Skip to main content

Como chegamos até aqui?

O advento da Inteligência Artificial (IA) Generativa vem trazendo bastante inquietude no mercado. Seja do ponto de vista do uso pessoal ou das atividades empresariais, aplicações como o ChatGPT e Midjourney nos colocaram em outro patamar sobre a compreensão do potencial dessas tecnologias.
Cabe ressaltar que o conceito e os fundamentos relacionados à Inteligência Artificial não são novos. Suas origens remetem à década de 1950 quando John McCarthy apresenta o termo, que veio a ser divulgado amplamente na Conferência de Dartmouth, nos Estados Unidos em 1956. Para muitos, essa é a origem do termo.
De lá para cá, diferentes modelos de aplicação de IA foram desenvolvidos, gerando casos de uso para uma série de indústrias. Aplicações como os sistemas de recomendação, consumidos por nós quando vemos Netflix ou compramos na Amazon; redes neurais convolucionais aplicadas à identificação de imagens e vídeos, como usado por diagnóstico médico de imagens; árvores de decisão e florestas aleatórias usados para modelagens financeiras e análises de regressão, entre outros.
Porém, quando os modelos de linguagem de larga escala (ou, do inglês Large Language Models – LLM) caem nas nossas mãos, possibilitando a interface com a máquina em linguagem natural, acontece um fenômeno interessante. Para entender esse fenômeno, precisamos falar sobre democratização e prontidão digital.
Os demais modelos de IA citados acima, com algumas poucas exceções, demandavam conhecimentos técnicos, inclusive de programação, para serem adotados e usados. Para isso, demandav
am que os usuários tivessem alto grau de prontidão digital – ou seja, fossem profissionais de tecnologia, ou profissionais de outras áreas, com forte background tecnológico. Quando analisamos a população mundial como um todo, nos restringimos a menos de 10% da população com esse tipo de conhecimento (com ampla folga nesse número). Isso significa uma tecnologia pouco democrática.
Agora, quando os modelos de IA Generativa (que contemplam os LLMs, mas não se resumem a eles), como o ChatGPT, passam a estar acessíveis a praticamente toda população que tem acesso à internet e um computador ou smartphone, passamos a atingir um percentual bem maior do globo terrestre. Com acesso a um navegador e usando a própria linguagem da pessoa, de forma simples e escrita, começamos a ter milhões de usuários em poucos dias.
A chave para entender o avassalador crescimento das IAs Generativas está em:

Os casos de uso para IA Generativa:

Empresas mundo afora passaram a se questionar sobre quais aplicações podem trazer valor para seus negócios agora e o que ainda está em fase de experimentação e testes.
Para ajudar nesse questionamento,
criamos a relação abaixo que orienta como segregar a estratégia de investimentos em: “Acelerar” (valor a curto prazo) e “Monitorar” (valor a médio/longo prazo).

Acelerar para 2024

Esses casos de uso já estão sendo aplicados em empresas de diferentes setores e trazendo resultados concretos para seus negócios. Mesmo assim, é importante ressaltar que as tecnologias de IA Generativa são novas e muitos dos modelos ainda estão em fase de amadurecimento. Isso implica em um uso e adoção conscientes, precisando de uma camada de validação e controle de qualidade humana para evitar alucinações, vieses e dados equivocados.

Chatbot conversacional com contexto.

Criação de vídeos para campanhas internas ou externas de marketing por comandos “texto-para-vídeos”.

Uso de avatares e personagens feitos por IA para propaganda e conteúdo.

Criação de jingles e músicas para campanhas empresariais.

Criação de logomarca, website e similares.

Revisão e tradução de texto.

Design gráfico para publicidade.

Design de produtos.

Automação de e-mail marketing contextual.

Geração de código de programação (assistido).

Geração de dados sintéticos para análises de cenário.

Monitorar em 2024

Aqui, listamos uma série de casos de uso aplicáveis a diferentes indústrias que já vêm sendo aplicados, porém com ampla necessidade de intervenção humana e correção. A expectativa é que em médio prazo esses casos de uso possam ser aplicados de forma desassistida, ou seja, sem a necessidade da validação e intervenção humana.

Geração automática de código de programação.

Tradução simultânea em tempo real.

Geração automática de documentos por comando simples de texto.

Respostas automáticas a RFPs e editais de mercado.

Formulação de preço.

Parecer técnico ou jurídico com base em inputs de dados simples.

Geração de estratégias empresariais a partir de modelos de simulação.

Geração de novos medicamentos e compostos sintéticos.

Conclusão

Segundo o Gartner Group®, os principais ganhos que as empresas já estão tendo com a adoção da IA Generativa são o aumento da eficiência operacional, a melhoria no processo de vendas e a melhoria na criatividade para geração de conteúdo. Todavia, é importante ressaltar que ainda há muita incerteza sobre custos relacionados à adoção mais ampla dessas tecnologias para as empresas. Dessa forma, o driver de negócio redução de custo não está diretamente associado aos primeiros casos de uso.
Se a estratégia da sua empresa envolver alocação e capital para experimentação e testes, nos moldes dos financiamentos para projetos de P&D, consideramos que é hora de acelerar os casos de uso apontados no primeiro grupo.
Porém, sem a estratégia adequada e a decisão consciente de funding para o tema IA Generativa, sua empresa corre o sério risco de alocar capital esperando um retorno imediato – o que pode não vir.
Avalie se os casos de uso são aderentes às suas demandas de negócio e tome as decisões conscientes em relação a cada estágio de maturidade, sabendo que por serem tecnologias novas, modelos de preço e estruturas de custo ainda estão amadurecendo no mercado.
A Bridge & Co. atua no apoio executivo a empresas que querem entender melhor o nível de aderência do uso de IA Generativa para sua estratégia. Se o assunto te interessou, contate um dos nossos especialistas.
FALE COM UM DOS NOSSOS ESPECIALISTAS

É Sócio-Diretor e Líder de Governança de TI e ITSM da Bridge & Co. É mestre em Engenharia de Produção pela COPPE/UFRJ, auditor ISO 20.000, certificado ITIL Expert e CGEIT, entre outras. É professor de pós-graduação em Estratégia e Governança de TI em instituições como UFRJ, UFJF e FGV. Possui experiência em projetos de grande porte de transformação digital, desenho organizacional de áreas de TI e elaboração de processos orçamentários para Tecnologia da Informação.