AI é boa em tradução. O problema é que os dados de “falar” não são apenas um problema de tradução. Sim, em alguns Ambientes, usando uma das muitas variações do Text2SQL, você pode digitar “os 10 principais clientes pelo primeiro trimestre” e obter uma resposta viável do SQL gerado automaticamente. Mas as solicitações de dados corporativas também precisam explicar fatores como a linhagem (“De onde esses dados vieram e quando foram atualizados?”). Eles precisam de documentação, teste, versão e governança. E eles precisam suportar várias iterações como analistas, usuários de negócios e engenheiros de dados trabalham juntos para obter os dados certos. A IA pode gerar as respostas certas, mas não pode colocar todos na mesma página.
Mitigando desconexões
Então, se ai não é a resposta, o que é? Você precisa aplicar abordagens diferentes para preencher a lacuna entre os grupos. Isso não significa ensinar a cada grupo o idioma do outro, embora exista um elemento disso. É mais sobre projetar comunicações com um conhecimento das necessidades de quem está recebendo a mensagem – cristalizando as melhores práticas e tornando as comunicações consistentes e eficazes.
Por exemplo, quando possível, os analistas devem Desenvolva protótipos visuais usando dados ao vivo e estruturas de dados reaisem vez de esboçar aproximações no PowerPoint. O pseudo-código pode obscurecer casos de borda que rapidamente se tornam aparentes ao trabalhar com o banco de dados real. Mais importante, os engenheiros trabalham em código e o código requer detalhes. O objetivo não é fazer com que os usuários de energia abandonem seu meio visual. É para incluir contexto suficiente para que a metáfora visual possa ser traduzida de maneira limpa para o código. Quanto menos engenharia precisa inferir, mais precisos os resultados provavelmente serão. A maioria das ferramentas modernas permite fazer isso com apenas uma pequena “fatia” representativa dos dados.