Inegavelmente a IA Generativa (GenAI) se popularizou após o lançamento do ChatGPT, em novembro de 2022. O impacto do seu lançamento potencializou esse tipo de IA para uma categoria superior as demais, quase como uma panaceia organizacional. Contudo, este conceito não é novo, pois as pesquisas em inteligência artificial remontam à década de 1940, com os trabalhos de Warren Macculloch e Walter Pitts que publicaram o artigo “”A Logical Calculus of Ideas Immanent in Nervous Activity””, propondo o primeiro modelo matemático para uma rede neural. Mas a ideia de uma IA generativa começou a se concretizar mesmo com o software ELIZA, criado em 1965 pelo matemático e pesquisador do Instituto de Tecnologia de Massachusetts (MIT) Joseph Weizenbaum que funcionava simulando uma psicóloga virtual.
Mas antes de discutirmos sobre seu uso é importante voltarmos um pouco para entendermos as suas características. A IA generativa é uma categoria de algoritmos de inteligência artificial que geram novos conteúdos a partir dos dados com os quais foram treinados, que podem ser textos, imagens, sons, vídeos e código. Essa capacidade de criar conteúdo é que diferencia a IA generativa da tradicional, tornando-a tão atrativa para ser utilizada.
De acordo com o estudo do Gartner Group sobre IA nas organizações, publicado em 2023, a IA generativa foi uma das técnicas de IA mais implantadas entre os entrevistados. Este estudo foi conduzido para compreender os detalhes das implementações de IA bem-sucedidas e os seus impactos. A pesquisa foi realizada online de 19 de outubro a 21 de dezembro de 2023 entre 703 entrevistados de organizações nos EUA, Alemanha e Reino Unido.
Algumas das principais técnicas alternativas de IA à GenAI.
Este estudo também aponta que embora esta rápida adoção seja promissora, também acarreta o risco da GenAI ofuscar o espaço mais amplo da IA, pois para muitas organizações ou unidades de negócios, a GenAI será a primeira experiência com IA e isso pode confundir o usuário, visto que a GenAI é apenas uma pequena parte do panorama da IA.
A GenAI não é uma solução mágica e muitas vezes não é a opção certa para a maioria dos casos de uso de IA, até porque muitos problemas empresariais exigirão uma combinação de diferentes técnicas de IA, que provavelmente serão ignoradas se as organizações mantiverem um foco único na GenAI. Este é um problema importante porque casos diferentes podem exigir diferentes técnicas de IA. Desta forma, destaco outras técnicas de IA que podem ser mais bem utilizadas em determinados casos, obtendo melhores resultados que a GenAI, tais como:
· Aprendizado de Máquina Não Generativo – É um conjunto de técnicas que fazem previsões com modelos que foram treinados em dados históricos. Esta tem sido a principal técnica utilizada na última década, até que a GenAI se tornou mais proeminente em 2023. Ela pode ser usada para todos os tipos de casos de uso de previsão de alto valor, bem como para problemas como segmentação de clientes, detecção de anomalias, sistemas de recomendação para clientes, previsão de rotatividade e manutenção preditiva. Para muitos desses casos, o Aprendizado de Máquina Não Generativo é mais adequado que a GenAI.
· Otimização – As técnicas de otimização maximizam os benefícios enquanto gerenciam as compensações entre diferentes objetivos de negócios. Elas são fundamentais para planejar casos de uso, como gerenciamento de estoque, agendamento de frota e força de trabalho, alocação de orçamento de marketing, planejamento de rotas, otimização de portfólio financeiro e estratégia de preços. As técnicas de otimização e planejamento também podem apoiar a inteligência de decisão, ajudando a avaliar diferentes cursos de ação, bem como sistemas autônomos. Elas estão mais bem posicionadas para esses casos do que as técnicas atuais de GenAI.
· Simulação – São modelos computacionais que simulam o mundo real e apoiam a tomada de decisões, sendo capazes de testar diferentes cenários ou mudanças sem ter que aplicá-los. Possui aplicações em modelagem financeira, análise de cenários estratégicos, arquitetura e projeto de construção, planejamento de força de trabalho, cadeia de suprimentos e simulações de processos de fabricação. A simulação pode ser uma ótima alternativa ao GenAI para casos de uso de inteligência de previsão e decisão, bem como para gerar conteúdo de forma mais controlada e explicável.
· Regras/Heurísticas – Os sistemas são baseados em regras que visam capturar o conhecimento especializado de uma forma estruturada, muitas vezes sob a forma de parâmetros e utilizá-los para a tomada de decisões (também são conhecidos como “sistemas especialistas”). Eles são usados na detecção de fraudes, aprovação de empréstimos, avaliação de riscos, diagnóstico médico, controle de qualidade, descoberta de conhecimento, detecção de anomalias e muitos outros casos de uso. Ao contrário dos modelos GenAI, os sistemas baseados em regras são fáceis de interpretar, o que os torna uma opção melhor para casos de uso sensíveis que exigem tomadas de decisão detalhadas.
· Grafos – Os grafos de conhecimento representam entidades e seus relacionamentos em uma rede de nós e links. Eles são mais adequados do que a GenAI, para os casos que exigem aplicabilidade e recuperação precisa de dados para gerar respostas exatas, como sistemas de recomendação, mecanismos de busca, detecção de fraudes, gerenciamento de dados, planejamento e otimização.
As técnicas de IA não são mutuamente exclusivas pois muitas vezes podem ser combinadas de forma a criar um sistema global mais forte. Os sistemas de IA mais sofisticados utilizam normalmente uma composição equilibrada de ferramentas de IA que se destinam a complementar as técnicas para proporcionar melhor precisão, transparência e desempenho, ao mesmo tempo que reduzem os custos e a necessidade de dados.
Como para muitos casos estas alternativas podem ser mais eficientes, confiáveis e compreendidas do que os modelos GenAI atuais, é fundamental considerar previamente um diagnóstico de maturidade de uso da IA (AI Assessment), visando estabelecer o que é realmente necessário para o caso específico em termos de resultado, desempenho e confiabilidade. Os modelos GenAI tendem a ser menos confiáveis do que outras técnicas em muitos casos, portanto, tentar primeiro uma técnica de IA alternativa, mais simples e com menor risco e custo, pode ser uma boa opção para o início do aprendizado organizacional, visto que o grau de maturidade dos processos internos da sua empresa será decisivo para o melhor aproveitamento do potencial de uma solução baseada em inteligência artificial.