Inteligência Artificial vs Maturidade de Dados

0:00existe a questão da confiabilidade aquilo que tá ali naquele dado naquele documento é real é confiável eu não deveria construir as coisas centrado na aplicação e sim centrada no dado o domínio nunca é aplicação o domínio é propriedade do dado isso uma aplicação Ela opera Sobre Um Domínio tecnologia é meio e a generativa arquitetura de dados governança de dados arquitetura corporativa são todas técnicas é tecnologia é meio muito bem muito bem meus amigos do PPT não compil estamos aqui para mais um episódio já não tenho mais nem ideia de qual que é o número do episódio R assim que é bom pô já passou de 170 de eu nem sei quantos Episodes eu participei [ __ ] é verdade né Se fosse para pedir música tinha pedido já umas um LP já um disco um LP seria artilheiro LP para is você ver a idade do cara nossa eu nem sei o que que é isso Ah sim rente vai responder uma pergunta aqui dos nossos ouvintes deve estar nos ouvindo e e perguntando por que que eu não consigo adotar e generativa na minha empresa por que será por que será Nossa que pergunta capciosa essa aí hein é hoje nós temos aqui um grande eh um grande posso dizer um acervo acervo de desafios que a gente vai discutir sobre Por que a gente tem dificuldade de trazer uma mi generativa um llm para dentro do contexto de grandes empresas E especialmente aqui Claro na sua na sua área de especialidade que é a governança de dados a gente vai conseguir trazer uma luz para essa galera né pronto eu não não apresentei porque o cara é quase dono desse podcast já estamos aqui com Luis rud meu grande amigo gerente de governança de dados para falar desse assunto bom ó vou falar de governança de dados aplicado para I Gener Espero que eu consiga contribuir de alguma maneira e se você tá ouvindo siga compartilhe faça tudo aí que um bom membro bom inscrito possa fazer eu posso dizer que você é um gerente de governança melhor que você é um influencer mas aí é porque eu sou muito bom né em governança de deixa deixa o like você se você não tá inscrito ainda no canal você se inscreva agora né se você tiver qualquer dúvida ou quer fazer algum comentário deixa esse comentário aqui dentro do YouTube ou dentro do Spotify porque a gente lê todos os comentários eu encaminho aqui pro rud o Linkedin do rood vai ficar aqui também no no na descrição você pode mandar pergunta direto pro cara mas é muito importante que você ajude a gente com comentário com like se inscrevendo e se você puder você pode ser membro do BPT no compila vai lá no YouTube tem o botãozinho seja membro e você vai contribuir com o valor financeiro mensalmente aqui pra gente manter esse trabalho de trazer educação e informação e interterimento de tecnologia para todos os nossos ouvintes né R Então você vai valorzinho pequeno que você vai se contribuir aqui vai pagar a cervejinha vai pagar o nosso amigo da produção e vai deixar a gente muito mais feliz em trazer esse trabalho para vocês se você não pode se você não tem condições de fazer essa contribuição financeira você já contribui demais compartilhando o episódio mandando no slle da firma compartilhando no Linkedin mandando no grupo da família gritando o nome da rua da gente na rua né Não precisa gritar o meu não não já ajuda demais a gente então e faça a comunidade do PPT no copila crescer da mais já somos uma grande comunidade somos muito felizes muito gratos por isso mas a gente sempre quer trazer mais informação para cada vez mais pessoas né rud isso aí então vamos lá que o episódio tá muito bom vamos entender Quais são os desafios de dados para implementar uma inteligência artificial generativa um llm um chatbot dentro da sua empresa porque que isso pode ser mais complicado do que imagina do que você imagina não é só chamar api do chat GPT lá não né R tem mais coisa por trás inclusive Não faça isso vamos lá que o ório tá muito bom bora [Música] [Aplausos] [Música] [Aplausos]

4:38rud eh eu tive lendo no nas últimas semanas algumas alguns depoimentos de cios c e de ceos sobre a implementação de inteligência artificial generativa na em grandes empresas né e além dos fatores de culturais que eu acho que vá a gente citar Em algum momento aqui né sobre a credibilidade da ia aplicação etc que ainda é um pouco eh como que eu posso dizer nebuloso né para algumas pessoas ou até onde você vai conseguir chegar com a Iá etc tem alguns outros desafios principalmente relacionados a Olha só quem diria Quem imaginaria né dados pra implementação de Inteligência Artificial que me fez lembrar aquele meme do Menino tentando pegar bola assim sabe vou deixar aqui o link vou mandar colocar aqui no vídeo também Eh cara tentando abraçar e a generativa aí vem aquele monstrinho assim escrito dados não governados e puxa o cara para trás né então eu queria fazer esse episódio contigo hoje primeiro pra gente esclarecer um pouco dessa jornada Como adotar a inteligência artificial generativa de uma forma eficiente os desafios que esse cara vai passar e alguns conceitos que estão envolvidos aqui que muitas vezes quando o cara pensa que utilizar i a generativa é só integrar o sistema dele com api do chat GPT e que tá tudo certo ele não vê esses desafios né dentro do do do contexto eh enterprise corporativo do do do que ele vai passar né Principalmente quando ele quer fazer uma inteligência artificial generativa que de fato traga um retorno utilizando os próprios dados da da compania né e não usar a inteligência Aral só só como uma super calculadora que el ativa por por api né então acho que a gente tem bastante coisa aqui para para explorar e esclarecer né universo enorme na verdade né e acredito que um primeiro ponto que é importante a gente deixar claro é que a i generativa é sensacional ela consegue apoiar e resolver diversos problemas ela tem um potencial de gerar valor absurdo Então acho que o primeiro ponto é esse OK mas assim como qualquer tecnologia para você aplicar na prática ou para você beber ou desfrutar do potencial dessa tecnologia você precisa que algumas outras coisas estejam estabelecidas dentro da sua organização ou dentro do seu ambiente para que você consiga fazer com que ela seja realmente produtiva Tá bom o que eu quero dizer com isso imagina você pegar qualquer tipo aí de tecnologia que a gente tá acostumado aqui a falar e você não tem alguns princípios você só automatiza você Só melhora um processo por exemplo que tá ruim você potencializa o que é ruim com aí a generativa é a mesma coisa se eu não tiver uma boa base se eu não tiver um um uma boa estruturação se eu não tiver uma boa governança sobre os dados que aí a generativa está lendo o que que vai acontecer eu vou automatizar produtizar potencializar o meu problema não a solução da dor que eu quero endereçar entendeu então acredito que a gente tem que deixar isso bem claro ponto um que ela é sensacional e ativa é uma tecnologia maravilhosa o ponto do mesma forma que você exponencia o benefício de uma for feito você pode exponenciar o problema de uma forma feito né mas isso é um problema que a gente já via antes num rpa tradicional que você vi em qualquer processo de automatização se você automatizar o processo ruim você escala o que é ruim você escala os problemas desse processo se você automatizar uma coisa boa você vai potencializar as coisas boas daquele processo Cinha generativa não é diferente se você tem lixo entrando você vai gerar lixo você pode colocar é ingredientes bons na mão de um ótimo cozinheiro E aí eu entendo que o prato o resultado final vai ser maravilhoso ou você pode dar ingredientes ruins para esse mesmo cozinheiro e o que que ele vai conseguir fazer no máximo É um prato até visualmente bonito mas a qualidade dele vai ser ruim por quê Porque o material que ele recebeu é ruim entendeu então a ia não é má ela não transforma a essência dos dados ela vai potencializar a essência dos dados então se eu não olhar vou falar aqui mais de uma maneira mais poética para a alma dos dados com um pouquinho mais de carinho o que vai acontecer no final das contas é que eu vou usar minha ia generativa A sei lá o o máximo de tecnologia que a gente hoje tem para gerar um produto ruim tá então é acho que é um desperdício inclusive você investir em inteligência artificial em a generativa se você não se preocupar antes com alguns temas básicos como metadados como qualidade de dados como observabilidade como linhagem de dados se você não olhar para isso com cuidado você tá realmente e criando um caminho fadado a fracasso cara um ponto que eu acho muito relevante mas para mim ainda não é muito claro como as coisas se interceptam mas que eu sei que em algum momento elas são irmãs e são cruciais é quando você fala de de Inteligência Artificial generativa Diferente de quando você falava de machine learning de inferência estatística onde você tinha um controle muito grande sobre a sua massa de de Treinamento a sua massa de inferência etc eh que você inclusive tinha toda aquela técnica né de tirar os out liners fazer análise do contexto da daqueles dados geralmente eram dados mais classificatórios eram dados mais discretos né E quando a gente fala da Inteligência Artificial generativa ela tem um foco um pouco mais ali em dados não estruturados dados mais conceituais né Eh e dados ligados a contexto né Afinal ela vai te responder perguntas etc e não vai se simplesmente de classificar só um resultado em cima de um Trash ou de acima ou não de um limite né Eh quando a gente fala de contexto e semântica que tá muito ligada a à Inteligência Artificial generativa eu vejo um paralelo muito grande uma importância muito significativa com a governância de dados e o próprio conceito de data steuart que vai ser aquele cara que tem o domínio sobre aquele contexto informacional dentro da companhia e a qualidade de dado que que você vai ter a partir dali eu tenho dificuldade de entender como que você treinaria uma inteligência artificial generativa com uma boa inferência de contexto para te dar uma resposta extremamente eficiente se os seus dados não estiverem muito bem classificados em domínios e e e e classificados de uma forma que o seu responsável date Stuart etc eh não Organize de uma forma essencial porque é muito comum você