Muito rapidamente, o tema dos agentes de IA passou de conceitos ambíguos para a realidade. As empresas em breve poderão implantar frotas de trabalhadores de IA para automatizar e complementar – e sim, em alguns casos, substituir – o talento humano.
“Os agentes autônomos são um dos tópicos mais quentes e talvez um dos mais exagerados na IA generativa hoje”, disse Arun Chandrasekaran, analista vice-presidente distinto da Gartner, no Gartner Symposium/Xpo na semana passada.
No entanto, embora os agentes autônomos estejam em alta no novo ciclo de hype da IA generativa da consultoria, ele enfatizou que “estamos no estágio super super inicial dos agentes. É um dos principais objetivos de pesquisa das empresas de IA e laboratórios de pesquisa a longo prazo.”
Tendências principais no Ciclo de Hype da IA da Gartner para IA generativa
Com base no Ciclo de Hype de 2024 para IA Generativa da Gartner, quatro tendências principais estão emergindo em torno da IA generativa – os agentes autônomos em primeiro lugar. Os agentes conversacionais de hoje são avançados e versáteis, mas são “sistemas muito passivos” que precisam de constantes dicas e intervenção humana, observou Chandrasekaran. A IA agente, por outro lado, só precisará de instruções de alto nível que podem ser desmembradas em uma série de etapas de execução.
“Para que os agentes autônomos prosperem, os modelos devem evoluir significativamente”, disse Chandrasekaran. Eles precisam de raciocínio, memória e “a capacidade de lembrar e contextualizar as coisas.”
Outra tendência-chave é a multimodalidade, disse Chandrasekaran. Muitos modelos começaram com texto e desde então se expandiram para código, imagens (tanto como entrada quanto saída) e vídeo. Um desafio nesse aspecto é que “pelo próprio aspecto de se tornarem multimodais, eles também estão se tornando maiores”, disse Chandrasekaran.
A IA de código aberto também está em ascensão. Chandrasekaran apontou que o mercado tem sido dominado até agora por modelos de código fechado, mas o código aberto oferece personalização e flexibilidade de implantação – os modelos podem ser executados na nuvem, localmente, na borda ou em dispositivos móveis.
Finalmente, a IA na borda está ganhando destaque. Modelos muito menores – entre 1B e 10B de parâmetros – serão usados em ambientes com recursos limitados. Esses podem ser executados em PCs ou dispositivos móveis, proporcionando “precisão aceitável e razoável”, disse Chandrasekaran.
Os modelos estão “afinando e se estendendo da nuvem para outros ambientes”, ele disse.
Rumo ao abismo
Ao mesmo tempo, alguns líderes empresariais dizem que a IA não atendeu às expectativas. A IA generativa está começando a deslizar para o abismo do desencanto (quando a tecnologia não atende às expectativas), disse Chandrasekaran. Mas isso é “inevitável no curto prazo.”
Há algumas razões fundamentais para isso, explicou. Primeiro, investidores de capital de risco financiaram “uma quantidade enorme de startups” – mas ainda subestimaram grossamente a quantidade de dinheiro que as startups precisam para ter sucesso. Além disso, muitas startups têm “muros de competitividade muito frágeis”, servindo essencialmente como uma cobertura em cima de um modelo que não oferece muita diferenciação.
Além disso, “a luta pelo talento é real” – considere os modelos de acqui-hiring – e as empresas subestimam a quantidade de gerenciamento de mudanças. Os compradores também estão levantando cada vez mais perguntas sobre o valor comercial (e como rastreá-lo).
Há também preocupações sobre alucinação e explicabilidade, e há mais a ser feito para tornar os modelos mais confiáveis e previsíveis. “Não estamos vivendo em uma bolha tecnológica hoje”, disse Chandrasekaran. “As tecnologias estão avançando o suficiente. Mas não estão avançando rápido o suficiente para acompanhar as altas expectativas que os líderes empresariais têm hoje.”
