ROUNDTABLE Inteligência Artificial Um debate sobre transform

Estamos aqui em mais um Roundtable Brasil Journal e agora pra falar de inteligência artificial. Afinal, o que é hype, o que é espuma e o quanto vai transformar realmente a vida de todas as pessoas do mundo e também das empresas? Pra gente ter esse debate, convidamos Aline Pezente, que é sócia da Thrive. uma fintech que utiliza inteligência artificial para facilitar o crédito ao agronegócio. Também Marco Stefanini, que é fundador da Stefanini, o grupo Stefanini, uma das maiores empresas de tecnologia do Brasil. E Romero Rodrigues, que é sócio da gestora de Venture Capital Headline. Bom, gente, primeiro obrigado pela presença de todos, para a gente já começar. Como eu disse, a gente tem um hype. Todo mundo tem inteligência artificial. Todas as empresas falam que estão investindo em inteligência artificial. Quem está de fora parece que está atrasado. Vocês atuam diretamente nesse mercado. E eu queria começar primeiro com você, Marco. Stefanini já investe há 12 anos em inteligência artificial. Quando você vê um NVIDIA subindo tudo que está subindo só por fazer processadores para inteligência artificial, Quanto que você viu a Inteligência Artificial, de fato, evoluindo nesse tempo? E o que é hype e o que não é hype pra você?

Na verdade, assim, são dois momentos. Até novembro de 22, se falava muito em IA, mas, na verdade, o nível de velocidade, na minha opinião, era muito baixo. A partir do chat CPT se popularizou muito, se passou a falar bastante. Mas ainda, se você analisar, e depende dos mercados, o mercado corporativo é sempre muito lento na absorção de novas tecnologias, novas tendências. A gente viu isso na transformação digital. se demorou bastante tempo, no B2C foi bem mais rápido, no B2B foi bem mais lento, talvez um ano antes da pandemia e começou a acelerar e a pandemia obviamente deu o salto. E A, eu imagino que o espaço de tempo vai ser bem menor, até porque o nível de velocidade é maior, mas ainda se você falar em absorção pelo mercado corporativo depois de um ano, Na verdade a gente ainda observa muito mais curiosidade, interesse em entender, mas pouca efetividade em implantação em escala mesmo ainda é uma exceção. Talvez a Stefanina seja uma exceção. Porque como você mencionou, a gente já trabalhava há 12 anos, então a gente está procurando incluir em várias frentes, em várias soluções nosso IA, então nós estamos incluindo e procurando acelerar. Mas a nossa velocidade também depende da absorção do mercado. Se o mercado não absorve, obviamente... Tem coisas que a gente consegue fazer sozinho. que eu acelero a minha eficiência, eu acelero a qualidade em algumas coisas. Mas tem outras soluções, várias delas, eu dependo muito do cliente para conseguir avançar.

Aline, também passando para você agora, queria até que você explicasse um pouco mais o que atrai, porque é isso, vocês usam a inteligência artificial para melhorar o acesso ao crédito, mas como? Por que inteligência artificial? O que muda, por exemplo, de vocês para um birô de crédito?

Claro. A visão toda da Trevi, quando você olha o mercado de capitais e crédito, o que faz, por exemplo, investidores quererem investir em algum ativo financeiro, seja ele de dívidas, seja ele de ações, você precisa basicamente de informação e uma leitura muito bem feita de risco-retorno. E no agro, diferente de outras indústrias, indústrias de crédito ao consumidor ou outras indústrias de base, onde você tem um pouco mais... essas indústrias têm um perfil de fluxo de caixa, o ciclo é um pouco mais linear e constante. O agro é uma indústria complexa, onde você tem diversos fatores que influenciam o risco. E, além disso, o agro... você tem vários fatores que são, não só a economia, mas por exemplo, volatilidade de mercado, câmbio, clima. Então, inteligência artificial foi uma tecnologia que a gente escolheu para desenvolver porque a gente sabia que para a gente resolver um problema de fricção ou no fluxo financeiro de crédito agrícola, a gente precisava resolver um problema de interoperabilidade de dados e também de melhores modelos para ajudar o mercado de capitais a entender melhor essa indústria e conseguir precificar e qualificar melhores ativos financeiros que essa indústria gera e que, de uma certa maneira, tem que ser desovado. A gente fundou a Thrive, a gente incorporou a Thrive em 2018, mas a gente começou a trabalhar nela em 2017, quando a gente estava no MIT. E 2017 foi um ano especial para a comunidade de inteligência artificial e científica, onde você teve a criação dos primeiros papers dos Transformers. que é a arquitetura base hoje do chat e TP. Então, a gente conseguiu ver ali de dentro que essa tecnologia seria impactante e ela conseguiria ter um uso de caso muito... ter um uso de caso, uma aplicabilidade para o mercado financeiro que traria bastante valor. E foi nesse caminho que a gente foi. Então, o que a gente faz hoje na Thrive? A Thrive é uma... A gente até gosta de explicar, é uma TECFIM, a gente desenvolve soluções tecnológicas e de infraestrutura voltado para o crédito, o mercado financeiro agrícola. E a gente utiliza a base dessa tecnologia, desses serviços tecnológicos, é a inteligência artificial.

E agora partindo pra você Romero, você já tem visto aí muitas startups, acredito que muitas chegam até você ali procurando investimento e afirmando que, olha, estamos utilizando inteligência artificial, esse é o futuro, olha nossas funcionalidades. Quanto que você vê de fato que tem startups utilizando e o quanto que é barulho, o quanto é tentando ganhar pelo discurso?

