Tempo de leitura: 9 minutos<\/small><\/p> \n
Relat\u00f3rios de especialistas <\/a>indicam que os gastos globais em intelig\u00eancia artificial (IA) dever\u00e3o atingir US$ 110 bilh\u00f5es em 2024. Nos \u00faltimos anos, muitas organiza\u00e7\u00f5es lan\u00e7aram projetos para criar valor comercial usando Intelig\u00eancia Artificial (IA). Para muitas organiza\u00e7\u00f5es, os sistemas de IA prontos para uso n\u00e3o est\u00e3o dispon\u00edveis devido ao n\u00edvel de maturidade e a necessidade de adaptar os sistemas de IA \u00e0 situa\u00e7\u00e3o \u00fanica da organiza\u00e7\u00e3o. <\/p>\n\n\n\n Gerenciar projetos de IA n\u00e3o \u00e9 uma tarefa simples. Pesquisas indicam que \u201885% dos projetos de IA acabam por n\u00e3o cumprir as promessas pretendidas para os neg\u00f3cios\u201d. Embora algumas pesquisas examinem os impactos da IA \u200b\u200bnos usu\u00e1rios, os profissionais que procuram gerir melhor os seus projetos de IA s\u00f3 podem recorrer a um n\u00famero limitado de estudos.<\/p>\n\n\n\n Este artigo traz uma proposta de abordagem apresentada originalmente pelos pequisadores canadensses Gregory Vial, Ann-Frances Cameron e Tanya Giannelia<\/a>, Os pesquisadores desenvolveram uma uma abordagem multim\u00e9todo para a gest\u00e3o de projetos de IA, que se baseia em elementos da A an\u00e1lise revelou que o gerenciamento de projetos de IA nessas tr\u00eas l\u00f3gicas centrais, uma l\u00f3gica tradicional de gerenciamento de projetos, uma l\u00f3gica \u00e1gil e uma l\u00f3gica de fluxo de trabalho de IA \u2013 d\u00e1 origem problemas no gerenciamento de projetos de IA e o sucesso da gest\u00e3o de projetos est\u00e1 diretamente relacionada a resolu\u00e7\u00e3o de conflitos que surgem entre eles.<\/p>\n\n\n\n Este fluxo de trabalho envolve coletar, manipular e transformar dados para serem usados \u200b\u200bcomo insumos para codifica\u00e7\u00e3o, treinamento, avalia\u00e7\u00e3o e interpreta\u00e7\u00e3o, ajuste fino e implementa\u00e7\u00e3o de modelos matem\u00e1ticos complexos. <\/p>\n\n\n\n O fluxo de trabalho de IA \u00e9 caracterizado por depend\u00eancias sequenciais, grandes ciclos de feedback, e um n\u00famero indeterminado de ciclos de explora\u00e7\u00e3o\/experimenta\u00e7\u00e3o de dados<\/strong>. O o ajuste fino desses modelos matem\u00e1ticos complexos \u00e9 fortemente influenciado pela natureza e qualidade dos dados, o que torna dif\u00edcil prever, planejar e gerenciar ciclos de experimenta\u00e7\u00e3o. <\/p>\n\n\n\n Embora existam abordagens baseadas na pr\u00e1tica para executar v\u00e1rias partes do fluxo de trabalho de IA, eles se concentram principalmente em como executar tarefas de fluxo de trabalho de IA e n\u00e3o em orienta\u00e7\u00f5es sobre como gerenciar o projeto geral de IA.<\/strong><\/p>\n\n\n\n Assim, h\u00e1 uma escassez de orienta\u00e7\u00f5es sobre como as organiza\u00e7\u00f5es organizam tarefas, pessoas e recursos de projetos de IA, ou seja, como gerenciam Projetos de IA!!<\/strong><\/p>\n\n\n\n A gest\u00e3o de projetos de Intelig\u00eancia Artificial (IA) apresenta desafios espec\u00edficos que refletem a natureza complexa e din\u00e2mica dessa \u00e1rea. Alguns dos desafios mais comuns enfrentados pela gest\u00e3o de projetos de IA incluem:<\/strong><\/p>\n\n\n\n 1) Viabilidade do Projeto:<\/strong> Avaliar a viabilidade do projeto antecipadamente e depois, em intervalos regulares, a viabilidade do projeto, tanto para consulta quanto para para seus clientes – estando efetivamente prontos para ‘despedir seu cliente’, se necess\u00e1rio. <\/p>\n\n\n\n 2) Medi\u00e7\u00e3o de Progresso: <\/strong>Considerar que os projetos de IA exigem uma conceitua\u00e7\u00e3o diferente de progresso com base na conclus\u00e3o de tarefas espec\u00edficas da IA fluxo de trabalho, essencialmente ‘repensando sua defini\u00e7\u00e3o de pronto’. <\/p>\n\n\n\n 3) Foco no valor comercial: <\/strong>Garantir que o trabalho de ci\u00eancia de dados s\u00f3 seja perseguido se agregar valor comercial para os clientes, em vez de se basear apenas no m\u00e9rito