fb

Tecnologia e inovação

20 min de leitura

As três novas categorias profissionais da era da IA

A inteligência artificial deve criar mais treinadores, explicadores, sustentadores, como mostra a conversa a seguir

Paul R. Daugherty, H. James Wilson e Paul Michelman

14 de Junho

Compartilhar:
Artigo As três novas categorias profissionais da era da IA

Torcendo por ela ou temendo-a, a inteligência artificial está batendo na porta das organizações, e sua chegada como tecnologia empresarial causou grande turbulência. Existe um debate feroz atravessando os setores público e privado acerca da possibilidade de robôs, algoritmos e outras tecnologias inteligentes crescentes serem uma benção ou uma desgraça para o mundo do trabalho.  

É fácil se perder em meio às incertezas e especulações, mas quando o fazemos, podemos não enxergar o que está acontecendo bem à nossa frente. A IA já está criando novas formas de emprego. Na verdade, dois pesquisadores da Accenture identificaram várias novas categorias de emprego impulsionadas pela IA, James Wilson e Paul Daugherty.

Eles compartilharam as descobertas no primeiro ciclo de sua pesquisa com Paul Michelman, editor-chefe da MIT Sloan Management Review nos Estados Unidos. Coisas como o fato de que habilidades STEM (de ciência, tecnologia, engenharia/programação e matemática), embora importantes, não serão o grande pré-requisito para transformação; muito mais cruciais serão quatro soft skills: (1) raciocínio complexo, (2) criatividade, (3) inteligência social e emocional e (4) percepção sensorial.Os pesquisadores também frisaram que, para as coisas darem certo, a responsabilidade pela qualificação permanente das pessoas não dever ser individual, mas coletiva – ou caber às organizações. Acompanhe,  a seguir, a conversa entre os três, na íntegra.

Paul Michelman: Jim e Paul, bem-vindos, e obrigado por reservarem um tempo para falar sobre o trabalho que vocês e seus colegas estão fazendo para nos ajudar a entender o impacto da IA nos empregos. 

Paul Daugherty: É muito bom estar aqui com você hoje, Paul. Estou animado para essa conversa.

James Wilson: É muito bom estar aqui, Paul. 

Paul Michelman: Acho que concordamos que todos nós deveríamos nos preocupar com o alto risco de um deslocamento profissional por meio da automação inteligente. É uma ameaça real – não apenas nas fábricas. Mas, ao mesmo tempo, não atinge o cenário geral. A IA também está criando tipos completamente novos de emprego. Então, primeiramente, nos situem – vocês podem nos apresentar suas descobertas?

Paul Daugherty: Sim, nós começamos isso há cerca de dois anos e meio, quando Jim e eu buscávamos o avanço da IA e a situação atual de uma série de discussões acerca da IA. E nós nos preocupamos com o tipo de diálogo que estava acontecendo. Conforme você disse, com certeza há um impacto massivo na forma como o trabalho é feito, trazido pela IA. Mas em nossa experiência inicial, nós vimos muitas promessas de a IA mudar e criar empregos e fazer mais empregos humanos – ou tornar os empregos mais humanos – em muitas etapas. Então Jim e eu lançamos esse projeto de pesquisa para analisar 1.500 organizações e como elas estavam usando a IA e como isso estava impactando seu negócio, sua força de trabalho e as coisas que eles fizeram na empresa. E descobrimos que, ao contrário do que muitas pessoas pensam, nós acreditamos que a IA irá criar uma série de novos empregos. Ela certamente irá eliminar alguns cargos, mas nós acreditamos que o efeito de rede criará uma série de novos empregos – e empregos bons que irão alavancar nossa capacidade humana de diferentes formas. Em linhas gerais, nós descobrimos três categorias de emprego que chamamos de treinador, explicador e sustentador – três categorias de novos empregos onde usamos nossa capacidade humana de jeitos diferentes para permitir que a IA tenha impacto positivo sobre a forma como trabalhamos, vivemos, e um impacto positivo geral sobre os resultados.