Olha, esse é um ótimo ponto. É bem verdade que eu não acho que AI é um hype, é um buzz. A gente pode discutir sobre Web 3, sobre Metaverse, que foram outros hypes que a gente teve recentemente. Mas se você olhar, inclusive, a produção de material científico de papers, você tem mais de 25 anos de papers com AI. Seja Machine Learning lá no começo, o próprio Buscapela atrás adquiriu uma empresa de controle de fraude que usava AI. Então, acho que AI veio pra ficar. E eu concordo com o Marco, que apesar de não ser um hype, hoje o que a gente tem são provas de conceito incríveis. Um ChatterPT, um Sora, são maravilhosos. Por que eu digo provas de conceito? Porque ainda existe uma ponte para cruzar para que as grandes empresas usem isso como ferramenta para chegar ao consumidor. Quando a gente olha startup, o teu comentário é 100% verdadeiro. Eu brinco que, cinco anos atrás, todo deck de startup que eu via tinha a palavra Web3, há três anos atrás tinha a palavra metaverso e agora tem a palavra AI. Isso cria muito ruído e polui um pouco o espaço. Eu acho que, de uma forma bem direta, bem cética, a gente agrupa na headline três conjuntos as empresas de AI. Ah, poxa, o Mercado Livre está usando AI para falar com os consumidores. Ah, poxa, alguém está usando um AI para fazer vendas ou para fazer apresentação. Para mim, isso é, na verdade, a responsabilidade de todo o CEO hoje que está usando, que nem usa Excel, que nem usa qualquer outra ferramenta de plataforma. ferramenta de prateleira, desculpa. Então, esse primeiro grupo, quem usa AI para ser mais eficiente, é lugar comum. Quem não estiver usando AI, vai estar fora do seu espaço. O segundo grupo são as empresas que são mais deep tech, e é muito difícil ver no Brasil, que são as empresas que estão ou desenvolvendo modelos, ou desenvolvendo chip, e as duas estão começando a uma mirar na outra. A NVIDIA recentemente lançou software para rodar em cima dos compiladores, da mesma forma que o Senna Altman, na OpenAI, disse já que quer levantar trilhão de dólares para poder desenvolver o chipset. Então, uma das grandes questões é o quanto vão existir companhias só de chip ou só de grandes modelos de LLM ou qualquer outro modelo. O terceiro grupo de empresas que me atrai mais por a gente estar no Brasil são empresas que detêm um tipo de conteúdo ou de informação que é proprietário e que pode ser um diferencial para se treinar os LLMs. Então, quem tem um banco de dados rico o suficiente para poder ser um diferencial para essas plataformas? E você vê isso acontecendo nos Estados Unidos, inclusive com algumas empresas já se mexendo e questionando se o OpenAI poderia ou não estar dando informação do New York Times, sem o New York Times necessariamente receber alguma coisa. Então, esses grandes detentores de informação, sejam bancos de imagens, seja um Quora, um Reddit e outros, acho que vão estar super bem posicionados para terem um diferencial em relação à concorrência.

Até pegando o Carol nessa sua resposta, Obviamente fala muito de chat GPT, a gente fala de toda a questão da inteligência artificial generativa, mas na opinião de vocês hoje, qual que é o produto, o serviço mais revolucionário que a inteligência artificial tem feito aqui nesses últimos anos, principalmente? O que realmente mudou essa tecnologia de patamar? Quando que foi? E alguma coisa mais concreta. Começar, Marco?

Primeiro concordo com ele que não é um hype, claramente eu coloco o AI num patamar parecido com internet, com transformação digital, ou seja, é algo que não é comum. o Romero comentou de metaverse e tudo mais, que o mesmo blockchain, que são coisas de nicho, é uma coisa mais ampla. Outra coisa também é separar o que é AI generativa ou não. E é importante que como o chat CPT ajudou a popularizar. Lembrando que toda solução tem que ser agnóstica em LLM, não precisa ser amarrada só em uma determinada tecnologia, acho que também isso é importante. Mas ele ajudou a popularizar. Então, de certa maneira, o mercado se abriu a qualquer tipo de automação, porque antes você tinha várias automações muito interessantes que não eram nem IA. E outras são, mas não generativas, são coisas diferentes que você pode complementar da maneira que você coloca. Então, esse é um ponto. O que eu queria complementar, o que o Romero disse e falou bem, seria você ter várias soluções que você, vamos dizer assim, você inclui, né? Embedded, o AI. Aí eu acho que também, que é o caminho que a Estefania está seguindo. Então, a gente tem uma série de soluções que aí, por exemplo, a gente tem soluções jurídicas, a gente está incluindo, eu já tinha isso, já tinha o modelo de automação, quando você já tem o modelo de automação do sistema, fica mais fácil, tem outra solução, como se fosse uma comunidade para você fazer pesquisa, tem um grande banco que é o maior cliente, você vai lá e inclui AI. Aí você pega, por exemplo, a linha industrial, que você falou que é mais fácil fazer previsões e tudo, Aí você tem muita questão de eficiência operacional, aí você inclui AI. Então aqui a gente tem vários cases concretos e aí você vai. Por exemplo, a gente tem soluções financeiras. Na parte de soluções financeiras, que é o Topaz, a gente tem uma plataforma de soluções financeiras digitais. A gente tá colocando AI, por exemplo, como canal digital. Então você monta um canal como conversacional. Ao invés de você ter no iPhone, ou no teu celular, ou no internet, você tem uma tela, né? Você pode fazer conversacional e você consegue outros elementos. Aí no atendimento também, você muda a questão do atendimento, antes você podia fazer chat e outras coisas, você também muda. Então você vai incluindo uma série de soluções. Então assim, você tem por um lado alguém avançando no CORE, que eu acho difícil o Brasil ter, que é o que ele comentou o Romero de novo, você está no core que pode ser um chip que é na parte de hardware ou na parte do software em si que é o LLM, que eles estão construindo, mas eu vejo oportunidade para nós, o restante do mundo, não é só o Brasil, como é que você aplica isso e personaliza em determinadas soluções de negócio, que é o caso que a Thrive faz bem de nicho, Então, eu diria o seguinte, tem algumas empresas, a maioria realmente só mais fala do que faz, mas você começa a perceber as primeiras soluções que carregam AI no seu core, mas ainda para alavancar, obviamente, você depende de uma... se for no mercado corporativo, você depende, obviamente, de uma aceitação do mercado para você escalar. Então, você consegue alguns cases ainda mais pontual. É claro que alguns casos, quando você vai direto no B2C você não precisa ter anuência de ninguém, ali você avança mais rápido, que foi o caso do transformador digital, e é pra mim a mesma situação do AI. Mas hoje você tem várias empresas que já tem, o caso da Stephanie tem várias, a própria Thrive e outras. Com certeza o portfólio do Romero também tem, mas você vê que a gente é mais uma empresa que está propondo a solução, não é aquela que está consumindo a solução. São situações diferentes.

