O futuro da inteligência artificial (IA) está cada vez mais em pauta. O uso dessa tecnologia está transformando o mercado e seu impacto vai além da inovação, alterando inclusive os modelos de trabalho. Para o futuro, especialistas preveem que novas habilidades serão necessárias na operação da IA com todo seu potencial.
De acordo com um estudo global da McKinsey, estima-se que a IA vai gerar uma receita de 13 trilhões de dólares em todo o mundo até 2030. No mesmo ano, prevê-se um aumento de 5% no Produto Interno Bruto (PIB) da América Latina, impulsionado pela IA. Além disso, há uma previsão de crescimento de 38% no uso de aplicações com inteligência artificial na área de saúde nos países latino-americanos até 2027.
IA pode auxiliar na produtividade dos profissionais de diferentes segmentos. (Fonte: Getty Images/Reprodução)
Apesar da previsão de crescimento, há muito debate sobre pontos favoráveis e outros de risco com o uso de inteligência artificial no futuro. Um dos argumentos positivos é o da produtividade, uma vez que a tecnologia consegue interpretar e executar atividades repetitivas. Assim, sobra mais tempo para a criação e desenvolvimento de novos produtos.
Entre os aspectos em discussão está o uso de dados necessário para que a IA opere. Além disso, há a questão dos vieses que a IA pode assumir conforme seu desenvolvimento e uso prolongado.
Mas qual é o potencial da inteligência artificial e como será o impacto no futuro? Neste artigo, vamos apresentar alguns tópicos sobre a evolução da tecnologia e insights para quem quer se aprofundar no assunto!
Leia também:
- Inteligência artificial na saúde: healthtechs e as soluções de IA
- Tecnologia e agronegócio: 5 tendências usadas hoje e para o futuro
- IA e machine learning: fintechs podem fornecer capital de giro?
O que é inteligência artificial
Antes de mais nada, é importante definir o que é inteligência artificial. Também chamada de IA, esse é um campo da ciência da computação que atua no desenvolvimento de sistemas e tecnologias capazes de realizar tarefas que normalmente exigiriam inteligência humana.
As ações incluem aprender, raciocinar, resolver problemas, entender linguagens naturais, reconhecer padrões e tomar decisões, entre outras.
A IA possibilita a criação de algoritmos capazes de simular a inteligência humana. Em alguns casos, esses sistemas conseguem ser mais ágeis do que somos capazes. Além disso, a tecnologia é mais precisa no processamento de informações. Por isso, tem sido usada pelas empresas e pela indústria de diferentes formas. Alguns exemplos:
- Saúde —diagnóstico médico que confere padrões e identifica doenças a partir de exames e histórico clínico.
- Finanças — análise de dados e histórico para antecipar tendências do mercado financeiro e apoiar decisões de investimento.
- Automotivo — simulação computacional com uso de IA consegue prever riscos, testar peças antes mesmo de serem produzidas.
- Varejo —recomendação automatizada e personalizada no e-commerce, com envio de sugestões de produtos para os usuários.
- Serviços ao cliente —chatbots que conseguem interpretar e responder demandas de clientes, oferecendo respostas instantâneas e suporte 24 horas.
- Processamento de Linguagem Natural (PLN) — tradução automática de idiomas em aplicativos e sites.
- Indústria —em diferentes setores, a IA apoia a manufatura inteligente com otimização de cadeias de produção, manutenção preditiva e automação de processos.
- Educação — sistemas automatizados e inteligentes que personalizam o conteúdo de ensino com base no desempenho e estilo de aprendizado do aluno.
Existem diferentes níveis de IA, desde sistemas simples com capacidades específicas até sistemas mais avançados e autônomos. Alguns sistemas são treinados com grandes conjuntos de dados para aprender padrões e tomar decisões, enquanto outros são programados com regras e lógica para realizar tarefas específicas.
Evolução da inteligência artificial
Apesar de ser um termo em alta, a IA não é algo novo. O termo foi cunhado no final dos anos 1950 pelo cientista da computação John McCarthy na Dartmouth College, em New Hampshire (EUA). Na época, McCarthy e um grupo de pesquisadores começaram os primeiros debates sobre machine learning (muito antes de surgir o conceito) e automação de tarefas.
Saulo Cadete Machado, Gerente de Inovação e Líder de Computação Quântica na Accenture Brasil, lembra que as primeiras implementações de agentes inteligentes com inteligência artificial começaram na década de 1990:
"Inteligência artificial é um campo muito amplo. A evolução da nossa capacidade de interagir com essa inteligência teve um marco importante com primeiros usos de redes neurais. Depois do surgimento dessas redes, em torno de 2010, houve um aumento do uso de unidades de processamento gráfico (GPU) para acelerar o trabalho com IA. Esses chips são projetados para criar gráficos em tempo real, bastante conhecidos por quem joga no computador", explica o especialista.
