Os grandes modelos de linguagem (LLMs) parecem ideais para a criação de interfaces de linguagem natural, mas a ascensão do ChatGPT e de outras ferramentas semelhantes levantou uma questão: os LLMs são adequados para otimizar processos de negócios?
Em suma, a resposta é um sonoro “sim”. É claro que a resposta mais longa tem mais nuances do que isso. A utilidade ou capacidade autônoma de um LLM é relativamente limitada, a menos que seja combinada com outras tecnologias. O verdadeiro impacto da IA reside na sua capacidade de facilitar a aceleração dos processos de negócios através da automação.
Onde a IA encontra os processos de negócios
Considere simplificar o processo de “oportunidade de fazer pedido” dentro de uma empresa. Tal como está, independentemente do produto ou solução implementado, as organizações são forçadas a navegar pela complexidade desta automação, acabando por recorrer a métodos manuais, como interfaces de arrastar e largar, soluções de baixo código ou programação de alto código.
Agora adicione LLMs à equação. LLMs são repositórios expansivos que abrigam conhecimento sobre processos comuns adequados para automação. Aproveitando essas informações, o modelo atua como um catalisador, proporcionando uma vantagem inicial na resolução de problemas. Como resultado, os usuários não precisam reinventar a roda. Eles só precisam personalizar as soluções existentes para atender às suas necessidades específicas e agilizar significativamente o processo.
Neste caso, a experiência do usuário final permanece enraizada na interação em linguagem natural. Os usuários poderiam solicitar um grande modelo de linguagem para construir uma estrutura de “oportunidade de pedido” adaptada ao seu CRM e ERP usando uma plataforma de integração como serviço (iPaaS). O sistema poderia então gerar ativos relevantes para conectar e automatizar o processo, permitindo aos usuários ajustar e fazer a transição rápida de suas soluções personalizadas para uma realidade operacional.
Em outro exemplo, uma empresa de comércio eletrônico pode usar um LLM para criar um aplicativo que verifica os pedidos recebidos antes de integrá-los a um sistema ERP. Tradicionalmente, construir tal aplicativo seria trabalhoso, quer você o codificasse do zero ou usasse uma plataforma de baixo código. Os LLMs revolucionaram essa abordagem ao serem capazes de interpretar os requisitos específicos e gerar um aplicativo com base na solicitação do usuário.
Muitos na indústria agrícola procuram uma otimização semelhante. Um agricultor que investiu em tecnologia mas carece de sofisticação técnica poderia conceber uma aplicação para monitorizar a sua pegada de carbono ao longo das estações. Neste caso, o LLM utilizaria a sua compreensão das necessidades de rastreio de carbono e representação de dados para gerar uma aplicação personalizada.
Estas são apenas algumas maneiras pelas quais os LLMs podem remodelar processos, automatizando partes substanciais de tarefas complexas. Como são capazes de obter uma compreensão completa das complexas necessidades de negócios, eles podem gerar soluções de negócios personalizadas. Os casos de uso para LLMs são infinitos e transcendem as fronteiras do setor.
Passos para começar com LLMs
A rápida evolução e adoção de tecnologias generativas de IA indicam que as empresas devem considerar como podem tirar vantagem para permanecerem competitivas no seu mercado. Para organizações interessadas em começar, há algumas etapas iniciais que devem ser consideradas:
- Eduque-se. Ao aproveitar qualquer nova tecnologia para otimizar processos de negócios, a preparação é fundamental. Isso significa que educar-se sobre o cenário em rápida evolução dos LLMs é fundamental. A OpenAI foi pioneira no espaço, mercantilizando a IA generativa com ChatGPT e seus vários modelos GPT. Mas grandes players, incluindo AWS, Google, Meta e Microsoft – e até mesmo entidades emergentes como Hugging Face – estão lançando rapidamente suas próprias iterações para ampliar o espectro de LLMs acessíveis para desenvolvimento de aplicativos.
- Conheça os principais players. Para navegar neste campo expansivo, as empresas precisam se familiarizar com a diversidade de fornecedores e identificar o LLM mais adequado para suas necessidades específicas. Isto inclui explorar ofertas dos fornecedores acima mencionados e de muitos outros para fazer uma escolha informada para integração e posterior desenvolvimento de aplicações.
- Precaução no exercício. Dada a aceleração dos avanços da IA, é necessário ter cautela. As empresas devem monitorizar as ações dos modelos de IA com vigilância para garantir o alinhamento com as funções e valores pretendidos e implementar as medidas de segurança robustas necessárias.
Em última análise, a rápida evolução da IA enfatiza a necessidade de as empresas não só aproveitarem estes avanços, mas também de o fazerem de forma consciente, selecionando as ferramentas que melhor se alinham com os seus objetivos e requisitos de segurança. Ninguém quer ficar para trás na hora de adotar novas tecnologias por medo de ficar para trás em relação à concorrência. Mas é igualmente importante avaliar os riscos e evitar investir em iniciativas que eventualmente fracassem ou causem consequências indesejadas.
As organizações que encontram uma forma de encontrar um equilíbrio entre a adoção antecipada e a cautela medida colocam-se na melhor posição para o sucesso a longo prazo.
Manoj Chaudhary é CTO e vice-presidente sênior de engenharia da Jitterbit.
–
Generative AI Insights oferece um local para líderes de tecnologia – incluindo fornecedores e outros colaboradores externos – explorarem e discutirem os desafios e oportunidades da inteligência artificial generativa. A seleção é ampla, desde aprofundamentos tecnológicos até estudos de caso e opiniões de especialistas, mas também subjetiva, com base em nosso julgamento de quais tópicos e tratamentos servirão melhor ao público tecnicamente sofisticado do InfoWorld. A InfoWorld não aceita material de marketing para publicação e reserva-se o direito de editar todo o conteúdo contribuído. Contato [email protected].
