-
-
Data de publicação
Vivemos na era da informação. Atualmente, são gerados mais dados em um dia do que o total de informações geradas pelos seres humanos desde que a escrita foi inventada, há milhares de anos. Além disso, desde a invenção do PC e, posteriormente, da Internet, a participação dos profissionais do conhecimento no valor econômico nunca foi tão alta. Nossas sociedades modernas são definidas por nosso trabalho com a mente, não com as mãos.
Nos últimos vinte anos, o mundo digital se tornou a base de como aprendemos, trabalhamos, nos comunicamos e até nos relacionamos com outras pessoas. Tecnologias como mecanismos de busca e smartphones tornaram uma quantidade quase infinita de informação acessível a qualquer pessoa disposta a procurá-la. Melhor ainda: em tempo real e praticamente de forma gratuita. No entanto, embora recuperar informações nunca tenha sido tão fácil, processá-las e gerar conhecimento a partir delas continua sendo uma atividade essencialmente humana. Pode-se dizer que extrair conhecimento significativo de tanto conteúdo é hoje ainda mais desafiador do que antes: filtrar sinais no meio do ruído exige conhecimento de domínio — normalmente construído ao longo de anos de educação formal, vivências e interações sociais que moldam o que costumamos considerar um “especialista”.
Criar conhecimento é, ao mesmo tempo, uma tarefa complexa e onde está o verdadeiro valor. Tecnologias que nos ajudam a coletar e consolidar informações, seja em dados estruturados ou não estruturados, têm seus limites. Apesar dos aparentes ganhos de produtividade que o computador pessoal, a internet e, mais recentemente, o Big Data trouxeram para a economia, a quantidade de profissionais do conhecimento necessária para processar toda essa informação só aumentou. Em termos econômicos, trilhões de dólares são gastos anualmente com milhões de profissionais de escritório, gestores, consultores e analistas cujo trabalho é transformar informação em conhecimento.
É por isso que a IA Generativa é transformadora. Agora, temos uma tecnologia que não apenas recupera informações, como fazem os mecanismos de busca, mas gera o que aparenta ser conhecimento especializado. E tudo isso em linguagem natural, acessível a qualquer pessoa que saiba ler e escrever, pronta para usar desde o primeiro momento.
Mas por que a IA Generativa é tão boa? Ela é realmente inteligente? Vai substituir os humanos em poucos anos, como muitos influenciadores de IA gostam de afirmar nas redes sociais? Ou tudo isso é apenas hype? Como quase sempre, a realidade está em algum lugar no meio do caminho.
Diferentes visões sobre o futuro da IA, desde o avanço até o esgotamento.
Limites do aprendizado com IA
Os Modelos de Linguagem de Grande Escala baseados em Transformers — a arquitetura por trás das ferramentas de IA generativa mais avançadas — são, na prática, uma evolução de técnicas de aprendizado de máquina treinadas com volumes massivos de dados (há estimativas de que esses modelos poderão consumir todo o conteúdo publicamente disponível na internet entre 2026 e 2034). Como métodos estatísticos, os LLMs não pensam como seres humanos. Eles funcionam prevendo o próximo token (isto é, uma palavra ou parte dela) com base no contexto anterior e nas relações entre palavras aprendidas durante o treinamento. Isso torna a IA generativa especialmente suscetível a alucinações e previsões imprecisas, já que os modelos não “entendem” de fato os processos ou conceitos que as palavras representam.
Estima-se que, entre 2026 e 2034, os modelos de IA poderão utilizar todo o conteúdo publicamente disponível na internet para treinamento.