Segundo ele, os chips gráficos têm uma capacidade de processamento paralelo muito maior do que uma unidade de processamento central do computador (CPU).
"Isso permitiu que eles fossem muito bons para processar as informações que estão dentro das redes neurais. Essas são como uma representação digital do funcionamento dos neurônios do cérebro humano, com diversos nós interconectados. Para chegar a um resultado, são feitos vários cálculos relativos a esses nós e conexões. Com mais nós nessa estrutura, paralelizar o cálculo acelera e possibilita a criação de redes mais poderosas. Portanto, as unidades de processamento gráfico contribuíram muito para redes neurais mais complexas e o deep learning ou aprendizado profundo", afirma.
Novas arquiteturas de IA
A partir das evoluções da inteligência artificial, as redes passaram a ser cada vez mais complexas e com mais camadas de neurônios.
"Ao longo do tempo surgiram novos modelos de inteligência artificial, outras arquiteturas em que a estrutura das redes neurais trazem uma melhor adaptabilidade para os problemas que resolvem. Essas redes se tornaram muito eficientes em aprender. Antes era necessário que um humano identificasse as características importantes dos dados antes que a IA pudesse ‘aprender’ sobre eles. Com o avanço dos algoritmos e capacidade de processamento, as redes neurais passaram a ser capazes de identificar essas características, aprender e adaptar-se com muito mais eficiência", sintetiza Machado.
Esse avanço proporcionou uma nova forma de construir com IA. Antes, o trabalho inicial de um engenheiro de IA era selecionar as informações e prepará-las, para que pudesse ser usada para treinar a máquina. Hoje, a inteligência artificial consegue identificar as características relevantes dos dados para realizar a tarefa designada.
IA generativa ganha espaço no mercado. (Fonte: Getty Images/Reprodução)
Inteligência artificial generativa
O uso da tecnologia está em processo de popularização e o uso da inteligência artificial generativa está sendo evoluído. A inteligência artificial generativa é uma subcategoria de IA que se concentra na criação de novos dados, muitas vezes imitando algo que foi aprendido a partir de um conjunto de dados existente.
Ela se baseia em modelos generativos para produzir algo novo, como imagens, textos, sons ou até mesmo vídeos. Este tipo de IA ficou popularmente conhecido após o lançamento do ChatGPT, um chatbot capaz de elaborar respostas e simular conversas por meio de instruções básicas de texto.
Os modelos generativos tentam aprender a estrutura subjacente dos dados e, a partir disso, gerar novas amostras que são semelhantes às que foram usadas para treiná-los. Entre as técnicas mais utilizadas estão:
- Redes Generativas Adversariais (GANs).
- Variational Autoencoders (VAEs).
- Modelos Baseados em Transformers.
Referência: What is Generative AI & Why is It Important? | Accenture
Modelos de linguagem
De acordo com Machado, o paper Attention Is All You Need, publicado em 2017, representa a base dos modelos de linguagem de grande escala (LLM) que temos hoje.
O estudo foi escrito pelos cientistas Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, e Illia Polosukhin. Este material introduziu o modelo de rede neural chamado "Transformer", que utiliza mecanismos de atenção para processar sequências de dados e alcançar resultados em tarefas de processamento de linguagem natural, como tradução automática.
"Esses modelos desbloquearam uma nova forma de construir com a IA. Diminui-se a necessidade de um intenso conjunto de dados para treinamento. Usando um modelo pré-treinado conseguimos usar essa grande quantidade de parâmetros para construir rapidamente algo em cima dele.
Graças ao avanço dos modelos pré-treinados de IA, conseguimos desenvolver aplicações que antes exigiriam um conjunto extensivo de texto para treinamento e validação e teste", explica Machado.
Futuro da Inteligência artificial
Quando falamos do futuro da IA é importante compreender o nível de maturidade do mercado em relação às diferentes modalidades dessa área, todas em constante evolução. De acordo com o especialista, aplicações de deep learning e modelos de visão computacional já fazem parte do dia a dia das empresas e das pessoas, enquanto as possibilidades de modelos de linguagem de grande escala continuam a ser exploradas.
Tecnologias como a detecção facial estão presentes quando se abre uma conta no banco ou nos populares filtros de Instagram. Esses são exemplos que estão no dia a dia de diferentes usuários.
"IA já faz parte do nosso cotidiano. Quando falamos de inteligência generativa e esses modelos de linguagem, acredito que passamos pela fase de popularização e descoberta. Agora passamos a estabilizar a percepção de como, quanto e quando usar essa tecnologia", afirma o especialista.
