IA em todos os lugares
Adotando soluções de ponta para escalar seu negócio
A IA Generativa (GenAI) conquistou os holofotes, mas, na verdade, é apenas um aspecto de um campo muito mais amplo, que avança em diversas frentes. Uma das lições da IA Generativa é que ela pode ser disponibilizada, acessível e aplicável a mais pessoas. Essa democratização desencadeou uma onda de experimentação e investimentos em tudo, desde alternativas para smartphones até startups trabalhando no próximo ChatGPT.
O impacto da IA no cotidiano das organizações ainda é nebuloso, mas defendemos firmemente que essa tecnologia já tem e continuará tendo um efeito significativo em processos essenciais para os negócios digitais, principalmente no desenvolvimento de software, permitindo que as empresas construam e entreguem produtos ao mercado de maneira mais rápida.
Em meio ao entusiasmo em torno da IA, é fundamental compreender que nem sempre ela será uma força transformadora. Os modelos de linguagem de grande porte (LLMs) são poderosos, mas - ao menos por enquanto - geralmente caros demais para a maioria das organizações utilizar em larga escala. O burburinho em torno do ChatGPT pode se tornar um efeito ''martelo procurando prego", levando empresas a integrá-lo a processos onde pode não ser necessário ou não ser a ferramenta certa para o trabalho.
Antes de explorar as inovações em IA que surgem constantemente, é importante que as organizações estabeleçam alguns pilares fundamentais. Um deles é uma estratégia de dados sólida, conforme descrito em nossa lente de plataforma de dados, que garanta um nível básico de dados confiáveis, relevantes e rastreáveis prontamente disponíveis para alimentar modelos de IA. Sem essa base, uma solução de IA pode simplesmente acelerar a tomada de decisões equivocadas.
Adotar ferramentas como a IA generativa também exige uma noção básica do que define um "bom" resultado para o que você almeja alcançar. Apesar de elas poderem ser direcionadas, não é uma boa ideia deixá-las trabalhar sem supervisão ou confiar integralmente na qualidade dos resultados. Controlar a direção e a saída dos seus sistemas de IA é parte de uma prática tecnológica responsável e essencial para evitar consequências indesejadas.
Com esses parâmetros definidos, incentivamos as organizações a iniciar o teste da IA com possíveis casos de uso em suas operações. Como toda inovação, é difícil compreender todo o potencial ou a gama de aplicações até que a tecnologia esteja firmemente em jogo.
À medida que o potencial de integração da IA se torna mais sofisticado e as implicações de erros críticos se multiplicam, a necessidade de um gerenciamento de riscos eficaz também aumenta.
À medida que o potencial de integração da IA se torna mais sofisticado e as implicações de erros críticos se multiplicam, a necessidade de um gerenciamento de riscos eficaz também aumenta.
Sinais
Empresas descobrindo novas aplicações para a IA, muitas vezes em campos inesperados. A consultoria McKinsey, por exemplo, chamou atenção com o desenvolvimento de um chatbot que funciona como um assistente versátil e ‘debate de ideias’, pesquisando o vasto repositório de documentos e transcrições de entrevistas da empresa com base nas consultas dos funcionários para resumir pontos-chave e identificar especialistas que possam auxiliá-los em seu trabalho.
LLMs falando novas ‘línguas’. Mais LLMs (modelos de linguagem de grande porte) estão sendo desenvolvidos para setores ou casos de uso específicos que empregam seu próprio vocabulário, às vezes altamente técnico. Exemplos incluem o BloombergGPT da Bloomberg, treinado especificamente em conjuntos de dados financeiros para auxiliar em tarefas comuns do setor de serviços financeiros, como reconhecimento de entidades nomeadas e classificação de notícias; e o MedPaLM do Google, projetado para gerar respostas precisas e abrangentes a perguntas comuns de saúde do consumidor e que se mostrou apto o suficiente para passar no Exame de Licença Médica dos EUA.
