Nos últimos dias, temos ouvido exageros e especulações sobre as implicações de grandes modelos de linguagem (LLMs) como o ChatGPT e o GPT4, da OpenAI, o Bard, do Google, o Claude, da Anthropic e o LLaMA, da Meta. O ChatGPT, em particular, atingiu 100 milhões de usuários em dois meses, tornando-se o aplicativo de consumo de mais rápido crescimento e todos os tempos.
Muitos especialistas argumentam que os LLMs terão pouco impacto (pesquisas acadêmicas iniciais sugerem que a capacidade dos LLMs é restrita à competência linguística formal) ou que mesmo um volume quase infinito de dados de treinamento baseados em texto ainda é severamente limitante. Outros, como Ethan Mollick, argumentam o oposto: “As empresas que entenderem o significado dessa mudança — e agirem primeiro — terão uma vantagem considerável”.
Apesar das questões em aberto sobre essa nova tecnologia, as empresas estão buscando maneiras de aplicá-la — agora. Existe uma maneira de afastar os exageros e hipérboles e pensar claramente sobre onde a tecnologia atingirá o alvo primeiro? Como identificar os casos de uso mais valiosos — e menos arriscados — para sua empresa? É o que essa matriz 2 × 2, elaborada por Marc Zao-Sanders, CEO e co-fundador da Filtered e Marc Ramos, diretor de Aprendizagem da Cornerstone, propõe ajudar a responder.
Este é um conteúdo exclusivo para assinantes.
Cadastre-se grátis para ler agora
e acesse 5 conteúdos por mês.
É assinante ou já tem senha? Faça login. Já recebe a newsletter? Ative seu acesso.
A mesma IA que ajuda a produzir começa a classificar o que foi feito. Nesses registros, um aprendizado pode aparecer como desperdício.
Experimentos do MIT e de outros laboratórios mostram que agentes de IA podem se organizar, dividir tarefas e acumular tecnologia sem comando central, e que regras escritas não bastam para evitar o colapso
Banco restringe ferramentas de programação após meses de uso por profissionais de negócio. A decisão expõe o trabalho que vem depois do protótipo.
No Requests for Startups Winter 2027, a aceleradora pede soluções em hardware, infraestrutura, finanças e governo para levar a IA à economia real
No planejamento de 2027, a IA amplia as opções de análise. Pesquisas e especialistas discutem o risco de empresas chegarem a escolhas semelhantes.
Os conselheiros veem o risco cibernético, turbinado pela IA, como um dos mais graves do momento. Mesmo assim, ainda faltam competência técnica, informação de qualidade e ensaio para crises
Aproveite nossas promoções de renovação
Clique aquiPara continuar navegando como visitante, vá por aqui.
Cadastre-se grátis, leia até 5 conteúdos por mês,
e receba nossa newsletter diária.
Já recebe a newsletter? Ative seu acesso