Construindo o que vocês dois estavam falando. Romero, você tem razão. A Thrive, onde a gente é focado, é em fazer modelos. E fazer esses modelos requer muita pesquisa científica. Você tem que ter uma área de R&D, de Data Science, que o Brasil, e tem várias empresas, foram poucas as empresas que hoje atuam com essa pesquisa, esse tipo de pesquisa e desenvolvimento científico para poder fazer esses modelos. E isso tem barreiras, porque no final da conta, mesmo um LLM ou um OpenAI, é tudo sobre os dados. Você estava falando sobre a sua pergunta, o que fez, na minha opinião, escutar de vocês, a AI ficar mais difundido nesses últimos anos, foi exatamente a capacidade agora de você ter uma experiência de usuário, que ela é fácil e que ela é intuitiva. Você entra ali no chat de TPI, antes isso só ficava ali numa API, e não é todo mundo que sabe codificar ou tem um degree ali em Ciências da Computação e Engenharia para conseguir usar essa inteligência artificial que já estava disponível publicamente para todo mundo virtualmente. Eu acho que isso fez com que as pessoas despertassem sobre os potenciais usos de caso que isso pode ter. Mas, para mim, ainda tem espaço para empresas, porque você precisa resolver um problema de interopabilidade de dados e a aplicação dessa inteligência artificial Ela ainda depende de você resolver um problema de estruturação que várias empresas eu acho que estão começando a se modernizar para elas conseguirem usar essa tecnologia de uma maneira mais ampla. Porque não adianta se não usar se você tem na estrutura dos dados do que você vai ensinar essas máquinas ou tentar tirar o output, o dado não está ainda preparado para aquilo. para ter maior adoção difundida entre as empresas. O que a gente acaba passando, o nosso lado de pesquisa científica é muito sobre como a gente faz inteligência artificial que tenha altíssima performance, ou acurácia, mas consegue raciocinar com o contexto e sobre pequenos fragmentos de dado, que é o que geralmente a estrutura do agro é. Você tem um queijo suíço ali, falta muito dado, mas você espera que essas máquinas tenham uma boa previsão e uma boa explicação. E, para isso, você precisa ter muito desenvolvimento de ciência e pesquisa para conseguir fazer.

Romero, quer complementar?

Claro, concordo 100% com ambos os pontos, mas construindo em cima do que o Marco falou, eu acho que as grandes empresas, talvez um primeiro passo, e até provoco, é a empresa encontrar parceiros que podem ajudar a tunar essa Essa máquina. Então, por exemplo, se eu sou uma grande empresa qualquer que seja, eu adorei o chat GPT, mas eu não vou colocar o chat GPT para falar com os meus clientes ou potenciais clientes sem eu poder subir os meus documentos de marketing e o chat GPT entender quais são os pontos de fala da minha marca. O que eu falo, o que eu não falo, como eu falo. Conhecer todo o material de vendas. ter tunado todas as perguntas e respostas que estão no meu Zendesk ou no meu suporte. Então, esse tipo de tuning está cada vez mais viável, porque à medida que a tecnologia vai evoluindo, a janela de toques, o número de palavras que você pode jogar num questionamento é maior, a ponto de você conseguir colocar documentos inteiros, como esses que eu falei. Então, acho que para ter um uso corporativo, e talvez esse seja um dos primeiros usos, a gente vai começar essas aplicações a serem construídas agora, na minha opinião, justamente por essa necessidade de túnel. Do ponto de vista de consumidor, Algumas empresas, sem a gente perceber, na minha opinião, estão já dois, três passos na frente, além do óbvio de quem tá tacando um B2C mais mato alto, como uma Microsoft e outras. Então, por exemplo, a Adobe. A Adobe já tem todos os profissionais de imagem, de design, de marketing do mundo pagando uma assinatura. A AI generativa de imagem que hoje a Adobe já entrega é incrivelmente boa. e já economiza muito tempo dos profissionais. Então, acho que esse primeiro momento da AI no B2C não vai ser nem B2C direto. Vai ser para profissionais que fazem algum serviço para o consumidor final. E vai funcionar como um exoesqueleto, como um Iron Man, ajudando ele a se tornar mais eficiente. Uma tarefa que vai levar 20 horas, ele vai fazer em 2, 3. Seja esse profissional um dev, seja esse profissional um fotógrafo, um designer ou o que seja.

Que agora fala um pouco também da questão de riscos. O Mustafa Suleiman, que é o fundador da DeepMind, ele já falou em entrevistas, e acho que é um consenso que a gente vê nesse tipo de discussão, que a inteligência artificial pode mudar, já está mudando todo mundo, mas tem riscos consideráveis. E aí eu queria saber, a gente vai aprofundar nesse assunto, mas eu queria saber de vocês, O quanto essa conta hoje, ou até pensando para um futuro que não tão distante, é positiva e quanto ela é negativa na opinião de vocês? Quer começar Romero? Vamos começar com você agora.

