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.
Políticas e comitês não bastam quando a autoridade pode expirar no tempo e se ampliar pelo caminho. As empresas terão de construir uma camada capaz de identificar, limitar, revalidar e revogar o poder de cada agente antes que a ação a...
Reguladores, coalizões, protocolos da IETF e produtos tentam evitar que a capacidade de um agente vire autoridade só porque ele encontrou um caminho técnico até a ação.
Quando agentes passam a agir sozinhos, é preciso decidir, no ponto de execução, se a ação ainda está dentro da autoridade que foi concedida.
Cinco relatórios mostram um setor com capital abundante, mas cada vez mais limitado por energia, mão de obra, velocidade de conexão entre chips e risco climático
Analistas apontam a capacidade humana de auditar e controlar máquinas como a restrição central da Economia dos Agentes.
Pesquisa com 217 fazendeiros da CNH e levantamento da PitchBook mostram dois lados do mesmo momento: tecnologia de precisão virou rotina na fazenda, enquanto o venture capital em agtech recua e migra para IA que já entrega ROI comprovado
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