Paul Michelman: Vamos falar sobre essas categorias, começando pelo treinador. 

James Wilson: Inicialmente, nós pesquisamos cerca de 1.500 empresas, e a princípio não vimos essas três categorias de emprego, mas quando começamos a aprofundar a pesquisa, quando começamos a realizar estudos de caso de acompanhamento, começamos a enxergar realmente essa superfície de empregos – gestores que entrevistávamos falando sobre escrever fundamentalmente novas descrições de emprego. E nós realmente vimos títulos de emprego [e] categorias de emprego recorrentes para as quais eles escreviam. Uma dessas categorias de emprego é o papel de treinador. E essas pessoas geralmente estão desenvolvendo a ciência de dados. Elas estão fazendo a engenharia do machine learning. Elas estão construindo ativamente os sistemas IA. Uma das coisas que observamos é que mesmo dentro da mesma empresa, pode haver uma grande variedade em uma única categoria de emprego, como um emprego de treinador. Então, por exemplo, a Tesla: você pode ver que o fabricante de automóveis está recrutando gestores de linha com experiência em robótica, e engenheiros mecatrônicos e pesquisadores de computação, além de cientistas de alto conhecimento e especialistas em sistemas de machine learning. É uma rica variedade – mesmo dentro de uma categoria de treinador em uma única empresa. 

Paul Michelman: Treinadores são exclusivamente especialistas em tecnologia?

James Wilson: Não, não necessariamente. E nós podemos falar mais sobre isso. Sabe, é importante ter especialistas funcionais na sua equipe também. Pode ser que você tenha alguém com experiência em marketing ou operações na sua equipe que ajude a identificar e resolver problemas que os especialistas técnicos – por exemplo, cientistas de dados – conseguirão resolver. 

Paul Daugherty: Além disso, um tipo específico de emprego que vemos na categoria de treinador são os treinadores de personalidade da IA – alguém que pode treinar comportamentalmente os chatbots e agentes virtuais inteligentes que tantas empresas estão implementando agora. Empresas implementam essas soluções para interagir (interação conduzida por voz) com seus consumidores e afins. O que elas estão percebendo é que a IA se torna a marca. E você precisa treiná-la para se comportar do jeito certo, para funcionar do jeito certo, para ter as respostas certas, o tom certo etc. Esse é um tipo não-técnico de emprego necessário para moldar aquele tipo de comportamento e trabalhar com os programadores para ter esse comportamento implementado às soluções do jeito certo. 

Paul Michelman: Ótimo. Vamos seguir para a segunda categoria, que vocês chamaram de explicadores.

Paul Daugherty: Explicadores são aqueles que sabem que a IA está incorporada a vários sistemas complexos e processos de negócio. Então há uma questão tanto de explicar a IA em si quanto como ela funciona, mas mais amplamente explicando os tipos de resultados que são gerados pelos sistemas que estão sendo desenvolvidos. Por exemplo, se você pensar em um carro autodirigível, há muito de IA incorporado nisso, mas há vários outros sistemas de direção e coisas inclusas. Então quando você pensa em veículos autônomos e no que está acontecendo, o que vemos são empresas criando funções [para que] as pessoas entendam o contexto geral do sistema – as condições ambientais, as condições da estrada, muitas coisas além da IA em si e como ela está se comportando para que possam entender e alinhar os sistemas para que funcionem de forma mais eficaz... Entender esse impacto é o [tipo de trabalho] que estamos vendo na categoria de explicadores. 

James Wilson: Em alguns casos, os papéis de explicadores na verdade são encorajados por meio de regulamentos. Então este ano, segundo estimativas, havia cerca de 75 mil novos papéis de explicadores sendo criados relacionados ao direito de explicação do GDPR. E são analistas em bancos, por exemplo, e em centros de atendimento ao cliente e esse tipo de coisa, que respondem as perguntas dos clientes sobre uma decisão algorítmica. 