Podemos? Olha, eu acho que a minha opinião pessoal, a gente está ainda distante de se preocupar com algo como a Skynet do Terminator. Isso porque, por dentro das LLMs e dos World Generator Models, como Sora, eles acabam presumindo coisas fantásticas. Por que eu acho que a Sora é tão interessante e todo mundo está tão curioso sobre isso? Porque para produzir um vídeo daquele, o modelo não tem só que entender o que você pediu e o que é o output. Ele tem que entender a lei de física. Ele faz com que as folhas caiam de uma forma, que a luz reflita na água da forma certa, que a gravidade exista do jeito certo. Então, no fundo, sem você colocar nenhuma inferência, nenhuma equação, o sistema aprendeu o que é a natureza. Mesmo assim, esses sistemas são probabilísticos. Então, no fundo, é qual é o próximo token ou o próximo pixel, dado esse contexto e dado todos os outros pixels anteriores ou tokens anteriores. Então, ainda está muito distante da gente se preocupar com uma consciência de AI, por assim dizer. Dito isso, se a gente parar para pensar um modelo de LLM, ele fala português, ele fala inglês, ele fala Python, ele fala C++. Por que ele não pode falar genética? É uma linguagem o código genético. Então você poderia colocar no modelo, e tem startups trabalhando nisso fora do Brasil, onde você pode colocar no modelo sequências e sequências de DNA e o modelo sugerir novas sequências de DNA. Então não é necessariamente o AI sozinho que pode fazer o mal para a humanidade, mas é o mau uso do AI que pode fazer um grande mal para a humanidade. Com intenção boa, como Molé, posso colocar lá, química também é uma linguagem, posso colocar lá uma série de elementos da química e propor novos materiais. Então, na hora que a gente sai só da linguagem, seja ela escrita ou gráfica, e começa a ir para outros tipos de linguagem que estão na natureza, a gente pode se enfrentar alguns dilemas, no mínimo, éticos.

E outros tipos de problema também, porque o ponto que você estava falando, debaixo do... do carpete de um LLM é um modelo probabilístico que ele aprende com a base de dados do que você basicamente traduz a semântica do contexto da linguagem estruturada humana. Não significa que isso tenha um contexto ou os fatos corretos daquilo ou que esses modelos tenham a consciência de que eles estão aprendendo e como eles estão aprendendo. O LLM, de fato, tem um problema que chamamos de Abductive Reasoning, que é o raciocínio abduzido quando você tem algumas informações e tem que fazer o contexto daquelas informações para chegar a um todo. Falar para o LLM hoje, me descreva o que é papel, caneta, caligrafia. ele vai te falar qualquer coisa em vez de te falar a caneta. Tem vários estudos e pesquisas científicas que o pessoal da comunidade apresenta. E onde a gente está mais interessado é exatamente fazer um negócio que se chama Graph AI, Knowledge Graphical Aware Models. que aí, nesses modelos, você faz a codificação nessa estrutura de você conseguir trazer relações de variáveis. Você já informa a hierarquia, você coloca o contexto e, com isso, você coloca o LLM para raciocinar em cima desses modelos gráficos de conhecimento. Então, ele não alucina e ele traz para você o output baseado em fatos. que é onde as indústrias de healthcare ou as indústrias de finanças como a nossa, a gente está interessado, porque o mau uso de um AI ou o uso incorreto pode acarretar em diagnóstico errado, ou no meu caso, para os meus clientes em prejuízos financeiros gigantescos. E eu acho que é importante também as empresas saberem quais tipos de tecnologia que são pertinentes para aquele problema que eles estão resolvendo, porque não é nem tudo que funciona para automação ou para conversacional vai resolver para um problema classificatório de previsão. ou a questão que o Romero está falando, esses modelos modais como o Sora, que eles conseguem aprender a produzir conteúdo, imagens, você também tem que ter cuidado com desinformação. Você também não usar esses modelos. Como é que você coloca nesses modelos um mecanismo para saber que aquilo que está sendo gerado o quanto ele está, do ponto de vista, baseado em informação verídica e tem a ciência por trás. Eu acho que essa adoção de vai ser os próximos anos, ainda assim, acho que a gente vivenciou esses últimos dois anos, ainda vai mudar muita coisa.

E antes de passar a palavra pra você, Marco, até não costumo usar tanto o chat de EPT, mas eu falei, vou tentar usar aqui pra fazer uma entrevista, né? Pra formular aqui umas perguntas pra uma entrevista com uma pessoa muito conhecida. E eu comecei a provocar o chat de EPT. Ah, eu quero perguntas mais polêmicas, mais polêmicas. E aí quando ele veio, veio... pergunte pra ele a respeito da... que ele foi julgado e foi apontado como culpado num caso de lavagem de dinheiro há 10 anos. Aí eu falei, de onde você tirou essa informação? O próprio chat até falou, ah não, realmente não tem informação ali, essa informação não veio de lugares desconfiáveis. E isso é uma informação rápida que eu tive. Obviamente, se eu tinha esse conhecimento, eu não utilizei. Mas aí eu quero passar com esse gancho pra você, Marco, porque você já trabalha há 10 anos com isso. Tudo bem que mudou bastante ali, como a gente tá falando aqui desde o começo da conversa, agora é uma coisa muito mais. Qualquer um pode utilizar a inteligência artificial. Quanto que essa evolução, até o que você sentiu mesmo, o que mudou e os riscos que você tinha antes, são os mesmos riscos de agora?

Não, agora é diferente. Como ela é muito mais potente, você deu exemplo, a Lili também falou de alucinação, né? E esse é um problema que você, dependendo como você obviamente vai contextualizar a tua solução, você minimiza bastante, né? Então, assim, eu acho que vocês aí comentaram bastante na questão da... de você, o mau uso da solução, isso sempre está presente. Mas o que você falou, você perguntou para mim...

A respeito dos riscos de antes para os riscos de agora.

