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.

Todos usam IA, quase ninguém sabe liderar com ela, aponta Global Leadership Forecast 2027

Inteligência Artificial

Todos usam IA, quase ninguém sabe liderar com ela, aponta Global Lead...

Mais de 80% dos líderes relatam ganhos de produtividade com IA. Mas só 14% se sentem muito preparados para usar tecnologias emergentes com sucesso, e apenas 22% trabalham em empresas com uma política clara sobre o uso de IA

Gary Bolles: personificar a IA é uma questão de responsabilidade

Inteligência Artificial

Gary Bolles: personificar a IA é uma questão de responsabilidade

Chair de Futuro do Trabalho da Singularity University defende que a responsabilidade pelo uso da IA continue sendo humana. Para gerar valor com a tecnologia, diz ele, as empresas precisam redesenhar toda a cadeia de entrega, começando pela...

A conta da IA não fecha para todos

Inteligência Artificial

A conta da IA não fecha para todos

Getty, Character.AI e Wipro mostram como dívida, custo de computação e ganho de produtividade pressionam modelos de negócio diferentes.

A conta da dívida técnica chegou disfarçada de projeto de IA

Inteligência Artificial

A conta da dívida técnica chegou disfarçada de projeto de IA

A Inteligência Artificial não transforma bagunça em eficiência, mas processa a bagunça mais rápido, cobra por token e deixa a dívida técnica mais difícil de ignorar.

Cibersegurança e IA: identidade, fornecedores e outros pontos cegos da segurança digital

Inteligência Artificial

Cibersegurança e IA: identidade, fornecedores e outros pontos cegos d...

Leitura cruzada de dois estudos recentes da Microsoft e da PwC mostra que IA, ecossistemas de fornecedores e resiliência dominam a agenda de segurança cibernética

Atualização dos modelos de IA vira custo recorrente

Inteligência Artificial

Atualização dos modelos de IA vira custo recorrente

Avisos de descontinuação encurtam o horizonte de retorno e transferem às empresas a conta da depreciação tecnológica.