Fonte: Epoch AI
IA vs PC vs Internet
Mais cedo ou mais tarde, todo o trabalho de conhecimento será influenciado pela IA. Diferentemente de inovações transformadoras anteriores, como o PC ou a Internet, as empresas e instituições não conseguirão contê-la ou controlá-la. As ferramentas de GenAI são muito fáceis de usar (linguagem natural), baratas (você pode obter os modelos mais avançados por algumas centenas de dólares por mês) e as recompensas são muito altas (as pessoas podem acelerar, se não automatizar, dezenas ou centenas de tarefas cotidianas). No entanto, não podemos analisar os possíveis ganhos da GenAI apenas com uma lente estática. À medida que a sua adoção aumenta e os processos são redesenhados, muitas atividades perderão valor ou simplesmente deixarão de existir. Se for possível automatizar um relatório que levou uma semana para ser criado com um único prompt, qual será o valor marginal desse processo de criação de relatório?
Benefícios de curto prazo versus riscos de longo prazo
Devido ao uso massivo de ferramentas em nuvem e APIs acessíveis, a adoção da IA será muito mais rápida do que foi com o computador pessoal ou a internet. Estamos falando de um prazo de 3 a 5 anos — ou até menos — para atingir níveis semelhantes de uso no ambiente corporativo, em vez de uma ou duas décadas.Os casos de uso mais bem-sucedidos para empresas serão internos e ainda dependerão de validação humana. Ainda há risco demais para automatizar completamente processos críticos com IA, devido à natureza não determinística dos LLMs. E é possível que isso continue assim por um bom tempo. Mesmo assim, os benefícios potenciais são imensos no agregado: empresas já relatam ganhos de produtividade de até 40% em experimentos em pequena escala com IA. Mesmo que substituir colaboradores individuais não seja a melhor ideia, o impacto geral sobre a força de trabalho já é evidente.
O crescimento dos empregos relacionados à IA está crescendo exponencialmente. Fonte: WSJ
No entanto, ganhos de produtividade em experimentos de pequena escala são diferentes de uma transformação organizacional completa. No curto prazo, é justo dizer que a adoção de IA pelos colaboradores será muito mais rápida do que a capacidade das organizações de se adaptarem. Ao aplicar IA a processos tradicionais, os profissionais podem avançar mais rápido que a própria empresa. Para capturar valor real do trabalho ampliado por IA generativa, as organizações precisarão redesenhar suas formas de trabalhar e educar.
O uso generalizado da IA traz alguns riscos sérios de segurança e governança. Embora muitas empresas estejam preocupadas principalmente com o vazamento de IP para treinamento de LLM, acreditamos que a maioria dos riscos virá de sistemas e/ou processos mal projetados com IA. As recentes aquisições em grande escala de empresas de segurança em nuvem por hiperescaladores são um sintoma do tamanho desse risco potencial e do montante de investimento que precisará ser feito pelas empresas no curto prazo. Como veremos, esse risco será maior no longo prazo, pois pode ser mais difícil encontrar na força de trabalho um profundo conhecimento prático de segurança.
Exemplo de código com IA dando errado (“vibe coding”)
Em longo prazo, os mesmos motivos que tornam a IA tão valiosa para os profissionais do conhecimento também a tornam perigosa. Ao substituir a geração de conhecimento, há uma possível desqualificação da força de trabalho. O excesso de confiança na IA pode levar à atrofia das principais habilidades (por exemplo, escrita, codificação, análise detalhada, segurança), principalmente se os seres humanos não realizarem mais essas tarefas regularmente.
As empresas também correm o risco de perder o conhecimento tácito. Os insights sutis obtidos por meio da experiência prática podem diminuir, tornando as organizações vulneráveis se a IA estiver incorreta ou indisponível.
Por fim, devemos esperar uma pressão sobre os empregos de nível básico e a polarização salarial na força de trabalho. Tarefas repetitivas ou baseadas em modelos (por exemplo, redação de conteúdo básico, codificação júnior) podem ser automatizadas, e os trabalhadores que dominam as ferramentas de IA ou fornecem conhecimento especializado de alto nível podem receber salários mais altos. Em contrapartida, outros podem sofrer estagnação ou deslocamento.
Como as empresas podem se beneficiar disso?
A importância de uma plataforma de dados moderna
Como frameworks como o IndiMesh podem ajudar?
Conclusão
Sobre a Indicium
Mantenha-se conectado
Artigos relacionados
