--- 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 --- # Como usar o Inteligência preditiva # Como usar o Inteligência preditiva {#ariaid-title1} * Versão de lançamento: Xanadu * * Atualizado 1 de ago. de 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 3 min. de leitura 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. ## Visão geral Inteligência preditiva é a interface pela qual você pode treinar modelos na ServiceNow AI Platform. Esses modelos permitem prever, estimar e identificar padrões que podem ser usados para rotear trabalho, preencher campos de formulário, estimar tempos de espera e muito mais. * Mostre sugestões de artigos relevantes. * Atribuir, categorizar e priorizar tarefas. * Detectar incidentes graves. * Recomende resoluções de caso. * Evite artigos e ideias duplicados. * Detectar tentativas de phishing. Para obter mais informações sobre os diferentes tipos de soluções disponíveis, consulte [Explorar a Inteligência preditiva](https://servicenow-prod.fluidtopics.net/1dAydy012zd10qyCsgSAEw "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."). ## Como treinar suas soluções de ML {#using-predictive-intelligence__section_xtt_hdh_j1b} Inteligência preditiva O permite que você treine modelos preditivos e soluções de aprendizado de máquina que podem ser aplicados usando dados em suas instâncias. As soluções que você cria usam as estruturas para prever, recomendar e organizar dados. Para começar, consulte [Como criar e treinar soluções](https://servicenow-prod.fluidtopics.net/xFDMDsO5ZIFkzaS22lRP1w "Use uma das estruturas de Inteligência preditiva (PI) para criar e treinar soluções de aprendizado de máquina. Cada estrutura oferece um tipo de solução diferente para treinar o sistema para prever, recomendar e organizar os resultados de dados."). Você também pode estender Inteligência preditiva para outros processos e aplicações, como: * Categorização de incidentes: prevê a categoria de incidentes com base na descrição resumida. Consulte [Inteligência preditiva para Gestão de incidentes](https://www.servicenow.com/docs/access?context=predictive-intelligence-for-incident&version=xanadu&pubname=xanadu-it-service-management&ft:locale=en-US). * Atribuição de caso do CSM: prevê o grupo de atribuição de registro de caso com base na descrição resumida. Consulte [Inteligência preditiva para gestão de casos](https://www.servicenow.com/docs/access?context=agent-intelligence-case-mgmt&version=xanadu&pubname=xanadu-customer-service-management&ft:locale=en-US). {#using-predictive-intelligence__ul_of1_vqs_d1b} Para obter mais informações, consulte [ServiceNow apps e recursos que usam Inteligência preditiva](https://servicenow-prod.fluidtopics.net/uYtaiFR5ePQp68eF7cZTEA "Revise este tópico para ver uma amostra de ServiceNow aplicações e recursos que aproveitam a funcionalidade Inteligência preditiva."). ## Como testar e monitorar previsões {#using-predictive-intelligence__section_fvc_q32_ntb} Depois de criar e treinar suas soluções, chame a API Inteligência preditiva para fazer uma previsão de solução. Use os resultados para avaliar o desempenho da solução e fazer mudanças conforme necessário. Você pode rastrear a cobertura e a precisão dos modelos preditivos implantados usando o painel Estatísticas da solução, que fornece relatórios sobre essas áreas de previsão por padrão.{#using-predictive-intelligence__table_gc5_4wj_ntb__entry__2} | Relatório | Descrição | |-|-| | Cobertura média de previsão (últimos 30 dias) | A porcentagem de previsões que gerou um resultado do número total de previsões tentadas. Clique na pontuação de cobertura para ver um detalhamento por classe. | | Cobertura de previsão diária | A porcentagem de registros criados em um determinado dia em que a solução foi capaz de prever um resultado. | | Precisão média de previsão (últimos 30 dias) | A porcentagem de previsões em que o valor previsto foi igual ao valor final do campo quando o registro foi encerrado. Clique na pontuação de precisão para ver um detalhamento por classe. | | Precisão de previsão diária | A porcentagem de registros encerrados em um determinado dia em que o valor do campo previsto foi igual ao valor final. | [ ] {#using-predictive-intelligence__table_gc5_4wj_ntb} Para obter mais informações, consulte [Como testar e monitorar previsões](https://servicenow-prod.fluidtopics.net/2kwUafhEBGZEADYS6vaQew "Avalie a cobertura e a precisão das suas soluções de aprendizado de máquina (ML), testando-as. Depois de implantado, acompanhe o desempenho ao longo do tempo para ver o desempenho das suas soluções. Use as informações para fazer mudanças em suas soluções para melhorar as previsões."). ## Preparando sua instância Para aproveitar ao máximo Inteligência preditiva, você vai querer se preparar. Você não precisa escrever código ou fazer cálculos, mas decidir o que espera fazer com as definições da solução facilitará a implementação. * Identifique os problemas que você deseja resolver com Inteligência preditiva. * Ter de 30.000 a 300.000 registros de alta qualidade a partir dos quais Inteligência preditiva podem aprender. * Defina suas expectativas. Nota: Inconsistências ou lacunas nos dados de treinamento podem gerar previsões incorretas ou não confiáveis. ## Processo de implementação Inteligência preditiva O leva aproximadamente 14 dias para ser implementado em uma instância de produção. * Dia 1: clonar a instância de produção para uma instância de não produção. * Dias 2--10: crie uma definição de solução, treine-a em registros históricos e valide se a solução funciona conforme desejado na instância de não produção. * Dias 11--13: crie conjuntos para importação e atualização para mover a solução para a produção, treinar e validar na nova instância e definir a frequência de retreinamento. * Dia 14 em diante: monitore a solução. Em geral, os ambientes de não produção são onde os fluxos de trabalho podem ser testados e formatados antes de serem movidos para a instância de produção para treinar modelos e testar previsões. Para obter mais informações sobre como começar com Inteligência preditiva, consulte [nosso guia sobre como começar com Inteligência preditiva](https://servicenow-prod.fluidtopics.net/J7ixp_hRSTR2AB38RPeO6Q#install-predictive-intelligence "Ative Inteligência preditiva em sua instância e comece com a configuração básica.").