Explorando a Inteligência Artificial em Ação: 8 Exemplos e Lições Aprendidas

Explorando a Inteligência Artificial em Ação: 8 Exemplos e Lições Aprendidas

O SAP Insights de outubro abordou uma discussão crucial sobre o avanço acelerado da Inteligência Artificial (IA). Por meio do trabalho de Stephanie Overby, exploraremos de que maneira a IA está se expandindo rapidamente em diversos setores. Leia o conteúdo a seguir e confira a relevância de oito exemplos práticos que ilustram a aplicação da inteligência artificial em diferentes segmentos. Estas experiências não apenas demonstram a ascensão da IA, mas também oferecem valiosas lições que podemos extrair para compreender melhor o papel dessa tecnologia em constante evolução.

 Por Stephanie Overby

Até recentemente, muitas empresas viviam numa espécie de purgatório de desenvolvimento de inteligência artificial (IA), conduzindo intermináveis pilotos e provas de conceito, mas trazendo muito poucos projetos habilitados para IA para a produção empresarial.

Isso está mudando rapidamente. A adoção da IA mais do que duplicou nos últimos cinco anos, de acordo com uma pesquisa de dezembro de 2022 da McKinsey. O mesmo aconteceu com os tipos de IA que as organizações estão implementando. De acordo com a McKinsey, em média, as empresas utilizam atualmente cerca de quatro capacidades diferentes de IA. No entanto, muitas empresas ainda lutam para capitalizar todo o valor comercial que a IA pode proporcionar às suas organizações. Na quinta pesquisa anual sobre o estado da IA na empresa do Deloitte AI Institute , o número de entrevistados que se autodenominam “fracassados em IA” aumentou quase um terço.

Provavelmente, isso ocorre em parte porque a IA é uma expressão abrangente para capacidades semelhantes à cognição, incluindo tudo, desde visão computacional e processamento de linguagem natural até aprendizado profundo e redes neurais. Mas também existem tantas maneiras de errar quanto de acertar.

Aqui está um mergulho nos detalhes de oito projetos empresariais de IA, abrangendo uma ampla gama de tarefas, incluindo:

• Acelerando o desenvolvimento de medicamentos
• Projetando carros de brinquedo
• Polinização de colheitas
• Aumentando a eficiência na fabricação em grande escala
• e muito mais.

Observar o que diferentes empresas estão fazendo com IA – e como o fazem – pode servir de inspiração para outras pessoas, à medida que imaginam suas próprias aplicações de IA.

Exemplo de IA 1: A plataforma de dados e IA da Moderna acelera o desenvolvimento de mRNA

Os investimentos em IA da empresa de biotecnologia Moderna valeram a pena para o desenvolvimento de medicamentos num momento em que a velocidade é vital para o sucesso no mercado. Fundada mais de uma década antes da crise da COVID-19, a empresa passou anos construindo uma plataforma integrada de ciência de dados e IA para apoiar o desenvolvimento repetível de milhares de diferentes medicamentos e vacinas baseados em mRNA. O aplicativo baseado na web inclui código reutilizável para automação de fluxo de trabalho, captura de dados e construção de modelos. Isso ajuda os cientistas a projetar novas construções de mRNA, melhorar sua eficácia e solicitar amostras por meio de uma linha de produção em escala pré-clínica e de alto rendimento.

Digital e orientada por dados desde o início, a Moderna foi construída para vencer as probabilidades do desenvolvimento farmacêutico tradicional de alto risco e alto retorno. As empresas farmacêuticas normalmente gastam mil milhões no desenvolvimento de um medicamento na esperança de muitos milhares de milhões em retorno, mas registam uma taxa de sucesso de apenas 15%. A IA pode aumentar essas chances para 50/50 e também reduzir o tempo de lançamento no mercado. A aposta na IA valeu a pena para a empresa de Cambridge, MA, que conseguiu desenvolver uma vacina líder contra a COVID-19 em tempo recorde, mostrando cerca de 95% de eficácia na prevenção de doenças causadas pelo vírus, de acordo com os Centros de Controle e Prevenção de Doenças dos EUA. Prevenção.