Entre os debates estão análises e discussões sobre a validação do uso da inteligência artificial no dia a dia. Para isso, são consideradas desde a necessidade da aplicação como também o custo e impacto ambiental. Temas como a pegada de carbono necessária para o funcionamento da tecnologia fazem cada vez mais parte do contexto atual.
O futuro da IA está também no letramento sobre seu uso. (Fonte: Getty Images/Reprodução)
Desafios da inteligência artificial
No Brasil, o desafio está no quanto as tecnologias são utilizadas. De acordo com o especialista, o mercado brasileiro é receptivo ao teste de novas ferramentas. No entanto, o principal motivador para a adoção dessas tecnologias é a popularização para o consumidor final.
- Integração de dados
De acordo com o entrevistado, culturalmente somos receptivos à integração de dados e utilizaçao de sistemas. Ele cita como exemplo a plataforma Gov.br, que reúne informações de cidadãos e tem o potencial de melhorar serviços e trazer outros benefícios para a população.
- Questão ética
A popularização do uso de IA precisa ser acompanhada de um debate ético. "Os modelos de linguagem são criados com um grande volume de dados, cada um com uma base diferente. Toda empresa deve entender a proveniência dessas informações. Saber a origem dos dados é fundamental para garantir que nenhuma lei de proteção de dados, valores e termos de uso sejam violados".
- Vieses
Outro ponto de alerta é que IA generativa pode conter caminhos que geram problemas ou interpretações equivocadas.
"Vale lembrar que as respostas geradas pelos modelos de IA vão corresponder aos dados com os quais foram treinados mesmo que não tenham sido seus, por ser um modelo pré-treinado. Portanto, essas respostas podem trazer vieses e restrições. Ao mesmo tempo em que é interessante observar a popularização desse tipo de IA, é preocupante não haver uma compreensão adequada da tecnologia. Uma questão cada vez mais relevante para o futuro é o quão letrada em inteligência artificial a população precisa estar. Não podemos tratar a IA como algo distante ou desconhecido. Essas questões precisam ser consideradas", explica Machado.
- Regulamentação
Para o especialista, um dos pontos de atenção atuais referentes à inteligência artificial é a regulamentação. Algumas questões levantadas são sobre a necessidade de normas que incentivem o letramento da população e que tenham impacto no desenvolvimento de programadores do futuro.
"Cada vez mais, precisamos buscar regulamentações que promovam conhecimento sobre inteligência artificial e seus impactos. As empresas também devem agir para aproximar o entendimento do uso de IA e evitar a segregação do acesso à tecnologia. Portanto, não é apenas o usuário final que precisa entender o uso de IA, mas o mercado também precisa agir de maneira intencional para expandir o conhecimento sobre ela", resume.
Tendências para o futuro
Quais serão as tendências do uso de inteligência artificial a médio e longo prazo? Na opinião do especialista, hoje a IA é especialista em tarefas específicas para que foram criadas. Como exemplos, aplicações distintas para interação por chats, outras capazes de criar e entender imagem, ou ainda outros tipos de arquivos.
Multidisciplinaridade e multimodalidade
"Estamos percebendo a fundação do que é interagir com a IA e expandindo as possibilidades de conversa ou pensamento suportado por ela. Penso que teremos arquiteturas que combinam capacidades, tornando as aplicações de IA mais generalistas. Possivelmente o surgimento de um arcabouço que use linguagem como o elo entre as diferentes capacidades de IA para uma solução mais completa. Com isso revisitaremos capacidades estabelecidas que serão potencializadas pela compreensão proporcionada pela linguagem", afirma o especialista.
Segundo ele, o avanço da multidisciplinaridade ou multimodalidade, que é o termo mais correto, é o próximo passo da inteligência artificial. "Eu acredito que vai acontecer uma convergência delas sobre uma estrutura de pensamento baseado em linguagem. Teremos novas formas de interagir e usar a tecnologia que estará cada vez mais presente em tarefas do dia a dia".
A tendência é que as ferramentas de IA façam cada vez mais parte da rotina dos trabalhadores de diferentes segmentos. (Fonte: Getty Images/Reprodução)
Automação
Em diferentes setores, percebemos que a automação está se tornando cada vez mais presente no cotidiano. Trabalhos que antes eram exclusivamente realizados por seres humanos agora podem ser automatizados e monitorados com segurança. Isso inclui a capacidade de realizar inspeções e vistorias em ambientes, detecção de fraudes e previsões precisas.
Isso é uma tendência que começou no setor bancário, mas agora está se expandindo para várias outras indústrias. A IA generativa desempenha um papel importante nessa transformação. Ela não se limita a um segmento específico, mas está sendo adotada em diversos setores.