t\u00e9cnico, \u2018questionando assim\u2019 o valor marginal da ci\u00eancia de dados. <\/p>\n\n\n\n 4) Colabora\u00e7\u00e3o entre \u00e1reas de Neg\u00f3cios e T\u00e9cnica: <\/strong>Incentivar um consultor de neg\u00f3cios e um cientista de dados a trabalhar em estreita colabora\u00e7\u00e3o, \u2018cultivando um time poderoso de IA\u2019 para impulsionar o projeto<\/p>\n\n\n\n O gerenciamento de projetos tradicional<\/strong> \u00e9 usado para dividir os projetos em suas fases principais, voltadas para o gerenciamento do projeto para apresenta\u00e7\u00e3o ao cliente. <\/p>\n\n\n\n Elementos de pr\u00e1ticas \u00e1geis<\/strong> s\u00e3o usados \u200b\u200bpara executar o trabalho do projeto em ciclos curtos de uma forma maneira iterativa e incremental. <\/p>\n\n\n\n Elementos do fluxo de trabalho de IA <\/strong>s\u00e3o usados \u200b\u200bpara gerenciar a experimenta\u00e7\u00e3o, o detalhamento e o L\u00f3gica tradicional de gerenciamento de projetos versus l\u00f3gica de fluxo de trabalho de IA:<\/strong><\/p>\n\n\n\n De acordo com a l\u00f3gica tradicional de gerenciamento de projetos, a viabilidade de um projeto \u00e9 determinada em fases anteriores, e o a faixa de incerteza diminui com o tempo. No entanto, devido a problemas de dados e \u00e0 complexidade matem\u00e1tica inerente a l\u00f3gica do fluxo de trabalho da IA, o grau de incerteza pode permanecer constante ou at\u00e9 aumentar \u00e0 medida que os membros da equipe realizem trabalhos cient\u00edficos e experimentos espec\u00edficos. <\/p>\n\n\n\n Parte da l\u00f3gica tradicional de gerenciamento de projetos \u00e9 que o cliente e o fornecedor aprovem as entregas do projeto no in\u00edcio do projeto. De acordo com a l\u00f3gica do fluxo de trabalho da IA, no entanto, a incerteza est\u00e1 sempre presente e os resultados podem n\u00e3o ser entregues conforme planejado. Assim, as entregas reais do projeto nem sempre s\u00e3o conhecidas a priori, e os clientes podem ficar insatisfeito como resultado. <\/p>\n\n\n\n De acordo com a l\u00f3gica tradicional de gerenciamento de projetos, o objetivo ou meta de um projeto \u00e9 atender metas espec\u00edficas e predeterminadas, com crit\u00e9rios de sucesso, que muitas vezes est\u00e3o diretamente ligados \u00e0 melhoria do valor do neg\u00f3cio. A l\u00f3gica do fluxo de trabalho de IA tende a se concentrar em metas estat\u00edsticas definidas pelo objetivo de um modelo matem\u00e1tico, levando o A l\u00f3gica subjacente \u00e0 gest\u00e3o de projetos tradicional sugere que a gest\u00e3o da qualidade deve ser entregue L\u00f3gica \u00e1gil versus l\u00f3gica de fluxo de trabalho de IA<\/strong><\/p>\n\n\n\n A l\u00f3gica \u00e1gil enfatiza itera\u00e7\u00f5es de dura\u00e7\u00e3o fixa (muitas vezes limitadas pelo tempo), durante as quais os membros da equipe se concentram em concluir tarefas pr\u00e9-selecionadas durante uma reuni\u00e3o de planejamento do sprint. No entanto, a l\u00f3gica do fluxo de trabalho da IA \u200b\u200binclui uma abordagem de processo que \u00e9 organizado em torno de uma s\u00e9rie de pequenos experimentos baseados em algoritmos com tempos de execu\u00e7\u00e3o imprevis\u00edveis e vari\u00e1veis.<\/p>\n\n\n\n As l\u00f3gicas de fluxo de trabalho \u00e1gil e de IA envolvem mudan\u00e7as ao longo do processo, mas a fonte da mudan\u00e7a \u00e9 diferente, o que pode impactar a fun\u00e7\u00e3o do cliente durante o projeto de IA. De acordo com a l\u00f3gica \u00e1gil, a mudan\u00e7a \u00e9 bem-vinda durante todo o processo de desenvolvimento, e muitas das mudan\u00e7as s\u00e3o conduzidas pelo cliente. Para a l\u00f3gica de fluxo de trabalho de IA, as mudan\u00e7as s\u00e3o impulsionadas principalmente por resultados intermedi\u00e1rios ou pela disponibilidade de novas t\u00e9cnicas para se resolver um problema.<\/p>\n\n\n\n Um princ\u00edpio da l\u00f3gica \u00e1gil \u00e9 entregar um produto funcional ao final de cada itera\u00e7\u00e3o. No fluxo de trabalho de IA o uso e a depend\u00eancia de pequenos experimentos e testes de hip\u00f3teses significam que os resultadosintermedi\u00e1rios obtidos n\u00e3o s\u00e3o necessariamente solu\u00e7\u00f5es funcionais e tang\u00edveis. Assim, pode ser dif\u00edcil demonstrar progresso em termos de valor agregado ou ROI tang\u00edvel para o cliente.