Aprendizado: 

• Embora a vacina COVID-19 da empresa tenha recebido mais atenção, é apenas um dos produtos da Moderna construído usando suas ferramentas de IA e ciência de dados para o desenvolvimento de mRNA. Como Dave Johnson, chefe de dados e diretor de IA, explicou como convidado no podcast Me, Myself, and AI : “Quando pensamos em tudo o que fazemos na Moderna, pensamos na capacidade desta plataforma. Nunca iríamos fabricar um medicamento; esse nunca foi o plano… Sabíamos que se você conseguir um no mercado, poderá colocar qualquer número deles no mercado.”
• Muitas empresas ficam presas ao investimento inicial em infraestrutura para um projeto de IA. No entanto, a Moderna reconheceu o valor que uma plataforma poderia oferecer a vários produtos a longo prazo.
• Os primeiros investimentos em infraestrutura em nuvem, IoT, análises e processos automatizados criaram a base para o trabalho de IA. “Contamos com a digitalização desde o início, não pela digitalização, mas para gerar dados”, explicou o diretor de excelência digital e operacional da Moderna, Marcello Damiani, em um artigo do Digital, Data, and Design Institute de Harvard. “Isso nos permite construir algoritmos melhores, o que ajuda a construir a próxima geração de medicamentos”, disse Damiani.
• Uma vacina de mRNA é em si um produto baseado em informação, uma molécula sintética que envia instruções às células do corpo para treinar o seu sistema imunitário. Assim, a Moderna construiu um aplicativo de design de medicamentos baseado na web para agilizar o processo de alteração da informação codificada em uma molécula sintética. Nos bastidores, numerosos algoritmos de IA ajudam a informar a tomada de decisões, especialmente em produtos pré-clínicos, para os quais fornecem previsões baseadas em dados sobre as melhores sequências para codificar uma determinada proteína muito mais rapidamente do que os humanos. “Podemos integrá-los aos sistemas vivos que temos, para que os cientistas apenas pressionem um botão e o trabalho seja feito para eles”, explica Johnson. A plataforma captura dados ao longo do processo para produzir algoritmos novos e melhores ao longo do tempo.
• A empresa também usa IA para otimizar o planejamento de ensaios clínicos, o controle de qualidade e até mesmo as operações de call center.

Saber mais: O Digital, Data, and Design Institute de Harvard oferece informações sobre a adoção inicial da IA pela Moderna.

O podcast Me, Myself, and AI do MIT Sloan Management Review entrevistou Dave Johnson sobre o papel da IA no desenvolvimento de vacinas.

A ZDNet descreve a plataforma de desenvolvimento de medicamentos da Moderna como uma “fábrica de IA”.

Dave Johnson compartilha sua experiência no desenvolvimento da vacina COVID-19 no podcast In Machines We Trust.

Exemplo de IA 2: Mattel adota antecipadamente o gerador de imagens de IA DALL-E para desenvolvimento de produto

A IA generativa invadiu a consciência geral com amplas implementações de modelos de linguagem de IA capazes de gerar texto semelhante ao humano. Meses antes, a fabricante de brinquedos Mattel começou a trabalhar com uma ferramenta generativa de criação de imagens, o sistema DALL-E da OpenAI, para criar imagens realistas e arte com base em entradas de linguagem natural.

A Mattel não tem planos de substituir seus designers de produtos por equivalentes artificiais tão cedo. Em vez disso, o fabricante de brinquedos está implantando IA para ajudar os designers a ter ideias para novos carros Hot Wheels.

Aprendizado:

A exploração generativa de IA da Mattel ilustra os benefícios potenciais da colaboração homem-máquina num campo criativo.

• A Mattel começou a usar o gerador de imagens em outubro de 2022.

• Os designers podem digitar uma solicitação em linguagem natural para um “modelo em escala de um hot rod conversível” e o sistema pode fornecer variações de uma imagem personalizada baseada em um Ford 1938 em amarelo com pneus de faixa branca.

• O usuário pode trabalhar com o gerador de imagens para explorar diferentes opções – uma mudança de cor, uma capota rígida, um ajuste no tipo de carroceria – para entregar uma renderização final de um novo carro de brinquedo.

• A IA generativa permite que os designers pensem de forma mais ampla, oferecendo modelos ou opções que talvez não tivessem criado sozinhos. “Em última análise, a qualidade é o mais importante”, disse Carrie Buse, diretora de design de produto do Mattel Future Lab. “Mas às vezes a quantidade pode ajudá-lo a encontrar a qualidade.”

Saber mais:

A Associated Press destaca a entrada precoce da Mattel na IA generativa.

