Como é que os líderes tecnológicos se podem preparar para a IA generativa

Embora a IA generativa não seja uma solução milagrosa nem ‘apenas um motor de busca melhor’, está claramente no radar de todos. O potencial é enorme.

Fascinam-me os pontos de viragem tecnológicos da história que despertaram a imaginação do público – a primeira emissão de televisão, o voo espacial tripulado ou as videoconferências. Cada um destes acontecimentos tornou tangível uma tecnologia ou um conceito anteriormente secreto. Quando (e se) um ponto de viragem é atingido, este é geralmente acompanhado por décadas de trabalho invisível descrito pela curva em S da inovação.

O exemplo atual mais evidente de uma tecnologia emergente é a IA generativa. Para o público, a IA generativa parece ter aparecido do nada. Mas se aprofundarmos a questão, veremos que as ideias subjacentes às soluções de IA generativa remontam a invenções como o perceptron Mark I em 1958 e as redes neuronais no final do século XX.

Os avanços nas técnicas estatísticas, o vasto crescimento dos dados publicamente disponíveis e o poder da cloud foram fundamentais para tornar possível a IA generativa. É provável que já se tenha deparado com dois termos associados à IA generativa: Os Foundation Models (FM) são modelos de Machine Learning (ML) treinados em grandes quantidades de dados estruturados e não estruturados, que podem ser ajustados ou adaptados para tarefas mais específicas.

Já os modelos de linguagem de grande dimensão (LLM) são um subconjunto de FM centrados na compreensão e produção de texto semelhante ao humano. Estes modelos são ideais para necessidades como a tradução, a resposta a perguntas, o resumo de informações e a criação ou identificação de imagens.

A AWS tem vindo a investir e a utilizar os FM há vários anos em áreas como a pesquisa na Amazon.com e a oferta de experiências de conversação com a Alexa. Desde o lançamento do Amazon SageMaker, tem havido um fluxo contínuo de serviços de ML e IA, alargando o alcance destas ferramentas a especialistas e não especialistas.

A missão da AWS tem sido alargar o acesso, tendo em conta as profundas implicações destas tecnologias. Por exemplo, a abordagem com o Amazon Bedrock fornecerá um amplo acesso a modelos previamente preparados que podem ser personalizados com os dados do próprio cliente, permitindo que estes sejam privados e tirando partido do poder da cloud para fornecer capacidades de forma segura e em escala.

Embora a IA generativa não seja uma solução milagrosa nem ‘apenas um motor de busca melhor’, está claramente no radar de todos. O potencial é enorme. Assim, enquanto Chief Information Officer, Chief Technology Officer ou Chief Data Officer, em que é que se deve pensar e como é que se pode preparar? Eis alguns tópicos que consideramos importantes.

1.Foque-se no seu percurso na Cloud
Lembra-se dos programas de televisão que costumava ver quando era criança, aqueles que avisavam: “Não tentem fazer isto em casa”? Eu aplicaria uma variante deste aviso à IA generativa: “Não tente fazer isto sem a cloud“. Queremos que as nossas equipas se concentrem na resolução de problemas e na inovação, em vez de se focarem na gestão da complexidade subjacente do custo da infraestrutura e das licenças. A cloud é o facilitador da IA generativa, disponibilizando fluxos de dados económicos, GPUs e computação provisionadas de forma sustentável, redes de alta velocidade e custos baseados no consumo.

A cloud pode proporcionar custos mais baixos, melhor desempenho e uma pegada de carbono mais eficiente em relação às soluções locais, se esta última for uma alternativa realista.

2. Obtenha as suas bases de dados agora mesmo
A casa mais arrojada construída sob uma base duvidosa, não dura muito tempo. O mesmo acontece no mundo do ML. Com a IA generativa, a qualidade supera a quantidade dos dados comerciais disponíveis. Embora seja comum falar de dívida tecnológica, temos de reconhecer que muitas organizações acumularam involuntariamente uma dívida equivalente de dados. Esta situação resulta normalmente da falta de qualidade dos dados, de fontes de dados fragmentadas ou em silos, da falta de literacia relativa aos dados, de considerações iniciais inadequadas sobre a forma como os dados devem ser integrados nos produtos e de uma cultura que aborda os dados mas não os utiliza no dia a dia. Agora é a altura certa para implementar estes princípios básicos. Afinal de contas, a maior parte do tempo gasto a dar vida ao ML ainda está associada a atividades como a organização e rotulagem de dados.

