“Não há IA sem dados, não há IA sem dados não estruturados e não há IA sem dados não estruturados em escala”, disse Chet Kapoor, presidente e CEO da empresa de gerenciamento de dados DataStax.
Kapoor estava iniciando uma conversa no TechCrunch Disrupt 2024 sobre “novos pipelines de dados” no contexto de aplicações modernas de IA, onde foi acompanhado por Vanessa Larco, parceira da firma de capital de risco NEA; e George Fraser, CEO da plataforma de integração de dados Fivetran. Embora a conversa tenha abordado múltiplos 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 importância de priorizar o ajuste do produto ao mercado em vez da escala, em um momento que ainda são os primeiros dias da IA. O conselho para as empresas que buscam entrar no mundo vertiginoso da IA generativa é simples — não sejam excessivamente ambiciosas no início e foquem em progresso prático e incremental. A razão? Ainda estamos realmente descobrindo tudo isso.
“O 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; elas estão escrevendo o manual sobre como fazer aplicativos de IA generativa.”
Embora seja verdade que dados e IA andam de mãos dadas, é fácil se sentir sobrecarregado pela quantidade de dados que uma empresa pode ter, alguns deles possivelmente sensíveis e sujeitos a proteções rigorosas, e talvez até armazenados em locais variados. Larco, que trabalha com (e faz parte do conselho de) várias startups em todo o espectro B2C e B2B, sugeriu uma abordagem simples, mas pragmática, para desbloquear o verdadeiro valor nesses primeiros dias.
“Trabalhe de trás para frente para o que você está tentando realizar — o que você está tentando resolver e quais dados você precisa?” disse Larco. “Encontre esses dados, onde quer que estejam, e então use-os para esse propósito.”
Isso contrasta com tentar espalhar a IA generativa por toda a empresa desde o início, jogando todos os seus 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”, ela disse. “O que estamos vendo é que as empresas estão começando pequenas, com aplicações internas, com metas muito específicas, e então encontrando os dados que correspondem ao que estão tentando realizar.”
Fraser, que liderou a plataforma de “movimento de dados” Fivetran desde sua criação há 12 anos, acumulando clientes renomados como OpenAI e Salesforce no caminho, 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 da inovação são sempre 99% nas coisas que você construiu que não funcionaram, não nas coisas que funcionaram e que você gostaria de ter planejado para escalar com antecedência. Embora esses sejam os problemas que sempre pensamos retrospectivamente, esses não são os 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 para a IA generativa mostraram vislumbres de um novo futuro habilitado por IA poderoso. Mas até agora, eles não têm sido necessariamente transformadores.
“Eu chamo isso de era do Angry Birds da IA generativa”, disse Kapoor. “Não está mudando completamente minha vida, ninguém está lavando minha roupa ainda. Este ano, cada empresa com a qual trabalho está colocando algo em produção — pequeno, interno, mas colocando em produção porque estão realmente resolvendo os problemas, 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.