ver nas companhias e desculpa me alongar na pergunta mas é porque eh vou te dar estrada para conversar para para para descrever sobre isso quando eu olho para arquitetura de dados do sistemas que são transacionais é muito comum você ver sistemas e bases transacionais que elas têm zonas de sobreposição e de sombreamento entre os domínios E como é que você faz uma governança e um e um e e um esqueci o termo stewarding né tipo um daro eh não sei também é o é o que faz o data steward tá bom eh e de um mundo transacional para eu preparar isso para mundo analítico para levar para um para um llm se lá no transacional eu não tive esse contexto de domínio de sobreposição de funções e de contexto informacional que é tão essencial pra capacidade da Inteligência generativa tá eh como você falou sua pergunta foi longa para caramba né Eh mas acredito que ela dá margem pra gente falar sobre várias coisas tá bom eh a primeira questão é EA generativa é Hype todo mundo quer implementar alguma coisa com ia generativa tá Então primeiro conselho talvez pra galera que quer aplicar e a generativa primeiro vocês estão certos é uma uma baita tecnologia mas se preocupa primeiro em fazer aqui que o o que o El comentou vai organizar a sua estrutura de dados seja ela pico ou não pico seja ela relacional ou não relacional Não importa vai organizar o seu ambiente vai segmentar por domínios vai unificar sua sua estratégia de service mesh com datamesh começa a pensar lá nas cadeias de valor macroprocesso aquelas coisas que a gente fala aqui bastante e em cima disso aí sim você começa a estruturar para pensar em produtos de dados tá então acredito que essa aqui é uma um um um um bom parêntese pra gente fazer aqui em cima da da da sua pergunta tá porque não dá pra gente potencializar a tecnologia se a gente não tiver essa estruturação tá eu deveria então fazer um contato da tecnologia na tecnologia de de ar generativo direto já com a minha capacidade de produto de dados e não com Lake ou algo mais desestruturado não tratado antes de levar pra Inteligência Artificial mais ou menos por que que eu falo mais ou menos porque é é normal todos nós pensarmos que existe uma separação entre dado transacional e dado analítico aí a generativa não é um produto exclusivo de Analytics a a generativa é um produto de dados e ela pode ser utilizada de uma maneira transacional ela pode ser utilizada de uma maneira analítica ótima observação Isso é fato por que que eu tô dizendo isso porque não não tem que existir um cabo de guerra entre analític dados analític e tecnologia não tem que existir talvez ali um por exemplo já vi em alguns cenários um dat Lake para dados transacionais um dat Lake para dados an não a gente tem que pensar no dado como produto e o dado como produto ele precisa diminuir o custo e aumentar a utilização Ok E aí todo o meu processo de qualidade todo o meu processo de documentação todo o meu processo de metadado linhagem Seja lá o que for fica muito mais simplificado por quê Porque eu aumento os meus consumidores diminuindo o meu custo de armazenamento de organização daquele dado eh e aí um outro ponto que você comentou é sobre dado eh desestruturado semiestruturado e o dado lá estruturado relacional que que eu eu B ol na cerveja que melhor tá bom isso agora vai o que que eu também entendo com isso tá que independente do tipo de armazenamento do dado os processos que eu tenho que implementar de qualidade linhagem met eles são exatamente os mesmos o que muda no cenário É que geralmente o dado não estruturado ele tem menor regulamentação interna dentro das empresas por quê Porque é tudo muita novidade embora já seja uma tecnologia Rodada Já eh mas é muito novo se comparado a base relacional base relacional surgiu o quê anos 70 popularizou muito ali nos anos 80 depois nos anos 90 começou a surgir O Bi com Ainda num banco relacional mas só que mais e eh o laap não mais o ltp OK mas sempre foi uma coisa muito est estada aí foi só sei lá nos anos 2 2010 é que começou a popularizar muito a questão do não estruturado tá que eu quero dizer com isso que TZ hoje a Sua percepção de que ativa é muito mais baseada em coisas não estruturadas não significa que ela também não tem que passar por B processos de gestão e govern de dados tá bom E aí eu vou usar um exemplo eu tenho por exemplo uma I generativa que vai ler documentos para poder explicar alguma coisa então pensa lá o RH geralmente das empresas tem um monte de processo aí tem lá o processo de férias tem lá o processo de eh Banco de Horas de horas extras que são dúvidas que devem ser corriqueiras em todas as empresas Ok se você tem ali bons pdfs documentos escritos disso e você coloca uma IAG generativa para ler desses documentos que que vai acontecer com a e generativa ela vai conseguir ser especializada em documentos que estão bem escritos Agora imagina esses documentos escritos de uma maneira ambígua escrito de uma maneira não funcional escrito de uma maneira que não reflete a realidade da empresa aí você tá falando assim ó posso tirar cinco dias de férias depois mais 10 dias de férias depois um outro período de 15 dias de férias aí lê o documento tá falando assim não você só pode deixar 30 dias corridos Ok E aí não é essa a política que é aplicar dentro da empresa você pode tirar 10 10 10 Você pode tirar 15 15 Você pode tirar 20 vender 10 certo mas a documentação tá errada não reflete o que é a realidade da empresa e aí quando a gente fala de qualidade de dados existe a questão da confiabilidade aquilo que tá ali naquele dado naquele documento é real é confiável você não tiver um processo que consiga aferir isso que que vai acontecer minha ia vai responder em cima de dados não qualificados de dados desorganizados e não vai conseguir dar uma boa resposta pro meu usuário eu eu quero deixa eu não sei se quer fazer mais al não era isso mesmo mas eu eu quero eu quero usar esse exemplo até para puxar o gancho que você falou do do do contexto transacional e analítico entre aspas que claro que a gente sabe que quando fala de de ar generativa a gente tá trabalhando com com essa fronteira fica cada vez menor né então mais porque qualquer ferramenta de desenvolvimento hoje já tá embarcado e generativa e tava até não vou vou fazer propaganda aqui Atlan como que é nos patrocine um abraço Atlan ó propos inha chegandoo aí ó Atlan tem lá uma feature que que ela consegue ler os documentos do confluence certo e consegue responder as dúvidas do usuário pô manea dema e outro por exemplo muitas das ações que antes eu tinha em Sistemas transacionais que eu usava ali um web service rodando por trás ali um pych learning ou um um tensor Flow que eu rodava treinando coisas classificatórias etc hoje eu consigo utilizar a IAG generativa com muito mais variáveis para ter resultados em praticamente tempo real que vão me trazer e ações que são transacionais no momento daquela operação Então esse é um dos Esse é um dos pontos que a ia generativa consegue trabalhar no mundo transacional né tomando decisões para aquela transação por isso transacional naquele momento da operação de negócio e tem um outro contexto que aí eu acho que é mais ligado ao ponto que a gente fala de governança de D não que o outro não esteja porque a tomada de decisão tem que ser baseada em dados também mas quando você está consultando dados por exemplo e eu acho que aqui fica muito crítico o ponto da da ia generativa Principalmente quando ela é utilizada não como api como a gente utiliza muito no transacional mas como chatbot por exemplo eu vou eu vou estender o seu exemplo rud vamos supor que eu tô fazendo um assistente pro departamento jurídico da minha empresa e eu treinei esse assistente esse chatbot com as minhas bases de contrato daquela da da minha empresa eu extraí lá do meu RP tudo treinei e e fiz um chatbot e e eu posso fazer a seguinte pergunta para minha a generativa pro meu assistente do jurídico eh determinada empresa Qual é o vencimento do meu contrato e quanto eu paguei para ela nos últimos do anos por exemplo se o me dado tiver corretamente estruturado essa ia ela tiver de fato treinada lá eh com com esses dados bem estruturados ela vai saber consultar nesses documentos estruturados ou não Qual é o vencimento do meu contrato vai encontrar qual é o valor do contrato e vai conseguir estimar Quais são os valores que eu deveria ter pago nos últimos anos aí nesse ponto só colocar como que ela vai fazer isso por exemplo se os metadados das tabelas Não estiverem e explicando onde que é o vencimento do contrato onde que está a a informação que consegue validar Qual é o contrato da empresa é esse é o ponto que eu quero chegar porque quando você treina uma EA por exemplo com documentos PDF ela tem a capacidade de fazer a inferência de contexto então eu vou ter posso ter lá um contrato na empresa X que eu tenho um PDF que diz contrato tal convencimento ela consegue inferir muito bem isso porque como é uma llm large language Model ela é capaz de de de interpretar a linguagem humana e e tirar informações vetoriais a partir dali e quando isso é uma base de dados ó eu vou eu vou trazer aqui algumas Calma que eu vou piorar o problema para você eh discorrer ainda melhor como que eu treino esse cara E aí voltando pra gente até discutir aqui esclarecer alguns contextos por exemplo além da sombra entre os domínios vamos supor que eu não tenho Esses contratos em PDF eu extraí um banco de dados do meu RP para treinar esse cara então eu tenho estudo em banco de dados e tenho em em outros sistemas que os domínios não estão necessariamente bem segregados e eu posso ter um sombreamento de de domínios e eu não tenho me dataline age bem definido então eu posso ter replicação desses dados com informações que são incongruente entre elas porque eu tenho um GAP de replicação entre essas informações então eu posso ter informações diferentes pro mesmo contrato porque eu tenho GAP de de de replicação integração e tudo mais isso tá tudo no meu dat Lake e eu como sou um cara muito esperto e quero usar I generativa eu pluguei lá no dat Lake falei se vira eh chat PT busca a informação para mim sim aí eh qual que é o risco disso primeiro eh jamais conecte um Jini um chat GPT na sua base porque se você fizer