Paul Michelman: Então os explicadores sempre são uma interface entre a organização e o público? Ou eles também interagem dentro de partes da organização?

James Wilson: Eles geralmente interagem com partes da organização também. Então, por exemplo, no sistema de saúde nós estamos vendo muitas evidências iniciais de que explicadores estão trabalhando com médicos para explicar por que um sistema de IA está fazendo uma recomendação específica e se o médico pode fazer uma recomendação médica a um paciente como resultado. Eles muitas vezes estão trabalhando em setores de saúde, fazendo interpretações e compartilhando insights com profissionais da medicina, não necessariamente pacientes ou clientes. 

Paul Michelman: Então vamos para a terceira categoria: os sustentadores.

Paul Daugherty: Essa categoria envolve falar com as funções que são necessárias para gerir a IA (o uso da IA) e certificar-se de que ela não só se comporte da forma certa de início, mas continue se comportando de maneira apropriada para produzir os resultados desejados ao longo do tempo, porque a tecnologia muda, os dados mudam, a situação muda, o negócio muda. E os sustentadores são pessoas que realmente entendem os resultados que precisam ser conduzidos para certificar-se de que o resultado e o impacto sejam sustentados. 

James Wilson: Eles também passam grande parte do seu dia pensando em consequências não intencionais de sistemas de IA e como elas são recebidas pelo público. Então, por exemplo, o aumento de preços. Um modelo de aumento de preços será algo sustentável para uma empresa? Essa era uma questão, obviamente, com a qual algumas empresas como a Uber e a Lyft tiveram que lidar inicialmente. Como você cria um modelo de aumento de preços que seja conduzido por algoritmo, mas também sustentável? Coisas como algoritmos tendenciosos, sistemas de reconhecimento facial discriminatórios – são coisas que [a] primeira onda de treinadores não necessariamente considerou, mas que agora os sustentadores pensam se essas consequências não antecipadas e não intencionais podem ser administradas. Ou talvez eles até recomendem que um sistema de IA seja tirado de operação até que a empresa descubra como consertá-lo. 

Paul Michelman: Qual seria um título que um sustentador pode ter na organização?

Paul Daugherty: Acredito que os sustentadores podem se manifestar de várias formas. Temos visto muito isso conforme as equipes ou o trabalho que está sendo feito aumenta em diferentes situações. Por exemplo, em tipos de situações em que manufaturas ou fábricas utilizam robôs colaborativos e diferentes tipos de tecnologia que precisam ser continuamente configurados e rearranjados para atenderem as necessidades dinâmicas da cadeia de suprimentos e o que estão produzindo – sustentadores, nesse sentido, seriam técnicos que reconhecem e administram a interface entre os robôs e o processo de produção que está sendo desenvolvido. Esses são os tipos de funções que vemos ali. 

James Wilson: Sabe, só de dirigir pelas ruas de São Francisco você vai passar por uma série de veículos autônomos. Mas é claro, sentado no carro-robô está um treinador de segurança IA. Então você vê muitas dessas funções em situações de veículos autônomos. Em geral, qualquer empresa que está construindo sistemas robóticos irá contratar esses agentes de segurança IA ou de compliance IA que realmente certificam-se, a um nível básico, de que os sistemas que estão desenvolvendo são seguros para o público. 

Paul Michelman: Vocês fizeram essa pesquisa, originalmente, há dois anos. E acredito que em termos de longevidade da gestão de ideias, dois anos não é tanto tempo assim. Porém, em um mundo de IA, nós devemos pensar em anos de cachorro, eu acho – dois anos parecem muito tempo. Então eu me pergunto: quando vocês analisam o mercado hoje, quando observam tendências de emprego hoje, vocês manteriam essas três categorias? Elas evoluíram? Como o pensamento de vocês mudou, se mudou?