IA tornando-se o novo campo de batalha dos investimentos. A amplitude de recursos e capital direcionados à IA por gigantes globais em busca de vantagem competitiva neste terreno em disparada é impressionante. O investimento de US$ 4 bilhões da Amazon na startup Anthropic vem logo após a injeção multibilionária da Microsoft na OpenAI, criadora do ChatGPT, no início do ano. O Goldman Sachs estima que o montante total investido no setor possa alcançar US$ 200 bilhões até 2025, mesmo antes da IA gerar retornos concretos de produtividade.
Ações relacionadas à IA em alta. O aumento impressionante de 200% + da Nvidia, principal fabricante dos chips que alimentam os sistemas de IA, é apenas a ponta do iceberg. As ações de empresas menos conhecidas como a C3.ai, desenvolvedora de aplicativos de IA, e ETFs (fundos de índice negociados em bolsa) focados em IA, como o BOTZ, também aumentaram substancialmente à medida que analistas e investidores se concentram no setor.
Tendências em alta
Adote
-
Funções integradas em aplicativos que combinam a funcionalidade de modelos de IA generativa abertos e conhecimento especializado, como as informações de produtos.
-
Técnicas para extrair relações de causa e efeito entre os dados de entrada e os resultados de um modelo de aprendizado de máquina, tornando-o mais genérico e exigindo menos dados de treinamento para ter um bom desempenho.
-
Identidade descentralizada (DiD), também conhecida como identidade auto-soberana, é uma arquitetura de identidade baseada em padrões abertos que utiliza IDs digitais independentes e credenciais verificáveis para transmitir dados confiáveis. Embora não seja dependente de blockchains, muitos exemplos atuais são implementados nelas, bem como em outras formas de tecnologia de registro distribuído e criptografia de chave privada/pública, com o objetivo de proteger a privacidade e garantir a segurança das interações online.
-
Controle de acesso a dados finamente granular (FGAC), incluindo modelos baseados em políticas (PBAC) e baseados em atributos (ABAC), que permitem a consideração de uma gama mais ampla de elementos contextuais na determinação de permissões de acesso, além de papéis e privilégios tradicionais.
Analise
-
Regulamentação e orientação governamental sobre o uso de IA, com o objetivo de garantir o uso responsável e as consequências dos sistemas de IA. Isso inclui monitoramento, conformidade e boas práticas.
-
Combina ferramentas e técnicas de Inteligência Artificial com as ciências comportamentais e da administração para aprimorar e amplificar a tomada de decisão de indivíduos e tomadores de decisão diante de uma ampla gama de problemas complexos, abrangendo desde o planejamento de cenários até a pesquisa operacional.
-
Assistentes virtuais e personagens não-jogáveis (NPCs) impulsionados por IA que recriam a interação humana dentro do metaverso.
-
Facilitar o uso da IA reduzindo a barreira de entrada, fornecendo contexto compartilhado e outros dados que podem ser difíceis que podem ser um obstáculo com a criação de prompts.
-
Tecnologias que viabilizam a interação e o compartilhamento automático de informações entre dispositivos, possibilitando a tomada de decisões e ações com mínima ou nenhuma intervenção humana.
-
Interações com modelos de IA que abrangem diferentes modos de comunicação. Por exemplo, um chatbot que compreende e responde tanto em forma escrita quanto falada.
-
Sistemas que monitoram métricas em sistemas distribuídos complexos e tomam ações corretivas se um problema for detectado. Eles são frequentemente usados para segurança, mas cada vez mais também para resiliência e recuperação em caso de uma interrupção.
-
Tecnologias emergentes que permitem certificar a proveniência de dados e governar seu uso em toda a organização. Isso pode ser transformador no esforço para rastrear e aprimorar o progresso em direção às metas de sustentabilidade.
Antecipe
-
São ataques que visam corromper ou explorar sistemas de aprendizado de máquina (machine learning). Os criminosos podem manipular dados de treinamento ou identificar entradas específicas que um modelo classifica mal para, deliberadamente, gerar resultados indesejados.
-
Um termo coletivo para sistemas e dispositivos capazes de reconhecer, interpretar, processar, simular e responder a emoções humanas.
-
A maioria dos termos de serviço ou contratos de licença de usuário final é redigida em um linguajar jurídico denso e difícil de compreender para pessoas sem formação em direito. O consentimento compreensível busca reverter esse padrão, utilizando linguagem clara e descrições transparentes sobre como os dados dos clientes serão utilizados.
Adote
Analise
Antecipe
-
A Inteligência Artificial Geral (IAG) possui capacidades amplas em diversas tarefas intelectuais, sendo frequentemente comparada à inteligência humana, ao contrário da IA atual, que ainda é restrita a funções específicas, embora algumas sejam bem avançadas.
-
Algoritmos de aprendizado de máquina adaptados e executados em um processador quântico, utilizados principalmente para analisar dados clássicos (não quânticos).
Oportunidades
Ao se antecipar as tendências dessa lente, as organizações podem:
Tornar as interações humano-computador fluidas e aceleradas. Avanços em Processamento de Linguagem Natural (PLN) estão abrindo novas formas de comunicação entre pessoas e máquinas, incluindo conversas do dia a dia. Isso amplia o alcance de pessoas que podem interagir com esses sistemas e facilita o planejamento e a execução de tarefas como resumo de informações, respostas independentes a consultas ou suporte contextual a determinadas funções, além da geração e curadoria de conteúdo.
Acabar com o medo da 'página em branco'. Seja qual for a tarefa ou projeto, muitas vezes o mais difícil é ter a(s) ideia(s) inicial(is) e começar do zero. A IA pode eliminar esse entrave por meio de pesquisas e fornecendo uma lista de sugestões ou insights que, mesmo distantes do resultado desejado ou do artigo final, podem servir como ponto de partida ou estimular mentes hesitantes.
Automatize tarefas, não funções inteiras. A necessidade de envolvimento humano para guiar e avaliar o resultado da IA torna menos provável a substituição completa de funções por sistemas de IA. Dito isso, há uma infinidade de tarefas que a IA pode automatizar ou que pode aumentar a eficiência e a consistência da participação humana. Qualquer tarefa que exija acesso e análise de um vasto conjunto de conhecimento - como um grande número de artigos de pesquisa ou bancos de dados com informações médicas ou financeiras - pode ser vista como candidata promissora para a assistência de LLMs (modelos de linguagem de grande porte). A barreira do que a IA pode fazer mudará constantemente, mas, em geral, como alguns aconselham, é útil pensar na IA "não como software, mas como pessoas bem competentes" - ou seja, o equivalente a um assistente de pesquisa capaz ou a um exército de estagiários bem-intencionados. Existem algumas tarefas que podem ser confiadas à IA, mas certamente não podemos confiar em tudo a ela.
Revolucione a entrega de software. Há uma ideia equivocada de que o principal uso da IA Generativa no desenvolvimento de software é como uma ferramenta para facilitar a programação, quando na realidade ela pode impactar todos os aspectos do ciclo de vida do desenvolvimento. Aplicações potenciais além da assistência à programação incluem: brainstorming com IA para melhorar requisitos e cenários de teste; resposta a incidentes e depuração aprimoradas por meio da tradução de linguagem natural em consultas sobre logs e métricas; ideação de produtos e estratégias; e busca de informações institucionais não estruturadas para fornecer contexto valioso as pessoas desenvolvedoras. Com base em nossas experiências, acreditamos que a entrega de software assistida por IA tem o potencial de gerar aumento em produtividade de até 30%.
O que fizemos
Aprimorando a IA conversacional com modelos de linguagem em Jugalbandi.
Desenhamos um chatbot que auxilia as pessoas usuárias a entender a complexidade dos diversos programas de assistência social do governo indiano. Ele demonstra a capacidade da IA não só de navegar, processar e resumir grandes volumes de informações em um formato de fácil compreensão, mas também de atender a uma base de pessoas usuárias muito mais inclusiva, em seus próprios termos. Combinamos vários LLMs (modelos de linguagem de grande porte) e modelos de tradução existentes para alimentar a IA conversacional via voz, tanto de entrada quanto de saída, em diversas línguas e dialetos locais. Isso fornece um ponto de acesso e fonte de informação sobre serviços governamentais para uma base de pessoas usuárias em áreas rurais com taxas altas de analfabetismo. Isso ampliou e simplificou drasticamente as interações entre o governo indiano e muitos de seus cidadãos em áreas remotas e não urbanas.
