A crença de que dados perfeitos são pré-requisito para implementar inteligência artificial generativa e agentiva é um equívoco comum que precisa ser desmistificado. Essa é a avaliação de Joe Rose, presidente da JBS Dev, provedora estratégica de tecnologia que participou da AI & Big Data Expo. Segundo Rose, os fornecedores de tecnologia e consultores frequentemente sugerem que empresas precisam de grandes lagos de dados e programas de transformação que duram anos antes de adotar esse tipo de solução, o que deixa executivos perdidos sobre por onde começar.
A realidade, contudo, é bem diferente dessa expectativa. Rose afirma que as ferramentas disponíveis atualmente nunca foram tão boas para lidar com dados de baixa qualidade. Os grandes modelos de linguagem conseguem compreender informações a partir de prompts incompletos, o que representa um avanço significativo em relação às abordagens tradicionais que exigiam dados perfeitamente estruturados antes de qualquer processamento.
Para dados textuais ou categóricos, existe uma resiliência inerente nos sistemas de IA agentiva, que funcionam de maneira distinta dos programas convencionais. Rose explica que muitas empresas ainda operam com a mentalidade de que basta criar algo que funcione e depois esquecer. Com sistemas agentivos, essa abordagem não se aplica, pois é preciso manter supervisão humana constante para lidar com resultados imprevisíveis que podem surgir dos modelos.
O executivo menciona um caso prático de um cliente do setor médico que precisava migrar para outro sistema de reconciliação de faturas. Os registros estavam misturados, alguns em formato PDF, outros apenas em imagem, e havia informações incorretamente posicionadas, como o nome do procedimento aparecendo no campo do nome do paciente. A IA generativa conseguiu identificar e extrair dados limpos a partir de prompts simples, processando desde a conversão de imagens em texto até a extração de conteúdo dos documentos em PDF.
Abordagens mais agentivas também foram empregadas posteriormente nesse caso, como a comparação de registros de clientes com contratos de seguros para verificar se a cobrança foi feita na tarifa correta. Rose descreve que diferentes casos de uso vão se sobrepondo gradualmente, permitindo que a automação avance progressivamente. O objetivo é aumentar o percentual de tarefas automatizadas ao longo do tempo, começando em vinte por cento e chegando a oitenta por cento, sempre com supervisão humana para validar os resultados.
Olhando para o futuro, Rose acredita que as discussões em torno dos modelos de IA vão mudar de foco. A expectativa é que haja uma transição das melhorias radicais em capacidade dos modelos para conversas mais centradas em custos e portabilidade. Ele argumenta que não faz sentido continuar construindo centros de dados no ritmo atual, e que é necessário encontrar formas mais sustentáveis de manter essas operações economicamente viáveis.
A chamada última milha representa outro desafio importante nessa transição. Rose menciona que o objetivo deve ser fazer com que os modelos rodem em laptops ou celulares em vez de depender exclusivamente de grandes centros de processamento. Isso é viável porque os modelos já foram treinados em um corpo massivo de dados, incluindo essencialmente todas as páginas da internet disponíveis, e não existe uma quantidade enorme de informações adicionais que vá gerar algum tipo de ruptura tecnológica.
Uma das opiniões mais polêmicas que Rose compartilha é a recomendação para que empresas parem de comprar de fornecedores de software como serviço quando podem implementar soluções por conta própria. Segundo ele, isso não é tão difícil quanto parece, pois praticamente todas as organizações já possuem alguma presença na nuvem. A sugestão é começar por aí, já que as ferramentas disponíveis nas principais plataformas de nuvem oferecem tudo o necessário para começar a implementar cargas de trabalho agentivas sem precisar de novas licenças de software ou treinamentos específicos.
A JBS Dev permanece disponível para auxiliar empresas que desejam avançar nas etapas seguintes dessa jornada de implementação de inteligência artificial, oferecendo desde ferramentas de início rápido até estratégias completamente personalizadas alinhadas aos objetivos específicos de cada organização.
