A era da IA que faz tudo pode dar lugar à era das inteligências especializadas
Por Fernando Baldin, Country Manager LATAM da AutomationEdge
E se o futuro da inteligência artificial não estiver em modelos que fazem cada vez mais coisas, mas em modelos que fazem uma única coisa excepcionalmente bem? A corrida por escala transformou modelos maiores, mais poderosos e versáteis no principal símbolo de evolução da IA, mas quando olhamos para a aplicação dessa tecnologia nos processos das empresas, uma direção diferente começa a ganhar força: em vez de concentrar todas as capacidades em um único sistema, por que não combinar várias IAs especializadas, cada uma responsável por fazer muito bem uma parte do trabalho?
Um exemplo recente é o JEV, modelo otimizado para classificação. Ele não foi concebido para escrever textos, programar ou criar imagens, a sua proposta é classificar. E justamente por ter uma função delimitada, pode entregar velocidade, eficiência de custo e desempenho para esse tipo de tarefa. À primeira vista, isso pode parecer uma limitação, mas na prática, acredito que seja justamente o contrário.
A tecnologia sempre seguiu uma lógica de concentração, nós comprávamos sistemas cada vez mais completos para resolver o maior número possível de problemas. Com a IA generativa, essa lógica ganhou uma nova dimensão, em que grandes modelos passaram a ser capazes de escrever, resumir, programar, analisar documentos, interpretar informações e executar diferentes tipos de tarefas.
Só que processos reais raramente são uma única tarefa, por exemplo, uma operação de atendimento pode precisar identificar a intenção de uma solicitação, consultar informações em diferentes sistemas, verificar uma regra, tomar uma decisão, registrar o resultado e encaminhar o caso. Não existe necessariamente uma razão para que o mesmo modelo seja o melhor em todas essas etapas e é aí que entra a ideia de orquestração.
Em vez de colocar toda a responsabilidade sobre uma única IA, podemos construir operações em que diferentes modelos assumem diferentes funções. Um classifica, outro extrai informações, outro interpreta documentos, outro identifica anomalias, outro decide qual caminho o processo deve seguir, e acima deles, uma camada de orquestração coordena tudo isso.
Essa mudança é importante porque leva a discussão sobre IA para um terreno menos fascinante, mas muito mais concreto, que é a economia e a eficiência dos processos.
Uma empresa não precisa necessariamente da IA mais poderosa disponível para cada etapa de uma operação, ela precisa da tecnologia adequada para cada problema. Se uma tarefa simples pode ser executada por um modelo especializado, mais rápido e com menor custo, por que utilizar uma estrutura muito mais complexa para realizá-la? Especialização pode ser uma vantagem quando o objetivo é ganhar eficiência, essa é uma lógica conhecida na computação.
O que a IA acrescenta a essa equação é a possibilidade de combinar essas especialidades de maneira dinâmica, considerando que o resultado não é uma coleção de ferramentas isoladas, mas uma espécie de sistema nervoso digital, no qual diferentes modelos percebem, interpretam e executam partes de um processo.
Isso também muda a maneira como as empresas deveriam pensar seus projetos de inteligência artificial, já que o ponto mais importante talvez seja qual a melhor IA para as decisões e tarefas dentro do processo da empresa e não qual é o melhor modelo de IA para a empresa no geral. Parece uma diferença semântica, mas não é.
Ainda estamos no início dessa transformação, mas os grandes modelos continuarão tendo um papel fundamental, especialmente em tarefas que exigem raciocínio mais amplo e capacidade generalista. Não vejo motivo para imaginar que eles precisarão ocupar todas as etapas de uma operação.
O futuro pode ser menos parecido com uma IA que sabe fazer tudo e mais parecido com uma equipe altamente especializada, onde cada integrante é responsável por uma parte do trabalho, com alguém coordenando o conjunto.
Porque a inteligência não é apenas capacidade, mas também saber onde aplicar a capacidade certa. E a próxima grande evolução da IA empresarial não virá de construir modelos que façam cada vez mais coisas, mas de aprender a colocar diferentes inteligências para trabalhar juntas.
Sobre Fernando Baldin
Baldin é Country Manager LATAM na AutomationEdge, com mais de 25 anos de experiência nas áreas de Gerência Comercial, Recursos Humanos, Inovação e Operações. Ao longo de sua trajetória, liderou iniciativas estratégicas de transformação organizacional em empresas de grande porte. Conta com diversas certificações de alto nível, como ITIL V3 Expert, ITIL Manager e HDI KCS, além de atuar como membro do conselho consultivo estratégico do Help Desk Institute.
Sobre a AutomationEdge
A AutomationEdge é fornecedora de soluções de Hyperautomação, Robotic Process Automation e IT Automation. Seu RPA inteligente, altamente avançado, reúne todos os recursos essenciais necessários para automação empresarial, como inteligência artificial, machine learning, chatbot, ETL, integrações de API prontas e automação de TI.