Não surpreendentemente, o custo de construir e usar IA é outro obstáculo significativo. Em uma pesquisa realizada pela Gartner, mais de 90% dos CIOs disseram que gerenciar custos limita sua capacidade de obter valor da IA. Por exemplo, os custos de preparação de dados e inferência são frequentemente subestimados, explicou Hung LeHong, um distinto vice-presidente analista na Gartner.
Além disso, os fornecedores de software estão aumentando seus preços em até 30% porque a IA está sendo cada vez mais incorporada em seus pipelines de produtos. “Não é apenas o custo da IA, é o custo das aplicações que já estão em execução em seus negócios”, disse LeHong.
Principais casos de uso da IA
Ainda assim, os líderes empresariais entendem quão instrumental a IA será daqui para frente. Três quartos dos CEOs entrevistados pela Gartner dizem que a IA é a tecnologia que será mais impactante para sua indústria, um salto significativo de 21% apenas em 2023, apontou LeHong.
Essa porcentagem tem aumentado “cada vez mais a cada ano”, disse ele.
Neste momento, o foco está nas funções de atendimento ao cliente interno, onde os humanos ainda estão “no banco do motorista”, observou Chandrasekaran. “Ainda não estamos vendo muitos casos de uso voltados para o cliente com a IA generativa.”
LeHong apontou que uma quantidade significativa das iniciativas de IA gerada por empresas está focada em aumentar a produtividade dos funcionários. “Eles querem usar a IA generativa no nível de cada funcionário.”
Chandrasekaran destacou três funções de negócios que se destacam na adoção: TI, segurança e marketing. Na TI, alguns usos para a IA incluem geração de código, análise e documentação. Na segurança, a tecnologia pode ser usada para aumentar os SOCs em áreas como previsão, gestão de incidentes e ameaças e análise de causa raiz.
No marketing, por sua vez, a IA pode ser usada para fornecer análise de sentimentos com base em postagens nas redes sociais e criar conteúdo mais personalizado. “Eu acho que marketing e IA generativa foram feitos um para o outro”, disse Chandrasekaran. “Esses modelos são bastante criativos.”
Ele apontou alguns casos de uso comuns entre essas funções de negócios: criação e aumento de conteúdo; resumo de dados e insights; automação de processos e fluxo de trabalho; previsão e planejamento de cenários; assistência ao cliente; e codificação de software e co-pilotos.
Além disso, as empresas querem a capacidade de consultar e recuperar de suas próprias fontes de dados. “A pesquisa empresarial é uma área onde a IA terá um impacto significativo”, disse Chandrasekaran. “Todo mundo quer seu próprio ChatGPT.”
A IA está avançando rapidamente
Além disso, a Gartner prevê que:
Até 2025, 30% das empresas terão implementado uma estratégia de testes e aumento de IA, subindo de 5% em 2021.
Até 2026, mais de 100 milhões de humanos interagirão com colegas robóticos ou virtuais sintéticos e quase 80% da solicitação será semi-automatizada. “Os modelos ficarão cada vez melhores em interpretar contextos”, disse Chandrasekaran.
Até 2027, mais de 50% das empresas terão implementado um programa de governança de IA responsável, e o número de empresas que usam IA de código aberto aumentará dez vezes.
Com a IA agora “vindo de todos os lugares”, as empresas também estão buscando colocar líderes específicos encarregados dela, explicou LeHong: Neste momento, 60% dos CIOs estão encarregados de liderar estratégias de IA. Enquanto antes da IA generativa, os cientistas de dados eram “os mestres desse domínio”, disse LeHong.
Em última análise, “a maioria de nossos clientes ainda está jogando coisas para ver se grudam na parede”, disse ele. “Agora eles sabem em qual parede jogar. Antes, eles tinham quatro paredes e talvez um teto para jogar, agora eles têm uma parede de marketing, uma parede de TI, uma parede de segurança.