isso de uma maneira indiscriminada você compartilhe os seus dados para dentro da ferramenta e você causa uma vulnerabilidade na sua empresa por favor se você usar esse exemplo que eu falei pelo menos use uma Instância privada disso dentro da sua Cloud Tá mas vamos pensar que você fez isso isso pelo menos isso você fez querido aí o que que você vai est fazendo você tá por exemplo conectando no seu Lake que provavelmente tem aí teras petas de dados o aprendizado ali da ia Então você vai como posso falar assim deixar o preço muito maior de processamento disso tanto que quando algumas estratégias ali de generativa é o qu primeiro eu tenho uma inteligência para classificar e quais são as bases para melhor responder aquela dúvida e depois ele vai e só ler aqueles documentos ou aqueles registros Ou aquelas bases que fazem sentido pra resposta que ele precisa dar Tá mas ele precisa saber disso isso mas por isso que eu falei assim se você só joga aí a ah essa aqui é a minha base toda isso é bem preocupante então é sempre importante você primeiro criar uma classificação em cima da pergunta de qual seria eh a melhor base de conhecimento para ela poder dar a resposta e aí a e a generativa aprender eu ficar especialista apenas naquele documento que ela tá lendo tá esse aqui é um ponto aí o outro ponto você falou assim ah lê tudo certo e aí eu tenho problemas ali de integração que podem fazer com que a verdade no ambiente a seja diferente da Verdade do ambiente B isso é o dia a dia das das companhias certo existe uma um um Manifesto ó que maravilha chamado dat centric que fala assim cara o mundo centrado na aplicação ele é efêmero a aplicação é hoje é de um jeito amanhã é de outra mas o dado não é efêmero o dado Não não é passageiro o dado uma vez que aconteceu aquele dado ele é armazenado e ele é perene ok que quer dizer com isso que eu não deveria construir as coisas centrada na aplicação e sim centrada no dado pera pera pera repete rud por favor o mundo não pera pera pera a gente vai botar uma moldura aqui assim ó bom e não sou o que tô falando não tá é o Manifesto depois pesquisem lá música música para arquiteto vamos lá bom eh Jojô bota um violino no fundo assim ó não construa aplicações baseadas na na aplicação e sim centradas nos dados E aí vou trazer aqui algumas questões cerca de 35 a 65% do investimento que a área de tecnologia recebe é gasto com integração e problemas de integração o domínio nunca é aplicação o domínio é propriedade do dado isso uma aplicação ela opera Sobre Um Domínio então vamos aqui então trazer aqui um pouco de conceito não defina domínios baseado nem na hierarquia da sua empresa e não porque a hierarquia muda para caramba existe um jogo político que é normal de todas as organizações então você não pode criar o domínio da diretoria a ou domínio da Superintendência a não você cria o domínio baseado no seu modelo de negócio e se você for para as aplicações e criar os domínios em cima das aplicações você também tem um problema como eu falei aplicação é efêmera como você vai gerenciar isso você não consegue gerenciar isso e aplicações podem ter features que operam sobre os mesmos domínios e se você fizer as bases as modelagens Bas aplicações você vai ter duplicação de bases de dados duas bases de dados que podem carregar duas verdades com dois inputs diferentes que não necessariamente precisam eh ser iguais ok Porque era recebeu ali sensibilidades diferentes eem momentos diferentes Ok e e vamos pensar num cenário que você tem essas duas aplicações do mesmo domínio Ok E aí você precisa modernizar uma aplicação que que geralmente acontece numa visão centrada em em aplicação você vai lá cria uma nova aplicação e você cria o que nessa nova aplicação uma nova base de dados Olha só nossa e você migra o histórico não você cria uma outra e aí você fica com três bases de dados se você quiser fazer uma análise histórica ok O que é extremamente complicado agora vamos pensar no mundo centrado em dados eu tenho ali A Entidade cliente por exemplo bem Tradicional em todo o ecossistema ok que deveria fazer parte do mdm e não de nenhuma opção então aí eu já vou entrar no mdm Ok olha só eu tenho três aplicações se eu tenho uma entidade de cliente em dados não importa a a aplicação que lê e escreve o dado ela vai ser a mesma base então eu posso deixar as minhas aplicações efêmeras Mas eu respeito o minha mesma entidade que é respeita o meu domínio que está lado um modelo de negócio por que que o mdm passou a ser uma solução eh indispensável nas companhias porque o mundo foi centrado nas aplicações E aí eu tenho que criar um mdm que vai ler de diversas aplicações que tem as suas bases de dados para poder identificar similaridades em entidades que são comuns entre esses objetos para que aí sim eu crio uma entidade forte Central então eu gosto de pensar que o mdm é sempre uma solução meio não é uma solução fim uma solução meio por quê Porque quando eu consegui fazer com que a minha empresa seja centrada em dados para que que eu preciso de mdm se eu tivesse pensado em fazer uma modelagem no começo da empresa onde eu definisse as principais entidades eh cliente fornecedor produto etc e eu criasse assets que operassem sobre esses essas entid Ades fortes e E aí falando mais do transacional e todos os os outros minhas atividades de negócio todas as minhas outras cadeias de valor que tem outros domínios que essas entidades participam operassem através de api buscando informação nessas nessas entidades fortes que são únicas seria uma pedra fundamental da do meu dat centric eu não precisaria de mdm você de mdm você teria muito mais facilidade de modernizar sua aplicação Ok e você tem uma outra característica fundamental você gasta muito menos tempo descobrindo o dado porque ele vai est respeitando uma um modelo de entidade de relacionamento comum para a empresa tá então para mim isso é super benéfico certo por quê Porque você diminui o seu custo de armazenamento diminui o seu custo de integração diminui o seu seu custo de replicação diminui sou sua dor de cabeça lá pô o dado Aqui não chegou tá com problema e o melhor você começa a trabalhar dentro do ecossistema atual com Federação que eu quero dizer com isso a mesma base que eu uso lá no meu sistema por exemplo no mongo num Fire Store da vida ou em qualquer outra tecnologia não relacional ou até mesmo relacional ele vai est armazenado aqui no meu banco de origem e eu posso virtualizar ou federar ela pro meu ambiente analítico Eu não onero o ambiente sistêmico OK e eu tenho custo zero de replicação porque tá Federado uma vez eu vi uma um modelo de arquitetura na época que saiu lgpd etc que é um um tanto quanto utópico pras empresas que já estão funcionando etc aí acho que é importante fazer esse parênteses assim eh hoje principalmente nas grandes empresas empresas eh com aí longa data e e e esse processo é muito mais difícil do que uma empresa que tá começando agora que já pode trazer isso no no cor problema é quando as empresas est começando agora começam errado né sim então mas aí por que começam errado porque Vão buscar na referência das empresas que já estão há bastante tempo mas isso não significa que esse é o melhor desenvolvimento e eh pra plataforma conhecimento que nós temos hoje por isso que eu gosto sempre de trazer o dado como um produto porque se eu tô se eu tô pensando como produto eu quero aumentar a utilização porque aí eu qualquer coisa que é mais utilizada gera mais valor e então consigo fazer que o valor do meu dado ele aumente Ok com um um pequeno ponto de atenção que o meu custo para manter aquele dado para corrigir aquele dado para fazer qualquer coisa com aquele dado fica muito menor e aí existe uma uma matriz que se chama 11 10100 que é um dado que entra certo na na empresa ela custa ó para poder ser armazenado no ciclo de vida Total dele se ele entra errado E é corrigido Ele custa $0 se ele el entra errado e permanece errado Ele custa $1 pra companhia e aí tem vários estudos aí acho que um foi da IBM também que foi bem assim eh eh profundo fala que lá no mercado dos Estados Unidos em 2016 se eu não me engano 2017 o custo com problema de qualidade de dados era em trilhões de reais que o custo médio de uma empresa é perder dinheiro com relação à qualidade de dados é de 30% do faturamento é muita coisa que a gente perde com qualidade de dados e é uma disciplina que tá começando a ganhar relevância agora de novo por causa da i generativa então por exemplo do mesmo jeito que governança começou a ganhar um pouco mais de relevância por causa da lgpd governança novamente porque qualidade é uma disciplina negligenciada geralmente colocada embaixo de governança embora na os frameworks não seja assim que funciona mas é um uma outra questão e a generativa que faz com que governança mostre que que é uma uma disciplina necessária dentro das companhias entendeu quero falar com você agora quem ainda não conhece a Clever Clever é uma empresa que já tem mais de 3 milhões de usuários em 30 países com 30 idiomas diferentes que tem trazido Soluções em blockchain criptomoedas e ativos digitais o objetivo da Clever é te dar liberdade financeira para operar nesse mercado de cripto então se você acredita nisso se você acredita nessa verdade você já Pensa como a Clever vai conhecer os caras é Clever estão contratando também pessoal para trabalhar com crypto com blockchain então se você tem interesse se você tem conhecimento nessa área procura Clever se você gosta de criptomoedas se você opera no mercado você precisa conhecer a Clever prisa conhecer as soluções da Clever então o endereço tá aqui embaixo no vídeo para quem não tá no YouTube é Clever Vai lá vai conhecer que realmente é um mercado sensacional E aí eu vou puxar o gancho para te fazer a pergunta mas só para não deixar o ouvinte no no na curiosidade esse modelo ele era um um um modelo baseado na nas entidades centrais né e e foi bem na na na na Ascensão do lgpd que tentava resolver um problema de que os times que operavam produtos eh produtos aí não só produtos de dados mas produtos dentro das companhas prodis e não tivesse acesso aos dados de clientes né então você tinha essas entidades governadas por um grupo que era um Core de dados então tenho