Pergunte a qualquer empresa o que ela realmente faz e a resposta será sempre específica. Uma empresa de pedreira extrai rochas. O Sistema de Conservação de Turfeiras restaura turfeiras. Um varejista vende mercadorias. A resposta não é “enviamos emails” ou “temos reuniões”.
Esta distinção entre o que torna um negócio único e as atividades gerais que o rodeiam é sempre importante. Há dois séculos, Adam Smith reconheceu que a produtividade vem da experiência.
Os trabalhadores que se concentravam em tarefas restritas superaram consistentemente os generalistas, e a economia cresceu dividindo o trabalho em pedaços cada vez menores. As empresas não têm sucesso fazendo tudo, mas sendo excepcionalmente boas em uma coisa.
Fundador e Diretor Geral da New Gradient.
A inteligência artificial (IA) não mudará este princípio. Na verdade, é reforçador. Por que grande parte do debate atual sobre IA pressupõe o oposto?
A crença predominante é que modelos de uso geral cada vez mais capazes acabarão por se tornar a melhor solução para quase todas as tarefas.
Embora estes sistemas irão, sem dúvida, mudar a forma como as organizações operam, existem fortes razões económicas e tecnológicas para argumentar que as maiores vantagens competitivas não virão da IA geral, mas de sistemas especializados construídos em torno do trabalho que torna cada organização única.
Infraestrutura global do local de trabalho
Os modelos de IA de uso geral estão sendo rapidamente adotados em todos os setores. Essas ferramentas resumem documentos, escrevem códigos, respondem perguntas, analisam dados e automatizam conhecimentos rotineiros.
Mas a sua maior força também cria a sua maior limitação. Quando cada organização aborda as mesmas capacidades, essas capacidades deixam de ser diferenciadoras. O e-mail mudou os negócios, mas nenhuma empresa obtém vantagem competitiva por ter e-mail. A computação em nuvem tornou-se uma infraestrutura essencial, mas não diferencia uma organização da outra.
A IA de uso geral provavelmente seguirá o mesmo caminho. À medida que estes modelos se tornam mais omnipresentes, assemelham-se cada vez mais a infra-estruturas – por outras palavras, necessárias para permanecer competitivo, mas não suficientes para avançar.
Então surge a pergunta óbvia: de onde vem a vantagem competitiva?
Uma tarefa especial requer uma IA especial
A resposta está no trabalho que as empresas realmente realizam.
Os modelos de uso geral são excelentes porque são treinados em tarefas executadas por milhões de pessoas. O trabalho especializado é diferente.
Voltando à minha analogia inicial, uma empresa de mineração não precisa apenas de suporte por e-mail. Deve otimizar os padrões de detonação com base nas condições geográficas, monitorar o desempenho do britador em tempo real e adequar a produção à demanda do mercado.
Uma organização de conservação de turfeiras não precisa apenas de ajuda para redigir relatórios. Precisamos de mapear a erosão em milhares de hectares de terreno remoto a partir de imagens aéreas e depois planear intervenções correctivas em conformidade.
Estas não são versões difíceis de tarefas comuns. São problemas fundamentalmente diferentes que requerem dados especializados. É aqui que os modelos de uso geral começam a ter dificuldades.
As razões para isto não são principalmente de inteligência, mas sim económicas. Estão disponíveis mais dados de formação para tarefas empresariais gerais do que para tarefas industriais ou científicas especializadas.
Mais importante ainda, os laboratórios de IA de ponta têm enormes incentivos comerciais para melhorar as suas capacidades para funcionalidades utilizadas por milhões de clientes. Em comparação, os principais casos de uso são difíceis de vender do ponto de vista do retorno do investimento.
Mas embora a economia do desenvolvimento de modelos seja imediatamente a favor das capacidades públicas, a economia da vantagem competitiva não o é.
Expertise cria valor estratégico
Hoje, é muito fácil alternar entre provedores de IA. Muitas empresas movem-se livremente entre ChatGPT, Claude, Gemini e outros modelos à medida que surgem novas capacidades. Como esses sistemas são amplamente intercambiáveis, a troca de provedor tem um custo relativamente baixo.
