Frequently asked questions

Os LLM (Large Language Models) públicos, como Claude, Gemini e outros, foram treinados com volumes de dados massivos, incluindo grande parte do conteúdo da internet até uma determinada data de corte. Desta forma eles podem responder com base nesta ampla gama de conhecimentos, sendo uma grande revolução na forma como utilizamos IA com dados públicos em nosso dia a dia. Não obstante para uso corporativo alguns riscos devem ser considerados: • A quantidade colossal de conhecimento em múltiplas áreas e muitas vezes divergente introduz risco de confiabilidade nas respostas. • Existem suspeitas e questionamentos sobre o uso de dados dos chats para treinamento de futuras versões do modelo. Já a plataforma Cognidata possui foco em clientes corporativos e utiliza LLMs como Claude e Meta Llama dentre outros, porém voltados para dentro, para a intranet do cliente. Estes modelos são super poderosos em termos de habilidades cognitivas: entendem linguagem natural em múltiplos idiomas, sabem inferir, correlacionar, sumarizar, realizar cálculos, etc. Entretanto não possuem conteúdo prévio, é preciso que o cliente alimente a plataforma com a documentação relevante sobre a qual deseja interagir. Ou seja, é IA Generativa aplicada ao conhecimento organizacional, mantendo a segurança e privacidade de suas informações e aumentando drasticamente a produtividade e nivelamento do time.

As IAs publicas estão prontas a interagir sobre diversos domínios de conhecimento de forma imediata, sendo muito mais "plug & play", pois já possuem todo o conteúdo vetorizado. Não obstante, apresentam algumas fragilizades para o uso corporativo: i) Trazem um real risco de alucinação. Alucinar é quando a IA responde errado porém com propriedade, te induzindo a acreditar no erro. Imagina um advogado se embasando em uma lei inexistente! ii) A crescente preocupação em utilizar documentos ou informações confidenciais em uma IA pública. iii) O ChatGPT lhe permite anexar uma quantidade pequena de arquivos no chat, o que funciona bem desde que o conteúdo seja limitado, não precise ficar disponível de forma permanente nem tampouco ser compartilhado com o time. Para o uso profissional é importante a capacidade de persistir centenas ou milhares de arquivos de forma permanente, respeitando o isolamento e confidencialidade dos documentos e seguindo a taxonomia desejada por sua organização: por departamento, por projeto, por cliente etc.

Sim, diferentemente de um LLM público que já possui um grande conhecimento previamente criado, a IA privada tipicamente precisará passar por um processo de "carga de conhecimento" inicial e posteriormente receber atualizações menores no dia a dia. Embora exista uma fricção inicial, a vantagem deste processo é que, com o passar do tempo, sua IA organizacional ficará cada vez mais rica em conhecimento e mais performática.

É fundamental determinar como você quer organizar e isolar seus dados. Por exemplo, um escritório de advocacia poderia criar na plataforma os departamentos: Comercial, Societário, Tributário e Trabalhista. Desta forma cada "caixinha" terá suas informações acessíveis via chat somente para o time autorizado. Mas não se preocupe, você poderá criar "pastas compartilhadas" - como por exemplo: Legislação e/ou Regras Corporativas - cujo conteúdo poderá ser acessado nos chats por múltiplos departamentos e projetos.

O LLM não consulta os documentos diretamente, ele necessariamente transforma os documentos em um formato que lhe é inteligível, denominado Formato Vetorial. Somente a partir daí ele consegue responder questões sobre aqueles arquivos. Mesmo quando você anexa um documento no chat de uma IA pública, internamente é feita uma vetorização in-memory. Esta abordagem mais simples funciona para poucos arquivos, de forma volátil e não compartilhavel. Para endereçar a quantidade de documentos de uma organização e suas necessidades de disponibilidade e compartilhamento de conhecimento, se faz necessário um processo que permita vetorizar o conteúdo de forma permanente e incremental, a abordagem utilizada no Cognidata. Na forma padrão built-in da plataforma basta acessar um departamento ou projeto e selecionar "Upload de Arquivos". Esta opção também permite a criação de sub-pastas para melhor organização visual dos arquivos. São aceitos múltiplos tipos, como PDF, DOCX, XLSX, PPTX, RTF, TXT e CSV. Após terminar suas inclusões e exclusões de documentos, basta um simples click em sincronizar para vetorizar o conteúdo deixando-o pronto para o LLM.

Sim, neste caso será necessária a contratação de um projeto de integração com o objetivo de criar um conector que automatize o processo de carga. Dada a variedade de produtos de Gestão de Documentos existente no mercado e as especificidades da TI de cada cliente, agende uma conversa para melhor entendimento em contact@aperium.io

Pelo mesmo motivo que ouvir uma segunda opinião costuma ser importante. Nosso time realiza uma curadoria disponibilizando para seu uso apenas alguns poucos modelos de alta qualidade. Em questionamentos mais complexos fazer a mesma pergunta para diversos modelos pode ser bem elucidativo na sua tomada de decisão.

Não, e existe um motivo. Nossa plataforma exige um comprometimento na carga de conhecimento corporativo para que você possa extrair os melhores resultados e este é o objetivo maior! De acordo com nossa experiência este comprometimento é melhor alcançado quando existe investimento no projeto. Mas como bônus, na contratação de uma ou mais licenças você sempre ganha a do "admin" de graça. A empresa pode iniciar com poucas licenças e crescer conforme a demanda. Alterar o numero de licenças ou cancelar seu plano está a apenas um click no menu "Account" e sem questionamentos.