A revolução da inteligência
Junte-se a mais de 7.800 empreendedores e investidores.
Estamos saindo da era em que os computadores são ótimas ferramentas para calcular, processar informações e nos conectar.
E caminhando para o momento em que computadores podem compreender contextos e pensar melhor até que os humanos.
O artigo de hoje é sobre a revolução que ainda está na infância: a da inteligência.
O Sunday Drops de hoje é apoiado pela AWS.
O conteúdo apresentado refletem minhas próprias opiniões.
A Amazon Web Services (AWS) é a plataforma de nuvem mais adotada e mais abrangente do mundo, impulsionando o desenvolvimento e o crescimento de mais de 280 mil startups globalmente. Milhões de clientes, incluindo as startups que crescem mais rápido estão usando a AWS para reduzir custos, ganhar agilidade e inovar mais rapidamente. Com um impressionante índice de 91% dos unicórnios brasileiros utilizando os serviços da AWS, a AWS apoia os empreendedores que estão resolvendo alguns dos maiores desafios de nosso tempo.
Se você é um fundador procurando melhorar sua infraestrutura de nuvem ou um investidor interessado em apoiar as empresas do seu portfólio, clique no link abaixo para entrar em contato com a equipe da AWS. Descubra como a AWS pode colaborar para impulsionar o sucesso de sua empresa.
Intro
A vida humana detém um sistema de inteligência (cérebro), de transmissão (veias e artérias), de captura de informações (tato, escuta, paladar), de comunicação (fala, escrita, linguagem corporal) e um sistema de armazenagem de informações (DNA).
A de um animal, tipo do meu cachorro Caju, é uma versão limitada dos sistemas humanos: ele não detém uma camada de inteligência robusta e todos os outros sistemas são mais simples (na comunicação troque a fala e escrita por um latido fino).
Imagine agora que por algo divino, ou evolução da tecnologia, conseguíssemos implantar cérebros mais desenvolvidos nos animais. A resultante seria: mais capacidade em executar, interpretar, se comunicar, tomar decisões, aprender rapidamente.
É exatamente esse movimento que está rolando no mundo corporativo: temos uma inteligência que pode ser introduzida dentro das organizações, que é a AI.
Sistemas
Qualquer produto de tecnologia se categoriza em um ou mais dos sistemas abaixo:
Agora é possível melhorar exponencialmente a categoria sistema de inteligência. Com isso, empresas poderão agregar uma camada de inteligência relevante seja no produto para clientes ou nas ferramentas internas (como atendimento e vendas).
Afinal, essa é a revolução da inteligência e essa versão computadorizada desse termo místico que é inteligência já supera em alguns testes a média dos humanos em diferentes tarefas. O último release da Anthropic/Amazon, a Claude 3, já supera o QI de 100.
Por que importa?
O valor entregue do produto de uma startup ou a produtividade interna do time pode crescer substancialmente.
LLMs e AI prometem reduzir o custo e a dificuldade de acrescentar um sistema de inteligência. Isso acontece devido ao crescimento do AI Generativo, que é capaz de analisar um volume muito maior de dados estruturados e desestruturados e aprender constantemente com eles.
Com os avanços, é cada vez mais fácil plugar uma API de um provedor de inteligência e assim, expandir a proposta de valor do produto.
A consequência para os negócios é a elevação do nível da competição e para uma boa parte das categorias, acrescentar um "system of intelligence" será mandatório para o sucesso. Já para os clientes, os produtos serão melhores e mais complementos.
Por exemplo, para um CRM, não bastará "apenas" registrar os dados dos clientes e criar um sistema de trabalho para os vendedores. Será preciso também ser um sistema de inteligência que ajudará o time de vendas a performar. By the way é isso que o Einstein da Salesforce faz.
A disrupção desta inteligência, diferente de outras tecnologias, é que ela é "generally capable", que significa uma capacidade de performar sob um número muito mais diverso de tarefas, o que faz com que a inovação seja muito mais ampla na sociedade.