Paul Daugherty: É, acho que tem um pouco dos dois. Primeiro vou falar sobre o que vemos com as categorias que identificamos. Se você observa treinadores, explicadores e sustentadores, acredito que vemos cada vez mais evidências de como esses papéis estão crescendo e aumentando. Por exemplo, se você observa postos de trabalho, que nós estávamos pesquisando pouco tempo atrás, pode encontrar explicador em vagas de trabalho agora – Engenheiro de Explicação de Algoritmo e Especialista de Explicação de Serviços Financeiros e coisas do tipo – a necessidade de explicar os algoritmos e a IA. 

Estamos vendo isso acelerar, eu acho –  nesse modelo de “anos de cachorro”. Nós também vimos alguns exemplos convincentes de alguns dos primeiros participantes do por que você precisa desses papéis. Eu acho que o Facebook é um exemplo didático. O que eles fizeram, seguindo todo o foco sobre eles acerca da Cambridge Analytica, foi criar dezenas de milhares de novos empregos para colocar humanos na gestão de algoritmos e produção de resultados que as pessoas realmente queriam, de maneira mais responsável. E esses são empregos de sustentadores – são pessoas agregadas. Salvo engano, a nota do Facebook teve a seguinte linha: “Concluímos que algoritmos não podem gerir algoritmos, precisamos de pessoas para gerirem os algoritmos. E esses não são incidentes isolados. Eu acho que esses são exemplos dos papéis que todas as empresas vão precisar conforme instalam a tecnologia”.

James Wilson: Sim, nós nos concentramos em novas categorias de emprego em que as pessoas estão pdesenvolvendo e gerindo com responsabilidade sistemas de IA. Mas enquanto a IA está certamente criando novos empregos, também está mudando antigos empregos, aumentando-os. E nós não entramos muito nisso naquele artigo inicial. Por exemplo, em uma empresa de biociência que analisamos – com sede na Baía de São Francisco – os cientistas utilizaram equipamentos robóticos de laboratório para ajudar em certas tarefas experimentais. Os assistentes robóticos esguicham líquidos precisamente e laminam células e contam colônias de micróbios de uma forma que aumenta e acelera o trabalho científico. Como resultado desse aumento robótico, cientistas agora conseguem completar cerca de 400 vezes mais experimentos por semana. 

Então, se você pensar nisso, um cientista hoje tem o potencial de fazer uma descoberta que levaria cem anos em um único ano por meio do aumento da IA. Mas você sabe que o conteúdo do trabalho de um cientista de laboratório mudou bastante. Ele agora faz coisas bem diferentes do que fazia antes e tem formas diferentes de fazê-las. E nós não entramos muito nesse tópico. Nós estávamos muito mais focados na criação de empregos, não na mudança do conteúdo dos empregos existentes. 

Paul Michelman: Falando das três categorias completamente novas de empregos, quão igualmente distribuídas essas funções estarão? Há indústrias específicas ou tipos de organizações para as quais essas funções irão emergir mais cedo? Há outras organizações que devem “esperar sentadas”?

James Wilson: Eu destacaria duas coisas. A primeira é que as empresas realmente precisam das três funções. Por exemplo, há alguns anos muitas das empresas de IA mais avançadas – as maiores empresas de tecnologia, por exemplo – se concentraram exclusivamente em recrutar treinadores de IA. Mas agora elas estão tentando acompanhar o passo. Então você realmente precisa das três. Mas eu acho que um insight aqui é que o concurso de talentos da IA é bem diferente e mais ampla do que muitas pessoas inicialmente pensaram. O meu segundo ponto é que a distribuição dos papéis irá variar bastante de acordo com a indústria, o cliente e o contexto regulatório. 

Paul Michelman: Parece que um dos desafios fundamentais que as organizações enfrentam é que ninguém nunca teve essas funções antes. Ninguém nunca foi treinado para ser treinador de IA. Como resolver isso?