Então, por exemplo, a gente tinha um mundo muito mais limitado. Só para você ter uma ideia, foi interessante, a gente tinha o nosso próprio motor. A gente desenvolveu o nosso próprio motor, E a gente chegou a plugar no Teams toda a parte de tradução. Foi o ano passado, a gente ganhou um prêmio da Microsoft de melhor produto de latã e tudo mais, e dali três meses estava morto o produto, porque o produto... Então, o nível, quando você exponencializa a virtude, a oportunidade, você exponencializa os riscos. Mas você não pode... Eu sempre dou o exemplo de cartão de crédito. Não é porque tem muita fraude que você vai deixar de usar o cartão. É mais ou menos o mesmo caso aqui. Como é que você vai conseguir, de certa maneira, moldar a própria solução? Então, o nível que você tinha de oportunidade e de risco é totalmente diferente, antes e depois. E de novo, não foi como ela disse, não foi só o chat CBT. Ele popularizou, ele abriu a caixa da Pandora. Aí todo mundo acordou e começou a olhar. Porque muito do pleno uso, a gente comentou da oportunidade, também vem da falta, vamos dizer assim, o que o cara quer fazer com isso? Qual é a solução que ele vê? Qual é o problema que ele quer resolver? Que era no modelo digital também. Todo mundo gosta de perguntar qual a tecnologia. Não, não. Antes da tecnologia, qual que é o seu problema?

Qual é a dor, né?

Qual que é a dor? Onde você vai se envolver? Ou qual o seu negócio? Quem você quer desenvolver? Aí você vai... você inverte a questão. Então, acho que... Então, são dois mundos, antes e depois, pelo nível de oportunidade que você tem. Então, hoje o nível de motor que você tem, e não é só o que eu tenho agora, né? As versões que vem saindo é impressionante, né? E tem várias, a gente fala muito de GPT-S, falou do Sora, tem do Google, tem vários. O próprio Google já tinha boa parte disso, ele nunca avançou, passou o sinal ali, agora ele passou. Então, você começa a colocar imagem, você começa a dar outra cara. Então, o nível de oportunidade e o nível de risco é muito diferente. Mudou o patamar. O outro, não sei se vocês concordam, mas mudou totalmente.

Há um ano atrás, vocês devem lembrar, era uma gozação, que era um vídeo do Will Smith comendo um hambúrguer.

Não, o espaguete.

O espaguete, uma coisa horrorosa. E olha, em um ano, a qualidade que se chegou.

Agora, complementando essa questão de que você está falando de risco, já que vocês comentaram do mau uso da parte ética, então não vou comentar, mas tem a parte social também que é pesada. Então, claro que uma série de tarefas repetitivas vão ser minimizadas ao longo do tempo. Eu diria que a maior parte da força de trabalho atual, mesmo em países envolvidos, são atividades relativamente muito simples. Mesmo se você vai para os EUA, Europa, boa parte da força de mão de obra não é de nível alto. Quando você vai para um país em desenvolvimento com nível educacional mais baixo, É pior. Você tem uma oportunidade de dar um leapfrog e você, vamos chamar assim, dá um salto para suprir alguns gaps que você tem, mas no fundo a probabilidade de você ter um efeito negativo é maior que o positivo.

Vocês acreditam nisso? A questão social está sendo bem endereçada, essa questão social de fim de empregos. Como vocês estão vendo essa discussão?

Eu acho que vai ter uma evolução, vai ter um impacto na força de trabalho como já é esperado, mas eu não vejo que isso vai tirar empregos como algumas indústrias, como algumas pessoas pensam como algumas indústrias. Porque do ponto que o Marco estava falando, você ainda tem A AI não está... Inteligência Artificial, esses LLMs, ainda não são o que a gente chama de robustos. Você sempre tem que ter um humano ali no loop para verificar ou, de certa maneira, até mesmo fazer... alimentar, produzir os dados que, para a inteligência artificial, produzir um output exponencializado, dando o exemplo do que o Romero estava falando, você quer subir exatamente os seus materiais de marketing, mas tem que ser alguém ali...

Alguém tem que criar.

Alguém tem que criar, exato. E eu acho que o balanço tende a ser positivo, eu acho que vai ter uma reengenharia de, assim, do serviço, do trabalho, assim como teve quando veio o Excel, quando veio as primeiras linguagens de programação. O mundo, eu acho que a gente sempre se adequa às empresas, à humanidade, à sociedade, para adotar essas novas tecnologias e evoluir. E eu, sinceramente, é interessante que você estava falando sobre os três pilares de empresas que vocês olham. E, de fato, você olha, por exemplo, se você entrasse no site da OpenAI, acho que em agosto, você via lá, até ano passado eu lembro disso, que a gente olhava, você vê lá eles falando claramente, RobustAI, basicamente falando, investimentos em inteligência artificial robusta e com contexto era uma área que foi underestimada, subinvestida, e eles chamando pesquisadores, convidando quem tivesse interesse, quem tivesse papers científicos, Mas o que as pessoas enxergam não é só uma questão de construir modelos. É o que os dados que estão treinando aqueles modelos, que essas empresas de inteligência artificial já fizeram muito bem, porque os transformers já existiam. Mas o que fez o OpenAI ou o ChattyTP ficar difundido também, foi ali uma base de dados que eles fizeram um label, que treinaram aqueles parâmetros e que criou um dado que treina esse transformer, que faz com que você, quando usa um chat de TTP, ver aquilo ali com mais qualidade, com maior acurácia, diria, do que tinha o NLP que.

Você mencionou lá do passado. E antigamente se gastava uma energia enorme para treinar.

Exato.

Então, inviabilizava a maioria dos projetos. Hoje, você tem uma facilidade brutal. Mas tem uma... Falando de social, outro dia eu estava em um cliente lá no Chile. Tinha uma charge lá, tirando sarro, falando assim, o cara, não, eu estou com medo que eu vou perder meu emprego para um robô. Aí ele fala, não, você vai perder o seu emprego para quem usa o robô. que é o que vocês falaram, da planilha Excel. Agora, normalmente tem um descompasso, porque a tecnologia avança mais rápido que a sociedade, que a capacidade da sociedade reagir. Então, você tem um descompasso, mas a tendência é que, o que você falou, normalmente você tem um efeito positivo a médio prazo. Então, você, no fundo, traz mais qualidade do trabalho, mais qualidade de vida. Você cria novos negócios, porque, no fundo, você faz mais rápido, mas você cria novas... A capacidade que você tem de construir novas soluções é mais rápida. Mas, normalmente, você traz um descompasso. Sempre há um descompasso ali de qual é a capacidade que você tem de aderir, de adotar essas soluções. E, normalmente, sociedade e governo é mais lento. faz parte da característica.