Mas isso nem sempre é verdade. Na verdade, essa flexibilidade só existe enquanto os modelos forem, na sua maioria, genéricos. Depois que adquirem memória corporativa, mudar de provedor se torna mais difícil.
A próxima geração de IA pode ir além da simples resposta a mensagens sonoras. Em vez disso, os modelos aprenderão cada vez mais como as organizações funcionam: como as decisões são tomadas, como os fluxos de trabalho evoluem e como o conhecimento acumulado ao longo dos anos é colocado em prática.
Vai além de grandes janelas de contexto, repositórios de documentos pesquisáveis ou bancos de dados vetoriais. Essas tecnologias permitem que amostras recuperem informações. Eles não mudam fundamentalmente o modelo. A verdadeira memória empresarial significa que o sistema pode se adaptar aos negócios ao longo do tempo.
Na sua forma robusta, o modelo aprende continuamente, incorporando gradualmente o conhecimento da organização na forma como ela raciocina e toma decisões.
Isto cria o potencial para uma vantagem competitiva sustentada – mas apenas se a empresa mantiver a propriedade da memória acumulada, em vez de efetivamente alugá-la ao fornecedor de IA. Caso contrário, a memória organizacional torna-se uma fonte de dependência do fornecedor, em vez de um ativo estratégico.
Construindo para pessoas específicas
É por isso que a IA especializada merece uma parte tão grande da conversa de hoje.
Em muitos setores, descobrimos que o maior valor competitivo não vem da implantação do maior modelo disponível, mas do projeto de sistemas em torno de problemas operacionais específicos.
Para uma operação de pedreira de grande porte, desenvolvemos um sistema de visão computacional que monitora a distribuição do tamanho da rocha nos transportadores do britador e detecta tempos de inatividade ocultos entre cinco e dez por cento do tempo de operação.
Para a restauração de turfeiras, desenvolvemos uma ferramenta que mapeia a erosão a partir de imagens aéreas e dados de profundidade 3D, acelerando drasticamente a avaliação manual anteriormente lenta e cara.
A lista é infinita.
Cada sistema agrega valor porque foi projetado em torno de um problema específico: treinado em dados específicos do negócio, usando um modelo projetado para a tarefa certa. Em muitos casos, os modelos utilizados eram menores, mais rápidos e menos exigentes em termos computacionais do que as alternativas de uso geral. Nesse sentido, especialização não significa agregar complexidade. Significa remover tudo que não atenda ao objetivo especificado.
A economia não mudou
À medida que a IA amadurece, a distinção entre sistemas gerais e especializados torna-se cada vez mais clara. As ferramentas de IA de uso geral lidam com tarefas operacionais compartilhadas por cada organização. Estes tornam-se compartilhamentos tabulares, como acesso à Internet ou software de contabilidade. Essencial, mas não único.
As funções que realmente definem um negócio – o nicho específico que ele existe para preencher – dependem de IA desenvolvida especificamente. Esta não é uma previsão da tecnologia. É uma economia de conhecimento aplicada a uma nova geração de ferramentas. Assim como as empresas criam valor por meio da experiência, o mesmo acontece com a IA que as possibilita.
Para as empresas que buscam capturar esse valor, é hora de construir. À medida que a IA geral se torna comoditizada, os fornecedores voltarão cada vez mais a sua atenção para domínios especializados, encurtando a janela para as empresas estabelecerem a sua própria vantagem sustentável através da experiência.
Fornecemos o melhor chatbot de IA para negócios.
Este artigo foi preparado em parte Perspectivas do Degrader Pronosso canal apresentará as melhores e mais brilhantes mentes da indústria de tecnologia atualmente.
As opiniões aqui expressas são de responsabilidade do autor e não da TechRadarPro ou Future plc. Se você estiver interessado em contribuir, saiba mais aqui: https://www.techradar.com/pro/perspectives-how-to-submit