Paul Daugherty: Esse é um dos maiores desafios que eu acho que temos que enfrentar quando pensamos em como preparar as pessoas para esses novos papéis e como as empresas e organizações se preparam para esses novos papéis. Nós fizemos algumas pesquisas de acompanhamento sobre isso, e acreditamos que há três coisas nas quais realmente precisamos nos concentrar para acertar a mão. 

Uma é nos concentrarmos mais na aprendizagem experimental. Se você observar o treinamento tradicional, ele demonstrará que as pessoas esquecem 80% do que aprendem em cerca de um ano de aprendizagem com métodos de treinamento tradicionais. Como fazemos as pessoas se envolverem no processo de aprendizagem de maneira experimental? Nós acreditamos que aprendizagens são muito importantes – aprendizagem prática, aprendizagem injetada em diferentes pontos do processo. Por exemplo, nós fizemos uma abordagem interessante de treinamento e aprendizagem com um grande fabricante de aeronaves, onde utilizamos a IA e a tecnologia de realidade virtual para equipar funcionários com fones de ouvido de realidade virtual que os ajudem a entender o trabalho que estão fazendo e fazerem trabalhos mais especializados mais rápido, oferecendo a eles orientação durante a execução. E esse é um exemplo do uso da tecnologia junto com a aprendizagem experimental para desenvolver as habilidades das pessoas nessas novas categorias.

A segunda coisa que consideramos importante é transferir o fardo das pessoas que precisam aprender para uma análise sobre a responsabilidade que diferentes instituições – empresas, etc – têm no treinamento. Acreditamos piamente que toda organização precisa olhar a aprendizagem como competência central de uma forma totalmente nova. E você precisa pensar em plataformas de aprendizagem de formação contínua como parte fundamental do que você faz. Por não poder contratar pessoas para algumas dessas funções, você talvez precise convencer as pessoas a fazê-las. Por exemplo, nós trabalhamos com uma empresa petrolífera em uma nova tecnologia de perfuração que utiliza visualização e IA, além de motores de jogo para criar uma forma completamente diferente de um técnico operar uma broca (exploração de petróleo, operações subterrâneas). Então onde você vai contratar um perfurador de motor de jogo motivado por visualização? Você não vai encontrar pessoas no mercado com essas habilidades. Você precisará desenvolver essas novas habilidades digitais em seus atuais técnicos, e é por isso que acreditamos que essas plataformas de aprendizagem serão um componente fundamental para as empresas.  Será um diferencial para aqueles que conseguirem entender.

E por fim, de uma perspectiva social geral e de vários stakeholders, a terceira coisa é que precisamos entender como incluiremos nesse novo mundo as pessoas vulneráveis na população, que já estão separadas por uma divisão digital – que não têm as habilidades básicas adequadas para operar nesse ambiente. Como vamos nos certificar de que entendam a base de habilidades necessária para participar desses trabalhos?

Paul Michelman: Interessante. Então, olhando para essas três coisas, de onde deve vir essa primeira safra de pessoas?

James Wilson: Bem, eu acho que uma coisa que podemos fazer hoje é facilitar o processo para as pessoas se tornarem treinadoras, explicadoras ou sustentadoras, e fazer isso basicamente diminuindo a barreira para construir ou melhorar um sistema IA – o que Paul e eu chamamos de “democratização da IA”. Nós já estamos começando a ver ferramentas de “apontar e clicar” de treinamento de IA por aí. E muitos dos fornecedores de serviço em nuvem de IA, por exemplo, são bem fáceis de usar. Se você tem um conjunto de dados, você só precisa transferir esses dados para um desses serviços e então começar a testar os dados. Então eu acho que para complementar o que Paul disse, que foi aumentar o nível de habilidades, também é preciso diminuir a barreira para utilizar esses sistemas. Eu acho que isso é muito importante. E geralmente é uma oportunidade inexplorada, mas nós estamos começando a ver mais e mais empresas migrando para esse modelo também. 