Recomendações práticas
O que fazer (Adote)
- Identifique as pessoas embaixadoras da IA, que são os membros da equipe responsáveis por orientar e educar sua organização sobre os potenciais casos de uso das soluções emergentes. Entenda que a IA será aplicada de forma diversa em praticamente todas as áreas da empresa, exigindo uma mente aberta. Ter pessoas com uma visão clara do que define um "bom resultado" pode reduzir riscos e garantir que as iniciativas de IA foquem em resultados de negócios relevantes.
- Identifique casos de uso de IA que gerem valor real para sua organização, bem como áreas onde você explicitamente não usará IA, seja por falta de viabilidade econômica, custos altos ou riscos excessivos. Como a lista de possíveis aplicações é vasta e em constante expansão, ter essas decisões como norte garante que seus esforços de IA sejam cuidadosamente direcionados e, portanto, com maior probabilidade de gerar resultados.
- Tenha clareza sobre a tecnologia que está sendo utilizada. "IA" se tornou um termo abrangente para várias tecnologias distintas e, mais recentemente, usada para se referir apenas à IA Generativa. As capacidades e os casos de uso da GenAI em comparação com outras tecnologias que às vezes são agrupadas sob o guarda-chuva da IA, como o aprendizado de máquina, podem ser muito diferentes. É necessário conhecimento sobre o que você planeja implementar e como isso se conecta aos problemas que está tentando resolver.
- Defina e comunique os limites com antecedência. Bem antes de interagirem com a IA no dia a dia, as equipes devem estar cientes dos padrões e expectativas em termos de segurança, fontes de dados e sistemas de verificação de seus resultados para transparência e/ou viés. Também devem saber quando desistir de experimentos que provavelmente não produzirão o resultado desejado ou resultarão em riscos excessivos.
- Especialmente no curto prazo, mantenha o foco na colaboração humana-IA, invista em como pessoas e IA podem trabalhar juntas. Certifique-se de que as equipes entendam como a IA pode melhorar, não ameaçar as tarefas centrais de seus papéis e onde seu julgamento será necessário. Monitore e controle os custos dos serviços usados, que geralmente não são visíveis para uma pessoa usuária de forma individual, mas podem somar rapidamente. Dependendo da tarefa, pode ser benéfico abrir mão de um certo grau de precisão para reduzir custos, pois modelos menos precisos podem ser substancialmente mais baratos de operar.
O que considerar (Analise)
Alternativas ao uso de modelos de linguagem de grande porte (LLMs) comerciais. Modelos como o FastChat-T5, acessíveis de forma gratuita, oferecem uma base sólida para aplicações de chatbot e suporte ao cliente. Além disso, podem ser aplicados em modelos especializados para proteger a propriedade intelectual da organização.
Agentes de IA. As recentes iinterfaces de programação, como as da OpenAI, permitem combinar a funcionalidade de modelos de IA generativa disponíveis publicamente com conhecimento específico externo ao modelo, como informações de produtos.
- Novas ofertas de fornecedores. Grandes empresas provedoras de nuvem como Amazon e Google Cloud lançaram, no final de 2023, uma série de novos produtos e serviços para pessoas desenvolvedoras. Em muitos casos, essas ferramentas oferecem recursos atrativos, como implantação e operação assistida por IA do software em desenvolvimento. Incentive suas pessoas embaixadoras de IA a avaliarem frequentemente essas opções.
O que observar (Anticipe)
- Ondas de regulamentação. Conforme demonstrado pelo contínuo debate sobre uma lei de IA na União Europeia, os governos estão correndo para legislar contra alguns dos impactos negativos já percebidos da IA. Novas regras sobre todos os aspectos da IA provavelmente aparecerão com rapidez e de todas as direções. As organizações precisam ser proativas na implementação de políticas responsáveis antes de serem obrigadas, para que a conformidade se torne natural.