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.

A Robótica acelera em duas velocidades: a fábrica bate recorde e a IA Física atrai bilhões

Inteligência Artificial

A Robótica acelera em duas velocidades: a fábrica bate recorde e a I...

A China puxa a instalação recorde de robôs industriais, enquanto investidores apostam em robôs de uso geral e num "momento GPT-3" da IA Física em cerca de um ano

Jev, o anti-ChatGPT

Inteligência Artificial

Jev, o anti-ChatGPT

Por que a IA não precisa falar, nem ser cara, para ser útil

A IA limpa o código e esconde as falhas

Inteligência Artificial

A IA limpa o código e esconde as falhas

Estudos apontam menos erros de sintaxe sem avanço equivalente em segurança. O desafio é medir quanto da velocidade de programação resiste ao custo de revisar, corrigir e manter o software.

A IA não vai morar em um lugar só

Inteligência Artificial

A IA não vai morar em um lugar só

Agentes multiplicam a inferência. Custo, latência, privacidade e continuidade decidem onde ela vai acontecer.

O que trava a empresa AI-first

Inteligência Artificial

O que trava a empresa AI-first

Dados do BCG e da MIT Sloan Management Review mostram que a ambição de IA no C-level corre à frente das duas frentes necessárias para sustentá-la: a arquitetura de dados e a competência das equipes. E nenhuma delas tem responsável cl...

Caixa apertado, IA em ascensão: os sinais do agricultor latino-americano em 2026

Inteligência Artificial

Caixa apertado, IA em ascensão: os sinais do agricultor latino-americ...

Estudo global da consultoria mostra produtores cortando gastos com fertilizante e maquinário, adotando biológicos e testando IA Generativa