3. Pensar além da tecnologia
O mundo da IA generativa é incrivelmente entusiasmante, mas a tecnologia raramente funciona no vácuo. É preciso enfrentar a lei das consequências não intencionais. Comece por considerar a sua posição relativamente à ética, transparência, distribuição de dados, segurança e privacidade com a IA. Como é que pode garantir que a tecnologia é utilizada de forma rigorosa, justa e adequada? Existem recursos, assim como excelentes leituras, como o livro de Michael Kearns, ‘The Ethical Algorithm’, mas só isso é insuficiente. Por exemplo, dê prioridade à diversidade de competências e visões do mundo e assegure-se de que as pessoas envolvidas na criação e utilização de modelos representam a diversidade dos seus clientes, isto contribui para garantir a relevância e identificação precoce de potenciais preconceitos.

Dê formação sobre estas considerações, inclua-as nas suas estruturas de gestão e conformidade, bem como nos seus processos de seleção de fornecedores, de modo a optar por parceiros que partilhem os mesmos valores que os da sua empresa.

4. Desenvolva-se a si e aos seus colaboradores
A IA suscita simultaneamente entusiasmo e preocupação. Abre um mundo de conhecimento, inovação e eficiência, mas deixa muitos a pensar nas implicações para a segurança do seu emprego. O crescimento contínuo da IA como uma ferramenta com um impacto profundo, exige que se considere quais as competências que poderão ser menos necessárias no futuro e quais as que serão mais procuradas. Considere as competências técnicas requeridas e a forma de as incorporar na sua organização. Programas como a Machine Learning University podem ajudar, mas é importante pensar mais além.

Competências como o pensamento crítico e a resolução de problemas tornar-se-ão ainda mais vitais. Em última instância, queremos que as pessoas, assistidas pela IA, resolvam desafios comerciais reais, que avaliem criticamente e questionem as inferências dos modelos do ML. Isto é particularmente importante com os modelos de IA generativa que fornecem dados em vez de respostas ponderadas. Crie espaço para praticar estas competências, eliminando de forma gradual e consistente o trabalho de baixo interesse – talvez mesmo utilizando o ML.

A otimização das competências vai para além do desenvolvimento das competências individuais. De acordo com o estudo de Tom Davenport, 35% dos diretores de dados descobriram que a gestão de dados e as iniciativas baseadas em IA são poderosas ferramentas de mudança.

5. Comece a considerar casos práticos
Adoro o ditado “Apaixona-te pelo problema, não pela solução”. Lembra-nos que, embora a tecnologia seja um facilitador brilhante, é apenas mais um conjunto de ferramentas que podemos aplicar aos problemas do mundo real.

Que tipo de problemas, que consomem muito tempo, são difíceis ou impossíveis de resolver com a ajuda da IA generativa? Onde é que existem dados para ajudar neste processo? Pense em termos globais sobre as oportunidades, mas comece por problemas pequenos que causam irritação no dia a dia. Estes inconvenientes podem ser ultrapassados de forma automatizada, libertando tempo para a organização e reforçando a compreensão da IA?

Por último, é preciso manter-se entusiasmado, mas sem tirar os pés no chão. Estamos num momento de viragem com os LLM. Por vezes, parece que quanto mais aprendemos sobre IA, menos sabemos. Aborde a IA generativa com uma mente aberta e curiosa, mas evite os exageros. Avalie criticamente o que lê e não acredite que vai haver um modelo único a seguir.

A melhor abordagem, é reconhecer que diferentes FM servem diferentes necessidades. Esta abordagem torna o acesso democrático para todos os utilizadores, permitindo a adoção de FM comerciais e de código aberto. Quem já tem experiência em IA sabe disso e reconhece que a cloud da AWS, que fornece vários modelos, oferece mais vantagens do que investir num único modelo.