O Microsoft Source detalha como os designers humanos trabalham com o DALL-E para gerar e refinar novos designs de Hot Wheels.

Na Harvard Business Review , Thomas H. Davenport, que é professor de TI e Gestão no Babson College; e Nitin Mittal, diretor da Deloitte Consulting, exploram como a IA generativa mudará o trabalho criativo .

Exemplo 3: Grupo Costa implanta polinizadores alimentados por visão computacional em vez de abelhas

Se há algum zumbido nas estufas de tomate do Grupo Costa, da Austrália, em Guyra, Nova Gales do Sul, não vem dos zangões. Usar polinizadores naturais (como as abelhas) para a agricultura interna é ilegal lá – as abelhas nativas lutam em ambientes cobertos. E, por razões de biossegurança, a Austrália proibiu há muito tempo a importação de abelhas europeias não nativas, que são frequentemente utilizadas para polinização em estufas no hemisfério norte. Em vez disso, o produtor começou a utilizar polinizadores robóticos – alimentados por visão computacional – em um milhão de plantas de tomate.

No verão de 2021, o Grupo Costa começou a usar robôs Polly da empresa israelense Arugga AI Farming. Os primeiros resultados mostraram que as máquinas produziram um rendimento 15% maior em comparação com a polinização manual e um rendimento até 7% maior em comparação com os zangões.

Aprendizado: 

Para o Grupo Costa, o polinizador robótico traz benefícios além da eficiência. Embora não seja permitido o uso de abelhas (que é a forma como a maior parte da polinização em estufa é realizada), a opção agribot não só é mais eficiente do que a polinização manual, como também reduz a propagação de vírus, uma vez que não requer contacto humano com os tomateiros.

• Os tomateiros precisam ser sacudidos para se autopolinizarem, uma tarefa normalmente realizada por abelhas industriais ou por trabalhadores que agitam treliças ou usam varinhas vibratórias.
• O robô Polly viaja entre as fileiras de plantas, usando visão computacional e aprendizado profundo para identificar quais flores estão prontas para polinização. No back-end, o sistema Arugga usa um kit de ferramentas de análise de streaming para processar vídeo bruto de estufas. As imagens são então anotadas e o modelo é treinado nos conjuntos de dados resultantes, que são atualizados mensalmente. O modelo melhora com o tempo e é exportado para os robôs, que podem executar o algoritmo individualmente e são essencialmente dispositivos de computação de ponta.
• O robô então emite pulsos de ar comprimido para vibrar as flores devidas, semelhante à forma como os zangões realizam a polinização por zumbido.
• Costa planeja expandir o uso de polinizadores robóticos para outras estufas na Austrália, Finlândia e EUA

Saber mais:

O site de notícias CTech de Israel cobriu o acordo entre o Grupo Costa e a startup israelense.

Os polinizadores alimentados por IA do Grupo Costa são apenas um exemplo das aplicações agrícolas de visão computacional num artigo da Imaging & Machine Vision Europe.

Produce Plus explica como os robôs determinam quais flores estão prontas para polinizar.

Exemplo de IA 4: Proctor & Gamble implanta IA, aprendizado de máquina e computação de ponta para agilizar a produção

A P&G pretende digitalizar e analisar dados das suas mais de 100 unidades de produção. Está desenvolvendo recursos de IA, como aprendizado de máquina e visão computacional, para maximizar a integridade e a disponibilidade dos equipamentos, avaliar a qualidade do produto em tempo real na linha de produção e otimizar o uso de energia e água. A fabricante de bens de consumo embalados concentrou os seus esforços iniciais no segmento de produtos de papel e cuidados para bebés, com pilotos nos EUA, Índia, Japão e Egipto. Um piloto inicial usou IA para prever o comprimento das folhas de papel toalha acabadas, entregando assim a quantidade certa de produto aos clientes – apenas uma das muitas eficiências que a empresa espera alcançar.

Aprendizado:

O objetivo final da P&G é a produção inteligente em escala, afirma o CIO Vittorio Critella, com foco na manutenção preditiva, qualidade preditiva e otimização da sustentabilidade. A IA poderia ajudar a permitir operações totalmente sem contato no futuro.

