Durante algum tempo, boa parte das conversas sobre Inteligência Artificial (IA) nas empresas terminava em uma prova de conceito. Criava-se uma demonstração, testava-se um modelo e se apresentava algo capaz de impressionar. Tudo funcionava naquele ambiente controlado, mas poucas iniciativas chegavam, de fato, à rotina da operação. Esse cenário começa a mudar.
A Ai4 Conference, realizada em Las Vegas, nos Estados Unidos, é uma das maiores conferências de Inteligência Artificial voltadas para negócios e empresas. O evento reúne executivos, pesquisadores, desenvolvedores e líderes de tecnologia para discutir IA generativa, agentes de IA, machine learning, governança, segurança e casos de uso reais em diversos setores.
Na edição deste ano, o que mais chamou a atenção não foi o lançamento de um modelo ou alguma demonstração surpreendente, mas a mudança no tom das conversas.
Falou-se menos sobre o que a IA poderá fazer e mais sobre aquilo que já está fazendo. Também houve espaço para discutir o que deu errado, quanto custa manter uma solução em produção e quais controles são necessários para que ela opere com segurança. Pode parecer uma mudança pequena, mas não é.
O desafio agora é outro
Quando a Inteligência Artificial deixa a apresentação e entra na operação, o desafio passa a ser outro. Um agente de atendimento, por exemplo, não pode apenas produzir uma resposta convincente. Ele precisa consultar informações atualizadas, identificar quem está fazendo a solicitação, respeitar as políticas da empresa, registrar suas ações e responder dentro do tempo esperado.
Mais ainda, tudo isso precisa funcionar em grande escala e com um custo que faça sentido para o negócio. É nesse momento que aparece a diferença entre uma boa demonstração e uma boa solução.
A escolha do modelo continua importante, naturalmente. Mas já não ocupa sozinha o centro da discussão. As empresas estão percebendo que depender de um único fornecedor pode se transformar em um risco.
Modelos mudam, preços são alterados e funcionalidades deixam de existir. Uma tecnologia considerada a melhor opção hoje pode ser superada em poucos meses. Há ainda questões regulatórias e geopolíticas capazes de afetar o acesso a determinadas soluções.
Por isso, ganhou força a ideia de combinar modelos diferentes. Os mais avançados podem ser reservados para tarefas que exigem maior capacidade de raciocínio. Atividades repetitivas e de grande volume podem ser executadas por alternativas menores, mais rápidas e econômicas.
É uma decisão de negócio, não técnica
Uma arquitetura bem construída deve permitir a troca de modelos sem comprometer as regras, o contexto e o conhecimento acumulado pela organização. A tecnologia pode mudar, mas o conhecimento da empresa precisa permanecer.
Esse cuidado se torna ainda mais importante quando o verdadeiro diferencial está nos dados privados. Em um banco, por exemplo, o valor não está somente na capacidade de gerar um texto. Está nas relações entre clientes, contas, limites, transações, riscos e permissões.
Em uma indústria, pode estar no histórico dos equipamentos, nas condições de produção, nos registros de manutenção e no conhecimento adquirido durante anos de operação.
A empresa precisa saber onde seus dados estão sendo processados, quanto custa cada execução e quais informações permanecem sob seu controle. Não existe uma única arquitetura adequada para todas as organizações, mas essas perguntas não podem ser deixadas para depois.
Human in the loop: autonomia com responsabilidade humana
“Human in the loop” foi um dos termos que mais apareceram nas discussões do Ai4. A expressão descreve uma lógica simples: os agentes de Inteligência Artificial serão cada vez mais autônomos para analisar informações, organizar etapas e executar tarefas, mas determinadas ações continuarão dependendo da decisão de uma pessoa.
Na prática, um agente pode receber a tarefa de analisar uma solicitação de crédito, consultar dados, verificar regras e recomendar um caminho. No entanto, se a decisão puder gerar um impacto financeiro, regulatório ou direto sobre a vida do cliente, a palavra final deve ser humana.
Isso não significa que uma pessoa precise acompanhar cada movimento da tecnologia. O humano entra no processo nos momentos em que há risco, impacto relevante ou necessidade de julgamento. Assim, a empresa preserva os ganhos de velocidade e produtividade sem abrir mão do controle sobre decisões mais sensíveis.
Há ainda um ponto essencial nessa relação: delegar uma tarefa a um agente não significa transferir a responsabilidade. O humano que autoriza sua atuação continua responsável pelos efeitos daquilo que foi delegado. Quanto mais autonomia os agentes conquistarem, mais importante será definir quem pode acioná-los, até onde eles podem avançar e em quais situações devem parar e pedir uma decisão humana.
A experiência mostrou: um agente não precisa fazer tudo sozinho para gerar valor.
Essa talvez seja uma das lições mais importantes desta nova fase. O objetivo não deve ser alcançar o maior nível possível de autonomia, mas encontrar a combinação adequada entre velocidade, controle e julgamento humano.
A Inteligência Artificial empresarial entrou em uma etapa mais madura. Já não basta perguntar qual modelo será utilizado. Também precisamos saber quais dados sustentam cada decisão, quanto custa manter a solução, quem acompanha seu desempenho e quem responde quando alguma coisa dá errado.
O próximo passo, portanto, não é necessariamente criar mais projetos. Para muitas empresas, será mais importante revisar com seriedade aquilo que já está em produção.
A IA deixou o laboratório e essa é uma boa notícia! Mas é justamente agora que começa o trabalho de verdade.
(*) Sergio Larentis é COO do MATH Group