A tecnologia é extremamente deflacionária, e especificamente a AI, eu acho que vai causar um impacto de aumento de produtividade, que vai ser perceptível em termos de PIB. Então, o que acontece, acho que nesse primeiro momento, é que você acaba qualificando profissionais que não estavam ainda aptos para aquela senioridade. O que eu quero dizer? com um copilot, um dev júnior consegue atuar como um dev pleno ou mesmo como um dev sênior, porque ele tem ali um suporte de uma ferramenta e o que ele produz naquela quantidade de horas deixa de ser equivalente ao preparo dele. Então ele realmente funciona como um Iron Man. Isso não quer dizer que necessariamente as empresas vão pagar esse dev júnior como um dev sênior, porque com o AI ele está entregando como dev sênior. Então realmente você tem desinflacionário. Você tem, eventualmente, algumas posições e situações onde você pode ver uma demanda maior de profissionais, porque agora estão habilitados em suporte, seja no que for, ou, eventualmente, uma redução de salários médios. Mas não nesse momento de eliminação.

Isso até em funções que são mais especializadas, né? Um desenvolvedor que imaginaria que o desenvolvedor.

Poderia perder... Análise de imagem pra medicina, suporte e atendimento, vendas. dev, designer gráfico, ficou muito mais fácil. Quem se beneficiou de AI além do... Canva, pô, Canva que criava login, imagenzinha, agora eu falo, ele gosta da imagem do outro lado, não preciso mais, o que era um marketplace que tinha designers do outro lado, agora tem alguns designers, mas tem muito AI dentro. Eu acho que um ponto que a gente não conhece ainda muito bem o resultado, e que eu acho que ainda dá essa tranquilidade de ter cada vez mais pessoas, seres humanos, qualificados para produzir os conteúdos, é que alguns estudos mostram que quando a AI generativa só consome AI generativa, em poucas gerações, em coisa de 20 ou 30 gerações, ela degenera, ela entra em alucinação e ela não consegue mais produzir resultado, porque ela só consome o que ela mesma gerou. Então isso mostra que você sempre vai precisar, pelo menos por enquanto, de um conteúdo novo. de um conteúdo fresco pra AI consumir.

E até pegando o carona que você respondeu agora, o quanto que esse desenvolvimento de inteligência artificial como um todo, ele tá sendo, vamos falar, socialmente, tá respeitando a sociedade, respeitando ali tudo, ou tá tudo sendo desenvolvido por meio de uma terra sem lei? A gente continua nesse cenário? Pegando até carona o que a gente já comentou aqui, com o New York Times agora tá processando o OpenAI porque eles utilizaram os dados do New York Times sem autorização. O quanto que vocês estão vendo é que isso tá sendo utilizado de maneira responsável, tá sendo criado de maneira responsável. Aline, pra começar.

Eu acho que a gente ainda está numa terra sem lei, em relação a isso. Você vê muitas iniciativas de regulação dessa indústria ou da forma como os mecanismos com os quais você tem que informar os seus clientes ou usar os dados deles. Eu... Empresas como a nossa ou como qualquer empresa séria nessa indústria, todo mundo está trabalhando com os reguladores e trabalhando com o setor para exatamente fazer o desenvolvimento desses modelos respeitando esse tipo de problema. Você quer AI robusto que ele consiga aprender o conteúdo correto e você tem que saber ter o discernimento das coisas que são erradas para a sociedade economicamente e também o uso responsável do dado dessas empresas que a gente procura também trabalhar em conjunto com eles. Mas eu acho que a gente ainda não está certo para mim, pelo menos não está claro para mim, como que vai vir a regulação desses Large Language Models e até que ponto que as empresas, como que as empresas têm que tratar o uso de dado público ou de dado restrito privado. Eu acho que o problema, por exemplo, do New York Times e do OpenAI, tem um debate, porque tudo aquilo que está na web, querendo ou não, é de domínio público. Uma vez que você ensina essas máquinas, você tem uma dificuldade muito grande de colocar a citação, de você inserir naquele mecanismo os direitos autorais para alguns conteúdos que aquele AI está aprendendo em cima da internet. Eu, sinceramente, não sei como isso vai se desenrolar nos próximos meses, mas a gente está acompanhando e a gente está com uma abordagem mais conservadora em relação a isso. e a gente procura escutar os nossos clientes de como eles esperam também o uso de dados deles para a gente acabar não infringindo nenhuma expectativa, eu diria, nenhum mau uso nesse aspecto de ensinar uma máquina sobre um dado que não era proprietário da empresa.

Romero, você que ouve bastante startup, acho que você tem ali Uma noção de como que tá isso.

