Num recorte de cerca de 20 anos, a partir dos anos 2000, as big techs deram grandes passos rumo ao desenvolvimento da inteligência artificial (IA). O Google começou a corrigir seu mecanismo de busca com machine learning e comprou a Deepmind, focada em máquinas inteligentes. A IBM, por sua vez, criou o supercomputador Watson. A Netflix passou a otimizar a experiência de consumo de séries e filmes com base em histórico de uso. E surgiram as redes neurais Alexa, da Amazon, e da OpenAI.
O capital de risco das empresas tecnológicas já circulava bastante ao longo desse período, porém ainda sem garantir um ROI (retorno sobre investimento) efetivo. Os empreendedores falavam muito e entregavam pouco, sendo difícil saber quem realmente estava desenvolvendo novos modelos ou somente tinha big datas bem organizados. Ou seja, as tecnologias consolidavam-se como um grande diferencial, mas nada comparável à ciência de dados como a conhecemos hoje.
As mudanças se intensificaram na última década e, com níveis de precisão cada vez mais altos, as empresas de IA apresentam cada vez mais soluções de todos os tipos, destinadas a vários mercados, com similaridade e até superiores à cognição humana. A busca por assistentes de IA visa geralmente à automatização de processos, extração e organização de dados, elaboração de planilhas e documentos: trabalhos que não podiam ser feitos ou demoravam muito para serem realizados por humanos.
Mais recentemente, a demanda e orçamento dedicados à IA tornaram-se exponenciais. Um exemplo interessante é o do Youtube e Netflix, que investiram em inovação conforme a evolução da banda larga. Mas, na prática, ainda não está tão clara a forma como as novas tecnologias serão adotadas, bem como sua aplicação, melhores práticas e estratégias de negócio. Outro gargalo do setor é a falta de profissionais capacitados mundo afora, o que atrasa os resultados das inovações e sua plena utilização.
As cinco principais tendências para os próximos anos são as seguintes:
Cobrança e telemarketing: mercado avança na comunicação escrita e falada
Jurídico: automação de petições e contratos
Desenvolvimento de códigos de programação
Marketing e comercial, com automação, predição e extração de dados
Healthcare: diagnóstico, tratamento e monitoramento de pacientes
Hoje, nestas e em outras áreas, o céu é o limite. As novidades só vão parar de surgir mediante questões éticas e de regulação governamental. Processadores ultra-modernos como o da Nvidia são capazes de garantir a exploração de avanços reais em termos de software – que não tínhamos ao longo do século passado, desde que em 1950 se começou a falar em IA.
O próximo ChatGPT, por exemplo, que a OpenIA está lançando após muitas especulações no Vale do Silício com o nome de Strawberry (morango), acertou 89% das questões da Olimpíada Internacional de Matemática, enquanto o ChatGPT convencional acertou apenas 13%.
O momento é de investir naquilo que já está pronto, seja em uso de LLMs (modelos de redes neurais), com alto investimento em inovação, times treinados e projetos de médio prazo, ou de busca por startups especializadas que passaram a usar IA nos últimos anos resolvendo problemas específicos, sendo neste último caso mais acessível e com menor risco, pois são sistemas que estão prontos para resolver casos práticos, plug and play e nichados.
Entre os pequenos e médios negócios, a adoção das tecnologias sem dúvida é mais célere, pois há menos regulação e burocracia interna para a aplicação e essas empresas estão financeiramente mais viáveis do que anos atrás, observando-se hoje em dia até mesmo a contratação de soluções até mesmo por pessoas físicas, na figura de sócios, gestores e colaboradores em geral.
Muitos líderes empresariais estão agindo de forma reativa, tentando se adaptar às inovações após perceberem o impacto que elas desempenham nos negócios. Apesar de algumas corporações se movimentarem rapidamente (startups e PMEs, por exemplo), a maioria está apenas se adaptando aos avanços, em vez de liderá-los. Isso gera a percepção de que elas estão "correndo atrás", em reação a uma realidade que já mudou — e mudou rápido.
No Brasil, a cultura empresarial de alguns setores mais conservadores, com ausência de técnicos qualificados e a necessidade de recursos maiores para explorar inovações tecnológicas (patentes), levam muitas companhias a utilizar LLMs de terceiros. Nos últimos dois anos, esses modelos de linguagem de IA, com trilhões de parâmetros, se popularizaram não só no país, mas globalmente.
A bolha do mercado de venture capital transformou a IA em queridinha dos investidores, e voltamos a ver com frequência rodadas de investimento acima de R$10 milhões, mesmo para startups sem tantos clientes ou receita, mas com teses sólidas e produtos validados. O mais importante, agora, é preparar profissionais para atender a uma demanda crescente, caso contrário teremos pouca mão-de-obra qualificada e será preciso disputar profissionais, encarecendo os custos operacionais.
Vale destacar também que as bigtechs (AWS, Google, Microsoft) apoiam startups, mas esse apoio é tão somente para o uso e expansão das tecnologias proprietárias e nada vem de graça: algumas até cedem créditos de LLM para o uso gratuito por um ano, mas a conta chega um dia para a startup, que precisa estar faturando bem para arcar com os custos de infraestrutura dali em diante.
Nesse processo, várias verticais estão sofrendo mudanças significativas, mas duas delas serão de grande impacto para a evolução da sociedade: tecnologia da informação (TI) e saúde. Além disso, alguns setores levam mais tempo para se adaptar, como o jurídico, educação, governo e agro. Um caso que ilustra bem o atraso de alguns segmentos é o das Casas Bahia, que há pouco tempo foram motivo de chacota por divulgar em 2024 que modernizou a sua t.i. com o uso de um sistema em nuvem criado em 2002 para gestão de projetos.
Henrique Flôres, cofundador e gerente de produtos da Contraktor.
