Trabalho com sistemas de inteligência artificial desde a década de 1980. Naquela época, a IA era considerada uma revolução no aproveitamento de sistemas de computador para alcançar capacidades inéditas.
As coisas são praticamente as mesmas hoje com IA generativa (genAI). Mas para evitar os erros cometidos durante as primeiras gerações de sistemas de IA, as empresas devem compreender para que serve a IA e para que não é.
É 1988, tudo de novo
Tentar comparar a IA antiga da década de 1980, incluindo Lisp e M1, com os recursos atuais de aprendizado de máquina e genAI é um pouco injusto. Naquela época, os sistemas de IA custavam muitos milhões de dólares e tinham muito menos funcionalidades de IA.
No entanto, muitos erros fizeram com que a IA desaparecesse, enquanto outras soluções mais diretas foram aproveitadas para as empresas. O erro mais aparente foi a aplicação incorreta da IA em casos de uso onde a IA fornecia pouco valor.
Mesmo com meu cérebro adolescente, eu sabia que sistemas transacionais, como entrada de pedidos de vendas, não eram adequados para IA. Mesmo assim, recebi a ordem de construir tais coisas, sabendo muito bem que estava matando uma formiga com uma marreta. Uma marreta cara.
É em grande parte por isso que a IA caiu em desuso para a maioria das empresas. Anos depois, ele voltou como aprendizado profundo, aprendizado de máquina e aprendizado de máquina fazendo IA generativa.
Embora a tecnologia tenha melhorado muito e seja muito mais barata, vejo os mesmos erros estúpidos ocorrendo agora. Erros que não alinham as empresas para obter o máximo valor da genAI podem gerar retrocessos em alguns anos, já que os dispendiosos sistemas de genAI construídos por pessoas caras realmente não retornam o valor esperado.
Estas são feridas autoinfligidas e totalmente evitáveis se as empresas pensarem um pouco no uso estratégico desta tecnologia. Quais são os aplicativos de negócios matadores para genAI? Quais são os casos de uso bons e ruins? Como as empresas podem escolher o caminho certo? Como podemos evitar os erros de 30 anos atrás?
Para descobrir o que não fazer com a genAI, é útil observar o que a genAI faz bem e encontrar os casos de uso que correspondem a esses recursos. Simples o suficiente.
Para nossos propósitos aqui, escolherei os três primeiros. Existem muitos outros bons casos de uso, então não me recuse por listar apenas três. Afinal, este é um blog, não um white paper.
Geração de linguagem natural
A primeira é a geração de linguagem natural, ou NLG. Se você já tentou repassar um relatório, carta, e-mail ou outro conteúdo escrito criado pelo ChatGPT, você já conhece este.
As empresas podem utilizar esta capacidade para gerar um valor tremendo, incluindo proporcionar melhores experiências aos clientes através de comunicações personalizadas, escritas ou através de um chatbot.
Isso eliminará empregos e muitos cargos de atendimento ao cliente, por exemplo, serão substituídos pela automação NLG. No entanto, as empresas beneficiarão se fizerem muito mais com menos seres humanos. Eles podem fornecer melhores experiências ao cliente que resolvem problemas com muito mais rapidez.
Por exemplo, ligue hoje mesmo para uma linha de suporte técnico, mesmo aqueles com sistemas de resposta de voz interativa (IVR), e você descobrirá rapidamente que sua capacidade de resolver seu problema depende inteiramente do conhecimento e da capacidade de comunicação da pessoa do outro lado. . E se esse alguém tivesse a compreensão e o raciocínio de 10.000 especialistas e pudesse fornecer uma resposta muito mais rápida e útil para você, o cliente? Além disso, e se essa interação pudesse custar à empresa 20 centavos em vez de US$ 20?
Você pode ver onde isso vai dar. Se feito corretamente, o NLG pode oferecer melhor valor e uma experiência aprimorada ao cliente por um preço mais baixo. Isso deslocará as pessoas e, por isso, precisamos considerar a ética. No entanto, vejo empresas caminhando nessa direção rapidamente.
Sistemas de recomendação
Os sistemas de recomendação são a capacidade dos sistemas habilitados para genAI de personalizar recomendações em plataformas de comércio eletrônico, streaming e conteúdo. Isso não é novidade, e tenho trabalhado nisso muito antes do surgimento da genAI, mas agora podemos levá-los a um novo nível de eficácia. Eles têm o maior ROI para qualquer empresa que vende produtos.
Você já se perguntou como um site de comércio eletrônico pode recomendar produtos para você, mesmo antes de você fornecer qualquer informação? As versões mais antigas poderiam aumentar as vendas em 20% a 40% apenas determinando o sexo, idade, raça, hobbies e ocupação da pessoa que usa o site e, em seguida, recomendando produtos e serviços específicos que essa pessoa provavelmente precisaria.
Com o advento da genAI, podemos atingir um nível sinistro de eficácia ao nos comunicarmos com os clientes por meio de interações geradas dinamicamente e muito refinadas. Assim que os sistemas descobrirem que você está interessado, digamos, em avaliadores de ciclismo, você verá uma fonte exclusiva, uma mensagem subliminar, um esquema de cores, imagens personalizadas e até mesmo um preço específico de produtos, todos direcionados dinamicamente à liberação de endorfinas. colocando você no clima certo para gerar mais vendas. Esteja preparado para ser manipulado para o bem dos resultados financeiros. Mais uma vez, surgem questões éticas.
Detecção de anomalia
A detecção de anomalias identifica padrões irregulares ou valores discrepantes em dados para aplicações como detecção de fraudes ou monitoramento de sistemas. Aqui, a genAI nos ajudará a identificar padrões de dados que mostram tendências, explicar o que essas tendências significam e ajustar processos para obter o máximo valor comercial.
Isso vai além da próxima geração de detecção de anomalias baseada em genAI, como o uso de padrões de dados históricos para encontrar prováveis fraudes bancárias ou prever quais sistemas podem estar fadados a uma interrupção. Isto é como Relatório Minoritário menos Tom Cruz. Seu próximo pedido de empréstimo poderá ser negado devido a “pré-crime”. Este caso de uso também leva a muitas questões éticas que precisamos ponderar.
Claro, existem dezenas de outros usos sólidos para genAI. O problema é que muitas empresas não consideram isso e, em vez disso, saltam para situações em que a genAI gerará custos e riscos e gerará pouco ou nenhum valor. Precisamos ser espertos sobre essas coisas rapidamente, antes que as empresas se matem por ferimentos autoinfligidos.