• Um Digital Enablement Office (DEO) está priorizando a fabricação de produtos, casos de uso de embalagens e processos de embalagem que poderiam ser implementados em toda a empresa.
• A empresa pode transmitir dados dos sensores da linha de produção para a nuvem para construir e treinar algoritmos de aprendizado de máquina que são então implantados de volta na borda, no chão de fábrica.
• A P&G testou o uso de IA para minimizar o excesso de embalagem de rolos de papel toalha (prevendo com mais precisão os comprimentos das folhas acabadas) e usando visão computacional para controle de qualidade em tempo real para fraldas e absorventes femininos (onde a montagem precisa e em alta velocidade de múltiplas camadas de materiais é essencial).
• Grandes volumes de conjuntos de dados holísticos de suas máquinas de papel podem ser usados para treinar algoritmos de aprendizado de máquina para prever quais máquinas necessitam de manutenção e identificar oportunidades para reduzir o uso de energia.
• O aprendizado de máquina e a IA devem ser incorporados às operações e à cultura para agregar valor, afirma o CIO da P&G.

Saber mais:
A Consumer Goods Technology oferece uma visão geral da plataforma digital da P&G, aproveitando o uso de sensores IoT e IA.

Os CIOs da P&G conversaram com o CIO Journal da Deloitte sobre as oportunidades e os desafios da implantação de IA em escala na manufatura.

CIO.com descreve como a P&G conseguiu amadurecer além da experimentação de IA para escalar casos de uso cada vez mais sofisticados.A Microsoft Source publicou notícias sobre seu trabalho com a P&G na fabricação digital.

Exemplo de IA 5: Goldman Sachs testa IA generativa para ajudar os desenvolvedores a escrever código

As ferramentas generativas de IA não apenas produzem linguagem escrita e imagens, mas também produzem código de computador. A Goldman Sachs está conduzindo uma “prova de conceito” para ferramentas de codificação assistida alimentadas por IA generativa.

Mesmo que os pares da indústria JPMorgan, Citigroup, Deutsche Bank e Bank of America tenham alegadamente impedido os seus funcionários de utilizarem IA generativa, a Goldman Sachs está a colocar a tecnologia nas mãos dos seus programadores para determinar o seu valor inicial. O CIO Marco Argenti explica que embora não seja sensato confiar imediatamente todos os processos importantes à IA, é imperativo que as empresas tentem visualizar o seu potencial. A empresa tem uma série de provas de conceito em andamento em áreas que incluem desenvolvimento de software e classificação de documentos, que mostraram alguns resultados iniciais promissores.

Aprendizado: 

• A Goldman Sachs vê a IA como uma companheira para os desenvolvedores de software, e não como um substituto para eles. Também está testando grandes modelos de linguagem para atualizar os processos de gerenciamento de classificação de documentos atualmente executados pela IA tradicional. A empresa mantém em segredo os nomes das ferramentas que utiliza, juntamente com os departamentos específicos que estão testando a tecnologia, mas compartilhou alguns resultados iniciais.
• Os desenvolvedores conseguiram usar IA generativa para escrever até 40% de seu código automaticamente, o que Argenti diz que poderia melhorar a produtividade dos desenvolvedores humanos em algum lugar na casa dos dois dígitos.
• O banco está usando o software não apenas para gerar código, mas também para testá-lo.Os grandes modelos de linguagem são pelo menos tão bons quanto os humanos no gerenciamento dos milhões de documentos da empresa.
• O CIO da Goldman Sachs vê a IA generativa como uma das maiores disrupções da sua vida, a par da Internet, das aplicações ou da nuvem.Os maiores desafios, diz ele, são adaptar os controles internos para mitigar quaisquer riscos para a empresa ou seus clientes e encontrar talentos com amplo conhecimento em modelos de linguagem.

Saber mais: O CIO Marco Argenti compartilha alguns resultados iniciais nestas perguntas e respostas do Wall Street Journal .

Argenti explica na CNBC como seus engenheiros de software estão usando IA generativa para gerar linhas de código.

Em um episódio recente de podcast , dois analistas da pesquisa da Goldman Sachs discutiram o poder de automatizar mais processos empresariais do dia a dia, como o desenvolvimento de software.

Exemplo de IA 6: Choice Hotels adota consultor robótico para gerenciar a pegada de carbono

Não é fácil ser ecológico, especialmente para uma grande rede hoteleira. Afinal, os edifícios são responsáveis por 40% das emissões globais de CO 2 .