<\/p>\n\n\n\n A l\u00f3gica \u00e1gil refor\u00e7a a import\u00e2ncia de equipes auto-organizadas e aut\u00f4nomas. No entanto, projetos de IA Os desafios enfrentados no gerenciamento de projetos de IA s\u00e3o grandes<\/p>\n\n\n\n Temos muitos problemas e falhas nesses projetos, bem como conflitos decorrentes da combina\u00e7\u00e3o de diferentes abordagens de gerenciamento de projetos al\u00e9m desafios nas fases iniciais e no envolvimento com o cliente. Apesar de apresentarmos estrat\u00e9gias neste artigo, estamos longe de uma palavra final sobre o Gerenciamento de Projetos de IA. Acompanhe-nos para desdobramentos sobre esse importante conte\u00fado.<\/p>\n\n\n\n 9 minutos<\/small> Relat\u00f3rios de especialistas indicam que os gastos globais em intelig\u00eancia artificial (IA) dever\u00e3o atingir US$ 110 bilh\u00f5es em 2024. Nos \u00faltimos anos, muitas organiza\u00e7\u00f5es lan\u00e7aram projetos para criar valor comercial usando Intelig\u00eancia Artificial (IA). Para muitas organiza\u00e7\u00f5es, os sistemas de IA prontos para uso n\u00e3o est\u00e3o dispon\u00edveis devido ao n\u00edvel de maturidade e a necessidade de adaptar os sistemas de IA \u00e0 situa\u00e7\u00e3o \u00fanica da organiza\u00e7\u00e3o. Gerenciar projetos de IA n\u00e3o \u00e9 uma tarefa simples. Pesquisas indicam que \u201885% dos projetos de Continue<\/span>\u2192<\/a><\/p>\n","protected":false},"author":1,"featured_media":5814,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[1],"tags":[],"_links":{"self":[{"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/posts\/5806"}],"collection":[{"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/comments?post=5806"}],"version-history":[{"count":2,"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/posts\/5806\/revisions"}],"predecessor-version":[{"id":5815,"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/posts\/5806\/revisions\/5815"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/media\/5814"}],"wp:attachment":[{"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/media?parent=5806"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/categories?post=5806"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.netproject.com.br\/blog\/wp-json\/wp\/v2\/tags?post=5806"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
gerenciamento de projetos tradicionais, pr\u00e1ticas \u00e1geis e pr\u00e1ticas de fluxo de trabalho de IA.
<\/p>\n\n\n\nFluxo de Trabalho de IA<\/strong><\/h2>\n\n\n\n
Desafios na Gest\u00e3o de Projetos de IA<\/strong><\/h2>\n\n\n\n
\n
Quatro estrat\u00e9gias que as organiza\u00e7\u00f5es podem usar na Gest\u00e3o de Projetos de IA<\/h2>\n\n\n\n
Tr\u00eas L\u00f3gicas Centrais: Gerenciamento Tradicional, Gerenciamento<\/strong> \u00c1gil e o Fluxo de IA<\/strong><\/h2>\n\n\n\n
ajuste dos modelos de aprendizado de m\u00e1quina que ser\u00e3o integrados ao produto final.<\/p>\n\n\n\nOs Conflitos entre as Tr\u00eas L\u00f3gicas Centrais<\/h2>\n\n\n\n
cientista de dados a avaliar se existe um \u2018ganho no desempenho do modelo\u2019<\/p>\n\n\n\n
de acordo com crit\u00e9rios de qualidade pr\u00e9-especificados, e exceder as expectativas de qualidade (denominado gold-plating) \u00e9 visto como prejudicial mental. No entanto, os cientistas de dados \u2013 que ocupam um papel proeminente no trabalho de IA \u2013 s\u00e3o fortemente influenciados pelos seus conhecimentos acad\u00e9micos e experi\u00eancia em pesquisa. Como resultado, eles geralmente se concentram no uso de t\u00e9cnicas de ponta, que por vezes est\u00e3o em desacordo com as t\u00e9cnicas que atender\u00e3o \u00e0 qualidade m\u00ednima exigida pelo cliente.<\/p>\n\n\n\n
tem uma din\u00e2mica, diferente, com trabalho hiperespecializado e por muitas vezes realizado sozinho.<\/p>\n\n\n\nPara finalizar<\/h2>\n\n\n\n
<\/p>\n","protected":false},"excerpt":{"rendered":"