PORTAL PARA O
PROJETO ENCHIRIDION
Enchiridion é uma plataforma que demonstra o poder dos gráficos contextuais associados à IA . Mude a maneira como você vê e sente o risco: um modo consciente do contexto .
⚠️ TENHA CUIDADO! Esta plataforma substitui o registro de risco tradicional, oferecendo inúmeras vantagens. Você está pronto?
A LÓGICA DO ENCHIRIDION
A lógica e a ontologia do Enchiridion foram projetadas para tomada de decisão sob incerteza — onde existem opções, as informações são insuficientes ou variáveis de entrada incertas criam uma ampla gama de resultados plausíveis. Ele pressupõe que a empresa estabeleça políticas, defina metas e defina tolerâncias para apetites de risco e desempenho com base em seus objetivos. No entanto, um grau de tensão sempre permanecerá devido a restrições em recursos ou valores. Os drivers de risco e desempenho são avaliados para informar decisões, sejam sistemáticas ou ad hoc. Essas decisões são tomadas por entidades designadas (por exemplo, reuniões executivas, comitês) e são continuamente realimentadas no sistema para monitoramento, comparando dados do mundo real com o desempenho esperado.
O projeto está sendo desenvolvido com um aplicativo gratuito de anotações, Obsidian, que oferece muitas funcionalidades importantes para a tarefa e é razoavelmente fácil de implantar e editar por qualquer pessoa interessada, incluindo veteranos como eu. Estou usando o ChatGPT 4o para testar a resposta de um LLM ao caso de uso, ou seja, se o LLM melhora sua compreensão do negócio específico. A Arquitetura de Tomada de Decisão é feita de: Ontologia Na ciência da computação, Ontologia é uma arquitetura padronizada para a representação do Conhecimento, na forma de semântica de domínio acordada. O ativo fundamental das ontologias é sua relativa independência de aplicativos, ou seja, uma ontologia consiste em conhecimento relativamente genérico que pode ser reutilizado por diferentes tipos de aplicativos/tarefas. Uma ontologia é construída conectando triplos de entidade, relacionamento e outra entidade. Por exemplo: Ontologia: Driver de Risco → Informa → Decisão Alguns autores chamam isso de "tripleto de sujeito, verbo e predicado". Os gráficos de conhecimento são construídos da mesma forma, mas são mais específicos (respondendo "qual driver de risco informa qual decisão?") para o caso de uso: Gráfico de conhecimento: Contaminação do produto (Driver de risco) → Informa → Validação de segurança do produto (decisão) Uma ontologia pode ser projetada por uma instituição ou grupo para comunicar conhecimento em um domínio específico que muitas organizações podem replicar em aplicativos de computador. Isso é amplamente feito em ciências da saúde, biologia e muitos outros domínios. Por exemplo, meu GPT personalizado pode recuperar triplos dos arquivos Obsidian e construir um gráfico de conhecimento em segundos para aplicações práticas. Ontologia aplicada | Gráficos de conhecimento Se uma organização adota uma ontologia, ela deve desenvolver uma ontologia aplicada (a "camada de metadados") e um ou mais gráficos de conhecimento. Isso significa que a organização se adapta à estrutura generalizada, adicionando entidades específicas abaixo da ontologia e transferirá essas informações para um software de gráfico especializado (como Neo4j, GraphDB, ArangoDB, Memgraph, Metaphacts e muitos outros). Ontologias aplicadas também adicionam detalhes do mundo real, como causas de riscos e controles relevantes, permitindo consultas e automação avançadas. A ontologia aplicada Enchiridion fornece um modelo que qualquer organização pode ajustar, independentemente do setor, porque abrange todos os pontos de decisão comuns e respectivas compensações. Bancos de dados de gráficos Um banco de dados de gráficos é criado em um dos aplicativos de gráficos mencionados acima, adicionando dados reais abaixo de um gráfico de conhecimento. Por exemplo, os resultados das avaliações de risco de contaminação do produto e os dados de teste da amostragem do produto podem ser conectados ao restante do sistema de decisão.