lá cliente produto fornecedor etc e todas as outras cadeias de valor que criavam os produtos digitais só trabalhava com as chaves desses clientes então eu tenho lá o ID que é uma chave beleza eu sei que é uma compra da chave tal eu sei que é uma transação da chave tal etc e aí no Fronte na lá na na frente quando eu precisava apresentar os dados de clientes eu precisava chamar a chamada de Api para resgatar o dado e levar para lá mas dentro da minha transação modelo é um modelo que funciona tá funciona bem mas hoje é muito difícil você ver um time Ah pô não replica a base de cliente para mim aqui eu preciso ter a base de cliente aí o pessoal sempre vai replicando replicando replicando e aumentando os gaps E aí é o ponto que eu quero que você explique o conceito pro nosso ouv como que pra gente poder discorrer um pouco mais do impacto na na ia generativa e no processo de treinamento da ia generativa que é o dat Line a né Queria que você explicasse pra galera como o o o conceito como isso impacta de fato a a qualidade do dado que tá na sendo usado para LM Tá então vamos trazer pro conceito isso é linhagem de dados o que que é linhagem de dados então Vamos pensar que eu tenho uma tabela a linhagem é tudo aquilo que aconteceu no dado antes dele ser materializado naquela tabela que eu estou vendo Então vamos pensar aqui num caso de replicação que a gente tinha comentado então eu tenho um dado de cliente ele tá na minha base a Mas aquela coluna de CPF ela veio da tabela xpto que tá em outro ambiente Então isso é linhagem saber de onde que aquela informação veio por onde que ela veio por onde que ela foi replicada Lógico eu tô pegando aqui um exemplo simples mas para consolidar aquela tabela eu posso ter usado várias outras tabelas e ter colocado um processo de transformação a linhagem vai mostrar isso tá não necessariamente ou não só né eu quando eu falo de Lineage eu estou falando só em réplica de dados mas falo em produção e repasse de dados também né então linhagem é só o que vem antes Impacto é o que vem depois certo então quando a gente olha pra linhagem a gente tem linhagem e impacto O que vem antes e o que vem depois para que que eu olho pra linhagem para saber tudo aquilo que originou aquela tabela para que que eu olho Impacto se eu for mexer em alguma coisa nessa tabela o que que eu Impacto dentro do meu ecossistema que é o que eu produzi com base naquela informação isso então vamos supor que você Identifique um problema na sua tabela PR que que você vai olhar pra linhagem para descobrir a origem daquele problema e PR que que você olha pro Impacto se eu corrigir esse problema ou se eu alterar uma tipagem ou se eu alterar o meu esquim onde que isso reflete tá então esse é o conceito de linhagem linhagem e Impacto que vem antes o que vem depois por que que ele é importante prativa primeiro para eu poder saber se eu tô utilizando uma base confiável e completa quer dizer vamos supor aqui eu tenho o conceito de cliente Ok eu tô usando o cliente que contém as informações de todas as bases de cliente que existem da companhia não tá faltando a base do da área a e da área B tô olhando na base só de um produto por exemplo só de um produto então eu sei que se eu quero que o minha minha ia generativa consider toda minha base de clientes essa base ela não é tão legal E aí é a linhagem junto com met dado ok Porque eu vejo a linhagem como metadado operacional da minha tabela Ok E aí você junta com o seu metadado técnico que é o esquim junto com o seu metadado de negócio que é a descrição dos Campos e os glossários conectados nessa nessa tabela OK aí você consegue fazer a sua análise mais completa de se aquela base é importante ou não para o que você quer e treinar na sua ia generativa entendeu tem tem um conceito que a gente usa muito arquitetura corporativa que é a Eu não vou usar os termos técnicos aqui para não confundir mas basicamente você olha pros processos de negócio que é o que a gente chama de cadeias de valor né então eu tenho por exemplo vou dar um exemplo aqui de um mercado que a gente conhece muito bem que é eh Seguros Beleza então eu tenho uma cadeia de valor que é da aceitação de uma pólice de seguro tipicamente eu tenho como input dessa cadeia de valor uma proposta comercial e como output dessa cadeia de valor eu tenho uma pólice certo então eu tenho uma coleção de dados aqui eu tenho um esquema de informações que são Campos que já vieram de algum outra de uma outra cadeia de valor e é por isso que a gente chama de cadeia de valor porque são processos que são encadeados e que produzem e repassam informações então quando eu olho pra cadeia de valor de aceitação de de de apólices eu recebo já uma série de informações daquela proposta comercial eu tenho processos de negócio aqui com regras de de de negócio que vão utilizar essas informações de input e vão gerar um output que é a minha proposta Eu vou ter na minha na na minha Police perdão eu vou ter na minha Police Campos que são correspondent ao a minha proposta então nome do cliente CPF etc são os mesmos e eu vou tendo informações número de apólice cobertura contrato etc que são informações foram criadas nesta cadeia de valor então elas nasceram aqui quando eu falo de dat Lineage por exemplo E aí é uma dúvida mesmo de de arquiteto que não conhece tanto o assunto e que que pode ser o caso do nosso ouvinte se eu tô olhando aqui pro dado de uma pólice que tem nome etc etc etc através da linhagem de dados eu deveria poder saber que o nome não nasceu aqui e o número de contrato sim e olhar pro ancestral desse dado e saber aonde nasceu o o nome desse cara se foi numa base de Lead etc e ele veio propagando entre as cadeias até até chegar aqui aqui se teve alguma transformação até essa informação tá aqui porque isso cara Se isso tiver bem organizado isso é maravilhoso você funcionar dessa forma que eu tô imaginando é é que tudo depende Ok [ __ ] odeio quando respondem a minha resposta padrão para mim mesmo pois é que você tava numa dúvida complexa eu me senti motivado a dar essa resposta mas o que que acontece ó pensa num cenário em que você modelou a sua para completar a pergunta tá esse cara que gerou A Proposta o dado de nome dele talvez nasceu lá quando ele fez um cadastro no site e lá é a origem lá é onde dado nasceu daquele cara isso passou para um CRM que passou foi passando passando passando gerou uma proposta virou uma pólice tá ó vamos trazer aqui algum alguns pontos a linhagem tem o potencial de fazer isso que você falou ok mas vamos pensar num cenário em que a pessoa que fez A modelagem ela modelou todo essa cadeia de valor que você falou num objeto só Qual que é a linhagem dela aí ferou eu não consigo ter esse rastreamento exatamente Então por assim para você ter esse rastreamento você precisa ter as suas entidades muito bem definidas que você precisa ter as cadeias de valor e os produtores e os consumidores muito bem definidos porque aí você consegue fazer essa intersecção entre os produtos de dados então eh e eu Eu sempre gosto de pensar que eu tenho a a entrada do dado que eu chamo de Criadores que é por onde que aquele dado entrou Ok eu tenho os curadores que é quem cura aquele dado para que ele fique qualificado e eu tenho os consumidores quem usa aquele dado para fazer alguma coisa então no final das contas a minha linhagem ela vai mapear a criação Ok então aquele dado ele foi criado dentro daquele domínio com aquela regra de negócio dentro daquele contexto E aí eu posso colocar dentro lá do meu inventário por exemplo de qual sistema que essa informação ela veio Ok qual tela lá do meu sistema que aquela informação veio consigo fazer esse vínculo dentro do meu catálogo do meu dicionário de dados Ok E aí essa informação ela é consumida pelo processo posterior E aí eu consigo criar um relacionamento pela linhagem ou at até através de conexões lógicas não tem problema para falar que aquele dado é consumido por tal processo da minha cadeia de valor mas é tô quebrando uma regra de de arquitetura eu não deveria ter processos diferentes produzindo ou atualizando dados mas o consumidor o consumidor ele consome ele não ele consume sim mas ele não deveria alterar né isso não não alterar só os criadores eu deveria ter um contexto fechado por exemplo e eu acho isso é uma discussão que eu já tive inclusive quando a gente trabalhou junto já eu acho né Eh eu acho que a gente deveria por exemplo em casos assim eu nasci um o o o cliente nasceu na empresa eu acho que toda empresa deveria ter uma base de pessoas não discordo cadastral é é entidade mais básica pessoas a partir dali eu tenho uma chave de uma pessoa eu posso ter outras bases especial especializadas que apontem paraa mesma chave da pessoa com cliente funcionário fornecedor etc até porque ele pode ter vários aí eu vou eu vou fazer um questionamento em cima disso E aí você tem o telefone dessa pessoa sim o telefone vai ficar onde depende do contexto Eu por exemplo o rud fornecedor ele pode ter um telefone comercial que tá numa entidade acima que erda doos dados da pessoa rud e que aquele telefone é do rood fornecedor e eu posso ter o dado do rud cliente que é o telefone da casa dele que eu posso ligar para ele às 8 horas da noite como cliente e não fora do horário comercial aí é uma questão de modelagem Mas é o mesmo rood isso mas o que que eu quero trazer com isso é que tudo parte do entendimento do seu modelo de negócio entendeu e não existe um uma estrutura que ela vai ser funcional para todos os modelos de negócio o que precisa é de um grupo de pessoas especialista no modelo de negócio da empresa para que essas entidades elas sejam pensadas sim mas é tudo modelagem concorda depende do do do modelo que atende melhor e aqui você tem algum alguns prismas de modelagem você pode fazer uma modelagem semântica você pode fazer uma modelagem física você pode fazer uma modelagem lógica Existem algumas diferenças nesses tipos de modelagem o que no final das contas precisa é que todos esses cenários todas essas perspectivas de modelagem elas no final precisam respeitar o seu modelo de negócio e como eh a organização dos dados funciona melhor pra sua realidade e aí legal criei ali um mapa de entidades que faz sentido para mim já ali com os