IA Generativa: Transformando Indústrias e Empresas
A IA generativa está em alta, sendo aclamada como uma tecnologia revolucionária capaz de transformar diversos setores, incluindo a vida humana.
Apesar do entusiasmo em torno da IA generativa em 2023, um relatório da Menlo Ventures aponta que sua adoção tem sido lenta, representando menos de 1% dos gastos com nuvem nas empresas. Em comparação, a IA tradicional abrange 18% do mercado de nuvem de $400 bilhões. “Muitos acreditavam que a IA generativa iria revolucionar as indústrias rapidamente”, comenta Derek Xiao, investidor na Menlo. “Embora represente um progresso significativo, a verdadeira mudança no setor empresarial levará tempo.”
Crescimento nos Gastos com IA Tradicional
As previsões indicam que o mercado de IA generativa pode alcançar $76,8 bilhões até 2030, com uma notável taxa de crescimento anual composta (CAGR) de 31,5% a partir de 2023. Outras estimativas sugerem que essa tecnologia poderá gerar pelo menos $450 bilhões em 12 setores nos próximos sete anos. Desde seu lançamento em novembro de 2022, o ChatGPT se tornou um ponto central tanto em reuniões corporativas quanto em conversas informais. No entanto, o relatório "State of AI in the Enterprise" da Menlo revela que 50% das empresas consultadas já adotaram alguma forma de IA antes de 2023. O número de empresas utilizando IA cresceu 7%, passando de 48% para 55%, com um aumento médio de investimento de cerca de 8%. Os departamentos de engenharia de produtos lideram os gastos com soluções de IA.
Apesar desse crescimento, as empresas estão cautelosas em relação à IA generativa. “Esperávamos que a IA generativa fosse um sucesso imediato”, afirma Naomi Ionita, sócia da Menlo. “Em vez disso, 2023 se mostrou um ano de exploração.” Olhando para o futuro, Xiao afirma que 2024 será decisivo para a implementação da IA generativa.
Preocupações com a Adoção da IA Generativa
Enquanto as empresas navegam nesse cenário, Tim Tully, sócio da Menlo, aconselha uma abordagem cautelosa. “Os líderes devem se sentir tranquilos com esses dados e compreender que uma transição lenta é aceitável,” enfatiza. Ele aponta que a rápida evolução da IA generativa gera hesitação na adoção, frequentemente devido a restrições orçamentárias.
“Tomar essas decisões dispendiosas exige consideração cuidadosa,” observa Tully. Padrões históricos em tecnologias transformadoras, como a computação em nuvem, indicam que a adoção continuará sendo gradual.
Os obstáculos à adoção incluem ROI não verificado, o "problema do último quilômetro", questões de privacidade de dados, escassez de talentos em IA, capacidade organizacional limitada, desafios de compatibilidade com sistemas existentes e falta de explicabilidade e personalização.
A Menlo relata que as soluções atuais para empresas “ainda não cumpriram a promessa de transformação significativa.” Elas têm dificuldades em criar novos fluxos de trabalho, e os ganhos de produtividade permanecem limitados, tornando os compradores céticos até que percebam valor tangível. Essa ceticismo é ainda mais complicado pela dificuldade das empresas em obter aprovação financeira. Como afirma Ionita, “Está cada vez mais desafiador negociar com os CFOs. Existem obstáculos substanciais a serem superados. Embora o potencial seja claro, o caminho para a implementação é complexo.”
No entanto, os primeiros adotantes da IA generativa estão testemunhando melhorias substanciais na gestão de dados e na redução de fluxos de trabalho maçantes. “Isso aprimora a experiência do usuário de maneiras anteriormente inatingíveis,” observa Ionita. Tully complementa que os usuários podem criar “ferramentas excepcionais” em 20 minutos ou menos. “A IA generativa está transformando fluxos de trabalho, simplificando tarefas e impulsionando o sucesso dos funcionários. Está gerando valor real e receita.”
Oportunidades no Setor de IA Generativa
Com a expansão do mercado de IA generativa, a Menlo identifica oportunidades significativas para startups em aplicações verticais (específicas do setor) e horizontais (generalizadas). Ionita destaca que as empresas estão cada vez mais adotando modelos de IA híbridos, utilizando múltiplas plataformas de base juntamente com modelos especializados para diferentes casos de uso.
“Quando a IA generativa é implementada, ferramentas específicas do setor ganham capacidades notáveis,” afirma o relatório. Por exemplo, os profissionais de marketing utilizam a Synthesia para criação de conteúdos em vídeo, enquanto o setor jurídico usa a Harvey para análise de contratos e conformidade. Startups como Greenlite para finanças, Abridge para saúde e Higharc para arquitetura também estão avançando.
No âmbito horizontal, ferramentas de IA estão automatizando tarefas rotineiras. A Menlo prevê um aumento de agentes de IA capazes de "pensamento e ação independentes", gerenciando e-mails, calendários, anotações e integrando-se perfeitamente a fluxos de trabalho específicos. “Devolver tempo valioso aos funcionários é uma clara vantagem,” observa Ionita, reconhecendo que o trabalhador médio costuma lidar com uma gama complexa de ferramentas.
Adiante, a Menlo prevê que “a IA passará de uma novidade para um colaborador padrão, esperado no trabalho diário.”
Padronização da Infraestrutura Moderna de IA
Os investimentos da Menlo em empresas como Anthropic e Pinecone refletem um crescente investimento empresarial—$1,1 bilhão este ano—na pilha moderna de IA, tornando-se uma área chave dentro da IA generativa. As empresas reportam que 35% de seus orçamentos de infraestrutura são alocados para modelos de base como OpenAI e Anthropic, que dominam os modelos de produção, representando mais de 85%.
A maioria dos modelos de IA já existe, com apenas 10% das empresas optando pelo pré-treinamento de modelos. As empresas normalmente utilizam uma variedade de modelos para maior controle e eficiência de custos, com 96% das despesas direcionadas para inferência. Os métodos de personalização populares incluem engenharia de prompt, enquanto a avaliação frequentemente envolve revisão humana.
Além disso, a geração aumentada por recuperação (RAG) está emergindo como uma prática padrão, aprimorando grandes modelos de linguagem (LLMs) usando bases de conhecimento externas para respostas em tempo hábil e relevantes. No levantamento da Menlo, 31% das empresas relataram empregar RAG, enquanto 19% se envolvem em ajuste fino, 18% utilizam adaptadores e 13% incorporam aprendizado por reforço com feedback humano (RLHF).
Embora as fases iniciais da IA generativa tenham sido caracterizadas por mudanças rápidas, Xiao observa uma mudança na indústria em direção à convergência em torno de componentes principais e melhores práticas. No entanto, a infraestrutura moderna de IA ainda carece de padronização completa, apresentando oportunidades para startups que oferecem serviços de implantação de modelos, gerenciamento de pipelines de dados e medidas de segurança.
As startups devem priorizar o desenvolvimento de ferramentas que promovam novos fluxos de trabalho, raciocínio avançado e análise de dados proprietários, em vez de simplesmente criar uma “interface do ChatGPT.” “A chave é inovar em mercados onde os incumbentes não estão,” adverte Xiao, enfatizando a importância da diferenciação.
Classificação