A modularização da cadeia de valor
A modularização da cadeia destrava valor ao permitir o outsourcing de elementos essenciais. Tomemos a computação em nuvem como exemplo. Anteriormente, a operação demandava data centers internos, implicando em investimentos substanciais e desvio de foco das atividades principais das empresas. A chegada de provedores como a AWS revolucionou esse cenário ao externalizar essa função, permitindo às empresas concentrarem-se no seu core business.
Vamos pensar em outro exemplo: os sistemas de transação: No período de infância e adolescência do e-commerce , foi "diferencial competitivo" desenvolver dentro de casa um sistema de transação, afinal não era uma tecnologia disponível para todos. Até o momento em que essa vantagem evaporou quando surgiram players que modular essa tecnologia como Stripe, Pagar.me e tantos outros. O output da modularização é a comoditização: todos passam a ter acesso.
A modularização chegou aos sistemas de inteligência. O que antes era integrado e verticalizado, agora é passível de ter o módulo conectado via APIs. Esse processo não só acelera a inovação, mas também oferece às empresas flexibilidade para se adaptarem às mudanças de mercado, maximizando seu potencial competitivo.
A consequência da modularização é a difusão e expansão da tecnologia para os mais diferentes casos de uso.
Cases
O AI da fintech Klarna está fazendo o trabalho de 700 agentes em customer service, com o tempo de resolução 5x mais rápido. 2/3 dos atendimentos de customer service já são resolvidos por este meio. Estima-se que isso aumentará o lucro da empresa em USD 40MM.
Salesforce agregou a sua solução o chatbot Einstein, que visa auxiliar os vendedores durante sua jornada no CRM.
Hyperplane é uma startup que ajuda instituições financeiras a criar experiências hiperpersonalizadas usando IA. Sua plataforma de inteligência de dados permite que eles construam centenas de modelos preditivos de última geração muito rapidamente usando LLMs especializados para dados de bancos de consumidores. Isso inclui transações, KYC, eventos de usuários, etc.
Traive Finance é uma startup do agronegócio que acrescenta ao sistema de gestão de crédito de revendas agrícolas uma inteligência que qualifica e analisa na profundidade as informações dos produtores rurais.
Lexter AI utiliza inteligência artificial para aumentar a produtividade dos advogados por meio de produtos como sumarizador de due-dillegence a assistentes conversacionais para produção de documentos.
Inner AI é uma startup brasileira que ajuda os times criativos a serem mais eficientes através do seu sistema de trabalho potencializa com ferramentas de AI.
Brex Assistant é um chatbot que auxilia os clientes da Brex a automatizarem tarefas, a tirarem dúvidas baseadas nas políticas da empresa e melhorar a experiência de uso.
Causaly é um sistema de inteligência que gera e sumariza insights de pesquisas biomédicas.
Desafios
Apesar de ser promissor, não acontece sem desafios. Algumas das complexidades em adicionar sistemas de inteligência:
Construir produtos úteis: Mais importante que a velocidade, é a direção. Muitas organizações sofrem para gerar valor significativo para os clientes nestes produtos.
Interface: Se há algo que plataformas conversacionais ensinaram com o boom de AI, é que a interface com usuário é uma parte essencial desse produto. Uma boa interface de uso é mandatória para um resultado bom por parte do sistema.
Preço: Uma das verdades é que desenvolver projetos de AI é caro. O MIT realizou um estudo recentemente que apontou que hoje na maior parte dos casos o custo benefício não compensa. Isto vale especialmente em economias emergentes, como o Brasil, no qual o custo de oportunidade e a média de salário por funcionário é menor.
Acesso e integração de dados: Para a solução funcionar em um produto vertical, é preciso dados em volume e qualidade. Coletar e integrar continua a ser um desafio na maior parte das empresas. Os dados continuam a estar em um lugar bagunçado e é um problema doloroso e pouco resolvido.
