Não é de hoje que os chatbots são considerados uma das aplicações mais promissoras da inteligência artificial (IA). O fato de um robô como o ChatGPT demonstrar capacidades que até excedem algumas das expectativas mais ousadas, é resultado das inovações na supercomputação. Ao habilitar os recursos de IA em grande escala, os supercomputadores aceleraram drasticamente o armazenamento de dados dos chamados grandes modelos de linguagem – algo semelhante ao armazenamento de milhões de textos da internet, feito pelo ChatGPT.

Como resultado, testemunhamos uma rápida evolução da ideia original de processamento para o que hoje é chamado de IA generativa, inspirando a imaginação de milhões de pessoas com a criação de fotos e textos como os desenvolvidos pela OpenAI. Atualmente, os modelos de IA não apenas permitem conversas em linguagem natural, mas também escrevem artigos, instruções de hacking, encontram bugs em códigos e criam imagens replicando pinturas de Van Gogh.

Isso, por sua vez, cria receios e coloca uma infinidade de problemas práticos, legais e éticos, incluindo a descoberta de que as máquinas podem agir de forma extremamente humanizada: ela comete erros ao gerar textos ou imagens, “mente”, e faz julgamentos tendenciosos. Isso é normal para um protótipo como o ChatGPT, por exemplo, e mesmo o armazenamento excessivo de dados não consegue eliminá-lo completamente.

Como a IA pode otimizar o dia-a-dia nas empresas?

Muitos dos experimentos atuais com IA generativa dão uma ideia do enorme potencial que essa tecnologia possui para otimizar os processos de negócios das empresas, aumentar a produtividade e dispor de uma vantagem competitiva.

Enquanto isso, diversas situações para uso da IA no mercado de trabalho estão sendo discutidas e testadas na prática, isso inclui a função clássica de chatbot no atendimento ao cliente, respondendo a perguntas especializadas do departamento jurídico ou de desenvolvimento, ou criando instruções personalizadas para solucionar problemas de um equipamento.

Mas essas aplicações são apenas um estágio na jornada rumo a uma IA geral para a empresa, que pode dispor da inteligência para otimizar o atendimento ao cliente. Um exemplo de otimização fomentada pela IA seria um chatbot que pudesse formular uma resposta para praticamente qualquer pergunta, como o status atual do lançamento de um produto, mudanças relevantes na legislação tributária ou a resposta apropriada a eventos geopolíticos.

Começar ou esperar?

No Gráfico de tendências da IA mais recente do Gartner, publicado meses antes do ChatGPT ficar online, a IA generativa é uma das principais tendências monitoradas para o ano de 2023. Podemos esperar em breve um período de desilusões e dúvidas se a tecnologia pode realmente corresponder às expectativas nela depositadas, principalmente em um processo de machine learning da IA. O Gartner prevê que o patamar de produtividade da IA generativa será alcançado entre dois e cinco anos.

Então sua empresa deve começar agora ou esperar? Obviamente, isso depende da estratégia – no entanto, companhias que desejam aumentar a competitividade por meio da inovação contínua são indicadas a  começar a adotá-la como solução.

O exagero das expectativas e os resultados aparentemente perfeitos não devem ocultar o fato de que o uso de chatbots de IA nas empresas – como qualquer implementação do gênero – é um assunto muito complexo. Requer uma extensa quantidade de competências, preparações, processos, tecnologias e desenvolvimento contínuo para que sejam dimensionados e produtivos de forma sustentável, oferecendo respostas que condizem com os valores dessas empresas.

IA generativa – a ponta de um iceberg

A adoção de uma iniciativa de IA generativa dentro de uma empresa normalmente começa com experimentos, testes e provas. No entanto, se o objetivo é passar do teste para a produção em escala, os seguintes pré-requisitos e dependências estratégicos, organizacionais e técnicos devem ser abordados:

Maturidade dos dados: uma IA generativa só sobreviverá e irá evoluir se a empresa atingir um determinado nível de maturidade dos dados – ou seja, capacidades estratégicas, organizacionais e técnicas que permitem criar valor a partir de dados usando IA. Uma pesquisa recentemente realizada pela HPE revelou que a maioria das organizações ainda precisam resolver questões significativas de capacidade para atingir esse nível de maturidade.

Arquitetura e governança de dados: se um chatbot de IA for usado para casos específicos da empresa, ele deve ser continuamente treinado com dados da própria empresa. Portanto, depende da disponibilidade desses dados, quantidade e qualidade suficientes. Isso pode ser viável com um mapeamento de dados essenciais.

Abordagem híbrida de plataforma: há uma série de razões pelas quais as empresas precisam estabelecer uma abordagem de plataforma híbrida ou borda à nuvem. Um exemplo é a atuação em tempo real, que exige que os modelos sejam executados na infraestrutura de IA local, para minimizar a latência das respostas, ou seja, o tempo de ida e volta de um pacote de dados entre dois pontos da rede.

Soberania digital: há um amplo consenso de que a IA generativa será uma das tecnologias que irá definir a próxima década – o que, por sua vez, significa que ela irá desempenhar um papel estratégico nas empresas. Ao mesmo tempo, não é difícil prever que o mercado de grandes modelos de linguagem será dominado por poucos fornecedores em todo o mundo. Isso torna a soberania digital um aspecto do uso da IA generativa.

Integração de processos: ao planejar aplicações de IA, as organizações geralmente negligenciam a necessidade de integrá-los aos processos operacionais existentes. Esta é uma das principais razões para o fracasso das iniciativas de IA na transição do início para a expansão.

Não elimine a criatividade

Apesar de toda a complexidade, é crucial encontrar o equilíbrio certo entre planejamento e a criatividade irrestrita. Em outras palavras, este é um projeto que acarreta impacto, e as boas práticas se aplicam ao desenvolver uma obra por IA.

Uma delas é começar com projetos pequenos, mas que reflitam de grande forma, conduzidos por unidades de que graças a IA, poderão entregar resultados cada vez melhores e mais rápidos. Encorajando outras unidades de negócios a utilizarem a IA para entregar resultados cada vez mais criativos. Permitindo assim, que fundamentos técnicos e complexos – como uma arquitetura centrada em dados – sejam introduzidas de forma mais simplificada a cada pessoa.

Edmondo Orlotti, diretor de desenvolvimento de negócios, HPC & AI Cloud Services da HPE – Hewlett Packard Enterprise.