- Os relatórios manuais podem ser completamente substituídos usando fluxos de trabalho estruturados Nvidia GB10 e IA
- A automação reduz a dependência de pessoal adicional, mantendo a precisão consistente dos relatórios
- Fluxos de trabalho sequenciais facilitam testes e solução de problemas antes de escalar a automação de nível empresarial
Muitas organizações dependem dos funcionários para coletar, organizar e relatar manualmente métricas de desempenho em diversas plataformas digitais.
Um último Sirva a casa (STH) substituiu parte deste processo de relatório manual usando sistemas locais de IA construídos em torno do hardware Nvidia GB10.
O trabalho envolveu solicitações repetitivas recebidas por e-mails longos e não estruturados, muitas vezes solicitando medições de diversas fontes e intervalos de datas específicos.
Reduzindo a necessidade de pessoal adicional
Em vez de contratar mais pessoal para lidar com esse volume crescente, STH focado em projetar um pipeline de relatórios automatizado que pudesse lidar com essas tarefas de maneira confiável.
A automação seguiu um fluxo estruturado para coletar e agregar dados de todas as plataformas relevantes.
As integrações pré-construídas no N8n reduziram o tempo de configuração conectando-se diretamente aos sistemas analíticos sem a necessidade de código personalizado.
O planejamento de cada etapa garantiu que os limites de tempo, filtros e detalhes da consulta fossem aplicados de forma consistente.
Embora o fluxo de trabalho tenha sido executado sequencialmente, essa abordagem facilitou os testes e a solução de problemas durante a implantação inicial, permitindo que os avaliadores verificassem os resultados antes da expansão.
Para validar o sistema, a revisão utilizou cerca de 1.000 solicitações históricas de 2015 a 2025 com resultados conhecidos.
Diferentes modelos de IA foram comparados, incluindo gpt-oss-20b FP8 e gpt-oss-120b FP8, para avaliar a precisão das etapas.
Os testes iniciais mostraram que os modelos menores funcionavam bem para solicitações simples, mas surgiam erros à medida que a complexidade aumentava.
Como os fluxos de trabalho precisavam chamar vários modelos para cada solicitação, até mesmo pequenas imprecisões eram acumuladas, reduzindo a confiabilidade geral.
Modelos grandes melhoraram a precisão por etapa para mais de 99,9%, reduzindo erros de fluxo de trabalho de ocorrências semanais para ocorrências anuais raras.
Ambos os sistemas Dell Pro Max na unidade GB10 operavam IA localmente, mantendo todos os dados localmente.
O avaliador estimou que a automação substituiu a necessidade de um relatório dedicado, cobrindo os custos de hardware no prazo de doze meses.
As ferramentas de IA lidaram com solicitações de relatórios internos e externos, incluindo visualizações de artigos, engajamento de vídeos e métricas de boletins informativos, sem a necessidade de intervenção humana.
O processo permitiu que o sistema redirecionasse recursos para outras funções, como a contratação de um editor-chefe, mantendo ao mesmo tempo a qualidade consistente dos relatórios.
A automação de relatórios com sistemas de IA mostra como as tarefas manuais de recuperação e consolidação de métricas podem ser removidas dos fluxos de trabalho humanos.
Isso significa que as funções que se concentram principalmente na coleta, limpeza e resumo de dados de desempenho são particularmente vulneráveis na presença de automação confiável.
Embora a revisão mostre claros ganhos de eficiência, o sucesso depende da precisão do modelo, do design do fluxo de trabalho e da manutenção do controle sobre dados confidenciais.
Siga o TechRadar no Google Notícias e adicione-nos como sua fonte padrão para receber notícias, opiniões e opiniões de nossos especialistas em feeds. Certifique-se de clicar no botão Continuar!
E é claro que você também pode Siga o TechRadar no TikTok para receber notícias, análises, unboxings de vídeos e receber atualizações regulares nossas WhatsApp também