Eu acho que esse vai ser um tema que vai estar presente nas manchetes nos próximos seis a doze meses. O New York Times, ele vai lá e produz um review sobre os melhores sushis de Nova York. Ele não faz isso de graça. Ele faz isso e não está numa free internet, pode estar numa open internet, ou seja, você entra lá, tem publicidade, ele faz isso com uma finalidade de negócio e ele ganha dinheiro com isso. Então ele é um produtor. Acho que um jeito de olhar o mundo é muito produção e distribuição. Então ele produz. Alguém vem e distribui, pode ser o Google Search. Pode ser qualquer outro. Nesse caso, é um AI que está distribuindo. Por exemplo, o chat do DPT. Ele vai consumir essa informação e vai fornecer para o usuário. E muitas vezes vai fornecer isso cobrando o usuário. Então ele está usando uma informação de alguém que produziu, que teoricamente produziu como um modelo de negócio para receber receita disso. Ele não está pagando nada essa fonte e ele ainda está cobrando por produzir e manipular essa informação. Muitas vezes, que foi o caso do processo do New York Times, algumas respostas do chat de PT tinham noventa e tantos por cento de mesmas palavras. Então, nitidamente, foi muito pesado. O weight ali no New York Times estava muito alto. Get images, mesma coisa com os modelos de geração de imagem. Então, curiosamente, num primeiro momento, quando a gente falou de LLM, um ano atrás, todo mundo imaginou que seria o fim até da produção de conteúdo. Eu hoje aposto um pouco diferente. Eu acho que eles vão beneficiar os bons produtores de conteúdo. Não por acaso, muito recentemente, o Google fechou um acordo com o Reddit para poder ter acesso a todo o banco de dados do Reddit e poder, de uma forma um pouco melhor, turbinar o Gemini. que está tendo seus próprios problemas de diversidade, inclusão e tudo mais. Então, eu acho que sim, a gente vai ter regulação do governo e a gente vai ter briga entre diferentes players da cadeia que vão criar quase que, vamos dizer assim, uma jurisprudência do que é a forma certa de operar esse tipo de negócio.

Essa briga de conteúdo e distribuidor já existia antes, né? É que o AI agora, de novo, ele turbinou, potencializou, acho que esse é um ponto. Talvez acrescentando o que vocês falaram, talvez colocando um pouco de pimenta aí, ou lenha na fogueira, tem uma questão também de estratégia e geopolítica também, né? Se você analisar A Europa sempre é a que lidera a questão de regulação, e não por acaso ela que também está liderando. Ela sempre lidera. Até pelo perfil europeu bastante conservador. Alguns podem comentar que é demasiado, outros não. E você tem uma questão geopolítica de países totalitários que usam essas ferramentas, não tenham mesmo o apreço ético e outros mais, e que hoje se transformam numa vantagem competitiva, incluindo o militar, que é o caso de China, o caso de Rússia e tudo mais. Então, você tem esse também, porque se você também restringe muito, você diminui a capacidade de evolução, porque você vive de dados. Se você tem muita restrição... Você vai limitar a capacidade e os países de origem totalitária vão ter uma vantagem competitiva na trama. Então, como é que você equilibra isso realmente? E eu concordo com você, eu não faço a mínima ideia como é que vai sair do outro lado lá. Mas eu não queria estar nessa pele, mas eu acho que a gente, como você disse, a gente, né, Aline? A gente pode tentar contribuir, porque se a gente não contribuir, aí podem sair coisas muito piores. Porque, obviamente, se a gente que vive nesse meio tem dificuldades de entender como solucionar, imagina legisladores, políticos, que aí tem uma noção muito menor. Então, como é que você equilibra os.

Dois, realmente... E vocês acham que, a gente sabe que hoje, as duas potências da inteligência artificial, Estados Unidos e China, principalmente. Isso dá uma vantagem muito grande geopoliticamente falando, na opinião de vocês? Jogando aqui, aproveitando um pouco a pimenta aqui.

É uma força, sem dúvida nenhuma. se eu trouxer... Até militar mesmo. Militar e de propaganda. Se você traz de novo o teu exemplo onde você fez uma pergunta e a fonte não era bem sabida, um dos riscos dos modelos de LLM, principalmente os de texto, é que no fundo ele vai fazer todo o editorial para você daquilo. Antigamente, você procuraria no Google, e, na pior das hipóteses, tem lá 20 linkins azuis. Você consegue ver diferentes opiniões e você, em cima da sua capacidade, da sua crítica, construir o que é a tua perspectiva, o que é a tua narrativa, o que é o teu... Na hora que você já pega tudo processado, É muito difícil você abrir esse capô e entender por que ele respondeu isso e não aquilo. Porque o próprio sistema não sabe. Ele é probabilístico. Da forma como ele foi treinado, você acaba tendo resultados que se tornam polêmicos. Gemini está aí. Gemini, a partir de criação de imagens, desde que foi lançada a última versão, não consegue produzir imagens sem ter um filtro enorme de diversidade e inclusão. Então, quando você pede uma foto de George Washington, vem uma foto de George Washington afrodescendente. Quando você pede os Founding Fathers, eles vêm como índios. Então, isso não é uma questão de inclusão, não é inclusão? Porque, na verdade, a gente sabe como...

Ele reflete o conteúdo da internet.

Mas ele reflete o treinamento. Então, quer dizer, isso acaba virando uma ferramenta mal usada, inclusive de propaganda, que é muito importante na geopolítica.

Não, mas é exatamente isso. E por isso, Romero, que a gente... A gente ainda tem muita pesquisa e desenvolvimento para ser feito em AI. Eu não acho que as empresas que lançaram o LLM vão ser a única solução e a comunidade de AI está fadada somente ao que essas empresas produzirem, porque você tem que fazer esse tipo de problema, passa por você fazer outros tipos de arquitetura ou você ter o que você falou antes, dados que são únicos ou que são estratégicos, que representam, enfim, da maneira correta para você, algum evento, alguma indústria, para você treinar esses modelos, que é onde a gente geralmente tenta focar. Por isso que a gente é tão focado em agro, tão focado em risco. E a gente não acredita de fato que os LLMs são confiáveis ou a melhor ferramenta para você fazer diagnóstico ou avaliação de risco, porque você precisa ter contexto. Eles faltam um negócio que a gente chama de world model, eles não entendem hierarquia, eles não entendem, não armazenam o histórico dessas hierarquias, dessas variáveis. Então tem muita coisa que ainda está para sair ou que Eu realmente acho que várias empresas, startups ou empresas de tecnologia como a sua, estão posicionadas para resolver esse tipo de problema e fazer essa evolução.

