Questões de negócios, operacionais e éticas
Large Language Models for Business
Iason Prassides
Content Developer, DataCamp
Transparência
Transparência sobre LLMs
Empresas precisam saber como o LLM chega à resposta
Essencial para gerar confiança
Responsabilização
Se as recomendações do LLM não funcionam
Quem é responsável?
Desenvolvedores de software que criaram o modelo?
A empresa que o implementou?
Riscos com LLMs
Risco inerente de propagar desinformação
Possíveis impactos para empresas:
Decisões baseadas em dados incorretos
Afeta o resultado financeiro
Danos à reputação
Perigo de LLMs serem usados como arma:
Enganar, manipular, induzir stakeholders ao erro
Gera riscos reputacionais e operacionais
LLMs e o meio ambiente
Treinar LLMs exige muita energia computacional
Gera grande pegada de carbono
Empresas devem entender e mitigar impactos ambientais
Como construir LLMs?
Empresas têm decisões pragmáticas a pesar
Construir LLMs internamente ou usar terceiros?
Recursos tecnológicos
Interno
Exige muitos recursos: infraestrutura computacional e dados
Dá pra investir? Dinheiro e tempo?
Terceiros
Acesso imediato e escalabilidade
Sem custos de desenvolvimento
LLMs personalizados
Interno
Ajuste os LLMs às necessidades específicas
Modelos refinados com dados da empresa
Terceiros
Desempenho sofisticado
Modelos mais genéricos, a menos que customizados
Updates e manutenção
Interno
Manutenção mantém LLMs eficazes e seguros
Custo contínuo para a empresa
Terceiros
Empresa não é responsável
Fornecedor cuida de updates e manutenção
Tratamento de dados
Interno
Mantém controle sobre os dados
Importante com dados sensíveis
Terceiros
Pode exigir compartilhar dados
Riscos de segurança e privacidade
Eficiência de custos
Interno
Equilibrar custos recorrentes para ser custo-efetivo
Custos iniciais altos
Terceiros
Custos recorrentes
Custos iniciais baixos
A escolha é sua!
Vamos praticar!
Large Language Models for Business
Preparing Video For Download...