Quem não se lembra dos desafios lançados para os melhores jogadores de xadrez do mundo: vencer a inteligência artificial? Pela primeira vez, o planeta estava encantado com a capacidade de aprendizado das máquinas, que haviam acumulado conhecimento sobre as melhores técnicas a partir dos movimentos dos grandes mestres do jogo, e que agora eram capazes de vencer o mais hábil desses jogadores. Era o início da popularização do conhecimento sobre a Inteligência Artificial tradicional, que hoje está presente no dia a dia de muita gente, da sugestão de filme que se recebe no streaming ao atendimento básico recebido por meio do chatbot do banco.
Agora, novamente o mundo se vê perplexo diante da infinidade de possibilidades trazidas pela popularização da IA generativa. Hoje, a máquina também cria novos conteúdos a partir de informações já existentes. Quem já testou pedir ao ChatGPT para criar um poema, certamente viu com um misto de encantamento e assombro a capacidade da ferramenta. As aplicações da IA generativa, em todos os setores da economia, passando por telecomunicações, indústria e serviços, são inúmeras e prometem muita inovação nos próximos anos. De acordo com a Deloitte em seu “TMT Predictions 2024”, só em 2024, os investimentos das organizações em IA generativa vão crescer 30%.
Na indústria de telecomunicações, a IA generativa promete aumentar a produtividade e a lucratividade das empresas. E tornar ainda mais personalizada a experiência do cliente. Com acesso a uma base de conhecimento da empresa, o atendimento se tornará mais complexo, mais assertivo, respondendo às necessidades dos clientes com mais rapidez e de uma forma mais humanizada. Isso se torna extremamente importante quando pensamos no volume de atendimentos que grandes empresas B2C precisam realizar diariamente.
Além de aprimorar o atendimento ao cliente, a ferramenta tem potencial para reduzir custos de forma expressiva para as empresas, “encurtando caminhos” para a solução de problemas. Para os usuários internos, a IA generativa já vem sendo utilizada como chatbots e co-pilots, assistentes virtuais capazes de oferecer indicações e treinamentos em tempo real para técnicos e demais profissionais que tenham tarefas críticas, ou que dependam de check-lists de segurança, por exemplo. Empresas também já utilizam a tecnologia para identificar novas oportunidades de vendas por meio da “microsegmentação”, a partir da análise de dados de chamadas de clientes, aumentando expressivamente as taxas de conversão.
Nossa experiência na implementação de projetos, porém, nos mostra os quatro principais desafios das empresas para implementação da IA generativa:
Alto custo
O custo para criação e treinamento de modelos de IA generativa podem ser altos para as companhias, principalmente por causa do custo computacional envolvido. Além disso, é importante ter em mente a quantidade de dados necessários para o treinamento e, em alguns casos, pagamento de direitos autorais desses dados. Porém, para os principais casos de uso, os modelos disponíveis dos principais provedores de IA, como OpenIA/Microsoft, IBM serão suficientes. Só é preciso ficar atento ao custo destes modelos, que variam bastante e nem sempre o melhor para a sua aplicação é o modelo mais caro. A recomendação é testar os diferentes modelos para identificar o que melhor se adequa ao seu caso de uso.
Segurança
Os modelos de IA generativa são treinados com base em informações que estão disponíveis na internet. Por isso, antes de contratar um desses modelos, é necessário analisar com cuidado o contrato do fabricante. Modelos como os fornecidos pela IBM e OpenAI (ou Microsoft Azure) garantem que todos os dados sejam públicos ou que eles tenham o direito de uso dos dados. A preocupação com direitos autorais deve ser sempre levada em conta. Há também a necessidade de revisar regularmente os modelos de IA para identificar e eliminar possíveis vieses preconceituosas, que possam afetar a imparcialidade no atendimento.
Privacidade de dados
Para implementar a IA generativa, é necessário reforçar a proteção de privacidade dos dados dos clientes. Em caso de utilização de base de conhecimento próprios para aplicação de IA generativa, é importante garantir que dados de clientes não sejam utilizados sem autorização. No caso de utilizar modelos públicos, também não enviar dados corporativos confidenciais, pois esses modelos podem armazenar os dados e utilizá-los para treinamentos futuros. Sempre analise os termos de uso dos modelos para ter certeza sobre a privacidade dos seus dados. Caso precise utilizar dados sigilosos, escolha modelos que garantam que não irão armazenar ou utilizar os dados para melhorias e/ou treinamentos.
Desafios de implementação
É muito importante que as empresas coloquem “travas” no modelo de IA generativa, evitando as chamadas “alucinações” da ferramenta. Algumas vezes, os modelos interpretam padrões de maneiras inesperadas, criando conteúdos enganosos ou inadequados. Os modelos de IA generativa tendem sempre a responder a uma pergunta, mesmo que ela seja incorreta. Garanta que a sua aplicação não responda, caso ela não encontre uma resposta satisfatória.
- Uma das disciplinas mais importantes é a engenharia de prompt que visa criar e otimizar os comandos ou questionamentos que são passados para os modelos de IA generativa. Quanto melhor o prompt, melhor e mais assertivo será a resposta. Os modelos de IA generativa aplicados ao atendimento, tem conseguido grande assertividade e personalização, mas ainda precisam do olhar humanizado dos responsáveis por conduzir essas funcionalidades. A agilidade e assertividade dos modelos de IA, acompanhadas de um olhar humanizado por parte dos seus “treinadores”, podem trazer ganhos exponenciais para a satisfação do cliente que terá seus problemas rapidamente solucionados.
Sobre a Icaro Tech
A Icaro Tech é uma empresa de TI cuja missão é trazer mais inteligência, eficiência, otimização e redução de custos para as operações de companhias de segmentos diversos, sendo uma das pioneiras no Brasil no desenvolvimento de inteligência artificial aplicada aos negócios. Por meio de tecnologias próprias e de parceiros globais, como IBM, BMC, Salesforce, Red Hat e Microsoft, tem sido responsável por transformar o dia a dia das operações de grandes empresas. Entre elas, estão: Algar Telecom, AWP – Mondial Assistance, B3, Banco Triângulo, Bosch, BrasilPrev, British Telecom, CCR, Cielo, CIrion, Claro, Desktop, Embratel, Equinix, Eletrobrás, Europ Assistance, Fundação Bradesco, Grupo Boticário, Grupo Paranapanema, Itaú-Unibanco, Lojas Americanas, Magazine Luiza, Motorola Solutions, Nextel, Omnigo, Oi, Porto Seguro, Rede, Saint Paul Educacional, Sky, Smiles, TBNet, TecBan, Telecommunication Services of Trinidad & Tobago (TSTT), TIM, Vero, Vivo, entre outras.