Compreender as aplicações generativas de IA
As aplicações de IA generativa são construídas com modelos de linguagem. Esses modelos de linguagem alimentam o componente "lógica do aplicativo" da interação entre usuários e IA generativa.
Compreender os assistentes
A IA generativa geralmente aparece como assistentes baseados em bate-papo que são integrados em aplicativos para ajudar os usuários a encontrar informações e executar tarefas de forma eficiente. Um exemplo de tal aplicação é Microsoft Copilot, uma ferramenta de produtividade alimentada por IA projetada para melhorar sua experiência de trabalho, fornecendo inteligência e assistência em tempo real.
Observação
O Microsoft Copilot é um assistente generativo baseado em IA que está integrado em uma ampla gama de aplicativos e experiências de usuário da Microsoft. Os utilizadores empresariais podem utilizar o Microsoft Copilot para aumentar a sua produtividade e criatividade com conteúdo gerado por IA e automatização de tarefas. Os desenvolvedores podem estender o Microsoft Copilot criando plug-ins que integram o Copilot em processos e dados de negócios, ou até mesmo criar agentes semelhantes ao copiloto para criar recursos de IA generativa em aplicativos e serviços. Você pode aprender extensivamente sobre o Microsoft Copilot aqui.
Compreender os agentes
A IA generativa que pode executar tarefas como declarar impostos ou coordenar arranjos de transporte, apenas como alguns exemplos, são conhecidas como agentes. Os agentes são aplicativos que podem responder à entrada do usuário ou avaliar situações de forma autônoma e tomar as ações apropriadas. Estas ações poderiam contribuir para uma série de tarefas. Por exemplo, um agente de "assistente executivo" pode fornecer detalhes sobre a localização de uma reunião no seu calendário e, em seguida, anexar um mapa ou automatizar a reserva de um táxi ou serviço de transporte compartilhado para ajudá-lo a chegar lá.
Os agentes contêm três componentes principais:
- Um modelo de linguagem que potencializa o raciocínio e a compreensão da linguagem
- Instruções que definem os objetivos, o comportamento e as restrições do agente
- Ferramentas ou funções que permitem que o agente conclua tarefas
Observação
As soluções de IA atuais geralmente contêm uma combinação de assistente, agente e outros recursos de IA. O processo de coordenação e gerenciamento de vários componentes de IA — como modelos, fontes de dados, ferramentas e fluxos de trabalho — para trabalhar juntos de forma eficiente em uma solução unificada é conhecido como orquestração.
Use uma estrutura para entender as aplicações generativas de IA
Uma maneira de pensar em diferentes aplicações generativas de IA é agrupando-as em buckets. Em geral, você pode categorizar a IA generativa pessoal e do setor em três buckets, cada um exigindo mais personalização: aplicativos prontos para uso, aplicativos extensíveis e aplicativos que você cria a partir da base.
| Categoria | Descrição |
|---|---|
| Pronto a usar | Estas aplicações são aplicações de IA generativas prontas a usar. Eles não exigem nenhum trabalho de programação por parte do utilizador para utilizar a ferramenta. Você pode começar simplesmente fazendo uma pergunta ao assistente. |
| Extensível | Alguns aplicativos prontos para uso também podem ser estendidos usando seus próprios dados. Essas personalizações permitem que o assistente ofereça melhor suporte a processos ou tarefas de negócios específicos. O Microsoft Copilot é um exemplo de tecnologia pronta para uso e extensível. |
| Aplicativos que você cria a partir da fundação | Você pode criar seus próprios assistentes e assistentes com recursos de agente a partir de um modelo de linguagem. |
Muitas vezes, você usará serviços para estender ou criar aplicativos de IA generativos. Esses serviços fornecem a infraestrutura, as ferramentas e as estruturas necessárias para desenvolver, treinar e implantar modelos generativos de IA. Por exemplo, a Microsoft fornece serviços como o Copilot Studio para expandir o Microsoft 365 Copilot e o Microsoft Microsoft Foundry para construir IA a partir de diferentes modelos.
Em seguida, vejamos as ferramentas usadas para estender e construir aplicativos de IA generativa.