Paul Michelman: Acho que muitas pessoas gostariam de ajuda para dimensionar a oportunidade que a pesquisa de vocês sugere, especialmente quando pensamos também em uma potencial perda de empregos pelas mãos da IA, machine learning e automação. Os novos empregos que estamos discutindo aqui são uma parcela pequena para os poucos altamente especializados ou bem treinados? Como será isso no panorama geral?

Paul Daugherty: Esses empregos certamente são uma parcela pequena, mas é preciso colocá-los em contexto. Acreditamos que esse é um grande impacto – esses empregos impactam significativamente o avanço da empregabilidade e oportunidades para as pessoas. Entretanto, para começar, haverá muita disrupção na força de trabalho, e haverá categorias de emprego em risco de automação, de fato. 

Agora, você precisa olhar o amplo espectro de como isso vai acontecer. Pelas pesquisas que fizemos, se você analisar as categorias de emprego olhando o conteúdo do trabalho, cerca de 10% do trabalho que descobrimos em nossa pesquisa é exclusivamente humano (só seres humanos podem desempenhar). Cerca de 35% é automatizado – a parte do trabalho que é automatizada por máquinas, algoritmos, etc. E o resto do trabalho – que é a maior parte – é realmente trabalho aumentado, o que significa que é possível melhorar a forma como os humanos trabalham com máquinas, mas a parte maior precisará ser feita por humanos. 

Eu acho que o contexto desses novos empregos é que a maioria deles são transformados de diferentes formas. Eu diria que quase todo emprego mudará como resultado da tecnologia. Muitos novos empregos serão criados e alguns serão eliminados.

Um bom ponto de dado foi apontado em uma reunião do G7 recentemente: o Canadá anunciou que, por meio do investimento que está fazendo, espera um crescimento econômico de US$ 16 bilhões em produção como resultado dos investimentos. Esse é um resultado significativo. Fala-se em cerca de 16 mil empregos que o país está gerando com o foco em IA. E nós vemos tipos semelhantes de impactos e resultados ao redor do mundo e impactos maiores em termos de aumento do PIB (aumento da produção econômica) pelos países. Aí é que está a oportunidade – em prever como preparar as pessoas para esses novos tipos de emprego que serão criados. 

James Wilson: É, apenas reforçando o que Paul disse, acho que podemos ter uma boa noção quantitativa do tamanho da oportunidade analisando as expectativas de investimento dos líderes de negócios, especialmente no que diz respeito ao crescimento. Em nossa pesquisa, por exemplo, descobrimos que empresas que investem em sua força de trabalho IA no mesmo nível que empresas de alto desempenho em seu setor irão aumentar tanto sua receita quanto sua força de trabalho. 

Paul Daugherty: Há outro impacto sobre empregos que eu acho que precisamos considerar: o fato de que é difícil prever de onde vêm os novos empregos e como eles serão. É por isso que tentamos ser normativos e falar sobre treinadores, explicadores e sustentadores. Com base em observação histórica que eu faço, sugiro que você analise as primeiras ondas de tecnologia que tivemos – há 20 anos, as pessoas previram que teríamos grandes categorias de pessoas trabalhando como otimizadores de motores de busca, web designers, varejistas do eBay etc. De forma semelhante, nós já vimos essa criação dos novos empregos ir adiante, e eles são os não previstos – as novas coisas que precisamos continuar criando e buscando conforme o tempo passa. 

Paul Michelman: Então, qual é o próximo passo da pesquisa de vocês?

James Wilson: Em nossa pesquisa, vemos que cerca de 69% dos executivos acredita que seu setor estará completamente transformado entre hoje e 2022, por conta da IA. Mas nós continuamos tentando entender não só os empregos que serão criados, mas também as habilidades que vão ajudar nessa transformação – que vão permiti-la. E eu acho que essa é uma área importante de nossa pesquisa. 

