O futuro dos negócios com inteligência artificial
O futuro dos negócios com inteligência artificial deverá migrar da cobrança pelo uso de tokens para um modelo baseado em resultados entregues às empresas, afirmou Bret Taylor, presidente do conselho da OpenAI e cofundador da Sierra.
Retorno sobre investimento e vantagens competitivas
Em entrevista exclusiva à CNBC, Taylor disse que executivos estão concentrados em duas questões: como medir o retorno dos investimentos em IA e como preservar vantagens competitivas em um cenário de rápida evolução tecnológica.
“Acredito que o futuro será pagar por resultados”, afirmou.
De acordo com o executivo, o debate atual ainda está excessivamente concentrado no custo dos tokens, que são unidades usadas para medir o processamento realizado pelos modelos. Para Taylor, essa métrica não reflete sozinha a qualidade ou o valor gerado por diferentes sistemas de inteligência artificial.
“Nem todo token é igual”, disse.
Eficiência não depende apenas do preço
Taylor afirmou que modelos de código aberto não são necessariamente mais baratos de operar. Embora possam exigir menos recursos no treinamento, eles podem consumir mais tokens para concluir determinadas tarefas.
Na avaliação do executivo, os modelos mais avançados ainda apresentam vantagem em eficiência computacional e qualidade das respostas, especialmente em atividades complexas, como programação, análise atuarial e processamento de grandes volumes de dados.
“A eficiência de tokens é quantos tokens são necessários para concluir uma tarefa”, explicou.
O chairman da OpenAI também afirmou que o modelo adequado depende do tipo de operação. Tarefas simples e repetitivas podem ser executadas por sistemas mais baratos, enquanto atividades de maior complexidade exigem níveis superiores de inteligência.
Segundo Taylor, empresas de IA precisam oferecer diferentes combinações de desempenho, velocidade e custo para atender a essas necessidades.
Retorno do investimento preocupa empresas
O executivo disse que, em conversas frequentes com CEOs, uma das principais dúvidas é como demonstrar o retorno financeiro dos investimentos em inteligência artificial.
A preocupação ocorre enquanto empresas ampliam gastos com infraestrutura, centros de dados e acesso a modelos, mas ainda enfrentam dificuldades para vincular essas despesas a ganhos concretos de receita ou produtividade.
Taylor comparou o modelo atual de cobrança por tokens a um serviço de e-mail que cobrasse o usuário por cada ciclo de processamento utilizado.
Para ele, a tendência é que os fornecedores assumam uma parcela maior do risco e sejam remunerados de acordo com o resultado efetivamente entregue.
Sierra cobra por resultado entregue
Taylor citou a Sierra, empresa de agentes de inteligência artificial que cofundou, como exemplo desse modelo.
A companhia desenvolve agentes utilizados em serviços de atendimento ao cliente e em processos de maior duração, como a originação de empréstimos e a pré-autorização de procedimentos médicos.
Segundo o executivo, empresas como DirecTV e SiriusXM utilizam agentes de IA para atender consumidores sem a necessidade de espera em linhas telefônicas.
“Os nossos clientes não pagam por token. Pagam por resultado”, afirmou.
Na prática, a cobrança pode ser feita por empréstimo originado, procedimento autorizado ou outra tarefa concluída pelo agente.
Taylor disse que esse formato permite relacionar diretamente o custo da tecnologia ao valor criado para o cliente.
Dados devem formar diferencial competitivo
Além da cobrança por resultados, Taylor afirmou que a adoção de agentes permite às empresas construir uma base própria de informações sobre consumidores e relacionamentos comerciais.
Na avaliação dele, esse conjunto de dados pode se tornar um ativo competitivo, independentemente da evolução dos modelos desenvolvidos pelos grandes laboratórios de IA.
“Você está desenvolvendo um ativo composto, que são os dados sobre seus clientes e os relacionamentos com eles”, disse.
Para o executivo, empresas que conseguirem combinar inteligência artificial com dados próprios terão mais condições de preservar uma vantagem competitiva à medida que os modelos se tornarem mais acessíveis e capazes.
Fonte: timesbrasil.com.br