Limitação dos modelos: O crescimento do sistema de inteligência como categoria dentro das empresas é uma função que depende do próprio sistema de inteligência. Dito isso, a importância é uma função da sua própria qualidade e evolução. Atualmente, o foco tem sido na variável "reasoning", que significa contexto. Alucinação é outro aspecto de modelos que pode diminuir a qualidade de resolução de problemas.
Oportunidades
Partindo do pressuposto que no longo prazo Systems of Intelligence farão parte de todos os produtos de sucesso, creio que há algumas oportunidades de médio prazo:
Ser o first mover.
Há um land-grab em jogo. Estamos diante de uma mudança de plataforma no qual abriu-se espaço para produtos com maior valor agregado. Quem acrescentar produtos úteis de AI que fortaleçam a entrega de valor ganhará vantagem de curto-médio prazo até o restante das empresas figuring out como executar. Come for the AI, stay for the product.
Melhorar times internos e aumentar a lucratividade.
O exemplo de eficiencia do time de atendimento da Klarna ilustra o potencial. Nas startups, começa-se a ver times de SDRs muito mais eficientes graças às ferramentas de inteligência para disparo personalizado de outbound. Nos times de tecnologia, as ferramentas como Copilot do Github e Devin, da Cognition labs aumentam a produtividade por funcionário.
Scott Galloway inclusive descreve AI como Ozempic das empresas. Segundo o mesmo, há um movimento curioso de aumento de lucro líquido e redução de headcount que tem uma variável oculta que é o aumento de produtividade gerado por AI nas organizações.
Criar AI generated content.
Uma pesquisa com 700 consumidores americanos mostrou que eles preferem o conteúdo criado por uma AI do que por um humano. Isto significa que em algumas camadas, o sistema de inteligência já se comunica melhor do que nós mesmos. É uma oportunidade para evoluir o nível sob um custo muito menor na produção de conteúdo por parte das empresas.
Resolver uso de casos específicos
Foundations models são horizontais. Já as necessidades dos usuários são verticais.
Sistemas de inteligência, quando bem usados, podem resolver uma dor específica do usuário e abrem espaço para um leque muito maior de possibilidade de construção de produtos.
Ciclo de adoção
Para responder essa pergunta, evoco o sociólogo Everett Rodgers, que dedicou sua vida a compreender a difusão da inovação. Ele identificou 5 variáveis que determinam a taxa de adoção de um produto:
* Considere A como a pontuação mais alta e C a menor
Outra forma de olhar a adoção é através da história. As comparações de outras tecnologias na idade contemporânea nos indica que as taxas tem se acelerado e como AI acontece sobre outras plataformas que já estão na mão das pessoas (como smartphone, pcs), tudo indica que no mínimo acontecerá na mesma velocidade:
🔥 Conclusão
AI ainda não mudou o mundo. Ele mudou a expectativa sobre como vemos o futuro.
Já a digitalização sim. Praticamente em todas as categorias, o software dominou e abriu um caminho para coletar dados. Dados esses que serão a matéria prima para ensinar modelo de AI para se tornarem sistemas de inteligência em quase qualquer área da nossa vida.
Ainda viveremos um ciclo de desilusão, dado que a tecnologia não está pronta para disruptar todos os setores. Mas ela é uma real thing.
Gradualmente, a AI está transcendendo o estágio de demonstrações para se integrar ao mundo real. Em poucos anos, espera-se que as AIs possam conversar, raciocinar e até mesmo interagir no mesmo mundo em que vivemos. Seus sistemas sensoriais serão tão competentes quanto os nossos. Isso não significa a emergência de uma superinteligência, mas sim o advento de sistemas incrivelmente poderosos.
Significa que a AI se tornará uma parte indissociável do mundo dos Bits, e consequentemente, dos átomos também.
Este é o artigo mais recente do Sunday Drops - uma newsletter (quase sempre) dominical sobre tecnologia e startups. Se gostou, assine!
Compartihe.