Resposta direta
Avalie por prova de operação em contexto parecido, não por demonstração. Avaliar fornecedor para machine learning começa por três provas: o que ele já operou em contexto parecido, como trata erro e o que acontece quando o contrato termina. Em uma empresa que já tem sistema, dado e processo, e precisa encaixar uma tecnologia nova, demonstração não substitui referência verificável nem cláusula de saída.
- Objetivo
- Orientar avaliação e contratação
- Formato indicado
- Diagnóstico executivo
- Atualizado em
O que esta página acrescenta: machine learning sob o recorte de tecnologias e arquitetura: o que medir, o que decidir e o que não resolve.
Onde o dinheiro vaza em machine learning
Tecnologia adotada sem caso de uso definido vira custo recorrente e dependência de fornecedor.
Machine learning: Modelo estatístico que aprende padrão a partir de dado histórico.
O que a pergunta exige
Avalie por prova de operação em contexto parecido, não por demonstração.
Coloque no contrato critério de aceite, prazo de correção, propriedade do dado e condição de saída. O que não está escrito vira negociação no momento de maior pressão.
O que fazer primeiro
Escrever o caso de uso, o dado de entrada e o resultado esperado antes de comparar tecnologias.
Peça referência de operação semelhante e verifique com quem usa. Proposta bem feita não é prova de entrega.
O erro que se repete
Escolher pela novidade e não pela maturidade do processo que vai receber a tecnologia.
Recurso prático
Avaliação de fornecedor para machine learning
- Referência verificável em operação semelhante.
- Plano de implantação com marcos e responsáveis.
- Critério de aceite e prazo de correção por escrito.
- Tratamento de falha e suporte fora do horário comercial.
- Propriedade do dado e condição de saída.
- Custo total no horizonte, não apenas preço de entrada.
O que não está no contrato vira negociação no momento de maior pressão.
Sobre o que está escrito aqui
Conceitos relacionados: machine learning · tecnologia · arquitetura · dado · integração · custo · fornecedor. Exemplos são ilustrativos. Não há cliente, resultado, preço, prazo ou certificação nesta página. Quando o formato indicado é Diagnóstico executivo, ele descreve uma possibilidade de trabalho — a conversa inicial avalia contexto e aderência.
Para continuar
- Tecnologias e arquitetura — Todas as páginas de tecnologias e arquitetura.
- machine learning: como começar pequeno — Como começar pequeno com machine learning?
- machine learning: o que é e quando usar — O que é machine learning e quando usar?
- Diagnóstico executivo — Ponto de partida para medir a situação atual.
Páginas relacionadas
O mesmo problema em outro objetivo
- machine learning: o que é e quando usar — Diagnosticar
- machine learning: riscos de implementação — Diagnosticar
- machine learning: arquitetura básica — Organizar um processo
- machine learning: quais dados são necessários — Organizar um processo
- machine learning: como integrar com os sistemas atuais — Organizar um processo
Outras leituras em Tecnologias e arquitetura
- BPM: quando não usar — BPM: não use quando o volume é baixo, o dado é ruim ou o custo de errar é maior que o ganho.
- ETL: arquitetura básica — ETL: a arquitetura mínima tem entrada, processamento, saída e registro — sem isso não há como operar.
- visão computacional: como calcular o ROI — visão computacional: o retorno aparece em horas, erro evitado e capacidade liberada — com custo de operação na conta.
- webhooks: o que é e quando usar — webhooks: entender o que a peça faz — e o que ela não faz — evita expectativa errada desde o começo.
- OCR: quando não usar — OCR: não use quando o volume é baixo, o dado é ruim ou o custo de errar é maior que o ganho.