T1 | EP.5 | Como aceleramos a adoção de Inteligência Artificial, com Fernando Nogueira e Tiago Silva

[embed]

Vê também no Spotify e Apple Podcasts.

Chamamos à Caixa Central Fernando Nogueira e Tiago Silva para falarem sobre Inteligência Artificial! Neste episódio, exploramos como a MC Digital está a acelerar a experimentação e adoção de IA através da iniciativa AIOps. O que vais ouvir neste episódio:

• O que é o AIccelerate@MC e como estrutura a adoção de IA;
• Como funciona a iniciativa AIOps na prática;
• Os resultados da primeira execução: 43 casos de uso e 11 POCs;
• Exemplos reais de POCs e as tecnologias envolvidas;
• Lições aprendidas e melhorias para o futuro;
• O futuro da IA na MC Digital e no retalho.

Na rubrica Caixa de Favoritos, os nossos convidados partilham as tecnologias e experiências que mais os inspiraram recentemente.

Transcrição completa do episódio:

(Esta transcrição foi gerada automaticamente, a sua precisão pode variar)

E que isto não é só uma revolução tecnológica, mas é uma revolução também cultural. AIOps também dá esta oportunidade, que é validar ferramentas que ainda não estão dentro da nossa tecnológica, como ferramentas oficiais, mas que nos permite rapidamente estar.Levarmos todas as nossas pessoas a perceber qual é que é o valor destas tecnologias naquele que é o seu dia a dia.

Olá, bem- vindos a mais uma chamada à caixa central, o podcast da MC Digital, onde damos voz à tecnologia, à inovação e ao talento que me move o retalho. Eu sou o Rafael pires e hoje vamos falar de uma das formas como a MC Digital está a acelerar a experimentação e a adoção da inteligência artificial.

Vamos ficar a conhecer a iniciativa AIOps. Para isso contamos com uma dupla de convidados. Temos o Fernando, o Fernando Nogueira, meu colega na equipa IT Labs, temos o Tiago Silva da equipa de IA Innovation, curiosamente também já foi da da equipa de IT Labs, ambos com um chapéu de inteligência artificial na organização e envolvidos na iniciativa de IAOps. Já vamos descobrir como, mas antes vamos, vamos conhecê-los. Olá Fernando e olá Tiago muito bem, muito bem-vindos.

Ao contrário da tendência, neste formato eu não me atrevo a apresentar os os convidados. Há quem diga que é preguiça. Eu prefiro dizer que já que os convidados estão cá, eu não faço um trabalho melhor que eles, portanto, entrego esse espaço começando por antiguidade, Tiago conta-nos quem é o Tiago? Como é que chegaste À MC Digital, o teu percurso até à posição atual?

Bom, eu, a maior parte da minha carreira trabalhei ligado a inovação, startups, tecnologia e, portanto, esta é a área, a intersecção, que para mim é mais entusiasmante. Primeiro, trabalhei mais no lado do ecossistema, em projetos de aceleração de startups e incubação, mas também tentando dinamizar aqui o ecossistema mais do norte ligado à à inovação. Entretanto, em 2019, juntei me à MC, juntando também à equipa de IT Labs, onde fui tendo algumas responsabilidades em termos de experimentação tecnológica.

Criar esta ligação entre a nossa empresa e startups e tentar trazer essas novas soluções e tecnologias para o nosso contexto, tentando validar também quais é que eram os benefícios dessas soluções para para o nosso negócio. Trabalhamos muito com inteligência artificial durante todos estes anos, algo que foi sempre muito constante. E no início deste ano também surgiu a oportunidade de agarrar a equipa de IA Inovation, que é no fundo uma porta de entrada de conhecimento para a organização neste domínio, portanto, estamos muito à procura de tecnologias emergentes, tentarmos consolidar esse conhecimento para que outras equipas dentro da organização possam beneficiar dele e pôr ao serviço do nosso negócio.

Portanto, eu posso dizer que tive sempre trabalhos muito bons e que sempre me deram muito entusiasmo e, portanto, olhem, obrigado pelo convite.

Boa, boa, obrigado, Tiago. Fernando, estás connosco quase há112 dias. Exatamente quase 4 Meses, quase para chamar a emergência. Quase 4 meses, portanto, reforço recente, não menos importante. Quem é que é o Fernando?

Sim, por acaso estava a pensar se era uma parte profissional e uma parte pessoal. Mas e, eu tenho um percurso, um bocadinho em diferentes áreas, portanto eu comecei por acaso, não sei se se vocês têm essa sensibilidade. Comecei na área das telecomunicações, foi na altura, ainda na optimus, passei, depois tive ali um percurso muito ligado à parte de gestão operacional, parte de gestão comercial, depois passei para a parte da energia, área da energia, em que também levei um bocadinho esse percurso e depois entrei, aí sim, na área de tecnologia.

Em que fui tendo diferentes experiências, sendo que a última mais ligada à parte de consultoria e agora aqui na MC digital, na equipa, na tua equipa da da IT labs, em que acabo por ter aqui um papel também deste chapéu da inteligência artificial e um bocadinho para tentar ajudar na adoção e utilização deste tipo de ferramentas que toda a gente acaba por utilizar, não só na parte profissional, mas também na parte, na parte pessoal e portanto é um bocadinho este o meu, o meu percurso e fora disso pessoa ativa, gosto de fazer coisas. E entre as quais utilizar a tecnologia para para o meu benefício, portanto, é um bocadinho isso seja.

Boa, boa, bem, se isto se isto não correr bem, eu vou me culpar pessoalmente porque eu sou responsável de vocês estarem na MC é verdade, por isso a culpa, a culpa será minha.

Mas pode ser que não cheguemos aí bem antes, antes de mergulharmos aqui na iniciativa de DIA, apesar que era bom tocarmos primeiro no AIA, no AIC excelar at MCE.

Tiago corrige-me se não estiver a dizer isto. Isto bem que que estrutura um bocadinho e acelera a adoção de inteligência artificial da MC, onde depois encontramos AIOps, entre outras outras iniciativas.

Tiago consegue nos ajudar aqui AAA perceber um bocadinho por alto.

O que é que é este AI? Excelerite AMC. É um para já. É um trocadilho, OK Da palavra AIE excelerite. E é isso mesmo que este programa, que é transversal a toda AMC quer fazer é acelerar.

A adoção deste tipo de tecnologias em toda a nossa organização, portanto, não pensando só aqui na nossa área da MC digital, mas até nas diferentes unidades de negócio dentro da da MC.

Portanto, este programa orienta tudo o que são iniciativas de adoção da AI, sobretudo aqui, em 2 grandes Vertentes que estão continuamente ativas, uma mais orientada a produtos da i, ou seja, quando olhamos para oportunidades do ponto de vista de processos de negócio, experiência de cliente.

Algo que direcionamos com mais foco e intencionalidade e que percebemos, olha, estas tecnologias aqui vão realmente fazer a diferença naquela que é a nossa proposta de valor.

E outra vertente que também corre com com continuidade, em que olhamos mais para um Enterprise a Eyed option, mais na lógica de levarmos todas as nossas pessoas a perceber qual é que é o valor destas tecnologias naquele que é o seu dia a dia, as suas tarefas, os seus processos mais.

E dinâmicas de equipa, digamos assim. Portanto, olhamos numa vertente de negócio inicialmente como AI produts e podemos estar a olhar para algo que desenvolvemos internamente ou até que em conjunto com parceiros apliquemos e portanto, podemos ter aqui diferentes níveis de customização, diferentes níveis de flexibilidade para moldarmos estas soluções à nossa de acordo com os nossos requisitos e depois este nível em que trabalhamos se calhar de forma muito mais próxima, mais orientada daquilo que são os processos das nossas equipas e em conjunto com as nossas pessoas.

E é nesta vertente que entra OOAI Ops, em que nós temos aqui um esforço muito imersivo em que juntamos tecnologia e negócio para endereçar estas oportunidades de adoção da i. OK, então vamos então puxar agora esse esse tema que é o nosso tema principal, esta iniciativa da i Ops que que se apresenta como uma framework para fazer posts de casos de uso de de AI, estruturando a adoção em ciclos bem bem definidos.

Fernando, o que é que isto tu quer dizer? Às vezes utilizamos aqui terminologias um bocadinho mais complicadas e os nomes são mais complexos. Mas vamos tentar também simplificar esta esta abordagem.

Em primeiro lugar, dizer que eu não acho que é muito comum, se calhar para nós está a ser comum toda esta adoção e utilização de programas de inteligência artificial e todo este todo, todos estes temas que estão a acontecer internamente, parece nos se calhar demasiado comum.

Mas eu não acho que isto seja comum em todas as empresas e, portanto, acho que é é de salutar que estejamos a fazer esse esse caminho agora e aprender também. Com com todas estas abordagens, OEI, Ops, vem no fundo é, é.

Acaba por ser uma ação que vem dentro deste macroprograma que é OEI exlerate e acaba por ser uma forma de nós acelerarmos identificarmos casos de uso, acelerarmos essa, essa identificação e aumentarmos no fundo a adoção de inteligência artificial.

Então, o que é feito é de uma forma simplificada, nós começamos internamente. MC digital em que? Fizemos este caminho dentro de nossa casa. Em primeiro lugar, fizemos esta experimentação dentro de nossa casa. Queremos agora, obviamente, passar este conhecimento para outras áreas.

E no fundo é conversar com as pessoas, identificar áreas chave em que existem desafios do dia a dia, desafios esses que podem ser resolvidos com ferramentas de inteligência artificial e depois o que é feito. É um programa em que existe aqui, vamos dizer à data de hoje, 3 grandes fases. Esta fase de descoberta de quais é que são os problemas, quais é que são as dores destas equipas?

Olhar e perceber de que forma é que as ferramentas de inteligência artificial podem ajudar. Estamos a falar de coisas que sejam muito pelo menos nesta fase Plug play, ou seja, em que eu tenha a ferramenta e possa rapidamente acionar isso junto da equipa, se isso for o caminho, construir essa solução, não só do ponto de vista de tecnologia, mas também com os utilizadores.

Até porque estas normalmente estas soluções são muito fáceis de se utilizar e depois numa fase final acabar por entregar isto a esse a esses utilizadores, para que eles sejam autónomos na utilização destas ferramentas e no final do dia que possam tirar benefícios, ou seja, da utilização destas destas ferramentas. Isso é o mais, acho que é o mais importante depois no final de tudo.

OK, portanto, referias aqui que a primeira execução foi Na Na, na MC digital e agora aqui, puxando puxando para ti, Tiago, que que objetivos é que tínhamos em em específico?

Que caso de uso é que foram levantados, que que abordagem é que fizemos aqui Na Na MC digel, até como projeto piloto não é deste desta própria iniciativa.

Sem dúvida, sem dúvida, agarrando me numa coisa que o que o Fernando disse, EEE acho que é, é de reforçar várias vezes ele ficou ali o trabalhar com as pessoas, com os utilizadores. Este i Ops dá nos 11 conexão um benefício muito claro de trabalhar realmente próximo com as pessoas, não é?

Estamos ali. 10 ou 12 semanas, 2 dias por semana, exclusivamente dedicados a isto, em que tecnologia e negócio falam a mesma língua e trabalham juntos para chegar ao mesmo objetivo.

E o que nós estamos AA perceber neste caminho é que isto não é só uma revolução tecnológica, mas é uma revolução também cultural, não é?

E um programa deste género, em que nós trabalhamos de mãos dadas, permite nos pensar para além da tecnologia, que às vezes é difícil para quem está, para quem está neste mundo e, portanto.

Conseguimos perceber o as dores realmente, o que é que as pessoas se sentem no dia a dia? É bom também para trabalharmos noutras dimensões, como a literacia. Não é porque acaba por ser a alavanca de tudo isto.

Este esforço está muito circunscrito no tempo, mas nós queremos que seja algo que cresce organicamente depois de um i Ops ou de todas as outras iniciativas que temos. E só assim é que vamos ser bem sucedidos nesta adoção da i.

E, portanto, acho que um dividendo muito bom que tiramos daqui é efetivamente formar as pessoas com quem vamos trabalhando, para que elas próprias também tenham não só o conhecimento, mas também AA vontade de organicamente crescer, descobrir nossos casos de uso, adotar outras soluções.

Acho que isso é é bastante positivo. Só só dar uma nota até nesse seguimento que é, e eu acho que uma das grandes mais valias também da inteligência artificial é exatamente essa, é não ser a tecnologia a construir a solução e a ser a dona e senhora da solução.

Mas é ser um facilitador para pessoas que não tenham esse conhecimento, a possam utilizar no seu dia a dia e possam até construir elas próprias as as, as soluções em si. Ou seja, eu acho que isso é uma grande vantagem, que também acaba por ser uma mudança às vezes de paradigma daquilo que é uma equipa de tecnologia em que constrói a solução e tem todo o conhecimento à sua volta.

E aqui não é. O utilizador já tem muito conhecimento e estas ferramentas são são um facilitador na construção dessas soluções e no fundo nós acabamos por ser um enabler. Garantir, obviamente depois todo o governance disto, mas um enabler das pessoas para construírem também de forma autónoma algumas dessas soluções.

Esse esse é um bom ângulo porque, à primeira vista, pode parecer que é um programa para nós construirmos essas soluções para as pessoas, não é?

E o próprio programa prevê que as pessoas participem ou, no limite, quase que sejam donos da construção da solução com base nessas ferramentas. Que vocês, que vocês. Referiram, sim. No final do dia, são elas que também vão evoluir.

A própria, por um lado, vão construir em conjunto. Mas depois são elas próprias que vão evoluir, porque a ferramenta em si eu posso construir uma ferramenta muito boa, que ela pode ter um tempo de vida de 23 meses, mas ela depois vai precisar de evoluir de alguma forma e tem que ser o utilizador de forma orgânica a evoluir essa própria ferramenta.

Isto, obviamente estivemos a falar de ferramentas muito específicas para determinadas funções, produtividade individual, et cetera. Não estamos a falar aqui de ferramentas transformacionais que estejam integradas com diferentes plataformas, mas mas sim, é um bocadinho isso.

OKOKOK querem partilhar um bocadinho o foco Na Na, Na Na MC digital não é e se calhar o os os casos de uso ajudam nos a ajudam nos a chegar lá, não é? Nós focamos muito No No ciclo de desenvolvimento de softwares, não é querem querem aprofundar um bocadinho esse esse caminho que nós fizemos na MC digital.

Sim. Olha, o primeiro pensamento foi, nós não sabemos muito bem o que é que um programa destes, onde é que ele nos vai levar?

Que resultados é que vamos ter? Então vamos ser nós próprios os. Os primeiros, as primeiras vítimas, digamos assim, no sentido cobaias de?Não, não me parece abordagem melhor para aprender. Exato. Então pensámos OKAMC digital deverá ser o nosso primeiro foco.

Vamos testar esta esta abordagem com com com as nossas pessoas e com as nossas oportunidades. E, vamos ver no que dá. E foi isso que fizemos. Nós reunimos cerca de 13 pessoas durante 12 semanas em que estivemos fechados numa sala.

Está, está.Tudo bem fechados, 12 semanas.Não tivemos 12 semanas não, mas dentro do horário laboral, 2 dias por semana dedicados a esta, a esta iniciativa e trouxemos pessoas com diferentes backgrounds.

Entendemos que é importante ter uma equipa que vem de diferentes domínios para também olhar para para os desafios de diferentes perspectivas.Então tivemos desde engenharia, data Quality, shoerance, product management, segurança, portanto aqui diferentes perfis.

Para nos ajudar a olhar para aquilo que é o ciclo de desenvolvimento de software, que que ele diz há pouco e tentar perceber realmente aqui qual é que são, quais é que são as oportunidades de aplicação, dá aí que nos tragam, sobretudo, ganhos de produtividade.Eficiência ainda muito focado naquilo que é AA produtividade individual das nossas pessoas nas diferentes funções.

Então, olhando para este SDLCO ciclo de vida, desenvolvimento software, pegando nas fases também que o Fernando dizia há pouco, começámos por mapear este processo de uma ponta à outra e, portanto, cada pessoa teve a oportunidade de dizer de que forma é que interagia com esse processo, eu enquanto Brother manager, eu enquanto equipa de engenharia e portanto temos aqui uma visão global 360 deste nosso processo, acabamos por identificar cerca de 74 tarefas ou subprocessos dentro deste macroprocesso.

E que converteu em cerca de 43 casos de uso em que nós dissemos, olhem efetivamente aqui, a inteligência artificial poderá trazer nos algum tipo?

De 43 em 70 e qualquer coisa é uma percentagem grande. Exatamente. Portanto, a dificuldade a seguir é perceber exatamente onde é que nós vamos colocar as nossas fichas, onde é que vamos dedicar a nossa atenção e esforço. Destes 43 tivemos que fazer um trabalho grande de priorização.

Portanto, colocar em cima da mesa aquilo que é o potencial valor determinado caso de uso, mas também o esforço para para alcançar esse valor. Porque sabendo que temos aqui um tempo reduzido e recursos finitos para endereçar estas oportunidades, tivemos que os ranquear de forma a identificar realmente quais é que são as oportunidades aqui mais que mais se encaixam nesta iniciativa, acabamos por definir 11 conceitos prioritários em que desenhámos provas de conceitos experiências para validar.

Estas estas oportunidades em que no fundo definimos bem qual é que era o caso de uso, qual é que era o nosso objetivo com a inteligência artificial? Dentro desta tarefa ou processo, fomos encontrar uma solução que desse essa resposta e depois pusemos a equipa a trabalhar no sentido da validação.

Não é definindo KPIs de sucesso, perceber se encontraríamos esses KPIs no final ou não, para depois desembocar num conjunto de recomendações? Ou seja, o que nós queríamos era descobrir algumas oportunidades depois também fossem escaláveis. Ou seja, não era a tarefa de uma ou só pessoa, era uma tarefa de um grupo de pessoas dentro da MC digital.

O que quer dizer que teremos que encontrar algo que seja um sucesso para todos, mas também que seja fácil escalar pelas diferentes pessoas para tirarmos todo esse todo esse valor em diferentes domínios da da, da nossa organização.

Deixa me só puxar aqui a cassete, um bocadinho, um bocadinho atrás no. No processo, portanto, houve houve o levantamento das tarefas, foram criados os casos de uso e depois tivemos que os priorizar.

Como é que fizemos esse exercício? Quais são os critérios de priorização?E se calhar, dirigia aqui ao ao Fernando. E depois como é que executamos as polcos? Como é que isso acontece?

É assim, eu, eu e nós vimos aqui AA priorização, eu acho que em 2 eixos EEO, Tiago também, depois pode complementar com o exemplo que tivemos Na Na digital.

Por um lado, a dor que o negócio tem em relação a estes processos. Ou seja, se é um processo que é de facto material, que é algo que no dia a dia deles lhes rouba muito tempo, se é um pain point que eles têm nas suas tarefas diárias, vamos assim dizer depois também o volume que esse processo tem.

Ou seja, é uma coisa que acontece uma vez por mês, é uma coisa que acontece uma vez a cada meio ano ou é uma coisa que eu todos os dias tenho que fazer esta tarefa? Isso é importante, que é para dar relevância àquele àquela tarefa que pode ser maior ou menor consoante o desafio.

E depois há um outro eixo que também me parece relevante, que tem a ver com nós. Estamos a falar de inteligência artificial e estamos a falar de ferramentas que nos facilitem rapidamente.

Não estamos a falar de um desenvolvimento que vai levar 6 meses a entregar. Tem que haver uma ferramenta que ajude aquela dor que é material.

Se não existir, a dor pode ser muito relevante, mas eu ainda não vou ter aqui, se calhar, uma solução que seja específica para. Isto não é enquadrável no programa, Há de Ser resolvido outra.

Forma de outra. Forma em paralelo contra a iniciativa. Porque muitas das vezes existem dores que não são necessariamente resolvidas com ferramentas de inteligência artificial. Podem ser ferramentas de automação, pode ser outro tipo de de solução. E, portanto, então há aqui há 2 eixos, a relevância da dor. E neste caso, se é, há o que é?

Portanto, constante ao longo do tempo se tem aqui uma parte quantitativa que é importante e depois se existe neste caso uma tecnologia de IA que ajude. Portanto, a periotização acaba por fazer sentido desta forma.

Eu não sei se Na Na no programa inicial havia mais algum critério de periodização, mas eu diria que pelo menos estes 23 seriam os principais. OKE, só foram esses critérios usados para chegarmos às tais 11 realizadas e agora aqui para materializarmos um bocadinho mais não é que nós falamos do?

Ciclos igualmente software, mas foram 11 poucos e a vos pedir, se querem escolher uma cada um EE explicar um bocadinho, em que é que consistiu, como é que, como é que se montou, como é que se executou, quais foram os resultados?

Deixa deixa me. Só completar o exercício que fizemos na MC digital, depois desembocou em 9 formas de conceito que foram bem sucedidas e que foram recomendações de adoção.

Ou seja, temos confiança dentro.Dos testes que fizeram, um total de 11. Exatamente 2 delas. Entendemos que não tínhamos ainda informação suficiente para recomendar a sua adoção mais em escala e estão agora numa numa pilotagem mais alargada para ganharmos um bocadinho mais de de conhecimento.

Mas essa é, no fundo o output mais, digamos, mais material deste programa. É esta, esta estas recomendações que depois têm aqui uma série de artefactos que que ajudam no plano da adoção, nomeadamente. Eu vou explorar o.

Os resultados finais do programa mais à frente, agora foc Na Na poc. Boa olha, eu gostei de muitas. Escolhe uma, há um. Bocadinho avisado?

Então uma que eu gostei muito foi relacionada com a monitorização de recursos cloud em em databrix, ou seja, nós temos hoje 11 software onde alojamos algum alguns workflows que desenvolvemos, portanto são programas que nós desenvolvemos. E que estão a correr, às vezes de de forma assim como é. Portanto, olha, todas as segundas feiras eu tenho este processo a correr às 9 da manhã, por exemplo.

E acontece que os developers desses workflows definem à partida quais são os recursos, do ponto de vista da computação da memória na cloud, que vão ser necessários para suportar cada uma destas operações, fruto das diferentes execuções e das mudanças de contexto, et cetera.

Estas definições iniciais ou configurações de de computação e memória podem tornar se desajustadas àquele que é o peso agora do do workflow ao longo ao longo do tempo.

Então, o que nós pedimos foi que um LM pegasse a informação destes workflows, nomeadamente as máquinas virtuais, o poder computacional, a memória, o tempo de execução, portanto, vários dados que nós temos sobre cada um destes workflows.

Para ele nos classificar sobre o ajuste daquele daquela configuração ao ao work Floyd, portanto, ele deveria dizer nos se estava bem calibrado ou se era necessário fazer 11 upgrade ou um. Uma análise crítica ao dimensionamento da infraestrutura para aquilo que era OA exigência, OK? Exatamente, e, portanto, nós tivemos ali uma análise caso de 8000 workflows em que quase metade veio com uma classificação de ou upgrade ou downgrade. Para aproveitarmos melhor os nossos, os nossos recursos depois de fazermos uma intervenção. Em alguns desses, tivemos conclusões muito interessantes, nomeadamente cerca de 25% na redução do tempo de execução.

Ou seja, às vezes é coisas que demoram 2 horas começavam a demorar muito menos, mas também com uma métrica de custo bastante relevante, cerca de 17% da redução no custo associado aos aos recursos de cloud nestes churros de flores, o que é significativo?

E nós sabemos dentro da MC digital que os custos de cloud são algo que nos preocupa muito e todos os dias, e portanto parece que é uma coisa que está longe de um utilizador mais típico, mas ao mesmo tempo é a tecnologia que até nos nossos processos de IT nos ajudam muito a monitorizar ao longo do tempo estes nossos cursos de de cloud.

Boa tens também o favorito Fernando é assim. Não eu, eu. Para mim, os favoritos são aqueles que por um lado são utilizados depois no dia a dia e que de facto ajudam um deles.

Nós tivemos vários dentro deste âmbito. O obviamente, o que o Tiago falou está dentro desse desse âmbito, se calhar aqui, mais ligado à parte de product management, nós tivemos um que era para a construção daquilo que é o nosso documento de requisitos, no fundo, que nós chamamos internamente one pager.

E no fundo, isto é uma tarefa que claramente os product managers tem que dominar e tem que fazer e tem que garantir especialmente a sua atualização consoante novas funcionalidades nos diferentes produtos que nós temos. É uma tarefa que é muito time can seuming é uma tarefa que para todos os efeitos não é interessante.

Portanto, estar a atualizar a documentação é uma tarefa que é pesada e portanto, o que nós arranjamos aqui foi o que nós não o que a equipa que estava associada a isto, portanto são utilizadores fizeram foi. A construção de um conjunto de prompts adaptados em específico àquilo que era o output que nós queríamos, que é o nosso one page, em que nós já temos esse template definido.

Portanto, isto para para o para o uso desse tipo de ferramentas é o ideal em que tu tens o input de qualidade de tudo o que é as reuniões de projeto, reuniões com as equipas de produto, et cetera. Portanto, tens um input muito bom, construísse um prompt bastante detalhado para dizer exatamente o output que tu esperas. E deste também como exemplo e como input também o próprio template que tu queres atingir e portanto, o que é possível com isto é tu acelerares a construção daquilo que é o documento de requisitos.

O que foi feito foi, esta aceleração é construída por partes, não constroes o documento de uma só vez, constroes por partes para também mitigar aqui um potencial problema que acontece no uso destas ferramentas que é Oo humano. Nós somos responsáveis pela utilização da tecnologia no final, no final do dia, e isto facilita a que os Project managers confirmem toda a informação, que é que é dada pelo modelo neste caso.

Então, o facto de isto ser partido por fases do próprio documento permita que o product manager possa validar a informação e dizer, OK, é isto, carrega se a informação no documento e fica, fica um.

Acelerador design no e o menino loop? Sim, porque o facto de de mitigares isso acaba por facilitar esse processo e facilita também depois Na Na própria. Quer dizer, é muito difícil tu teres um output que é demasiado grande e demasiado extenso.

Tu vais ter mais dificuldade em validar e vais aumentar a probabilidade, mesmo que valid, aumentas a probabilidade de erro dessa validação que não é isso que queremos e portanto, este foi 11 Muse case positivo que as pessoas estão a utilizar e agora estamos a tentar também evoluir isso para garantir 11 experiência, um bocadinho melhor com um próprio assistente com esse pronto e acho que foi 11 das fotos que correu também.

Bastante bem e acho que há 2 aprendizagens muito, muito concretas e aqui relacionado também com o com o Fernando, estava a dizer. Primeiro este, esta forma de trabalhar e de repensar os nossos workflows permitem nos uma certa standardização. Por exemplo, falando nesta parte da descoberta em que o papel dos product meaners é é é bastante relevante, nós conseguimos criando templates the prompts, neste caso de tentar tipificar o que é, por exemplo, uma boa user story.

Ou seja, o caso de uso a seguir. É o que o Fernando dizia, depois de eu fazer o meu documento de de requisitos com base em informação que eu recolho de várias Fontes, é é pegar nessa mesma informação.

E tentar gerar As Is a stories não é? Ou seja, quase transferir uma linguagem, uma linguagem de negócio para uma linguagem que os técnicos depois consigam consigam perceber e aplicar No No seu trabalho.

Ano para já parece nos que há um encadeamento muito bom entre entre tarefas. Ou seja, se nós tivermos na base uma boa documentação, exaustiva, bem detalhada, bem estruturada, isso depois é a primeira peça do dominó que faz derrubar todas as outras.

Derrubar no bom sentido, não é, porque é algo que depois vai acumulando esta esta ao longo do tempo. Derrubar como? Progresso, não é. Exatamente.E, portanto, nós vemos isso com muito, com muito, com muito valor. Este encadeamento e o facto dos ELLMS, neste caso, nos ajudarem a estruturar bem a informação.

E não quer dizer que eu não. Remova a nuance do humano aqui. Pelo contrário, eu tenho que acentuar o papel de humano aqui enquanto crítico e revisor deste conteúdo.

Mas, por exemplo, se eu tiver todos os meus p MS a utilizar esta prompt, por exemplo, o easy story vem sempre com um título, uma descrição, o be evertreven design, os critérios de aceitação.

Série de princípios salvaguardados à cabeça, que depois até facilita o trabalho do develop. Exatamente, ou seja, eu consigo de uma forma muito simples, entre aspas. Colocar trabalhos lado a lado que tem pelo menos a mesma estrutura. Permitir também que depois cada PM ajuste ao seu, ao seu modo de trabalhar.

Mas essa standartização é muito, é muito interessante. O segundo ponto é o contexto. Os LMS de facto precisam muito de contexto. Tudo o que nós deixarmos em espaço em branco Na Na tarefa que lhe vamos confiar, ele vai preencher com alguma coisa. É espaço para ele inventar. Exato. E que.

É alguma coisa que provavelmente não vai estar alinhada com a nossa expetativa em termos de em termos de output, então. Mais uma vez, esta documentação inicial dos nossos produtos ou dos nossos projetos vai fazer com que também tenhamos a informação que o humano validou e que, mais à frente, OELADM pode usar, seja para a geração de código, seja para a geração de casos de teste.

E, portanto, há aqui 1111 coerência muito interessante ao longo do SDLC.Quando usamos, ele adiamos para para as diferentes funções. E dizer que é engraçado que nós no nosso dia a dia, eu acho que às vezes há muitos destes espaços em branco nas interações que as equipas têm, porque há há coisas que nós damos por que é um pressuposto, se calhar a outra equipa não deu. O uso desse tipo de ferramentas obriga a que AA que sejamos muito claros naquilo que vamos pedir, naquilo que queremos.

Não só de formato, não é as instruções que vamos dar e o contexto que vamos dar de input, mas depois aquilo que queremos como resultado final. E isso exige um trabalho bastante, portanto, duro de saber exatamente qual é o resultado.

Obriga muito esta estruturação que depois acaba por trazer benefícios no resultado, porque vai nos dar um resultado que à partida vai ser positivo e depois facilita também a própria, portanto, validação da informação e ajuda também depois na própria standardização que tu estavas AA falar.

Mas, mas sim, é um bocadinho, é um bocadinho por. Aí eu eu reforçava aí Oo aquilo que disse há pouco, que é Oo facto de serem os próprios PMSAAA construir este este caminho e a validar e a validar e a serem os donos quase desta desta solução.

E agora queria puxar aqui nós nós já falamos um bocadinho há pouco Oo Fernando referia muitas vezes que estas ferramentas de estas ferramentas da anão é. E nós, para podermos realizar estas polcos, precisamos de um portfólio de ferramentas ou soluções que possam ser usadas para para atacar estes casos de uso.

Vocês falaram aqui, aqui aqui de 2, que ferramenta são estas que nós estamos a falar? Vamos, vamos dar nomes, colocar aqui exemplos em cima da mesa. Podem usar os vossos, os vossos casos de uso ou outros para para ajudar aqui a enumerar estas. Ferramentas é assim da das destes casos de uso que nós estamos a falar, se calhar dizer em primeiro lugar.

Há um conjunto de ferramentas que podem e devem ser testadas neste âmbito. Depois, uma coisa diferente é as ferramentas que estão, vamos dizer, como ferramentas oficiais da nossa organização, acabam por ser aqui 2 caminhos.Neste caso em concreto, por exemplo, do one page, o que nós fizemos foi validamos com diferentes ferramentas. Neste momento, a que foi utilizada foi até mais o co pallett que ajudou nesta construção, foram validadas outras, se eu não tenho erro, foi utilizado também o cloud neste sentido.

E podíamos ter utilizado outra, no caso o jamanight também podia ter sido utilizado para para isto, mas no fundo é nesta OEA. Ops também dá esta oportunidade, que é validar ferramentas que ainda não estão dentro da nossa tecnológica como ferramentas oficiais, mas que nos permite rapidamente testar e ver se são as ferramentas adequadas para este tipo de de soluções.

E o que a realidade nos diz é que nós vamos acabar por ter diferentes ferramentas para diferentes casos de uso, escolhendo essas as que são mais adequadas. No caso do unpage, foi um bocadinho nesse o caminho estamos com a palat e testamos pelo menos mais mais uma, que foi o cloud, para perceber esta integração, sabendo que algumas depois permitem fazer integrações, se calhar mais simples do que outras depois.

Há aqui outros temas em relação à experiência de utilização das próprias ferramentas. Não sei se queres adicionar mais algumas que foram, claro, partilhadas. Olhamos, por exemplo, para para o figma e uma nova funcionalidade que se chama make no fundo, o figma é.

O software em que nós desenhamos as nossas interfaces e experiências digitais, muito utilizado pelos nossos designers e onde também alojamos o nosso designer system, ou seja, toda a nossa identidade gráfica, está lá. Mais uma vez, puxando aquele ponto que eu dizia do contexto aos LLMSO, figoma posicionou se muito bem para esta ferramenta do make, que basicamente é eu, em linguagem natural, pedir lhe uma aplicação, um site e ele dá me uma interface.

Mas, mas uma interface que é funcional, ou seja, eu posso clicar. E ter ali uma determinada experiência. E o figma posicionou se bem, porque nos dá oportunidade de conectar e dar contexto ao LLM não é fazer Oo chamado grounding na indústria. Chama se grounding do meu design system e em cima disso pedir lhe alguma coisa.

E os nossos designers depois construíram um prompt, um template mais uma vez para facilitar a utilização. Portanto, o figma make é a nossa ferramenta de eleição para idear novas interfaces e novas experiências do ponto de vista digital. O nosso getab copylet é o agente que usamos para programação, portanto, os nossos developers hoje todos poderão usar o getab copylet.

Já muitos deles usam é é o nosso companheiro de desenvolvimento de código de de buggging EE, às vezes de partilha de frustrações. Não é, não é o patinho de borracha, mas é o getab copylet e, portanto, vamos tendo aqui várias, várias ferramentas. No domínio mais de agentes, por exemplo, percebemos que casos de uso do ponto de vista mais conversacionais EE que usem 1111 padrão do desenvolvimento mais de agentes.

Percebemos que começava a ter cada vez mais apetite dentro da organização e por isso também desenvolvemos algo de raiz aqui na organização que nos permite instanciar casos de uso de agentes e sobretudo os os mais conhecidos tipicamente por por chatbot. Mas enfim, hoje? Que tem um cérebro que faz Oo raciocínio, que é OLME, que tem acesso depois a ferramentas.

Portanto, eu posso dar super poderes a este LM para desempenhar certas tarefas. E hoje temos uma arquitetura de referência interna que desenvolvemos. Estamos a produtizar já num num estadio muito avançado e que dentro em pouco também vamos ter isso como uma ferramenta quase Plug in play para desenvolvermos este tipo de de soluções. Ou seja, estamos a juntar aqui não só a componente externa e do que é que está a acontecer no mercado, mas também.

Ganhar ex partis interno para conseguirmos dominar estas tecnologias e prepararmos para o futuro em termos de desenvolvimento interno, ou. Seja não só depender de ferramentas externas, mas mas começar a construir as nossas próprias ferramentas que nos depois nos dão apoio a este mesmo, a este caso disso.

Ótimo, tu há pouco já estavas a já estavas AA responder. Eu disse te que íamos, íamos puxar aqui mais à frente, e é, e agora? Esse é o momento. Portanto, considerando todo todo, todo o programa, quais, quais foram os resultados? E conclusões finais. Olha o output mais claro. Que é um plano de adoção, ou seja, aquele esforço que nós fazemos em 1012 semanas só tem sentido se depois for posto em prática, não é isso?

Nós progressivamente, com as nossas pessoas, formos partilhando o conhecimento que foi gerado e facilitando a adoção das novas ferramentas, as novas formas de trabalhar. Então, Oo resultado final foi um plano de adoção que consistia, por exemplo, em alguns documentos a que chamamos toulkids, ou seja, documentos que as pessoas podiam consultar para perceber qual é que é este novo processo, método, trabalho, qual é que era a solução. Mas também acompanhado de uma biblioteca de prompts. Ou seja, todos aqueles templates que nós construímos para os diferentes casos de uso estão acessíveis para as pessoas poderem utilizar e também e tirarem em cima do prompt.

Portanto, aquilo não é um, é um template, não está fechado e cada pessoa pode customizar à sua medida. Outra parte muito importante e no início falava em literacia, são as formações e, portanto, nós entendemos que precisamos de nivelar o conhecimento dentro da organização.

É o primeiro objetivo? É. Fazer uma formação para todas as pessoas para garantirmos que todos temos 11 nível de conhecimento que consideramos elementar. Todas, todas as impactadas por aqueles casos de uso selecionados ou algo ainda mais abrangente. Sim, AA primeira Oo nível mais básico é, vamos querer que todas as pessoas tenham uma formação em que apresentamos os conceitos destas tecnologias, em que apresentamos aqui boas práticas, até na perspetiva do uso responsável, seguro. Portanto, vamos querer nivelar o conhecimento todo de todos.O dizem até extravasa. O âmbito de aiops não é exatamente, portanto.

Toda a organização vai ter exposição a esta, esta formação e depois criamos também formações específicas. Por exemplo, se queremos que os nossos developers saibam usar o gitab copilotte em conjunto com os MCPS da da at lacin da guitab, se usar o sonar cue para fazer Dee bugging, em que damos o relatório de greunding para OLLM, tudo isto carece de.

Proximidade com estas pessoas e de um plano faseado de de formação. A mesma coisa vai acontecer com os nossos pode managers, et cetera. Portanto há há tanto uma visão global de todos. Temos que estar num certo nível de literacia, quanto mais focado em determinadas, em determinadas funções e portanto vamos vamos agora nestes meses.

E já estamos EOO Fernando muito ativamente aqui AA puxar, por isto estamos neste momento nesse plano de adoção, ou seja, ver com as nossas pessoas, com as nossas equipas, dar formação. Para que eles também utilizem os os prompts para que eles reconheçam os os tu kids e usem no seu no seu dia a. Dia sim e dizer, ou seja, no final do dia estes estes casos de uso que nós fomos desenvolvendo e que tiveram um feedback positivo e eles são atrevo me a dizer que eles só são úteis se eles forem utilizados No No final de contas e para ser utilizados eles devem ser utilizados de forma orgânica, ou seja, aquilo tem que fazer sentido no dia a dia das pessoas, tem que ser um facilitador. E a base formativa é crítica, que é para as pessoas terem conhecimento de como se pode utilizar.

Foram e foram feitas formações específicas para cada uma destas pocs foram formados os utilizadores alvo, ou seja, a poc, por exemplo, que falamos do one pager, que é uma poc mais ligada, product management. Houve outras pocs também para esses utilizadores. Foi feita uma formação específica em que lhes foi apresentado o que é que eram os de livros, o que é que eram os tolkits e como é que podiam tirar o máximo partido.

Isso é a primeira fase. Depois há uma formação como o Tiago estava a referir, que pode ser mais ligada a inteligência artificial ou mais ligada à ferramenta, as ferramentas pelo menos oficiais que nós utilizamos.

E depois é o acompanhar no dia a dia estas pessoas e perceber tanto de forma quantitativa como de forma qualitativa, qual é o feedback da da utilização?E quer dizer, isto é o grande ou pelo menos é um dos grandes sistemas de de de tudo o que é inteligência artificial?

É como é que nós vamos medir e como é que nós vamos monitorizar isto nestes casos em concretos. Um dos caminhos que nós achamos que faz sentido é a proximidade das pessoas, sendo que temos aqui um conjunto também de Power users identificados que nos ajudam a dar um bocadinho mais de sumo qualitativo da real utilização, que são pessoas normalmente séniores nas funções e que estão a utilizar esta estas ferramentas, digamos assim, na no seu potencial máximo acompanhá las evoluir porque a ferramenta se nós olharmos para.

Vamos falar até do do coppallet, do copallet e outras ferramentas. Quer dizer, todas estas ferramentas evoluem de semana para semana. Aquilo que nós construímos, o final deste nosso projeto foi, há coisa de Um Par de semanas, há coisa de 1 mês, mais, mais coisa, menos coisa. As ferramentas já evoluíram, portanto, daqui a 1 mês as ferramentas vão continuar a evoluir, daqui a 3 meses, igual. Portanto, tudo isto tem que ser muito orgânico e evolutivo. E, precisamos da ajuda dos utilizadores para evoluir também os toolkits. Para evoluir eventualmente o agente que foi criado que possa facilitar na construção deste one, pager, et cetera.

Portanto, contamos muito com a ajuda dos utilizadores, porque senão é mais um processo e é mais um processo que precisa de ser governado e isto tem que estar na mão das pessoas mais uma vez falando do e a Ops em que nós estamos a falar de coisas que são ferramentas para o dia a dia e para determinadas tarefas de determinadas funções. OKE é um bocadinho este o caminho que estamos a fazer. E o e o que falavas dos do dos campaís acaba por ser um ponto.Difícil não é medir esta exclusividade neste tipo de iniciativas de produtividade de forma geral, é é difícil.

E, algumas algumas das tarefas ainda ainda se apresentam como como um desafio ainda maior, mas estamos a ver isto em 3 grandes dimensões, uma dimensão de aprendizagem, ou seja, estamos a fazer formação. Quantas pessoas estão a participar, ou seja, uma ótica de exposição à informação, uma segunda ligada à adoção.

Ou seja, vamos ver as ferramentas que nós hoje disponibilizamos, as pessoas estão ou não a utilizá las se não estão, porquê? E sermos também reativos nesse sentido. E a terceira dimensão é impacto, não é e, portanto, não queremos fazer isto no vazio. Queremos, obviamente, que tenha repercussões na no nosso negócio e na e na atividade da nossa empresa.

E por isso também queremos ter um foco de OK, isto está, vamos ser a agulha ou não, isto está a fazer a diferença. Para também termos aqui feedback sobre o valor que extraímos deste tipo de iniciativas. E também isto é desafio. Se nós olharmos para alguns destas destas provas de conceito e algumas destas funções que nós estamos a criar, isto acaba por ser um desafio, porque muitas destas tarefas à data de hoje, elas não são medidas, são tarefas que acontecem no dia a dia de uma determinada função.

Então isto faz parte do meu trabalho diário. Eu tenho uma tarefa que me rouba bastante tempo. Mas esta tarefa em si, ela não é monitorizada e, portanto, isto torna difícil fazer um comparativo do que era antes e o que é agora. Claro que há outras tarefas que é muito mais fácil fazer isto.

Se estamos a falar da parte de gestão de projetos em que podemos ter timings, nós utilizamos internamente o gira. Se nós tivermos timings para evoluir um determinado projeto, conseguimos comparar o antes e o depois. Isso isso facilita.

Mas. Outras, isso torna se mais difícil e, portanto. Quanto mais individual é tarefa, mais difícil, sim, ou seja, a inteligência. Artificial pede muita medição. Não é para para ver se o se o investimento faz faz sentido, mas existe também que exista uma mudança de de comportamento daquilo que é também a medição de algumas funções e de algumas tarefas acima de tudo.

Quer dizer, hoje em dia nós utilizamos OE mail, utilizamos o Excel. Nós não medimos o tempo de utilização, apesar de ser possível, e, portanto, sabemos que é um facilitador. E, portanto, esta tecnologia acaba por trazer este este desafio para cima da mesa. Bem, eu estou, estou a adorar, ouvir vos.

Mas vou ter que puxar a conversa para a frente. Este já está. Não era o projeto piloto, era o que nós dizíamos. Já vimos aqui resultados pais palpáveis. O que é que vem a seguir? É assim, o que é que eu diria? Se calhar, há 2 Vertentes, há uma vertente de futuro que é, nós queremos pagar nesta framework e adotá la a outras áreas da nossa organização. E já estamos a fazer isso.

Portanto, a ideia é pegar na framework que correu bem e pegar em outras áreas, fora até da MC digital, e testar também este conceito nelas. Áreas essas que são não são áreas técnicas, apesar de terem pessoas que têm muito conhecimento de tecnologia e que gostam de tecnologia. E isso também acaba por ser um ponto bastante positivo e, portanto, a ideia é tentar perceber se fora de uma.

Empresa, vamos assim dizer, digital se isto funciona da mesma forma, este programa de identificação de casos de uso, construção de uma solução com ferramentas de inteligência artificial e depois a produção daquilo que é a documentação destas provas de conceito.E se calhar, numa segunda fase, uma possível ideia é levar este programa a um outro nível, ou seja, não só a construção daquilo que são prompts e aquilo que são assistentes simples para tarefas que também são elas mais simples.

Mas que são que que acabam por consumir tempo e evoluir isto para o workflows, que sejam mais inteligentes, que sejam mais automáticos, em que eu possa ter vários agentes com tarefas específicas dentro desse mesmo workflow. E isso acaba por ser um desafio maior, mas que exige que este caminho inicial seja feito.

Ou seja, não, não vamos começar a construir a casa pelo telhado. Vamos tentar garantir que as pessoas adotam este tipo de soluções. Utilizam, querem, querem utilizá las e querem mais. Para depois passar para esta segunda fase, que eu acho que ainda vai acelerar mais e vai trazer. Estávamos a falar da dos KPIs, não é?

Provavelmente é um AI Ops. Este, vamos dizer 2.0, poderá trazer ainda mais valor, porque vamos estar a automatizar mais e a tornar processos mais inteligentes do que tarefas mais pequeninas acho que é um bocadinho esse o caminho para já, não. Sei se podemos, se podemos avançar o.

O que é que está em curso? Se calhar não as áreas, mas não é. Nós fizemos um o que é que o que é que vai acontecer a seguir? Não é porque a ideia do IA Ops é efetivamente replicarmos depois o modelo. Não é que sei que já há iniciativas em curso de de replicação. Sim, ou seja, é a área de temos 2 áreas internas que vamos replicar, a área de people e a área de ABSEA ideia é, já na próxima semana, arrancar com esses programas. Nós e isto.

Para quem? Para quem nos está a ouvir, não é? Acho que isso também é importante que é nós devemos pivotar aquilo que estamos a fazer pivotar no sentido de nós temos um modelo, temos esta framework que nos estrutura neste processo de identificação de casos de uso e aplicação da tecnologia, mas este processo não tem que ser Estanque.

Uma das coisas que já foi feita foi a redução do tempo do próprio projeto. Nós, numa fase inicial, eram 2 semanas tinhas referido. Agora reduzimos paradis. Queremos também reformular as pessoas que estão dentro da própria equipa, neste caso da área de tecnologia, para ajudar os utilizadores e portanto estas afinações são muito importantes.

E começar já na próxima semana, vamos ter 2 a decorrer em em em paralelo com aqui 11 desfasamento de cerca de 2 semanas e a ideia é no final de, portanto de janeiro, inícios de fevereiro, nós conseguirmos terminar este esta segunda fase do e a eops nestas 2 áreas.

E ter já aí também provas de conceito feitas, sendo que uma das coisas também que aprendemos e que queremos implementar agora tem a ver com AO número de casos de uso que vamos querer também tocar e atacar numa fase inicial. Nós estávamos aqui com um bolo bastante grande e isso também exige que tu tenhas uma maior dedicação.

Mais disponibilidade? E nem é tanto pela pela disponibilidade, mas é pela pela divergência do foco. E agora queremos se calhar ser um bocadinho mais quase snipers na abordagem. Utilizar menos casos de uso, mas que possam ser mais materiais e que possam trazer ainda mais valor e, portanto, Há de Ser também um caminho que queremos, que queremos fazer.

A minha pergunta era tanto em detalhe, era mesmo mostrar que já estava a acontecer, porque a forma como como como respondeste a primeira vez foi muito foi muito de depois a seguir, vamos para não é não é vamos, já estamos a ir, não é, já está, já está, já estamos, já está acontecer e é essa a nossa que essa nota que queria dar e fico.

Fico muito entusiasmado com essas 2 novas edições da eops, até já com as melhorias que. A que que referiste o. Tiago, no início, cauteloso, até dizia, yay, Ops, 10 a 12 semanas. Portanto, ele já estava a contabilizar o modelo anterior e o. E o atual e o?Atual, portanto, e quem sabe se calhar daqui a daqui a uns tempos, também não tem. Não temos direito aqui a um episódio específico sobre sobre essas sobre essas edições. Estamos a aproximar nos do do final. Mas não queria vos deixar de perguntar algo mais específico das vossas das vossas funções em que é nada mais, nada menos do que em que é que estão a trabalhar neste momento que mais vos entusiasma.

Seja pela aprendizagem, pelo impacto que vai ter, ou outra coisa. Qualquer critério vosso, mas em que é que estão a trabalhar de momento que mais vos entusiasma? Se calhar, começo aqui pelo Tiago boa. Olha tudo em que nós trabalhamos em entusiasmo. Agora, agora a Sério, agora a Sério. Não somos uma equipa de inovação, então temos.

Temos muito esta esta Liberdade também de responsabilidade, obviamente, mas Liberdade para explorar coisas novas, e isso entusiasma muito. Diria que, dentro dos temas que nós temos atualmente, visão computacional é algo que que me chama muito à atenção, sobretudo porque o retalho é um é um negócio muito físico, não é muito ancorado nas nossas lógica, nas lojas, no contacto com o cliente, et cetera.

E a visão computacional é um conjunto de tecnologias que nos pode digitalizar este espaço físico para nós, depois distrairmos certos insides, não é certas aprendizagens. E, isso entusiasma me bastante enquanto tecnologia ao serviço do do negócio. Vou vos dar um caso concreto, há pouco tempo devolvemos 11 MVP dentro da equipa. Por exemplo, para extrair informação de produto de embalagens, ou seja, montámos um modelo que, com uma fotografia de um produto, analisava as diferentes componentes da embalagem e dizia, olha, isto é o modo de preparação, isto é, tabela nutricional, isto é a marca, isto é etnografia de de vegan, ou apropriado para celíaco, enfim.

E depois há um segundo modelo, neste caso 11 LLM, que pega nestes recortes dos diferentes elementos da embalagem e extrai a informação, extrai o texto, extrai o significado da econografia e no final acabamos com esta informação estruturada.

Com uma ficha de produto. Com uma ficha de produto completa com base naquilo que é a embalagem, tiramos algumas coisas boas disto para já. A embalagem é uma fonte de de verdade, ou seja, nós podemos ir buscar informação de produto a outros sítios que às vezes vem, completa. Vem correta em suficiente?

Desatualizada e, portanto, a embalagem à partida terá a informação que nós precisamos EEO mais atualizada. E tiramos também informação que não é só textual, mas também visual e componentes, por exemplo, como clemes de marketing, coisa que, por exemplo, um fornecedor nunca nos passaria essa informação de forma tão, tão simples.

Então nós conseguíamos tirar ali alguns atributos da embalagem que de outra forma, que é conteúdo, diria mais rico e que de outra forma não conseguíamos aceder. Bastante.

Nós estamos com uma precisão de cerca de 90%, ou seja, 90% do conteúdo da embalagem chega ao fim devidamente estruturada à nossa base de dados e por isso já temos aqui oportunidades para melhoria, obviamente, mas entusiasma me muito.Se nós começarmos a pensar no ambiente de loja, ainda mais oportunidades surgem com visão computacional. Portanto, diria que é uma das áreas dentro do grande chapéu. Dá aí o entusiasmo para mim, mais me eu.

Aproveito para referir que recentemente lançámos um artigo. Precisamente sobre essa experiência, portanto, no nosso blog quem quiser saber mais pode encontrar encontrar detalhe sobre essa sobre essa poca, portanto, do teu lado o. Que é que me entusiasma mais? Eu não sei se vou ser tão entusiasmada e dizer, o que é que me entusiasma mais Na Na Na minha função?

Não faz parte da avaliação da minha. Avaliação boa, boa. Eu acho que era Oo Bill Gates que dizia, eu não tenho a certeza se ele tinha. Ele tinha interesse quase em contratar pessoas que fossem preguiçosas, porque essas pessoas iriam arranjar AA solução mais fácil para os determinados desafios que iam, que iam ter.

Se calhar, alguém vai corrigir se isto, se esta informação estiver errada e se não for Oo Bill Gates. Mas no fundo, eu, eu, eu acho que esta mentalidade, até no uso deste tipo de ferramentas, é muito interessante, porque essas pessoas são as que normalmente vão encontrar as soluções dentro destas ferramentas que lhes vão facilitar o dia a dia. E a minha acaba por me motivar a concretização destas soluções, ou seja, nós OOAI Opus é uma framework que está a acelerar estes estas identificações de soluções com AIA.

Nós estamos a fazer isso em paralelo, ou seja, isto isto acontece em todas as empresas, estes desafios que existem e encontramos uma solução nós próprios, em paralelo, estamos a fazer esse levantamento de casos de uso de algumas equipas que nos fazem chegar a estes desafios, a materialização disso, ou seja, identificar um caso de uso.

Pegar, nesse caso, views, olhar para o problema e conseguir resolver um problema daquela equipa que lhes vai dar tempo de qualidade para fazer outras tarefas. Isso é algo caminho que que me motiva.

Nós tivemos um exemplo internamente de da equipa de learning, em que basicamente cria um apoio para a construção de vídeos formativos, em que nós olhamos para o desafio. Exploramos algumas ferramentas, fizemos uma pequena prova de conceito e a prova de conceito correu positivamente.

E o negócio quer adotar essa ferramenta? Então, isso para mim, acho que é o mais importante. É no final do dia. O que nós estamos a fazer está a contribuir ainda que podemos dizer que pode contribuir mais ou menos para determinadas áreas e para determinadas funções. E acho que é um bocadinho esse o.

O caminho e resumindo em resolver problemas com a tendência. Artificial? Sim, sim, sim, sim. Sim, OK, boa, boa. Agora sim, chegámos chegámos ao final. Mas mas ainda vou arriscar fazer aqui a nossa rúbrica final, que é a nossa caixa de favoritos. Tiago e Fernando no vosso papel de consumidores, portanto, agora não é o vosso, o vosso papel aqui Na Na MC é como consumidores lá em casa. Qual é a tecnologia, inovação ou experiência? Portanto, não tem que ser tecnologia necessariamente.

Que vais que mais vos marcou recentemente e porquê? Eu, eu posso começar? Eu acho que não vai ser muito interessante, mas eu vou partilhar na mesma, porque foi ontem. Então, sim, foi uma. Notícia aplica se aqui bem. Sim, foi uma notícia que eu vi. E, não acho que vá contribuir muito para para o meu dia a dia, mas acho que são daquelas novidades que são interessantes.

A loja do cidadão agora existe no formato virtual, a loja do cidadão comum, em que é preciso ir à loja do cidadão, renovar o cartão de cidadão, pedir alteração de morada que nós temos, et cetera, e acho que foi lançado ontem. Pelo menos a notícia foi ontem, portanto, deve ter sido lançado agora a loja do cidadão virtual.

É, portanto, é 11 site online que podemos já identificar, por exemplo, tenha que antes não era possível ver os pontos que nós temos na carta, fazer alterações de morada da nossa residência fiscal, pedir a atualização do cartão de cidadão. E. Para mim, e eu acho que este tipo de tecnologias são as coisas que são interessantes, que é são coisas que de facto, podem causar impacto no utilizador, ou seja, não é tanto OIBE.

Vivemos muito. Toda a gente fala de inteligência artificial. Acho que às vezes não é tanto OIP daquilo que é a tecnologia, mas é a aplicabilidade prática. Obviamente deve haver espaço para os 2, deve haver espaço para o para apontar para a Lua, mas também deve haver espaço para as coisas mais Terra, a Terra. E eu acho que esta, por exemplo, é uma ferramenta que vai ser muito útil para um conjunto de pessoas que não querem ir à loja do cidadão. Vai tirar volume das lojas do cidadão e vai permitir a que, se calhar, pessoas que sejam mais tecnológicas utilizem esta ferramenta.

E as pessoas que precisam de facto de tirar loja? E que não sejam tão tecnológicas, tenham mais tempo para ir, porque têm menos volume nas nas lojas. Portanto, foi assim, uma que me ficou Na Na cabeça. Não estava à espera de ouvir falar da loja, não admito. É do teu lado, Tiago.

Olha, eu tive uma experiência marcante recentemente, positiva, espero muito positiva. Num evento chamado lisbon Eye, aconteceu recentemente, a certa altura um dos fundadores do de uma solução que se chama TL drow, que à partida poderá ser conhecida de muitas pessoas.

Basicamente é um software que é um White Canvas, é um Whiteboard em que nós podemos lá fazer determinadas atividades que se faz num quadro branco digital, e a certa altura ele começa a fazer uma demo de um sistema multiagente dentro de um Whiteboard, coisa que eu nunca imaginaria na minha. Vida. Portanto, o output dos agentes eram coisas escritas no Whiteboard, isso. Escritas. Desenhadas em colaboração. E isso é que era o impressionante.

Ou seja, primeiro o agente dele era uma fadinha, era um desenho de uma fada, e ele podia dizer, isso para mim já foi brilhante, mas ele podia dizer, olha, 10 fadinhas vêm agora trabalhar comigo nesta parte do Canvas e dava lhes uma tarefa, eu quero. A tarefa que ele deu foi, por exemplo, eu quero um PRD, eu quero 11 documento de especificação de requisitos de um de um produto, e as 10 fadinhas autonomamente só com base na descrição desta tarefa.

Começaram primeiro por fazer uma lista de a fazeres, depois. Em colaboração. Em colaboração, é só para reforçar esse real. Ou seja, uma das fadinhas era a fadinha. Orquestradora era aquela que devia de liderar o esforço, fazer esta tudo e distribuir trabalho. E nós estamos habituados a falar em agentes e colaboração de agentes.

Mas é uma coisa que acontece no éter, não é? São linhas de código que estão a correr numa máquina algures. E nós não vemos isto fisicamente para acontecer. Exatamente. O mais impressionante ali é que nós víamos aqueles serzinhos a interagir e eu conteúdo a ser gerado ao mesmo tempo, e acontecia coisas engraçadas, como é uma fadinha saber que agora tinha que fazer a descrição, outra tabela de requisitos, et cetera, é EE.

Sabiam também que deviam trabalhar em certas coordenadas do Whiteboard, ou seja, elas no espaço físico virtual, digamos assim. Tinham que saber qual é que era o posicionamento de determinada fadinha para o seu conteúdo começar a ser criado abaixo. E a certa altura aquilo deu confusão, porque o conteúdo começava a ser criado um em cima do outro.

Estava muito, e nós víamos mais uma vez autonomamente, as fadinhas a puxar o seu conteúdo para baixo quando viam que a fadinha anterior tinha escrito em cima. Portanto, eles. Que corrigiam à medida que iam percebendo que erros estavam estavam a acontecer.

Portanto, para mim foi marcante ver isto de uma forma tão visual, e depois OOO founder depois pegava em 3 das fadinhas, dava lhes uma nova tarefa. Olha, vocês agora vão desenhar aqui a jornada do utilizador aqui em cima, enquanto as outras 7 continuam no PR. Portanto, tudo isto foi brilhante do ponto de vista visual, porque é uma forma muito interessante de ver a colaboração entre agentes e também ver a autonomia que este tipo de sistemas podem ter.

EE até da sua articulação num num espaço virtual, coisa que para nós não é não é habitual e portanto, achei muito interessante a base ser 11 hei de Canvas e não estava nada à espera de ser surpreendido por um por um tipo de soluções. Eu não me. Recordo de ver nenhuma demo com esse nível de sofisticação em termos de colaboração entre entre agentes também, portanto, boa, vou querer o vídeo. Não sei se é público já, mas ele fez a demo no evento, OK? Foi o fiquei maravilhada.

Vamos procurar. Muito obrigado. Concluímos assim mais um episódio da nossa caixa central. Tiago Fernandes, esta conversa foi bastante esclarecedora, podermos partilhar como é que estamos a acelerar a experimentação e a adoção.

Acho que acho que foi bastante bom e conseguimos provar aqui hoje que AI não é apenas hype, que que temos, que temos resultados com com a mal algumas das vossas partilhas. Portanto, muito, muito obrigado por por essa, por esse, por esse contributo. Quem nos ouve lá em casa? Fiquem atentos às próximas chamadas. Obrigado por estarem com connosco.

Vamos continuar nas próximas chamadas à caixa central a explorar o que move AMC digital e o retalho.