atributos legal esse é o primeiro passo para você fazer realmente a transformação digital dentro da sua empresa porque aí você já sabe todos todas as entidades que você precisa construir você pode ir começando a convergir suas aplicações para respeitar esse esse modelo de entidade de relacionamento que você criou seja com uma tecnologia relacional ou não relacional você consegue centralizando eh eh as suas APS para escreverem e e consumirem dados dessa dessa estrutura e fica muito mais fácil de você consolidar a sua linhagem de dados para que você tenha mais facilidade em potencializar ali as suas estratégias de Inteligência Artificial generativa entendeu então assim é é é um processo muito complexo por isso que geralmente para aplicar ia o que que a galera faz é a teoria da casca de cebola Você conhece você vai simplesmente colocando mais uma camada na cebola ao invés de tirar mais uma camada Então quero fazer alguma coisa nova eu vou lá e coloco mais uma camada aí eu crio mais uma integração eu crio mais uma replicação eu crio Mais uma complexidade no meu sistema E aí eu gosto de trazer sempre uma reflexão entre o que é complicado e o que é complexo complicado ele é uma consequência é da minha omissão ou da minha atitude Ok então é é um um cenário ele é ele é complicado referente a isso agora complexo não é essência então o que acontece muitas vezes é que o meu cenário que é complexo eu deixo ele ainda mais complicado por causa das minhas decisões erradas que eu vou criando só mais uma camada de cebolo E aí quando eu quero resolver isso entre uma pessoa por exemplo na empresa como você que tem uma visão mais centrada em dados mais organizada Você vai precisar descascar todas essas camadas de cebola Então mas pensando da forma que você falou agora o meu modelo parece parece uma cebola sim porque eu tenho o nó mais básico e aí eu tenho uma outra camada que é aquela pessoa como cliente pode ter uma outra pétala do lado que é ela Como funcionário aí eu vou ter uma uma outra camada aqui e e eu acho eu acho isso interativo de uma uma forma que deixa isso organizado porque ela me lembra muito o modelo de hierarquia da programação orientada objeto que eu tenho ali o objeto mais básico o objeto mais não pensa pensa não pensa no no na casca casca de cebola como encapsulamento pensa como uma nova camada de tecnologia não aí não aí não eu tô pensando como encapsulamento ISO não encapsulamento você pode utilizar isso de boas o problema é Eh vamos lá você tá num você tem a sua base de de cliente e aí você precisa criar uma uma aplicação de CRM que que você vai fazer você vai pegar o dado do cliente que você tem dentro do seu sistema de cadastro vai jogar para uma outro lugar para você poder ter a sua base de de CRM aí você vai lá você tem o seu dado base de cliente e você enriquece com outros atributos lá isso Beleza é Imagina assim ó um exemplo mais simples Até PR PR as pessoas entenderem eu tenho uma base mais simples que é a base de de pessoas Uhum onde eu tenho o a informação mais básica possível de que é qualquer tipo de pessoa tá bom e aí o meu sistema de RH só traz as informações que são referentes a funcionários beleza e eu não tenho informação das pessoas não tenho sequer o nome eu tenho uma chave que aponta para uma base de pessoas mas aí você não fez um um um você não fez uma cebola do jeito que eu tô falando certo porque você tá eh não tá colocando uma outra camada de de tecnologia você tá utilizando recursividade e o conceito da prpr capsul colocar uma camada mais de informação isso mas é e nesse sentido faz e eu sou totalmente favorável o problema é quando você começa a integrar o dado E você começa replicar o dado e criar não replicar você tem desperdício n isso isso E aí você aumenta a complexidade aí por exemplo criei uma base de cliente para fazer CRM aí eu quero fazer o CRM analítico aí o que que eu faço crio uma outra camada aí depois eu quero criar uma ia nos moldes tradicionais o que que eu faço crio uma outra camada aí eu preciso levar o dado para fazer analític aí eu vou lá e crio uma outra camada aí eu preciso agora criar ia generativa que que eu faço crio uma outra camada eu fico com o mesmo objeto com diferentes versões em diferentes momentos pô aí eu quero organizar isso eu vou precisar descascar tudo e aí é um sofrimento não e o problema é que você pode ter modificações em momentos diferentes ali e E aí aqui no CRM alguém atualiza o telefone como que eu atualizo lá na na base Central não consigo sim e como é que você sabe qual o o melhor dado né não consigo também entendeu E aí você vê que a aplicação ela sempre é um passo para pra frente e aí eu não nunca atualizo o dado mais para trás e aí o que que acontece aqui eu vou ficando com uma verdade que para alguns atributos tá melhor do que aqui mas o o restante dos atributos O melhor é aqui E aí depois você tem um uma outra camada que você tem outros atributos que são melhores do que das outras duas outras camadas mas se você precisar daqueles outros atributos que a camada a e camada B são melhores você ali vai estar desatualizado então isso vira uma questão assim e aí trazendo pro nosso contexto aqui fazendo uma pergunta muito objetiva uhum dado esse exemplo que você colocou de diversas camadas e modificações de dados transacionais ao mesmo tempo sem eu saber qual melhor dado como eu treino um chatbot para ser um assistente por exemplo de um atendente para falar qual o telefone do rood tá agora eu vou como eu governo isso sim aí eu vou só falou de problema agora dá a resposta aí mano não é que existem dois caminhos Ok na minha visão existe o caminho de longo prazo e o caminho de curto prazo caminho de longo prazo é aquele caminho que a gente falou faz direito faz direito faz que faz direito você não vai ter esse problema então mas aí é aquela questão vai demorar para isso acontecer então faz o seu desenho de entidade relacionamento faz o seu desenho de domínios classifica suas entidades dentro desses domínios começa a mapear os sistemas que alimentam essas entidades Ok mas como deveria ser isso E aí você vai ter o cenário que você deseja alcançar com relação à estrutura de dados e você vai ter o seu is isso agora voltando pra realidade se che falou queremos ter e a generativa amanhã e eu quero ter um chat ept que vai falar o telefone pro assistente Aí você faz o modelo tá todo cagado datalake tá todo bagunçado você é o gerente de dados e você precisa treinar essa I generativa você faz o que rud você P demissão você gente chora não então aí você faz o qu você cria uma nova camada é isso por qu você vai ter lá o seu dado por exemplo no Lake Beleza você pega o dado do Lake você usa o conceito aí dos medalhões ou então você ou você usa o o o o conceito aí de dat leak House que é o Raw trusted refined ou então o bronze prata ouro ou seja você coloca o seu dado numa cadeia de de maturação Ok até o ponto de você conseguir aplicar regras e conceitos que vão qualificando e curando esse dado para que ele seja útil para o seu modelo de I generativa ok Porque aí você deixa isso dentro de um processo de governança que vai vai est normatizado ou e eh como posso falar assim cobrando alguns requisitos dentro da sua cadeia de mlops ou de data Ops Ok e com isso você consegue tomar decisão mas novamente você tá eh eh corrigindo consequência você não tá corrigindo a causa certo e aí uma outra estratégia que dá para fazer é o seguinte você dentro dessa do do do Lake você cria os domínios você cria as entidades e relacionamentos Ok E aí você pode utilizar o conceito do etl reverso que em cima disso vamos lá eu criei dentro do meu Lake a minha visão de cliente perfeita Ok perfeita entre aspas né mas a melhor versão do cliente que eu poderia eu posso fazer um etl reverso que isso vai gerar uma base pro sistema para que o sistema passe a escrever e a consumir o dado dessa base que eu fiz com o meu etl reverso e aí todas as novas aplicações começam a ler escrever onde aqui e as minhas antigas começam a escrever onde aqui e aí essa passa a ser a minha base e eu vou estrangulando as minhas bases de dados legadas então dá para fazer assim também tá mas de uma maneira utópica aquele primeiro cenário seria o melhor que eu gasto um tempo em planejamento e aí depois eu vou executando o plano que eu tracei é melhor fazer certo desde o começo mas maioria das pessoas pessas que estão nos ouvindo hoje geralmente já Peg já pegaram o Bond andando né e estão aqui pensando e como conseguir viabilizar ou porque cara sendo muito prático assim muito realista ninguém consegue voltar do zero e e e organizar um um eu eu gosto de pensar que assim primeiro você tem que organizar osos seus dados referenciais o que que é um dado referencial é aquele que faz referência al Olha só maravilha mas por exemplo o dado do CP é um dado referencial ok ele é um dado de referência no mercado o por exemplo usando o mercado de seguro saúde o Cid classificação internacional de doença é um um um um dado referencial E aí eu consigo estabelecer uma entidade é o que a gente chama de tabelas domínio né isso que eu consigo estabelecer essas Eh esses blocos Vamos colocar assim e aí as minhas aplicações ao invés de eh cada ambiente de aplicação ambiente tecnológico ter essa mesma tabela replicada lá eu começo a sempre consumir dessas bases centralizadas de referência aí já começa um passo para poder organizar o meu ambiente depois eu começo a fazer isso para meus dados mestres que que são Dados Mestres são os dados que eles têm uma baixa volatilidade de atualização e sempre estão caracterizados a uma entidade que é é é forte dentro da da companhia exemplo cliente fornecedor produto serviço esse tipo de coisa que o contrário do dado de referência ele tem menos atualização mas tem mais do que o dado de referência que se você não se altera né sim é o o referência é quase estático no final das contas certo mas eh o o dado mestre ele vai ter essa complexidade geralmente o dado mestre é aquele que você vê que se repete em várias aplicações Ok Esse é o dado mestre e que não deveria usem api isso por favor e aí você tem o dado transacional que para mim esse é o último que a gente tem que transformar por qu porque o dado transacional é aquele que vai mais