Modelos que conhecem o seu negócio e funcionam onde os seus dados residem.
Um modelo generalista não conhece os seus produtos, os seus termos nem as suas exceções. A Onega personaliza a IA para o seu trabalho da forma mais leve que passe nos seus testes: primeiro, melhores instruções e recuperação de informação; fine-tuning quando as evidências mostram que compensa; e um modelo mais pequeno no seu próprio hardware quando o custo, a latência ou os dados o exigem.
Cada degrau custa mais a construir e a manter do que o anterior, por isso só subimos quando o conjunto de avaliação mostra que o degrau anterior não é suficiente.
01
Instruções e política
Prompts, esquemas de saída, exemplos e salvaguardas ajustados aos seus casos. Rápidos de alterar; sem treino.
02
Recuperação de informação
Respostas fundamentadas nos seus documentos e registos através de embeddings, pesquisa e reordenação (reranking), com as fontes visíveis.
03
Fine-tuning
Modelos de pesos abertos adaptados com os seus exemplos aprovados através de métodos eficientes em parâmetros, para tom, formato, classificação ou linguagem do domínio.
04
Destilação
Um modelo mais pequeno treinado para igualar um maior na sua tarefa, para que funcione em hardware que lhe pertence, a um custo que pode planear.
02 — Primeiro, a avaliação
Nada entra em produção sem um conjunto de avaliação.
Antes de qualquer personalização, construímos um conjunto de avaliação a partir dos seus próprios exemplos. Cada opção é pontuada nele: o modelo de base, as instruções ajustadas, a recuperação de informação e o modelo com fine-tuning. Vê as pontuações, as falhas e o custo antes de escolher.
Casos de teste retirados de exemplos reais e aprovados, com uma amostra reservada (holdout) na qual ninguém faz ajustes
Regras de pontuação acordadas com as pessoas que fazem o trabalho
Categorias de falha registadas, não diluídas em médias
Custo por pedido e latência medidos no seu hardware
Testes de regressão em cada alteração de modelo, prompt ou dados
03 — Os seus dados
Dados de treino sob o seu controlo.
O treino é executado no seu ambiente ou em infraestrutura que aprove. Os seus dados não são enviados a um fornecedor de modelos para treino, a menos que decida que o devem ser.
Um fundamento de licitude documentado e a aprovação do proprietário dos dados antes de quaisquer dados pessoais serem utilizados.
Ocultação ou pseudonimização dos dados de treino quando a tarefa o permite.
Cada conjunto de dados, modelo de base e modelo com fine-tuning registado com a respetiva versão e licença, e incluído na lista de materiais de IA do OneVeer quando é servido nele.
Licenças de pesos abertos verificadas face à utilização pretendida antes do início do treino.
04 — Disponibilização e soluções personalizadas
Personalizado e depois servido por detrás da sua política.
Servido pelo OneVeer
No seu hardware, por detrás de um alias.
Um modelo com fine-tuning ou destilado é empacotado em formato GGUF para que o OneVeer o possa servir no seu CPU ou GPU por detrás de um alias publicado. As aplicações continuam a chamar o alias; regressar ao modelo anterior é uma alteração de configuração, não uma nova versão.
Produtos da Onega
Configurados para os seus processos.
Políticas, aliases e salvaguardas do OneVeer; categorias, regras de encaminhamento, templates e conectores do OneMail; fornecedores de modelos do OneDesk. Cada configuração é testada com os seus casos antes da entrada em produção.
Soluções que já possui
Ajustadas e colocadas sob uma única política.
Funcionalidades de IA no seu CRM, service desk ou plataforma documental, ajustadas e avaliadas com os seus casos e, quando o permitem, encaminhadas através do OneVeer para uma única política e um único registo de auditoria.
05 — Como decorre
Do conjunto de avaliação ao modelo servido.
01
Model Evaluation Sprint · 2–3 semanas
Um conjunto de avaliação a partir dos seus exemplos, pontuações de base para os modelos e métodos candidatos, uma revisão de dados e licenças, uma recomendação e uma proposta a preço fixo.
02
Personalização · 3–5 semanas
Instruções, recuperação de informação ou treino, conforme recomendado, no seu ambiente, pontuados na amostra reservada.
03
Execução supervisionada · 2–3 semanas
O modelo personalizado em trabalho real, com pessoas a rever os seus resultados, medido face à linha de base.
04
Entrega
Ficha do modelo (model card), registo de dados, resultados de avaliação, conjunto de testes de regressão, configuração de disponibilização e manual de operação.
06 — Perguntas frequentes
Perguntas que as equipas de dados e de IA fazem.
Precisamos de fine-tuning?
Muitas vezes, não. Muitas tarefas resolvem-se com instruções claras, exemplos e recuperação de informação. Recomendamos fine-tuning quando o conjunto de avaliação mostra uma lacuna que estes não conseguem colmatar, ou quando um modelo ajustado mais pequeno atinge o mesmo nível a um custo inferior no seu próprio hardware.
Em que modelos podem fazer fine-tuning?
Modelos de pesos abertos cujas licenças permitam a utilização pretendida, em dimensões adequadas ao seu hardware. Os modelos alojados por fornecedores podem ser personalizados quando o fornecedor o oferece e a sua política de dados o permite. A licença e as respetivas condições são indicadas na avaliação.
De quantos dados precisamos?
Depende da tarefa. O Model Evaluation Sprint indica-lhe se os seus exemplos são suficientes, e de qualidade suficiente, antes de pagar qualquer treino.
A quem pertence o modelo com fine-tuning?
A titularidade dos pesos treinados com os seus dados é acordada no documento de âmbito do trabalho (statement of work) antes do início do treino. Os termos da licença do modelo de base aplicam-se sempre também.