos de raciocínio caracterizados por metas mutáveis. Ao alavancar seus recursos autônomos, esse modelo avançado de IA pode efetivamente gerar uma representação interpretativa dos metadados do Enterprise Data Warehouse, transmitindo conhecimento valioso ao GPT-4 sem comprometer a segurança das informações confidenciais da organização.
A tecnologia inovadora da Rasgo revelou uma capacidade impressionante no GPT-4, conforme demonstrado por sua capacidade de não apenas responder com eficácia a consultas relacionadas à análise de dados, mas também gerar perguntas pertinentes sobre o assunto. Essa façanha é alcançada por meio da utilização de um repositório de metadados abrangente, que serve como uma força orientadora para permitir que a IA faça julgamentos informados durante o processo analítico. Por meio do refinamento contínuo com base no feedback do usuário, o sistema de raciocínio inteligente da Rasgo aspira aumentar a eficiência operacional das partes interessadas dos clientes, ao mesmo tempo em que fornece informações valiosas derivadas de uma análise rigorosa de dados.
O recurso exclusivo da Rasgo AI, conhecido como AI Guardrails, foi projetado pela empresa de forma a mapear efetivamente estruturas de dados complexas em terminologias de negócios facilmente compreensíveis. Essa abordagem inovadora aumenta a precisão e a velocidade da análise de dados, mantendo a total privacidade dos dados. Além disso, a plataforma é equipada com um sistema automático de avaliação contínua para análise de dados corporativos, fornecendo assim informações confiáveis para ajudar os tomadores de decisão de negócios a fazer escolhas bem informadas, mesmo que não tenham proficiência em tecnicalidades como SQL.
Aproveitando o GPT-4 para raciocínio comercial inteligente
Parker postulou que, ao empregar o GPT para emular as funções de um analista de dados, a plataforma permite um raciocínio inteligente no domínio do gerenciamento de dados corporativos. Essa abordagem agiliza o processo de análise, em vez de começar com a construção de consultas e painéis de novo.
Levando em consideração as limitações da capacidade humana de fazer todas as perguntas relevantes dentro de um determinado período de tempo, nosso sistema emprega inteligência avançada para criar uma força de trabalho virtual persistente que procura constantemente oportunidades e pontos fracos de negócios. Um exemplo é um comando direto, como “examinar padrões na expansão anual da receita com base em representantes individuais”, que gerará um relatório detalhado contendo informações cruciais e sugestões práticas para ação.
A plataforma da Rasgo facilita a colaboração entre humanos e IA avaliando de forma autônoma as tabelas de dados dentro do data warehouse para identificar aquelas adequadas para análise inteligente enquanto identifica aquelas que requerem refinamento adicional.
A metodologia sob a perspectiva da organização facilita o compromisso de atores humanos para alterar e arquivar a documentação relacionada a conjuntos de dados que necessitam de um maior escrutínio manual para adesão às normas regulatórias e promover a confiabilidade em um processo conduzido por inteligência artificial.
A organização enfatizou que seu modelo de inteligência artificial generativa possui a capacidade de simplificar uma série de tarefas repetitivas e insignificantes comumente associadas ao ciclo de análise de dados. Por meio dessa automação, facilita a orientação dos usuários finais durante todo o procedimento de identificação e exame de dados, preservando simultaneamente o escrutínio de um especialista em dados. Em última análise, o objetivo da plataforma é aumentar a precisão e reforçar a confiança nos procedimentos organizacionais.
Os métodos tradicionais de análise de dados geralmente são ineficientes e demorados, exigindo um esforço significativo para responder até mesmo a uma única consulta relacionada a dados. Isso geralmente envolve a identificação de tabelas pertinentes, composição e refinamento de consultas SQL, construção de visualizações em ferramentas de BI e transformação de descobertas em sugestões de negócios inteligíveis. Nosso avançado sistema de IA lida com essas tarefas examinando ativamente metadados e históricos de consulta para propor a fonte de dados mais confiável; formular, validar e executar a instrução SQL ideal; geração de representações visuais adequadas; e simplificando os resultados em recomendações práticas de negócios. Ao fazer isso, nossa abordagem garante que os profissionais de dados permaneçam intimamente envolvidos durante todo o processo, permitindo que tomem decisões informadas em estágios cruciais para maximizar a precisão e a credibilidade.
Para que o sistema de inteligência artificial da Rasgo pesquise efetivamente em um banco de dados, um modelo de IA generativo é utilizado para criar incorporações para todos os metadados no data warehouse, bem como quaisquer dados instrucionais fornecidos pelos usuários. Isso permite uma recuperação eficiente por meio do fluxo de trabalho de IA ReAct da Rasgo (uma combinação de razão + ação). Além disso, o modelo de IA atualiza e atualiza automaticamente as incorporações de forma contínua conforme novas tabelas são adicionadas, esquemas alterados ou entradas adicionais do usuário são recebidas.
Garantindo o desenvolvimento responsável da IA
Para que a IA generativa opere com responsabilidade e produza resultados favoráveis, é crucial que a colaboração humano-IA ocorra. O estabelecimento de diretrizes, diretrizes e salvaguardas claras é necessário para promover confiabilidade e segurança, especialmente ao lidar com dados corporativos.
Para mitigar o potencial de alucinações e dados inconsistentes, nossa organização desenvolveu um conjunto de recursos “AI Manager”. Esta coleção de recursos oferece aos usuários a capacidade de delinear limites precisos e limitações para o Large Language Model (LLM). Por meio desse processo, garantimos que o LLM selecione a tabela, coluna e métrica mais precisas em resposta às consultas do usuário.
A inteligência artificial da plataforma processa e analisa sistematicamente os metadados associados às tabelas derivadas da infraestrutura de armazenamento de dados. Além disso, gera uma classificação de “Prontidão de IA” para cada tabela, que serve como um indicador valioso para o pessoal de gerenciamento de dados distinguir conjuntos de dados adequadamente preparados para iniciativas seguras de aprendizado de máquina daqueles que precisam de revisão manual ou refinamento.
A solução da empresa está ancorada na Interface de Programação de Aplicativos (API) de Inteligência Artificial (IA) da Microsoft e faz uma interface perfeita com a robusta infraestrutura de segurança da Microsoft.
Democratizando a inteligência confiável
Modelos de linguagem grande (LLMs), como GPT, são comumente utilizados para converter entrada de linguagem natural em saída de linguagem de consulta estruturada (SQL). No entanto, consultas SQL incorretas podem resultar em tomadas de decisão equivocadas com base em informações incorretas. Para promover a acessibilidade a informações confiáveis
A Rasgo firmou um acordo de colaboração com a rede de parceiros da Snowflake, com o objetivo de aumentar as vantagens da Snowflake Data Cloud para clientes compartilhados. Essa aliança nos permite aproveitar os recursos do GPT para análise avançada de dados e acelerar o processo de análise de autoatendimento.
Seguindo em frente, nossa intenção é manter a trajetória atual por meio de colaborações como essas, melhorando a acessibilidade do cliente e garantindo que nossa oferta atenda aos diversos requisitos das organizações em suas iniciativas de análise de dados e inteligência artificial", expressou Parker.
*️⃣ Link da fonte: