A genAI oferece boas oportunidades para gerar valor nos negócios por meio da geração de linguagem natural, sistemas de recomendação e detecção de anomalias.
Eu tenho experiência em lidar com sistemas de inteligência artificial desde os anos 80. Naquela época, a AI foi vista como uma revolução na potencialização dos sistemas de computador para atingir novas capacidades.
As coisas permanecem semelhantes atualmente com a inteligência artificial generativa (genAI). No entanto, é importante que as empresas aprendam com os equívocos do passado em relação aos primeiros sistemas de IA, identificando o que é válido e o que não é em relação à IA.
Estamos em 1988, e tudo se repete mais uma vez.
Comparar a inteligência artificial dos anos 1980, como o Lisp e o M1, com as capacidades de aprendizado de máquina e genAI atuais é desigual. Naquela época, os sistemas de IA eram extremamente caros e possuíam menos funcionalidades em comparação com hoje.
Muitos equívocos levaram à queda da inteligência artificial, ao passo que outras soluções mais simples foram adotadas pelas empresas. O principal erro foi usar a IA de forma inadequada em situações nas quais ela não agregava valor significativo.
Apesar de ser jovem, eu tinha consciência de que os sistemas transacionais, como a entrada de pedidos de vendas, não eram adequados para inteligência artificial. Mesmo assim, fui instruído a desenvolver essas funcionalidades, ciente de que estava usando um método excessivo e dispendioso para resolver um problema simples.
Por isso, a inteligência artificial perdeu popularidade na maioria das empresas. Mais tarde, ela ressurgiu sob novas formas, como deep learning, machine learning e AI generativa.
Apesar da significativa melhoria e redução de custos na tecnologia, percebo que os mesmos erros tolos continuam a acontecer. Esses erros podem impedir as empresas de aproveitar ao máximo o potencial do genAI e resultar em resistência no futuro. Os sistemas de inteligência artificial desenvolvidos por profissionais caros muitas vezes não entregam o valor esperado.
Estas são lesões autoinfligidas que poderiam ser evitadas facilmente se as empresas considerassem de forma estratégica o uso dessa tecnologia. Quais são os aplicativos de inteligência artificial prejudiciais para os negócios? Quais são exemplos de uso adequado e inadequado? Como as empresas podem tomar a decisão correta? Quais são as medidas para evitar repetir os erros do passado?
Para identificar as práticas a serem evitadas ao lidar com a inteligência artificial genética, é proveitoso observar as áreas em que ela se destaca e buscar situações em que essas habilidades possam ser aplicadas. Este procedimento é bastante simples.
Para o que estamos discutindo aqui, optarei por destacar os três mais relevantes. Existem diversos outros exemplos de uso eficaz, portanto não me limite a mencionar apenas três. Afinal, este é um blog, não um documento extenso.
Produção de linguagem de forma natural.
Primeiramente, temos a criação de linguagem natural, ou NLG. Se você experimentou redigir um relatório, carta, e-mail ou qualquer outro tipo de texto produzido pelo ChatGPT, já está familiarizado com esse processo.
As organizações têm a possibilidade de utilizar essa habilidade para criar um grande benefício, como oferecer experiências mais satisfatórias aos clientes por meio de interações personalizadas, seja por escrito ou por meio de um chatbot.
Este avanço tecnológico resultará na eliminação de muitos empregos, como os de atendimento ao cliente, que serão substituídos pela automação NLG. Apesar disso, as empresas irão se beneficiar ao conseguirem realizar mais atividades com menos funcionários, proporcionando experiências de cliente aprimoradas e resolvendo problemas de forma mais eficiente.
Por exemplo, ao ligar para uma linha de suporte técnico atualmente, mesmo com sistemas de resposta de voz interativos, você logo perceberá que a resolução do seu problema depende da capacidade de conhecimento e comunicação da pessoa do outro lado. E se houvesse alguém com a compreensão e o raciocínio de 10.000 especialistas, capaz de fornecer uma resposta mais rápida e útil para você, o cliente? Além disso, e se essa interação custasse à empresa apenas 20 centavos em vez de $20?
Você pode prever a direção que isso está seguindo. Se implementado adequadamente, a Geração de Linguagem Natural (NLG) pode proporcionar maior valor e uma experiência aprimorada para o cliente a um custo menor. Isso terá impacto nas pessoas, então é importante considerar questões éticas. No entanto, percebo que as empresas estão avançando rapidamente nessa direção.
“Recomendação de sistemas”
Os sistemas de recomendação são a capacidade de personalizar sugestões em plataformas de comércio eletrônico, streaming e conteúdo. Embora não seja uma novidade, tenho experiência com esses sistemas desde antes da genAI surgir. Agora, conseguimos melhorar sua eficiência e proporcionar um retorno sobre o investimento maior para qualquer empresa que venda produtos.
Já parou para pensar em como um site de comércio eletrônico pode sugerir produtos para você sem nem mesmo receber informações suas? Versões anteriores desses sites conseguiam aumentar as vendas entre 20% e 40% ao identificar dados como sexo, idade, raça, hobbies e profissão do usuário, para então recomendar produtos e serviços que fossem do interesse da pessoa.
Com o desenvolvimento do genAI, podemos atingir um alto nível de eficácia ao nos comunicarmos com os clientes através de interações dinamicamente criadas que são altamente personalizadas. Quando os sistemas identificarem seu interesse em determinado assunto, como avaliadores de ciclismo, você será exposto a uma variedade de elementos, como mensagens específicas, esquemas de cores, imagens personalizadas e preços direcionados, tudo com o objetivo de estimular suas endorfinas e influenciar suas decisões de compra. Esteja ciente de que você pode ser influenciado em prol dos lucros. Questões éticas mais uma vez são levantadas.
Identificação de uma irregularidade.
A identificação de anomalias envolve a detecção de padrões incomuns ou excepcionais em conjuntos de dados, útil em contextos como prevenção de fraudes ou vigilância de sistemas. Com a genAI, será possível reconhecer tendências nos dados, interpretar seu significado e otimizar processos para obter benefícios comerciais significativos.
Isso envolve avanços na detecção de irregularidades por meio da genômica, como a utilização de registros de dados passados para identificar fraudes bancárias ou antecipar possíveis falhas em sistemas. Isso lembra o filme Minority Report, mas sem a presença de Tom Cruise. Pode acontecer de seu pedido de empréstimo ser recusado com base em previsões de comportamento. Essa situação levanta diversas questões éticas que merecem reflexão.
Certamente, existem várias outras aplicações úteis para a genAI. No entanto, muitas empresas podem não explorar essas possibilidades e, em vez disso, correr o risco de investir em situações que resultem em custos sem retorno significativo. É crucial agir com discernimento e rapidez para evitar que as empresas se prejudiquem por decisões equivocadas.