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.

Liderança ausente é maior ameaça a trabalhadores do que IA

Inteligência Artificial

Liderança ausente é maior ameaça a trabalhadores do que IA

A verdadeira ameaça à força de trabalho não é a automação, mas a falta de direção das lideranças

IA Física: a nova fronteira da automação inteligente

Inteligência Artificial

IA Física: a nova fronteira da automação inteligente

De humanoides a veículos autônomos, a robótica entra em fase de maturação com dados sintéticos, teleoperação e modelos generativos que aprendem a agir no mundo real.

Superinteligência sim, com regras diferentes

Inteligência Artificial

Superinteligência sim, com regras diferentes

Enquanto o Vale do Silício corre para criar máquinas que superem a mente humana, a Microsoft aposta em outro tipo de corrida: a por uma superinteligência poderosa, mas sob controle humano.

O novo tabuleiro da IA corporativa

Inteligência Artificial

O novo tabuleiro da IA corporativa

IA Soberana sai dos gabinetes de governo e entra no coração da estratégia corporativa, redefinindo quem controla dados, energia e vantagem competitiva.

Agentes de IA e o novo ciclo da decisão corporativa

Inteligência Artificial

Agentes de IA e o novo ciclo da decisão corporativa

Simulações baseadas em agentes autônomos estão acelerando decisões de negócios — e já superam pesquisas tradicionais em precisão e tempo. Mas há desafios para o uso em escala.

Rotulagem de dados: o “combustível cognitivo” da IA corporativa

Inteligência Artificial

Rotulagem de dados: o “combustível cognitivo” da IA corporativa

Empresas que tratam rotulagem como capex cognitivo, e não custo operacional, estão melhor preparadas para transformar aprendizado em ROI.