utilizar o dado de referência e o dado mestre então se você tem essa boa parte de informaçõ já adequada o seu custo para poder mexer no transacional que é onde eu tenho inclusive maior volumetria de dados fica muito mais fácil o dado transacional inclusive ele deveria pertencer ao produto se ele é uma transação que é relativamente eh se você tem uma aplicação de um produto digital que ele tem um domínio muito bem estabelecido ele vai se se vai ser consumidor de Dados Mestres e dados referenciais e vai produzir os seus próprios dados transacionais e que esses dados transacionais podem ser insumos de outros produtos digitais que também vão utilizar eles como dados referenciais para aquele contexto né É não seria o referencial referencial que a gente usou de contexto mas eu entendi sim mas como input daquela outra cadeia né E aí sim entre aquele contexto inclusive dur falar de organização de de times por produto etc que aí o cara tem um ownership sobre aquele produto daquele dado transacional que ele produziu daquele produto digital daquela cadeia de valor né perfeito e por isso novamente que as squads ou a visão de produto ela tem que sempre respeitar o domínio porque o que que acontece muito no mercado Ok às vezes eu tenho uma Squad que atende a diretoria e eu posso ter duas diretorias que precisam de uma feature na mesma base e aí isso gera o quê um problema por quê Porque eu não Gero um um contrato de dados saudável entre as entidades eu vou ter vários desenvolvedores mexendo no mesmo ativo o que gera n problemáticas ali que a gente tá acostumado no dia a dia de desenvolvimento Então não é os consumidores que definem a as squads não é o problema que define as squads é o a cadeia de valor é o modelo de negócio porque se eu estruturo dessa maneira pensa e não importa se é um produto de dados ou um produto digital Não importa se é transacional ou Analytics se é sistêmico ou Analytics eu vou ter um grupo de pessoas multidisciplinar olhando para ativos dentro de um contexto de negócio bem definido e aí se eu tenho uma necessidade de negócio de um cliente a que precisa consumir ou criar dados em qualquer um dos domínios Isso fica muito claro tal Squad precisa fazer tal coisa outra Squad precisa fazer tal coisa E aí os desperdícios de desenvolvimento começam a ficar menores isso vai muito além da ti né cara porque se você parar para pensar do ponto de vista de arquitetura Empresarial arquitetura corporativa você nunca deveria ter duas diretorias com sobreposição de domínio se você tem o teu modelo de negócio bem organizado a sua arquitetura bem definida você vai ter times diretorias etc Cada Um Com Seus com as suas fronteiras bem definidas e com seus domínios de dados e de aplicação dentro daquela Diretoria de forma bem organizada então você não corr o risco de ter squads que que mesmo que se eles olhassem pra diretoria eles têm um domínio que não conflita com o outro né sim mas no final das contas prática você sabe que não é assim que funciona não porque a gente tem um fator muito peculiar nessa equação chamado ser humano Ah mas isso é que [ __ ] tudo geralmente é porque tecnologia novamente tecnologia é meio e a generativa arquitetura de dados governança de dados arquitetura corporativa são todas as técnicas é tecnologia é meio certo o que realmente é a não apenas o mercado mas as pessoas como um todo precisam entender é o princípio é como as coisas funcionam E aí trazendo uma reflexão totalmente eh eh eh fora do tema Ok Esse é o problema que a gente tem na política porque eu não eu não eu não olho esquerda ou direita ou centro que são técnicas de política são meios para exercer a política eu eu olho a técnica coloco ela como o o máximo e aí o que que acontece eu acabo me distanciando dopio que é defender o que é melhor para o povo Ok a mesma acontece por exemplo no aspecto religioso eu começ olhar o me método religião okha religiosidade né que é o conjunto de dogmas e eu coloco isso como algo fim ao invés de olhar pro princípio que Teoricamente em todas as religiões é o amor o método acaba virando mais importante do que o resultado sim e aí a gente tem leis falando da esfera governamental e nós temos princípios o que que são as leis a não ser um prisma uma uma lente para que eu possa olhar os meus princípios o ponto é que os princípios e a sociedade como um todo eles evoluem certo a sociedade evolui a minha lei fica obsoleta e ela vai vai gerando algumas mil pias para olhar os princípios que aparentemente são imutáveis entendeu então no mercado corporativo é a mesma coisa eu tenho muito método que sobrepõe o modelo de negócio eu tenho muita tecnologia que sobrepõe os princípios e isso vai gerando uma série de milias astigmatismos problemas para que a gente consiga enxergar realmente a realidade como ela é E aí isso afeta o quê tomada de decisão eu começo a usar dados não para eh tomar a melhor decisão mas sim para justificar a minha decisão entendeu eu volto lá para aquela questão de tomar decisão baseado no feeling né Tem até uma máxima que fala assim né Vamos tomar decisões baseadas nos dados mas se não tivermos dados a minha opinião é a melhor entendeu é isso no afinal das contas essa é realidade muitas vezes das empresas tá por isso que eu gosto de pensar pô vamos sempre olhar pra pra A Essência vamos ver se a gente consegue organizar a essência porque depois o método fica fácil de resolver fácil beleza bem entre aspas mas fica eh mais factível de você ver a transformação é que nesses casos né rud a gente tem que pensar que eh você tem que pensar no fim no resultado para estabelecer um método que te leve até lá né voltando pr pra pra vaca fria do episódio se eu quero ter um llm que de fato Me traga resultado corporativamente seja paraa busca de informação mais rápida ou paraa tomada de decisão etc com dado indexado de forma coerente etc eu tenho que ter um método de organização dessas informações para que ela seja indexada de forma corretamente perfeito então o método ele vai a reboque do resultado sim e olha só como que que vamos lá eu aqui na minha na minha reflexão certo para mim parece Óbvio mas eu vou vou falar mesmo assim para mim você primeiro é E porque você é você faz e porque você faz você tem parece Óbvio para você sim se o resultado dita que que eu vou fazer eu vou por Eu querer ter eu fao E aí porque eu faço eu sou o que que significa isso que eu estou vendendo ou comprometendo a Minha Essência que é quem eu sou para poder ter o meu resultado sendo que o resultado deveria ser consequência de quem eu sou olha só como que existe uma inversão de valores muito grande entendeu e eu realmente pensei que a gente não ia falar de filosofia aqui nesse Episódio Demorou Até demorou demorou a gente tava bem técnico até Mas você entendi é eu vejo que as coisas perderam um pouco eu só discordo de você nesse ponto porque eu acho que as empresas elas sempre olham pro resultado e elas mudam Quem são pelo resultado perfeito então elas V sempre olhar de trás para frente isso mas por que que as empresas Elas têm uma longevidade muitas vezes curta ou é porque elas não conseguem estabelecer uma cultura de resultados constantes justamente por causa disso porque a sua perspectiva de curto prazo afetou a sua capacidade de ser em longo prazo entendeu E hoje a maioria das pessoas está preocupada com a visão de curto prazo por quê Porque hoje no mercado corporativo é cada vez mais comum ciclos empr empresariais de 2 3 anos as pessoas vão lá fazem uma entrega colocam lá mais uma camada deu certo vão embora o negócio começa a pegar fogo e tá bom ela já conseguiu mudar Ach que a empresa continua né isso a empresa o cara foi embora ele entregou o que tinha que entregar mas mas só que não é mais problema dele entende é o que a gente vê na nossa política são 4 anos a pessoa faz o que pode para poder conseguir o próximo mandato se não conseguiu ela não vai priorizar as coisas que são de longo prazo Por que que a linha de metrô de São Paulo é uma das é a melhor do Brasil e em alguns parâmetros é comparada com as melhores do mundo mas se você for comparar a malha Ferroviária que a gente precisaria ter na cidade ela é ridícula Por que que ela é ridícula porque os governadores né prefeitos enfim sempre pensam no seu mandato só ano que vem deve ter inauguração Eu imagino uma deveria ter 10 Estações sendo inauguradas por por mês e tem uma a cada ciclo e olhe lá e ó que o governo de São Paulo tá a prefeitura né tá nas mãos da do do mesmo par há muitos anos ou do mesmo viés político H muitos anos e por que que isso não muda porque novamente a visão não só do do eh eh no no Brasil Ok mas geralmente é de curto prazo fazendo um paralelo já que a gente entrou na na filosofia eh a gente deveria ter nas empresas uma cultura mais forte Empresarial que seria o equivalente na política do que a gente fala de ter um plano de estado e não de governo né o o a gente deveria ter um governo transitório que conduzisse um plano de estado que é independente do governo assim como nas empresas a gente deveria ter uma cultura Empresarial que tivesse um rumo de fato cultural e poucas empresas conseguem fazer isso eh independente das pessoas que estão ali buscando resultado de de de de de curto prazo e eu gosto de pensar que assim governo é diferente de gestão governo tá pautado no que o que tem que ser claro acabou esse é o que o que nós precisamos fazer certo então esse esse aqui é o rumo Ok o como não importa o como é Método aí tá na mão de quem tá fazendo a gestão isso aqui é que tem a liberdade de mudar mas o qu o que é é mais rígido o q é o estado sim exatamente e o governo é o como porque aí depende do momento do mundo etc etc etc né e na empresa também deveria ser is Me lembrou uma história da própria WS né que tem uma cultura muito forte e e a WS ela só nasceu porque o próprio Jeff bezus Em algum momento ele entrou em contato com todos os funcionários da Amazon na época que não existia aws ainda e decretou que todos os produtos só poderiam se falar entre eles através de apis E aí você criou e de produtos componentizar com regras de dados isoladas e que com comunicação externa como se fossem como clientes e fornecedores dentro da própria empresa isso foi o alicerce para que você criasse