s
Crédito Canva
INTELIGÊNCIA ARTIFICIAL

Como escolher o projeto de IA Generativa adequado

Um dos caminhos é usar métodos que ajudem a identificar os casos de uso com menor risco e maior valor para a empresa, considerando a demanda

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.

Deep techs na América Latina: ambição global, desafios locais

Inteligência Artificial

Deep techs na América Latina: ambição global, desafios locais

Mesmo com talento e ciência de ponta, a América Latina ainda enfrenta barreiras como pouco investimento e falta de ambição global para escalar suas deep techs. Brasil é destaque, mas falta paciência dos investidores

Software virou mão de obra. Quanto custa o trabalho da IA?

Inteligência Artificial

Software virou mão de obra. Quanto custa o trabalho da IA?

Agentes autônomos desafiam o manual do SaaS e expõem a batalha entre ROI, narrativas de valor e dumping algorítmico.

Transformação digital na América Latina: o salto bilionário guiado pelo Brasil

Inteligência Artificial

Transformação digital na América Latina: o salto bilionário guiado...

De IA a inclusão financeira, a região prepara salto de eficiência — com o Brasil na linha de frente

Empresas adotam IA sem plano e colhem riscos em vez de retorno

Inteligência Artificial

Empresas adotam IA sem plano e colhem riscos em vez de retorno

Apesar da popularização das ferramentas de IA, ainda falta clareza, políticas e treinamento. O uso incorreto expõe empresas a riscos e desperdícios de potencial.

O dilema da IA em Life Sciences: maturidade alta, retorno baixo

Inteligência Artificial

O dilema da IA em Life Sciences: maturidade alta, retorno baixo

Apesar da adoção de IA, pilotos no setor ainda focam em tarefas simples, longe de impactar modelos operacionais

Saúde, Indústria e Agronegócio puxam registros de patentes de IA no Brasil

Inteligência Artificial

Saúde, Indústria e Agronegócio puxam registros de patentes de IA no...

Enquanto EUA e China aceleram, o Brasil patina: apenas 8 patentes de IA concedidas em cinco anos