Para Aaron, é fundamental trabalhar em estreita colaboração com os stakeholders para entender seus pontos problemáticos e identificar casos de uso onde os modelos de linguagem podem serem implantados com sucesso. Além disso, é crucial compreender os dados e o espaço de problema para implantar modelos de linguagem com sucesso.
Aaron destaca a importância de complementar os modelos de linguagem com software para alcançar o sucesso. Em vez de depender apenas dos modelos de linguagem para resolver um problema, é necessário encontrar uma abordagem mais holística que combine inteligência artificial com tecnologia tradicional.
Um exemplo disso é o caso de uso “Fale com seu Banco de Dados” (Linguagem Natural para SQL), onde Aaron sugere que, em vez de tratar o problema apenas como um problema de IA, é fundamental encontrar um esquema de banco de dados que se encaixe no espaço de problema que o modelo de linguagem pode resolver. Isso torna o problema mais solucionável e menos dependente de expertise em IA.
Entre as principais conclusões da conversa estão:
* A compreensão dos dados e do espaço de problema é crucial para a implantação bem-sucedida de modelos de linguagem.
* A combinação de software com inteligência artificial é fundamental para alcançar o sucesso na implantação de modelos de linguagem.
* A identificação dos casos de uso certos e a complementação de modelos de linguagem com software são essenciais para a integração eficaz em workflows empresariais.
Além disso, Aaron discute a importância de craftar prompts eficazes para modelos de linguagem, que podem influenciar significativamente o sucesso de um produto. Ele sugere que a interação com o modelo de linguagem, usando padrões de linguagem e léxicos específicos para o modelo, é a melhor maneira de melhorar os prompts.
No futuro, Aaron vislumbra avanços significativos na indústria nos próximos anos, com modelos de linguagem sendo usados não apenas para tarefas de linguagem técnica, mas também para workflows empresariais específicos. Ele prevê que os modelos melhorarão, requerendo menos ajustes de prompts, e que os custos diminuirão, tornando os modelos de linguagem mais acessíveis às empresas.
Em resumo, a integração de modelos de linguagem em empresas é uma oportunidade promissora, mas requer uma abordagem holística que combine inteligência artificial com tecnologia tradicional e uma compreensão profunda dos dados e do espaço de problema.