Eu acho que tem um ponto também interessante, que é a questão do monopólio também, que a gente precisa tomar cuidado. Monopólio é ruim, seja estatal, seja privado. A gente já vê uma concentração muito grande das próprias big techs que, muitas vezes, acabam não ajudando a evolução tecnológica. Não vou citar nomes, que não é elegante, mas a gente sabe de várias empresas que praticam monopólio, ou quase, e elas monopolizam. E, no fundo, elas atrapalham mais do que ajudam a inovação e o desenvolvimento. Quando você vai para o mundo de LLMs, toda essa parte da AI, o que acontece? Na verdade, como você exige um nível de investimento brutal em processamento, você fala a conversa só em vários bilhões de dólares por ano, E agora o próprio Sam veio falando de um trilhão. Então você começa com os níveis estratosféricos e você corre o risco de ter uma concentração ainda maior. E concentração, desculpa, é sempre ruim.

Eu até queria perguntar para vocês isso. Você não pode citar nomes, mas eu posso, porque a gente vê ali, meta o próprio alfabeto do Google, a gente vê Microsoft, até a Amazon. Vocês acreditam que dá para alguma empresa surgir para rivalizar com essa? Ou até por esse fato de ter que colocar muito dinheiro, a gente não vai ter uma nova empresa surgindo ali e essas big techs vão continuar sendo dominantes?

Bom, eu posso começar. Eu até constrango em cima. Acho o monopólio terrível, mas eu acho que sim, a gente deve ter outras empresas. Muitos setorizados, verticalizados, onde vão conseguir ter um treinamento mais profundo e dar resultados melhores. Porque elas passam a parar de querer resolver um problema único e resolver um problema específico. Não é diferente do que aconteceu com o search, com busca. Então tinha busca genérica, só que a busca especializada é melhor. Você quer encontrar uma passageira? O caiaque era melhor. Você quer encontrar um preço? O busca pé era melhor. E assim vai. Óbvio, o player horizontal vai tentar aos poucos atacar todos esses nichos.

Que o Google fez com o Google.

Viagens, com o Google Shopping, assim vai. Mas existe sim oportunidade para se criar bons e grandes negócios. Até que um dia você tenha competição com esses grandes players e aí você está num problema muito bom. Não é fácil competir com o Google, eu já tive esse desafio, mas é um privilégio ao mesmo tempo poder competir de igual para igual com o Google. Então, eu acho que sim, a gente vai ver. E por que isso? Porque eu acho que tem muita gente acreditando que mesmo os modelos grandes proprietários, de Google, de Alphabet, de OpenAI com Microsoft, tendem a capturar muito pouco valor, porque você vai ter projetos open source e você vai ter muito investimento em hardware. E as empresas de hardware já não são mais bem empresas de chip só. A NVIDIA, como a gente tem visto, tem lançado cada vez mais soluções de software em cima dos chips. Então, eu acho que, no final do dia, a lei de Moore vai prevalecer, ou seja, o custo de computação é altíssimo, mas acho que ele tende a cair. Eu lembro lá atrás, quando o YouTube estava para quebrar e o Google adquiriu, que o YouTube gastava de banda, não estava escrito, quando o Netflix resolveu mudar. O Netflix foi um investimento da Redpoint lá em 99. Quando resolveu mudar do DVD entregue para o Correio para o stream e ninguém acreditou. Eu não consigo nem baixar imagem direito. Eu acho que na hora que tiver esse parque de GPUs instalado, as aplicações vão ser criadas. Geralmente acontece assim com tecnologia. Você cria e as pessoas veem. e com criatividade criam aplicações em cima da plataforma.

Eu concordo 100% com o que você falou. A infraestrutura está vindo e, com certeza, várias empresas estão aí para mostrar. Você tem essas grandes empresas que têm os aplicativos genéricos, Mas quando você vai para as verticais e para algumas indústrias, ainda tem muita coisa para ser desenvolvida e tem muita empresa crescendo. É como eu disse no começo, eu realmente sou muito cética de que esses Large Language Models têm a capacidade de atender alguns setores da maneira eficiente. o que abre espaço para várias empresas nascerem e crescerem nesse meio.

De certa maneira... Primeiro, eu concordo com vocês. Você vai ter milhares, talvez milhões de empresas trabalhando em nichos, que você fez comentário. Algumas delas conseguem se destacar mais. Eu acho que a grande oportunidade para quem não está, a gente sempre falava, repetir o vale do silício, ninguém conseguiu repetir, nem nos Estados Unidos consegue pelo ecossistema. mas uma forma de inovar é você adaptar, personalizar soluções, que é um pouco do que vocês falaram. Então, de certa maneira, nesse ponto eu concordo totalmente, é um pouco até do que eu procuro fazer e tudo mais, entrar nessa linha, porque não dá pra concorrer você trabalhar no core. Agora, por outro lado, também é importante que a gente tenha pelo menos alguns cores, porque se não, no fundo, a funila se afunila no corpo principal. Se tivesse só um, graças a Deus, a gente tem hoje uma perspectiva de quatro ou cinco. Talvez um core ou outro muito específico, mas de core mais genérico é 3 ou 4 ali. E a gente precisa que tenha essa perspectiva de pelo menos 3 ou 4, porque na hora de ficar na mão de um só, por exemplo, hoje, computação pessoal, você está na mão de um só. Aí vai complicar mais. Então, independente da gente estar trabalhando nessa questão do nicho ou da solução em si, que aí é bem... É bem abrangente, o core mesmo, né? Se você depender de um só, você vai ficar muito amarrado, né? E nas big techs, de certa maneira, cada uma se especializa em alguma área, você fica um pouco amarrado, né? Umas reclamam de, por exemplo, na parte publicitária, que fica amarrado em um e assim por diante. Então... Nessa linha, a minha torcida que é mais do que uma... que tenha pelo menos uns 3, 4 ou 5 ali que você consiga trabalhar até, que eu acho que nesse ponto estimula inclusive o desenvolvimento de todos eles e do mercado. Então, eu acho que esse é o risco que a gente tem apesar dos nichos, só complementando.