uma estrutura de tecnologia extremamente componenti e reutilizável que no futuro deu origem a WS aí você é é o que é o que a gente falou né Você tem uma cultura do o qu e cada time tem a sua olha só o que você falou aia falar como Olha lá ele definiu bem o que ele queria em cima disso ele ele ele eh eh impôs um comportamento certo isso gerou o resultado que ele queria que era a organização da Amazon Mas isso também fez com que ele pudesse coletar um resultado de longo prazo independente do gestor que tava lá exatamente E aí o que que a gente vê hoje que a cultura no final das contas ela na maioria das empresas não existe é só resultado resultado resultado não que resultado não seja importante é mas ele não pode negligenciar a cultura exatamente E aí você ouve até hoje dizendo que tem que trabalhar presencial por causa da cultura de empresa e você não tem um plano estruturado de Cultura de fato de resultado da empresa como se a cultura fosse conversar no tipo assim muitas muitas pessoas assim eh eh falam que o presencial vai aumentar a produtividade e realmente na perspectiva de visão que essas pessoas estão isso é real Ok mas o aumento de produtividade ou não ele é muito mais um problema de gestão do que propriamente de modelo de trabalho que eu quero dizer com isso a gestão tem que ser baseada em resultado independente onde você esteja Mas é por que que tô dizendo isso porque eu Gero um fazer porque eu quero coletar um resultado que é maior produtividade certo e com isso eu Gero uma mudança cultural e entre outros aspectos Ok se eu focasse em melhorar o o o a minha cultura corporativa de eh parceria colaboração eh e desce ferramentas para o gestor fazer um trabalho melhor não importava o modelo de trabalho a produtividade ia aumentar entendeu por isso que eu falo assim é são maneiras abordagens diferentes para mim o presencial remoto Óbvio que eu que eu prefiro o o o remoto tô no modelo presencial e também não não desgosto né OK mas a questão é isso deveria ser uma sequência não uma causa entendeu estão fugindo da pauta mas a pergunta que eu me faço sobre isso é o que é produtividade é aí Qual o conceito de produtividade se você tem uma empresa que ela tem x de resultado com 1000 horas de trabalho dos seus funcionários e você ter uma outra empresa que ela tem 2 x de resultado com 800 horas do seu funcionário Qual é a empresa mais eficiente então aí depende Qual é a mais produtiva Então mas aí na nossa cabeça certo o conceito de produtividade pode ser esse na cabeça de outra pessoa a produtividade pode ser o tempo útil daquela pessoa eu gosto de pensar assim se eu tenho mas o quanto ela gera de resultado no tempo útil sim é eu concordo com você eu eu não discordo o que importa é o e é o efeito e não entendeu o cara pode trabalhar 5 horas para entregar o que uma outra pessoa em casa faz em uma hora mas aí vamos olhar pro nosso mercado como um todo Ok eu tenho o Luiz e eu tenho o rud Ok o Luiz trabalha 15 horas por dia mas ele é aquela pessoa que é compromissada tá lá sempre para poder fazer e acontecer mas ele é um Senior que ele cara assim ele ele trabalha mal ok mas ele gera o problema e ele fica fazendo hora extra para poder corrigir aquele problema Ok o rud trabalha 7 horas só por dia mas tudo que ele faz nada dá problema enquanto o Luiz faz cinco cards o rud Faz 15 ok mas ele trabalha só às 7 horas quem é mais produtivo então eu não vou falar quem é mais produtivo quem o gestor promove o luí ou o rud o ponto é quem é mais produtivo não não o quem é mais produtivo Com certeza o rud Mas quem que é promovido Depende qual é a sua métrica de produção é entrega ou é tempo de trabalho mas a questão é que a nossa cultura não premia resultado produtividade premia esforço mas é que tá errado não tô falando que tá certo tá bom eu tô falando qual que é a cultura estabelecida na nossa organização na nossa organização que eu digo mercado brasileiro Ok E aí o que que eu quero dizer com isso que existe um um aculturamento muito grande que precisa ser feito entendeu não vai ser uma mudança da noite pro dia vai ser um um um processo que vai vem sendo muito puxado pelas bigtechs de uma mudança comportamental o dado era importante Anes da Google cara isso é um modelo [ __ ] para [ __ ] porque assim quanto mais limitado você é mais esforçado você tem que ser mas só que você concorda concordo mas só que aquela questão o o o esforço em si ele não gera resultado exato isso Esse é o ponto e aí volta a pergunta que eu te falei uma empresa que entrega x com 1000 horas de trabalho ela é mais produtiva do que uma que entrega 2x com 800 horas de trabalho não não concordo Qual é mais esforçada a de 1000 sim você premia ela não B você que tá vendo esse podcast da hora tá vendo um monte de problema aqui que a gente tá colocando né e quer uma ajuda aí na sua empresa faz o seguinte entra no site aqui da VMB que a gente pode te ajudar vb. I nós somos uma empresa relacionada à arquitetura de soluções a modernizações de aplicações também atuamos na frente devops para ajudar vocês a serem extremamente ágeis então dá uma olhada no nosso site que vai tá aqui embaixo vem.ai e lá você vai poder ver um pouquinho da nossa história dos nossos profissionais e aproveitando se você for um profissional da área de tecnologia que tá fim de trabalhar numa empresa legal um monte de colega gente boa e tecnologia te ponta manda o e-mail para people care @ VMB p a já agora eu quero meu show V mas aí cara então depois de nessa nossa nesse balão filosófico que a gente deu é sempre tem que ter um pouco de filosofia sem acho que trabalhar com ti é ele tem que ter um Norte filosófico né No fim já a gestão de tecnologia ela tem que ter um uma a gente tem que ter um princípio para trabalhar velho pra tecnologia a gente precisa de café bebida alcoólica isso às vezes em alguns casos remédio em muitos casos em muit casos muit e a outra questão que ajuda bastante é essas reflexões filosóficas É isso aí é isso aí eh então olhando agora pro cara rud que ele é um CTO um C um arquiteto vamos vamos vamos e e encher o saco no seu na sua frase Hum vou vou te corrigir Você é um defensor e você errou agora por quê a mina porque o cara desculpa verdade verade você ver como nós temos vieses cognitivos a gente não percebe né então a mina o cara que é uma C um C Uma arquiteta um um enfim alguma pessoa que tem uma posição de de decisão dentro da empresa ou uma pessoa desenvolvedora que que tá nessa posição Ela olha para paraa base de Para Todas aquelas bases de dados dela ela não vê segregação por domínio ela vê replicação para cima e para baixo ela não tem a mínima ideia da ancestralidade daqueles dados para ter uma visão de Line aid eh muitas vezes a governança é ausente ou a governança é fraca ou não existe né ou não existe de fato e tem uma pressão executiva naquela empresa para cara quero o chat GPT da empresa precisamos ter um assistente para tal lugar e o cara eh ou a mina ele só olha para aquele tutorial lá da básico que tem que transformar tudo em base vetorial e treinar a a a sua inteligência arcial fazer uma haag tá aprendendo que é uma haag tá olhando os conceitos ali que Tecnicamente fazem sentido que tecnicamente são pertinentes mas ainda não está visualizando os problemas que ele vai ter por organização dos dados por organização dos domínios pode incorrer em problemas de segurança de dat leak né Por exemplo E aí a gente até não explorou muito isso mas por exemplo se eu não tiver isso muito bem estruturado eu posso dar informação errada pra pessoa que tá perguntando que não deveria saber aquela informação porque o meu domínio não tá bem mapeado E aquele aquele documento que a minha hag capturou informação e deveria ser uma informação só para um atendente de telemarketing informação do jurídico por exemplo e e eu não se eu não tenho o dado bem governado eu não sei qual dado tá à disposição para quem tá respondente que tá perguntando que que esse cara faz rud olha eh não vale pedir demissão chorar embaixo da mesa não só chor então o que que essa pessoa tem que fazer ela tem que olhar o cenário dela e procurar olhar mais como oportunidade do que como ameaça Ok essa seria uma um primeiro conselho é um bom apro Inicial e que que eu faria se eu tivesse no lugar dessa pessoa você quer e a generativa Ok eu faço mas olha para poder implementar isso eu preciso cumprir tantos requisitos isso vai precisar de um projeto x ok que vai demorar tantos anos e eu vou precisar de tanto investimento Ok então essa seria a minha estratégia pô não aprovou então beleza então olha só se você não tem dinheiro para Patrocinar essa iniciativa Então esse tema que você falou para mim que é urgente Não é urgente eu costumo pensar que qualquer estratégia que é COB ela tem que ser munida de Patrocínio se uma estratégia ela não for munida de Patrocínio Ela não é uma estratégia ela é um ego E aí você tem que saber através do do do seu planejamento e desmistificando todos esses egos Ok então pô preciso fazer um projeto de ar generativa ten empresa separada por domínios Não Tem investimento para ter aers ou STE específicos de dados dentro da minha estrutura não vou dar um aumento para pessoas de negócio que vão assumir uma nova responsabilidade não vou vou ter investimento para poder qualificar o dado não então não vale a pena eu desenvolver aí a generativa pô precisa fazer mesmo assim OK Esses são os riscos e detalhe os riscos preciso que você assuma esses riscos porque a tendência que este projeto essa necessidade que você você tem cause prejuízos paraa marca vulnerabilidade de e divulgação de informações para perfis errados que a gente tome decisões baseadas em dados não qualificados tal tal tal tal tal preciso que você assuma esse risco não não aqui não é padrão a gente é é formalizar isso então você busca formalizar de alguma maneira porque sempre quando dá ruim a culpa é do desenvolvedor nunca é do da pessoa que tomou a decisão porque que queria ter EAG generativa de qualquer maneira tá então minha recomendação seria basicamente essa focar legal já que é uma uma oportunidade vamos fazer tudo certo Lógico que não precisa também ser Mercenário a ponto de colocar um projeto imenso mas vai ativando ali os pontos tá E aí a questão também