Aprimorando a análise de dados com IA generativa

A Cogniware, s.r.o, oferece produtos analíticos inovadores baseados em IA e serviços profissionais de elite para ajudar seus clientes a identificar possíveis ameaças à segurança e descobrir padrões ocultos de comportamento suspeito e crime. A Cogniware apoia seus clientes com uma plataforma de análise de dados impulsionada por IA chamada Argos, uma solução analítica de dados rica em segurança para investigação, análise profunda, busca de padrões e muito mais. A plataforma Argos foi projetada para coletar, vincular e analisar de forma eficiente vários formatos de dados, mas a Cogniware viu uma oportunidade de aumentar ainda mais a usabilidade da plataforma.

Ao aproveitar a IA para lidar com interações de dados mais complexas, a Argos pode ser útil para setores como a aplicação da lei e bancos comerciais, onde uma análise de dados rápida e precisa é vital. Portanto, a Cogniware buscou simplificar a experiência do usuário e aumentar a eficiência geral da plataforma. Assim, o sistema fica ainda mais intuitivo e fácil de usar, para que os usuários possam consultar dados em linguagem natural e personalizar a plataforma de acordo com as necessidades específicas dos clientes, refletindo o compromisso da Cogniware em tornar a Argos útil para todos os investigadores.

A Cogniware fez parceria com a IBM Client Engineering para testar a integração dos modelos LLM do IBM® watsonx.ai na plataforma Argos. A equipe se concentrou em permitir que os usuários consultassem dados em linguagem natural, com o sistema gerando automaticamente padrões analíticos. O piloto incluiu pessoas da Cogniware e da IBM e durou vários meses. O escopo do piloto incluiu dados internos da Cogniware, bem como conjuntos de dados externos, garantindo uma avaliação robusta das capacidades do sistema.

Durante o piloto, o fator chave foi usar LLMs para traduzir consultas em texto livre em padrões analíticos estruturados, minimizando assim o risco de alucinações do modelo, que poderiam fornecer resultados falsos ou enganosos. "Para decisões críticas, é necessário ter resultados precisos; não há espaço para alucinações ou erros cometidos pelo LLM", diz Dominik Regner, gerente de vendas da Cogniware. O piloto incorporou LLMs para resumir textos e extrair entidades, aprimorando a eficiência geral da plataforma. "Nos concentramos em dois objetivos principais: poder processar documentos não estruturados com o LLM, adicionando o conhecimento extraído ao nosso gráfico e poder consultar com eficiência os dados do gráfico com linguagem natural, tudo de forma intuitiva e altamente segura. Nossos clientes precisam ter total confiança nas medidas de segurança para seus dados sensíveis. Os resultados da nossa cooperação com a equipe da IBM são um divisor de águas em nosso caminho para entregar software de análise de autoatendimento a usuários orientados para negócios", disse Martin Kovář, gerente de produto da Cogniware.