Skip to Content

Conheça o único fator que define sucesso dos agentes de IA

Descubra como plataformas como o Salesforce Data Cloud estão transformando a gestão de dados para agentes de IA, conectando fontes estruturadas e não estruturadas, otimizando a qualidade dos dados e potencializando decisões em tempo real para alcançar um sucesso empresarial sem precedentes.

Os agentes de IA estão prestes a revolucionar tudo, mas dados de baixa qualidade são como “junk food” para eles. Alimente-os com dados limpos, completos e conectados. Aqui explicamos como.  

Qual é uma das ações mais importantes para implementar com sucesso agentes de IA? Se você respondeu “gestionar os dados”, pode se parabenizar.  

Precisa de exemplos? Considere o caso de uma companhia aérea que teve que reembolsar um cliente após um bot fornecer informações erradas sobre sua política de luto. Ou o bot que disse a empreendedores de Nova York que era permitido infringir certas leis. Ou a IA que insistiu que uma estrela da NBA havia vandalizado várias casas.  

O que deu errado nesses casos? Pode ter sido supervisão inadequada ou falta de controles apropriados, mas, muito provavelmente, foi um problema com os dados: informações incorretas, mal rotuladas, de fontes desconhecidas ou dispersas em vários sistemas podem arruinar qualquer agente de IA.  

Estudos recentes reforçam isso. Quase 60% dos usuários de IA dizem que é difícil obter o que precisam atualmente, e mais da metade não confia nos dados usados para treinar os sistemas de IA. Essa falta de confiança pode desacelerar a adoção da tecnologia e dificultar a competitividade da sua empresa.  

Os agentes de IA prometem transformar o trabalho e o relacionamento com clientes, mas precisam de dados precisos, atualizados, acessíveis e completos. Isso é chamado de IA centrada em dados — baseada na ideia de que sistemas de IA só são eficazes com dados de qualidade.  

6 estratégias para usar IA generativa com segurança

O que sua empresa pode fazer agora 

Aqui estão dois passos fundamentais que sua empresa pode adotar:  

  1. Conecte suas fontes de dados — marketing, vendas, atendimento, comércio — em um único registro atualizado em tempo real, permitindo que o agente de IA execute tarefas com precisão e informações completas.  
  1. Garanta a qualidade dos dados. Elimine duplicidades, valores discrepantes, erros e outros elementos que possam prejudicar os resultados da IA. 

Conecte todos os seus dados empresariais 

O acesso em tempo real a dados de qualidade em toda a organização é essencial para o sucesso da IA. Porém, muitas empresas enfrentam desafios. Dados fragmentados, em diferentes formatos e armazenados em locais separados dificultam o aproveitamento total dessas informações.  

Plataformas como o Salesforce Data Cloud conectam fontes estruturadas e não estruturadas em uma plataforma unificada. Atualizações recentes incluem suporte ao processamento de áudio e vídeo, como chamadas e webinars, e um modelo semântico de dados que ajuda agentes de IA e humanos a interpretar os dados de forma consistente.  

Esses dados também apoiam o Agentforce, conjunto de ferramentas de agentes de IA da Salesforce, permitindo que eles compreendam o contexto e se tornem mais eficazes. Por exemplo, um Agente de Serviço do Agentforce pode acessar e-mails, tickets de suporte, mensagens de voz e outras fontes definidas pela empresa para entender melhor as necessidades do cliente e sugerir ações como automação de follow-ups ou resumos de chat para representantes humanos.  

Estabeleça bases para agentes de IA com foco em dados 

Seus dados não precisam ser perfeitos para criar um programa eficaz de agentes de IA, mas precisam estar limpos. Isso significa que não há erros, formatos incorretos, duplicatas ou rótulos incorretos.

Os especialistas em dados da Tableau oferecem um modelo abrangente para limpar sistematicamente seus dados, uma primeira etapa crucial na unificação de conjuntos de dados para projetos de IA.

Remova observações duplicadas ou irrelevantes

A duplicação acontece quando você combina conjuntos de dados de vários lugares, e são criadas cópias. Observações irrelevantes ocorrem quando os dados (por exemplo, sobre consumidores idosos) não se encaixam em um problema que você está tentando analisar (por exemplo, hábitos de compra da geração do milênio). A remoção dessas observações torna a análise mais eficiente, útil e precisa para um sistema de IA.

Corrigir erros estruturais

Os erros estruturais ocorrem quando os dados incluem erros de digitação, letras maiúsculas incorretas ou rótulos incorretos. Por exemplo, “N/A” e “não aplicável” significam a mesma coisa, mas não são analisados da mesma forma porque são renderizados de forma diferente. As entradas devem ser consistentes para garantir uma análise precisa e completa pelo sistema de IA.

Filtrar exceções indesejadas

Muitas vezes, há observações pontuais que não se alinham com os dados que você está analisando. Isso pode ser o resultado de uma entrada de dados incorreta (e deve ser removido), mas, às vezes, o outlier ajuda a provar uma teoria na qual você está trabalhando. Em qualquer caso, é necessária uma análise para determinar sua validade.

Embora seus dados não precisem ser perfeitos, eles devem ser limpos: livres de erros, duplicidades ou rótulos incorretos.  

Lidar com dados ausentes

Dados ausentes ou incompletos são um problema muito comum em conjuntos de dados e podem reduzir a precisão dos modelos de IA. Há algumas maneiras de lidar com isso:

  • Eliminar as observações que incluem valores ausentes; no entanto, isso resultará em perda de informações.
  • Insira os valores ausentes com base em outras observações; no entanto, você pode perder a integridade dos dados porque está operando com base em suposições e não em observações reais.
  • Altere a forma como os dados são usados para navegar efetivamente pelos valores ausentes.

Validar

Depois de limpar os dados, você deve ser capaz de responder a estas perguntas:

  • Os dados fazem sentido?
  • Os dados seguem as regras apropriadas para seu campo?
  • Eles provam ou refutam sua teoria ou apresentam algum insight?
  • Você consegue encontrar tendências que ajudem a fundamentar a próxima teoria? Se não, isso se deve a problemas contínuos de qualidade dos dados?

Na era da IA, dados são essenciais 

Os dados não apenas suportarão operações, mas se tornarão a espinha dorsal de sistemas, fluxos de trabalho, interações com clientes e processos automatizados. Empresas que prosperarem serão aquelas que integram dados com tecnologia para desbloquear novas capacidades e oportunidades.  

Como afirmou Rahul Auradkar, Vice-Presidente Executivo e Gerente Geral do Data Cloud na Salesforce:  

“Nessa nova era de IA e agentes, os dados de clientes e metadados são o novo ouro para as empresas.”  

Os dados são tão fundamentais para o sucesso da IA que podem, de fato, valer mais do que ouro. 

Conheça o Agentforce

Humanos e Agentes se unem pelo sucesso do cliente. Crie e personalize agentes de IA autônomos para ajudar continuamente seus colaboradores e clientes.