À medida que os operadores hoteleiros trabalham para preparar as suas propriedades comerciais para os códigos energéticos e requisitos de relatórios atuais e futuros, a IA pode desempenhar um papel. É por isso que a Choice Hotels International adotou uma ferramenta baseada em IA – o EcoStruxure Resource Advisor da Schneider Electric – para melhor monitorizar e gerir proativamente o consumo de energia nos seus 6.000 hotéis. Ainda é cedo para este esforço, mas a empresa afirma que, com esta ferramenta, os proprietários dos seus hotéis poderão compreender e gerir melhor o consumo de energia nos seus edifícios comerciais.

Aprendizado: 

Até o momento, a Choice Hotels ficou atrás de seus concorrentes nos esforços ambientais, sociais e de governança (ESG), mas isso poderia ajudar a empresa a recuperar algum terreno. Pense nesta ferramenta como um robo-assessor, mas em vez de fazer escolhas de ações (outra aplicação de IA bem conhecida ), ela faz sugestões para gerenciar o impacto ambiental do portfólio de propriedades da empresa.

Enfrentando requisitos crescentes de gestão e divulgação de emissões em 40 países nos níveis nacional, estadual e local, juntamente com a pressão dos clientes, a empresa hoteleira utilizará a tecnologia habilitada para IA não apenas para melhor compreender e relatar seu impacto ambiental, mas também para gerenciá-lo e reduzi-lo proativamente.

• O produto pode ajudar a Choice Hotels a monitorar o uso de eletricidade (identificando evidências de vazamentos ou ineficiências), prever períodos de pico de custos de energia e otimizar seu portfólio de hedges de energia.
• A precisão dos dados é fundamental para analisar padrões de consumo e obter energia de forma mais sustentável.
• O aprendizado de máquina ajuda na coleta e qualidade de dados, previsão do mercado de energia e otimização de portfólio.
• As recomendações de eficiência do consultor de recursos baseiam-se em avaliações do desempenho do edifício relativamente à produção de energia, ocupação, clima e outros factores.
• No futuro, grandes modelos de linguagem poderão ajudar a reunir dados adicionais de documentos de clientes e outros materiais para fornecer uma contabilidade mais completa das métricas ESG.

Saber mais:

O site de notícias executivas de viagens Skift oferece algumas perspectivas sobre os relatórios ESG da Choice Hotels até o momento.
A entrevista de AiThority  com o diretor sênior de gerenciamento de produtos da Schneider Electric explica como o software usa aprendizado de máquina e IA.

A EnergyTech conversou com o proprietário de um hotel sobre os benefícios da ferramenta.

Exemplo de IA nº 7: A equipe ferroviária de alta velocidade do Reino Unido constrói um plano de construção melhor com simulador de IA

A ferrovia High Speed 2, ou HS2, que liga Londres a Manchester é o maior projeto de infraestrutura de transporte no Reino Unido. A joint venture Align formou um grupo de trabalho envolvendo três empresas internacionais de infraestrutura e é responsável pelo projeto e construção de uma das etapas mais desafiadoras do projeto: o chamado trecho C1. Este trecho de 21,6 km   a noroeste de Londres inclui o icônico viaduto Colne Valley, de 3,4 km, e um túnel “twin perfurado” de aproximadamente 16 quilômetros . No auge do projeto de cinco anos e meio, mais de 1.500 pessoas trabalharão no local. A Align investiu no ALICE – um produto inteligente de sequenciamento de construção – para modelar contingências e elaborar cronogramas de construção otimizados e realistas para o HS2.

A pré-construção – a primeira fase de um projeto durante a qual as empresas planejam e programam todo o escopo de uma obra, estimam custos e analisam necessidades – é uma etapa crítica. Mas muita coisa mudou nas últimas décadas no método do caminho crítico que as empresas de arquitetura, engenharia e construção utilizam para planear os seus projetos. Normalmente tem sido um desafio hercúleo elaborar um ou dois planos, dado o esforço necessário para construir um cronograma.

Usando a IA, as empresas podem produzir centenas ou milhares de opções em poucas horas, com análise completa do seu impacto nos custos e no cronograma.

Aprendizado: 

A Align já tinha um cronograma de construção em vigor que a ajudou a vencer o projeto C1, mas usou o ALICE para verificar novamente suas suposições e procurar oportunidades para melhorar o plano para o trabalho de subestrutura do viaduto. É difícil programar um projecto de infra-estruturas massivo, com as suas complexas interdependências e restrições. O simulador de construção incorpora essas interdependências em uma equação algorítmica que pode analisar milhares de cenários e avaliá-los com base nos objetivos da empresa.