Já tivemos alguns insights. Por exemplo, você pode achar que habilidades STEM são o princípio e o fim da IA, mas nossa pesquisa demonstra que quatro soft skills distintas estão se tornando muito mais valiosas conforme começamos a colaborar e utilizar máquinas inteligentes. São elas: raciocínio complexo, criatividade, inteligência social/emocional, e certas formas de percepção sensorial... Curiosamente, uma coisa que estamos pesquisando agora é como as habilidades estão se tornando mais “humanas”, e como isso soa em uma equipe de IA. 

Paul Daugherty: É, acho que é aprofundar essas habilidades humanas, porque uma pergunta que recebemos muito é exatamente essa: “Ok, Paul e Jim, nós entendemos, acreditamos no que vocês estão expondo aqui. O que fazemos amanhã? O que fazemos no mês que vem para começar a preparar nossas equipes e nossa força de trabalho?” Chegar no próximo nível de especificidade – as habilidades humanas e como preparar as pessoas – eu acho que é muito importante. 

Há algumas outras frentes que nós lançamos. Uma é sobre a IA responsável, que nós apontamos no artigo original, mas que se tornou ainda mais importante, que é: como nos certificamos de obter os resultados certos da IA? Falar de coisas como transparência e explicação, que uma das nossas categorias de emprego aborda; pensar em tendências, que é uma questão com a qual muitos se depararam ao aplicar a IA – criando resultados tendenciosos em vez de inclusivos; pensar em responsabilidade; pensar em credibilidade e questões do tipo. 

Paul Michelman: Fantástico. Paul Daugherty e Jim Wilson, muito obrigado. 

Paul Daugherty: Obrigado, Paul.

James Wilson: Obrigado, Paul.

Imagem: Shutterstock.

Compartilhar:

Autoria

Paul R. Daugherty, H. James Wilson e Paul Michelman

Paul R. Daugherty é chefe de tecnologia e diretor de inovação da Accenture. James Wilson é diretor de gestão de TI e pesquisador na Accenture Research. Paul Michelman é editor-chefe da MIT Sloan Management Review dos Estados Unidos.

Artigos relacionados

Imagem de capa Open source contra os hackers da IA generativaAssinante

Tecnologia e inovação

19 Dezembro | 2023

Open source contra os hackers da IA generativa

A contratação de serviços de inteligência artificial pode expor seus dados e deixar sua empresa nas mãos das big techs. Mas existem alternativas. Estamos vivendo o início de uma fase semelhante à que deu origem ao Linux nos anos 1990, quando desenvolvedores do mundo todo se dedicaram a enfrentar os desafios da nova tecnologia com soluções de código aberto, disponíveis para todos – e veja cinco modos de administrar os respectivos

Aron Culotta e Nicholas Mattei
Imagem de capa Aceite as limitações dos LLMsAssinante

Tecnologia e inovação

19 Dezembro | 2023

Aceite as limitações dos LLMs

Superestimar a capacidade dos grandes modelos de linguagem, como o ChatGPT, pode levar a resultados pouco confiáveis. Para lidar melhor com eles, é importante entender primeiro como funcionam

Mikhail Burtsev, Martin Reeves e Adam Job
Imagem de capa Como aplicar IA generativa na inovação corporativaAssinante

Tecnologia e inovação

17 Dezembro | 2023

Como aplicar IA generativa na inovação corporativa

A nova tecnologia pode trazer eficiência e criatividade para a inovação em grandes empresas. Uma pesquisa recente mostra a realidade brasileira, os estágios de adoção em diversos setores, as oportunidades no horizonte e as barreiras de adoção

Maximiliano Carlomagno e Felipe Scherer
Imagem de capa Gestão pública 4.0: tecnologia para atender as demandas dos cidadãos

Tecnologia e inovação

15 Novembro | 2023

Gestão pública 4.0: tecnologia para atender as demandas dos cidadãos

A transformação digital pode ajudar na revolução da gestão municipal, melhorando a eficiência das instituições e fortalecendo a participação cidadã e a prestação de serviços mais ágeis, a partir dos aplicativos governamentais multiplataformas

Ana Debiazi e Aryana Valcanaia

2 min de leitura