Assim como o big data em 2013, estamos na fase “todo mundo está fazendo isso, ninguém sabe por quê” da IA generativa (genAI). Uma pesquisa recente da McKinsey descobriu que 65% das empresas “usam regularmente genAI”. Promissor! Na recente teleconferência de resultados da Elastic, a empresa observou que mais de 1.000 clientes estão pagando para construir aplicativos genAI. Uau! Cada uma das grandes empresas de nuvem, assim como a Oracle, falou sobre como a genAI está impulsionando os gastos com nuvem. Incrível!
Talvez. Talvez não.
Retire as manchetes e ainda vemos o genAI como algo aspiracional, não necessariamente transformador para a maioria das empresas. Por exemplo, enquanto elogiava todos os seus clientes que criam aplicativos genAI, o CEO da Elastic, Ash Kulkarni, também disse: “Não estamos modelando uma contribuição significativa de receita do genAI este ano”. Em outras palavras, 1.000 empresas não estão pagando muito, em grande parte porque não estão fazendo muito. Isso não é um desprezo à Elastic; em vez disso, é a realidade de onde estamos com o genAI hoje. As nuvens estão principalmente engordando suas receitas de IA por meio de modelos de treinamento, em vez de as empresas usarem esses modelos para tirar inferências desses dados em aplicativos.
Em outras palavras, se você ainda não transformou seu negócio com IA, você não está sozinho. Você tem tempo.
Ainda é cedo para genAI
Escrevi sobre isso recentemente e não vou insistir nos mesmos pontos (ou seja, em vez de grandes projetos de genAI, as empresas que obtêm sucesso real tendem a fazer pesquisas melhores por meio da geração aumentada de recuperação (RAG). De acordo com a pesquisa da McKinsey, as empresas têm ainda não foi descoberto onde exatamente usar a genAI. Apenas dois casos de uso (“suporte de conteúdo para estratégia de marketing” e “marketing personalizado”) foram citados por pelo menos 15% dos entrevistados. Existem alguns chatbots de suporte de TI (7% dos entrevistados). ) e desenvolvimento de design (10%), mas na maior parte, todo o resto é em grande parte um erro de arredondamento.
As empresas estão testando, para dizer o mínimo.
Outros dados da pesquisa criam mais perguntas do que respostas. Por exemplo, o relatório disse: “Os entrevistados mais comumente relatam aumentos significativos de receita (de mais de 5%) na cadeia de suprimentos e gerenciamento de estoque”, mas apenas 6% das empresas nesse mercado relatam usar regularmente o genAI. Se está funcionando tão bem para gerar receita, mais empresas não estariam fazendo isso?
Novamente, isso não significa que a genAI, e a IA de forma mais ampla, não terá um impacto significativo. Pelo contrário, é indicativo de que estamos no início do ciclo de adoção.
Iniciar. Quebre as coisas
Suspeito que uma das principais razões pelas quais as vendas e o marketing são a maior área para a genAI nas empresas, de acordo com o inquérito da McKinsey, é a perceção de que estas são áreas em que uma empresa pode “errar”. Não quero dizer que essas áreas não sejam importantes. Só quero dizer que você provavelmente prefere ter uma alucinação de LLM em uma versão inicial de uma cópia de marketing do que em sua demonstração de resultados. De acordo com a McKinsey, os melhores desempenhos da genAI tendem a ser aqueles que “experimentaram todas as consequências negativas da genAI sobre as quais perguntamos, desde segurança cibernética e privacidade pessoal até explicabilidade e violação de propriedade intelectual”. Eles foram queimados pela genAI e aprenderam com a experiência. É melhor aprender o básico com atividades que estão atrás do firewall e com risco relativamente baixo.
Esses mesmos profissionais de alto desempenho executam mais cargas de trabalho de genAI do que seus pares (eles usam genAI em três funções, em média; empresas menos experientes, em média, duas) porque descobriram como gerenciar os riscos de arestas. Eles também têm estratégias de mitigação de risco mais avançadas, diz a McKinsey, e então se tornam “mais de três vezes mais propensos que outros a usar genAI em atividades (mais avançadas) que vão desde processamento de documentos contábeis e avaliação de risco até testes de P&D e precificação e promoções.” Eles também enfrentaram problemas com dados: 70% dos profissionais de alto desempenho citam problemas com dados, incluindo a compreensão dos processos de governança de dados ou a falta de dados de treinamento suficientes.
Você não se depara com esses problemas (e aprende com eles) se não estiver disposto a experimentar e arriscar quebrar coisas.
Voltando aos 1.000 clientes da Elastic pagando para construir aplicativos genAI, esta é uma ótima notícia para a Elastic, assim como para a indústria, independentemente do impacto financeiro de curto prazo. Como os executivos da empresa disseram, o genAI será “um impulsionador de crescimento significativo para nós no longo prazo”, embora “os clientes ainda estejam nos estágios iniciais do ciclo de adoção”. A maneira como todas as empresas vão passar do início da experimentação para a transformação empresarial é começar pequeno, quebrar algumas coisas e ganhar experiência e confiança para ir mais longe com o genAI.
