Bolt42

“Não existe IA sem dados, não existe IA sem dados não estruturados, e não existe IA sem dados não estruturados em escala”, disse Chet Kapoor, presidente e CEO da empresa de gerenciamento de dados DataStax.

Kapoor iniciou uma conversa no TechCrunch Disrupt 2024 sobre “novos pipelines de dados” no contexto das aplicações modernas de IA, onde foi acompanhado por Vanessa Larco, sócia da empresa de capital de risco NEA; e George Fraser, CEO da plataforma de integração de dados Fivetran. Embora a conversa tenha abordado vários tópicos, como a importância da qualidade dos dados e o papel dos dados em tempo real na IA generativa, uma das principais conclusões foi a necessidade de priorizar o ajuste entre produto e mercado em vez da escala, em uma fase que ainda é considerada inicial para a IA. O conselho para as empresas que desejam entrar no vertiginoso mundo da IA generativa é simples — não sejam excessivamente ambiciosas no início e concentrem-se em progressos práticos e incrementais. A razão? Estamos, de fato, ainda entendendo tudo isso.

“A coisa mais importante para a IA generativa é que tudo se resume às pessoas”, disse Kapoor. “As equipes SWAT que realmente vão e constroem os primeiros projetos — elas não estão lendo um manual; estão escrevendo o manual sobre como fazer aplicativos de IA generativa.”

Embora seja verdade que dados e IA andam de mãos dadas, é fácil ficar sobrecarregado pela quantidade de dados que uma empresa pode ter, alguns deles possivelmente sensíveis e sujeitos a rigorosas proteções, e talvez até armazenados em uma infinidade de locais. Larco, que trabalha com (e está no conselho) de várias startups nos setores B2C e B2B, sugeriu uma abordagem simples, mas pragmática, para desbloquear o verdadeiro valor nesses primeiros dias.

“Trabalhe para trás em relação ao que você está tentando realizar — o que você está tentando resolver e quais dados você precisa?” disse Larco. “Encontre esses dados, onde quer que eles estejam, e então use-os para esse propósito.”

Isso é contrário a tentar implementar a IA generativa em toda a empresa desde o início, lançando todos os dados no modelo de linguagem grande (LLM) e esperando que ele produza a coisa certa no final. Isso, segundo Larco, provavelmente criará uma bagunça imprecisa e cara. “Comece pequeno”, disse ela. “O que estamos vendo são empresas começando pequenas, com aplicações internas, com objetivos muito específicos, e então encontrando os dados que correspondem ao que estão tentando realizar.”

Fraser, que lidera a plataforma de “movimentação de dados” Fivetran desde sua criação há 12 anos, acumulando grandes clientes como OpenAI e Salesforce, sugeriu que as empresas devem se concentrar estritamente em problemas reais que estão enfrentando no presente.

“Resolva apenas os problemas que você tem hoje; esse é o mantra,” disse Fraser. “Os custos de inovação estão sempre 99% nas coisas que você construiu e que não funcionaram, não nas coisas que funcionaram e que você gostaria de ter planejado para escalabilidade antecipadamente. Embora esses sejam os problemas que sempre pensamos em retrospecto, não são 99% do custo que você suporta.”

Assim como nos primeiros dias da web e, mais recentemente, na revolução dos smartphones, as primeiras aplicações e casos de uso da IA generativa mostraram vislumbres de um futuro poderoso habilitado pela IA. Mas, até agora, eles não têm sido necessariamente transformadores.

“Eu chamo isso de era dos Angry Birds da IA generativa”, disse Kapoor. “Não está mudando completamente minha vida, ninguém está lavando minhas roupas ainda. Este ano, cada empresa com a qual trabalho está colocando algo em produção — pequeno, interno, mas colocando em produção porque estão realmente resolvendo as questões, sobre como formar as equipes para fazer isso acontecer. O próximo ano é o que eu chamo de ano da transformação, quando as pessoas começarão a fazer aplicativos que realmente começam a mudar a trajetória da empresa para a qual trabalham.”

    five × two =

    Bolt42