que vale a pena usar até a parte de regulação né do Brasil tá surgindo aí governando assim ah tá em discussão Lógico que ainda é muito abstrato OK mas assim como lgpd nasceu com base na gdpr na gdpr e e hoje já é uma coisa aplicada aqui no Brasil a mesma coisa paraa governança de ia se não fizer o trabalho bem feito agora em pouco tempo vai ter uma regulamentação um pouco mais estruturada que vai dar multa para quem não conseguir explicar para quem não conseguir eh classificar para quem não conseguir organizar as informações de uma melhor maneira sim complementando a dica aqui do meu amigo rud e sempre se coloca de uma forma executiva não reativa né então se você recebeu uma missão como essa você tá ouvindo esse episódio E você tá entendendo as dificuldades os desafios que você vai ter cara fala beleza vamos fazer o projeto tem alguns pontos que a gente precisa discutir né faça o caminho contrário na visão do executivo Ele sempre vai pensar no no no resultado final então nunca leve por exemplo né rud rud vai concordar comigo Ah não consigo fazer esse projeto de de a generativa porque eu tenho esse esse esse problema de base de dados isso vai parecer uma uma desculpa técnica para inviabilizar o projeto resistência resistência faça o contrário pergunte beleza mas e se a nossa Inteligência Artificial deu uma resposta errada pro nosso cliente E aí você vai receber a pergunta por que que ela daria resposta errada pro nosso cliente Ah porque a gente tem base de dados que tem informações diferentes por que que ela tem informação diferente a gente não tem uma governança de dados como é que eu resolvo isso faça o caminho contrário parta da visão do executivo com a consequência de negócio leve o problema de negócio até você chegar na consequência técnica e aí você dá a solução técnica nunca passa da sua da do do do princípio do problema técnico porque pode parecer uma resistência e naturalmente a pessoa que tá te avaliando que que vai aprovar esse projeto não vai entender e vai achar que pode ser só uma desculpa técnica né então geralmente é você não é adaptável né você não é resiliente sendo que muitas vezes esse profissional que teve essa eh posição mais transparente Ok de mostrar o cenário real da empresa que só queria ajudar para poder evitar que um problema acontecesse mas a maneira que ele se comunicou perante a visão executiva geralmente é ruim eu tive muito esse problema durante a minha trajetória para quem não sabe para quem sabe também meu nome é rud e rud vamos falar que não é um adjetivo muito bom embora o rud do meu nome seja escrito de uma maneira diferente durante muitos anos por causa do meu comportamento por mais que eu não e me arrependa do do o que né Por que que eu briguei mas hoje eu me arrependo muito de como o qu mas talvez a forma a forma que eu me comuniquei a forma que que eu me posicionei isso Eu me arrependo bastante tá então e o que que eu acho que é é muito válido é Mude a sua abordagem leve o Executivo ou o grupo que você tá liderando ou até mesmo o grupo que você tá interagindo e Perguntas Inteligentes que levem a galera reflexão e sempre pega o problema e coloca de uma maneira que esse problema seja a resposta para aquela para aquela questão ali entendeu então por exemplo que o falou Faz uma pergunta que leve [ __ ] é porque eu não tenho qualidade Ah porque eu não tenho governança Ah porque não tenho tal coisa E aí quando você montar o projeto você vai falar ó precisamos estabelecer a governança precisamos estabelecer qualidade precisamos estabelecer metadados precisamos estabelecer segurança precisamos estabelecer tal coisa olha pra gente conseguir ter I resolvendo todos os riscos que a gente tinha conversado a gente precisa aqui ó de um plano desse tamanho e Ó mas a gente não precisa fazer tudo no primeiro ano a gente pode fazer pedacinhos ó posso fazer aqui aqui aquio aqui a gente consegue fazer o mi já vai conseguir fazer isso reduzindo esse risco e tal mas sempre fale a língua do seu interlocutor e não espere que o seu interlocutor saiba falar sua língua porque como gestor você tem que ter sempre a língua de negócio então se o cara tá te pedindo umagem generativa ele espera um efeito de negócio que está dentro do plano dele entende esse plano À vezes e às vezes a IAG generativa nem é o que vai resolver a dor dele isso exato então a fazer essas provocações é importante até para você falar assim olha aí a generativa pro seu problema talvez não seja a melhor solução Mas se a gente fizer isso aqui aí às vezes a pessoa já muda ali a percepção dela e começa a ver que realmente o que ela precisa é diferente daquilo que ela pediu isso E aí você pode aproveitar esse mesmo Gancho e você como um técnico com viés executivo você pode fazer o contrário falar o que a empresa poderia ter de fato com o uso correto da EA generativa que até o próprio executivo ainda não sabe fala Olha como uma ia generativa bem organizada a gente poderia ter isso aqui poderia ter um assistente dessa forma poderia ter esse tipo de eficiência operacional a gente poderia ter tipo esse de esse tipo de ganho de eficiência de uma determinada área etc e aí você leva o plano de como isso poderia acontecer e de tudo que precisa ser feito mas o seu plano nunca tem que ser organizar ti mas sim ter o efeito de negócio e a ati como capitalizadora e como provedora daquele resultado de negócio né rud E E eu acho que um ponto complementar o que você você falou é o seguinte muitas vezes a gente espera negócio pedir alguma coisa para poder evoluir a nossa plataforma tá o que é questão de eficiência para mim tem tem que pensar sem dar um bug ou sem negócio pedir e às vezes o que que acontece é Ah eu só corrijo esse bug se entrar numa fila que negócio pedir não problema técnico tem que ser resolvido Tecnicamente se a necessidade da do envolvimento de negócio então por exemplo a gente falou aqui de criar os domínios criar todas essas estruturas né Isso não tem que partir de uma necessidade de negócio isso tem que partir de uma visão estratégica de ti para deixar o seu ecossistema mais enxuto menos Custoso pra compania e às vezes nem precisa de investimento só precisa de processo processo E obviamente mão de obra engajada ou ou eh eh realmente inspirada para fazer isso tá eh não não vai existir transformação se a cultura corporativa for de acomoda e uma uma coisa que eu gosto de pensar é que eu nunca vou conseguir transformar as pessoas eu não posso chegar aqui no e falar você vai ter que seguir assim de agora em diante não mas se eu alterar o sistema as pessoas mudam porque duas coisas que que a pessoa muda ou por ego ou por dinheiro por ego que que você faz Poxa a performance do do tá melhor que a do rud a performance do tá mais aderente às normas do que do rood que que eu vou fazer eu vou querer fazer melhor que o Well certo e outra coisa é dinheiro Poxa o Well recebeu uma bonificação de X por a mais do que o rud porque ele foi mais eh performático e aderente à normas da compania entendeu a estratégia da companhia Então mude o sistema influencie o sistema porque aí você vai conseguir automaticamente engajamento do seu time técnico use o sistema a seu favor US o sistema a seu favor É isso aí caraca eu me senti agora meu Deus ó quase isso aqui foi quase um capítulo Coach Capítulo Coach pí só que prático e sem blá BL blá Você sabia que eu quase quase quase mesmo não calma ah não e quando tavam reorganizando quando estavam reorganizando os cargos corporativos o pessoal queria me dar um cargo chamado data Coach você acredita nisso que que faz noac chega lá pro dado para tabela fala você pode ser mais legal você pode ser mais acur você pode ser melhor você pode atender mais clientes isso se você ess dado ruim porque você não se esforçou é tipo isso Sei lá só sei que durante um período de tempo eu sofri um bullying muito peculiar nessa época Pois é ah meu amigo muito obrigado pela participação novamente foi realmente um episódio de novo muito bom né sempre bom demais trocar cara legal e e Engraçado que a gente vai falando e não nem vê a hora passar é sempre passa muito rápido né cara se você curtiu o episódio chegou até aqui e ainda não deixou o like que que ele tem que fazer rud tem que dar o like e não só dar o like seguir certo seguir e também se tornar membro do PPT no exatamente se você ainda não é membro do PPT no compila por favor vai lá se você já é inscrito tem o botão seja membro você vai contribuir com o valor mensal aqui pra gente pagar aquele rapaz da produção para pagar essa cervejinha aqui pagar energia D uma ajudada aqui a gente manter esse essa estrutura para trazer cada vez mais conteúdo para você que é gratuito né rud E se eu não me engano o os membros eles têm alguns conteúdos específicos especiais ali isso tem ali alguma na plataforma mas a gente tá reformulando a nossa plataforma de membros nossa aí sim hein vai ter coisa muito interessante nova e quem já é membro vai entrar tipo com membro super Ultra mega fucking Gold tá ligado que vai ter mais ou outras outros benefícios Então quem já era membro vai entrar numa categoria que nem quem entrar membro de novo não vai nunca mais poder acontecer porque é a galera das antigas entendeu para quem não sabe PPT não compila um dos podcasts no ramo de tecnologia mais importantes aqui do mercado certo top 10 do Brasil Aí sim é isso aí então acompanha a gente porque a gente gosta de trazer bate-papo conteúdo de qualidade se tem um ponto importante também né rud Às vezes o cara o cara não consegue ser membro não consegue contribuir ele pode contribuir muito compartilhando o episódio deixando comentário aqui mandando no Slack da empresa mandando no grupo da família postando no redit postando no x saindo gritando na rua você esqueceu a plataforma corporativa queem é mais conhecida pô qual no Linkedin no Linkedin exatamente caramb Compartilha aí Compartilha o link do Spotify do YouTube e mais o qu isso e Spotify YouTube né é isso então É isso aí então você já contribui demais fazendo o PPT ser essa comunidade cada vez maior recentemente aí estamos chegando a mais de 10.500 inscritos no YouTube uma grande comunidade de tecnologia então Obrigado a todos vocês galera obrigado até o próximo episódio

97:47[Música] valeu Y