O Roteiro de IA para Operadores: Dos Prompts aos Motores de Previsão - Apresentado pela 4 Elements Hospitality

A maioria dos operadores de atrações divide-se em dois grupos: ou a IA é algo com que ainda não tiveram contacto, ou utilizam-na diariamente e perguntam-se, para si próprios, se a sua base é instável ou se é duradoura. Esta sessão destina-se a ambos os grupos. 

Começamos com a história da IA, que se estende por mais tempo do que a maioria das pessoas pensa: décadas de progresso lento, seguidas de uma entrada repentina na vida quotidiana. É precisamente esse padrão que explica por que razão o ritmo não está a abrandar neste momento 

Em seguida, o mapa das ferramentas por nível: Nível iniciante: saber que ferramenta abrir numa segunda-feira de manhã para cada tarefa; Utilizadores avançados: compreender a parte que a maioria das pessoas ignora, que é o próprio panorama dos modelos: modelos de linguagem, modelos de raciocínio, modelos de visão, modelos de fala e modelos de previsão. Cada um resolve um problema diferente, e o erro mais comum e dispendioso neste setor é direcionar um chatbot para um problema de matemática. 

Depois, vamos ver uma implementação real. A Chef Nicole apresenta um sistema de previsão com IA e de procedimentos operacionais padrão (SOP) que orientou uma equipa de desenvolvimento a criar para uma operação do setor da restauração. Uma previsão precisa é a diferença entre adivinhar um pedido e a sua preparação e saber exatamente o que vai acontecer. Esta sessão mostra um modelo de previsão a realizar esse trabalho numa operação real, dando à gestão mais tempo para cuidar dos seus colaboradores. 

Os participantes saem com um mapa de seleção de modelos, uma estrutura de prompts e uma visão realista do que a implementação realmente implica 

Objetivos de aprendizagem:

1. Identificar o que existe para além dos chatbots, incluindo modelos de visão, modelos de incorporação e modelos de previsão, e reconhecer qual o problema operacional que cada um resolve.
2. Aplicar uma estrutura de prompts repetível ao trabalho quotidiano, para que o resultado seja utilizável à primeira tentativa, em vez de ser necessário reescrevê-lo.
3. Descrever o que é necessário para transformar a IA de uma utilização ocasional num sistema operacional, incluindo os dados de que depende, onde o ser humano permanece no ciclo e os pontos de verificação que mantêm os resultados fiáveis.