"No momento atual, as empresas estão atuando com a exploração e buscando alternativas para gerar valor. Muitas já estão avançando em trazer respostas que vão além de uma conversa textual", completa o especialista.
Alguns exemplos de inteligência artificial generativa que começam a ser usadas pelas empresas e indústria:
- Assistentes de resumo.
- Validação de conteúdo.
- Simulação de situações e personalidades.
- Assistentes de classificação.
- Assistentes de criação de conteúdo.
Mercado de trabalho
A pesquisa Accenture Technology Vision 2023: IA generativa projeta que cerca de 40% do tempo de trabalho será apoiado ou ampliado por IA baseada em linguagem. Além disso, 98% dos líderes empresariais entrevistados concordam que os modelos fundamentais de IA desempenharão um papel crucial nas estratégias de suas organizações nos próximos três a cinco anos.
O estudo ouviu mais de 20 especialistas de diversas áreas, incluindo empresas públicas e privadas, universidades, empresas de investimento e empreendedores. Em simultâneo, a Accenture Research conduziu uma pesquisa global com 4.777 executivos de alto escalão (C-Level) e diretores de empresas de 34 países e 25 setores distintos. A coleta de dados ocorreu no período entre dezembro de 2022 e janeiro de 2023.
A partir da pesquisa, foram identificadas algumas tendências e como a IA pode impactar o mercado nos próximos 5 anos:
IA Generativa
As lideranças acreditam que o uso da tecnologia como uma forma de parceria criativa e consultoria podem contribuir para:
- Estímulo à criatividade e inovação — IA generativa é vista pelos líderes como capaz de impulsionar a criatividade e inovação de forma marcante (98% dos executivos).
- Nova era da inteligência empresarial — percepção de que a IA generativa está inaugurando outra era na inteligência empresarial (95%).
Identidade digital
A inclusão de mais pessoas no sistema de identidade digital impactará de forma imperativa nos negócios:
- Autenticação abrangente — considerada um imperativo estratégico de negócios por 85% dos executivos para a integração entre o mundo digital e físico.
- Fundamento para integração digital — a capacidade de autenticação é vista como alicerce crucial para a interconexão entre os ambientes online e offline.
Transparência de dados
A forma como as empresas usam dados e suas políticas para isso também devem ser consideradas cada vez mais no futuro:
- Dados como diferencial competitivo — 90% dos executivos acreditam que os dados estão se tornando um diferencial competitivo essencial em organizações de todos os setores.
- Modernização das bases de dados — a compreensão e modernização das bases de dados são essenciais para que a IA alcance seu pleno potencial.
Eterna fronteira
A aceleração do uso da tecnologia e os feedbacks mais rápidos e constantes por meio dela serão cada vez mais importantes para tomadas de decisão e mudanças.
- Ciclos de inovação acelerada — a interação ágil entre ciência e tecnologia leva 75% dos entrevistados a acreditar que a humanidade poderá começar a abordar os grandes desafios de maneira mais eficaz.
Com a IA, profissionais podem otimizar atividades diárias e potencializar processos criativos. (Fonte: Getty Images/Reprodução)
O que mais vem por aí?
Não basta apenas usar a tecnologia. É importante que o mercado se prepare para isso. À medida que a inteligência artificial generativa se torna mais difundida, será necessário desenvolver análises aprofundadas e tomar decisões. Ser capaz de avaliar e usar eficazmente a tecnologia é essencial. A preparação para o mercado de trabalho deve envolver a compreensão dos fundamentos da IA e a capacidade de aplicá-los em diversos setores.
Além disso, a ética desempenha um papel vital à medida que a IA é implementada. As empresas devem ser responsáveis e garantir que a tecnologia seja usada de maneira a respeitar os limites do uso de dados e também evitar vieses inadequados e mau uso.
À medida que a IA e os modelos de linguagem continuam a se desenvolver, estamos no processo de aprender a conviver com essas tecnologias. A interação com máquinas está se tornando mais comum, o que levanta questões sobre como as pessoas se relacionam com essas tecnologias e umas com as outras.
Sobre o futuro, é importante considerar abordagens de IA alternativas, como a computação neuromórfica, que podem ser mais eficientes e sustentáveis. Também é importante explorar a combinação de IA com tecnologias, como a computação quântica.
Enquanto essas tecnologias evoluem, a preparação e a adaptação se tornam essenciais. Aqueles que podem entender e aproveitar o potencial delas terão uma vantagem significativa no mercado de trabalho em constante mudança.
Quer saber mais? Fique por dentro das últimas novidades, tendências e tecnologias para o futuro. Inscreva-se agora na newsletter do Cubo e tenha acesso a conteúdos exclusivos em sua caixa de entrada!
