Mitigando os Riscos da IA

Introdução à IA no Trabalho

James Chapman

AI Curriculum Manager, DataCamp

Mitigando a Fabricação de Conhecimento

Confie, mas verifique mentalidade

Sempre confira duas vezes informações críticas
- 📈 Números e pontos de dados
- 📖 Citações e referências
- 🏛 Fatos históricos e datas
- 💻 Detalhes técnicos

¹ https://openai.com/index/why-language-models-hallucinate/

🤝 Permissão para se abster: \"Se você não estiver confiante, diga 'não sei' em vez de adivinhar.\"

🎯 Calibração: \"Marque cada afirmação como: confiante / incerta / inferida.\"

📚 Cite ou rotule: \"Para cada afirmação factual, forneça uma fonte ou rotule-a como sem fonte.\"

🧹 Passou na autoavaliação: \"Liste qualquer coisa que possa estar errada ou que você tenha assumido.\"

🧭 Delimite o escopo: \"Limite sua resposta ao que está diretamente declarado na entrada. Não extrapole.\"

Sempre verifique a data de corte do conhecimento
Verifique tudo o que aconteceu depois
- 💰 Preços
- 🏛 Regulamentações
- 👷 Mudanças de pessoal
- 📰 Notícias
🌐 Use suporte de navegação na web

Revise os resultados criticamente
- 🤝 Materiais de contratação
- ✨ Conteúdo de marketing
- 👉 Tomada de decisão
❗ Ferramentas de detecção de viés

🧭 Oriente a IA para a objetividade e a análise crítica
🤔 Mantenha-se cético em relação às respostas da IA
💬 Peça explicitamente feedback crítico
- Quais são os possíveis problemas com essa abordagem?
- Quais são algumas perspectivas alternativas sobre essa questão?

Nunca compartilhe:{{1}} 🔑 Senhas ou credenciais{{2}} 🔍 Dados pessoais de clientes (ex.: PII){{3}} 📣 Informações proprietárias da empresa{{4}} 📜 Estratégias ou planos confidenciais
Regra geral: se você não publicaria isso, não cole em uma ferramenta de IA padrão

Introdução à IA no Trabalho