--- sourceDocument: Habilitar IA do Xanadu sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/xanadu/intelligent-experiences Release : - xanadu ft:locale : - pt-BR ft:publication_title : - Habilitar IA do Xanadu ft:clusterId : - platai bundleId : - platai workflow : - Platform --- # Explorar a Inteligência preditiva # Explorar a Inteligência preditiva {#ariaid-title1} * Versão de lançamento: Xanadu * * Atualizado 19 de ago. de 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 3 min. de leitura ServiceNow® Inteligência preditiva é uma função de plataforma que fornece uma camada de inteligência artificial que capacita recursos e capacidades em ServiceNow® aplicações para fornecer melhores experiências de trabalho. ## Visão geral do Inteligência preditiva Inteligência preditiva é um poderoso conjunto de ferramentas para usar inteligência artificial e aprendizado de máquina para melhorar a experiência de trabalho. Você pode criar e treinar modelos na plataforma e integrá-los a outros ServiceNow produtos e aplicações. A seguir, apresentamos os conceitos subjacentes por trás de Inteligência preditiva e as diferentes estruturas disponíveis. Para saber mais sobre maneiras de usar modelos existentes, consulte [Como usar o Inteligência preditiva](https://servicenow-prod.fluidtopics.net/mXOwXNk8ypqhL2Yo8CIgUQ "Treine e use soluções Inteligência preditiva para realizar várias tarefas e que se integram a outros produtos ServiceNow, como Inteligência para documentos e Inteligência para tarefas."). ## Inteligência preditiva para clientes no local {#predictive-intelligence__section_l3s_gm3_lcc} Inteligência preditiva também está disponível para clientes no local. Se você estiver interessado em implantar este produto no local, entre em contato com o gerente de contas. Para obter instruções de instalação e configuração no local, consulte as instruções completas de [instalação e configuração do Mecanismo de aprendizado de máquina para clientes auto-hospedados \[KB0782052\]](https://support.servicenow.com/kb?id=kb_article_view&sysparm_article=KB0782052) em Now Support Self-Hosted Base de conhecimento. Nota: Somente contas no local podem acessar o Now Support Self-Hosted Base de conhecimento. ## Terminologia Inteligência artificial : Sistemas projetados para realizar trabalhos que precisam de um nível de inteligência humana para serem realizados. Aprendizado de máquina : Capacidade dos modelos de melhorar ao longo do tempo com mais experiência. Modelos : Coleções de algoritmos, matemática e estatísticas que fazem previsões e decisões com base em dados de entrada-saída. Treinamento : Adicionar ou alterar dados nos quais o modelo se baseia para afetar previsões futuras. Treinamento Supervisionado : Fornecer pares de entrada-saída para que o modelo possa gerar regras que conectem os dois. Treinamento não supervisionado : Fornecer dados brutos para que o modelo possa identificar estruturas no conjunto de dados. Frequência de treinamento : A frequência com que os modelos são treinados novamente para combinar o modelo existente com novos dados de treinamento. Corpus de palavras : Vocabulário que um modelo pode usar para procurar semelhança textual. ## Componentes do modelo preditivo {#predictive-intelligence__section_hmr_1y4_n3b} Um modelo preditivo inclui esses componentes, alguns dos quais você deve fornecer. Definição de solução : Um registro de dados que você cria e configura que especifica esses valores para treinar um modelo preditivo. * Os registros usados para treinar o modelo. Por exemplo, treine somente em incidentes que foram resolvidos ou encerrados nos últimos seis meses. * Os campos de entrada que o modelo usa para fazer previsões. Por exemplo, use a descrição resumida do incidente para fazer uma previsão. * O campo de saída cujo valor o modelo prevê. Por exemplo, defina a categoria de incidente com base na descrição resumida. * A frequência para retreinar o modelo. Por exemplo, retreine o modelo a cada 30 dias. {#predictive-intelligence__ul_jnl_jm1_22b} Solução : A solução é o resultado de uma definição de solução que você treinou em um datacenter ServiceNow. Inteligência preditiva usa a solução para prever um valor de campo de destino de acordo com um ou mais valores de campo de entrada. Todas as soluções especificam esses valores. * A precisão da solução é a porcentagem agregada de previsões corretas. Por exemplo, uma precisão de 50 significa que de 100 previsões, metade delas deve ter o valor correto. * A cobertura da solução é a porcentagem agregada de registros que recebem uma previsão. Por exemplo, uma cobertura de 50 significa que metade de todos os registros qualificados realmente recebem uma previsão. * As classes de solução são os valores de campo de saída para os quais o modelo pode fazer previsões. Cada classe é um valor de campo de saída com uma lista de possíveis métricas de precisão, cobertura e distribuição para escolher. Por exemplo, a solução de categorização de incidentes tem uma classe para cada categoria, como software, consulta e banco de dados. * A distribuição de classe é a porcentagem de registros da tabela inteira que têm este valor de campo de saída específico. Por exemplo, uma distribuição de 50 para a classe de consulta significa que metade dos incidentes tem a categoria de consulta. {#predictive-intelligence__ul_wct_5m1_22b} ## Estruturas da Inteligência preditiva {#predictive-intelligence__section_j3x_kbt_bwb} Inteligência preditiva fornece três estruturas na versão Xanadu. Cada estrutura tem diferentes tipos de solução para treinar o sistema a prever, recomendar e organizar os resultados de dados. Uma solução treinada pode ser invocada por qualquer aplicação por meio de uma API para fazer uma previsão. Mais informações podem ser encontradas em [Inteligência preditiva estruturas](https://servicenow-prod.fluidtopics.net/QnvlRYVsjlyQ1ZnlHGWEKg "Inteligência preditiva fornece três estruturas de modelo diferentes na versão Xanadu : classificação, semelhança e clustering. Cada estrutura é especializada em diferentes tipos de previsões.").