• O simulador de construção permite que as empresas construam virtualmente planos de construção com uma variedade de informações diferentes antes do início da construção real.
• A Align usou o simulador de construção para criar dezenas de opções de agendamento em apenas 10 minutos.
• Em seguida, executou análises “e se” na plataforma para decidir como construir o viaduto de forma mais eficiente.
• A IA pode manipular rapidamente enormes quantidades de parâmetros que podem afectar a construção – tais como mão-de-obra, disponibilidade de equipamentos e materiais, métodos de construção, questões de zoneamento – de formas que os planeadores humanos sozinhos nunca conseguiriam fazer.
• A Align replicou três anos de trabalho de planejamento em apenas seis semanas.

  Saber mais:
  A empresa de consultoria de gestão Roland Berger descreve como a IA pode aumentar a eficiência em toda a cadeia de valor da construção
  O Construction Dive cobre uma variedade de aplicações de IA pré-construção.
  Em 2022, a parceria Align-ALICE ganhou o prêmio de inovação industrial do British Construction Industry Awards.

Exemplo de IA 8: Thomson Reuters agiliza o desenvolvimento de ferramentas de IA para jornalistas, advogados e profissionais de compliance

Desde a sua fundação em 1851 como agência de notícias, a Thomson Reuters sempre se preocupou com dados, de uma forma ou de outra. Hoje, ela fornece serviços empresariais baseados em dados nas áreas jurídica, tributária e contábil, além de notícias. O que hoje é a sua divisão jurídica introduziu a pesquisa em linguagem natural há 30 anos, e o seu grupo de I&D tem testado e fornecido inovações habilitadas para IA desde então.

Em 2022, a Thomson Reuters criou uma plataforma de IA para acelerar sua inovação em aprendizado de máquina, implementando dados comuns e governança de modelos, e para padronizar seu processo de lançamento de modelos.

Aprendizado:

A plataforma de IA da Thomson Reuters fornece não apenas um espaço de trabalho comum para supervisão de IA, mas também um sistema para gerenciar riscos específicos de IA com o objetivo de equilibrar velocidade e governança. Há uma série de desafios para o desempenho eficaz do modelo de IA, como o potencial de viés algorítmico e mudanças na distribuição de dados ao longo do tempo.

Estes desafios só se tornam mais complexos à medida que as empresas escalam a sua implementação de sistemas habilitados para IA, eventualmente ultrapassando as capacidades dos cientistas de dados para os monitorizar manualmente ao longo do tempo.

• A Thomson Reuters trabalhou com a Amazon Web Services para desenvolver uma ferramenta que fornecesse uma interface de usuário padrão “clicável” que cientistas de dados e proprietários de modelos em toda a empresa pudessem usar sem escrever código.
• A plataforma oferece espaços de trabalho de IA, serviço de dados, registro de modelo, anotação de IA e monitoramento de problemas como dados ou desvios e tendências de modelo.
• A plataforma agiliza a modelagem tradicional de desempenho feita por cientistas de dados humanos que monitoram a deterioração do modelo e trabalham com as equipes apropriadas para fazer os ajustes necessários.
• A adoção dos usuários foi o fator de sucesso mais importante e o maior desafio. O desenvolvimento ágil com demonstrações semanais para os usuários coletarem feedback foi fundamental.
• O portfólio de ofertas habilitadas para IA da empresa ajuda jornalistas humanos a identificar tendências, fornece capacidade de mapeamento preditivo para conformidade fiscal e oferece consultas em linguagem natural e algoritmos de pesquisa baseados em IA para profissionais jurídicos, tributários e contábeis.

Saber mais:
Maria Apazoglou, vice-presidente de IA/ML e business intelligence, compartilhou detalhes sobre a plataforma de IA com o CIO Journal da Deloitte.
O artigo da B2B News Network de 2017 explica o papel central que a IA desempenharia no centro expandido de P&D de tecnologia da Thomson Reuters.
O AWS Machine Learning Blog oferece uma visão detalhada do desenvolvimento da plataforma de IA.

Fonte: SAP Insights

Clique Aqui e explore o conteúdo completo.

Leitura adicional

Clique Aqui e confira também a edição de outubro da ASUG News, com destaque para a Inteligência Artificial.

Equipe ASUG Brasil