Entre as inovações de GenAI que o Gartner espera que atinjam adoção em massa nos próximos 10 anos
Quarenta por cento das soluções de Inteligência Artificial Generativa (GenAI) serão multimodais (texto, imagem, áudio e vídeo) até 2027, o que representa um grande aumento em relação a apenas 1% registrados em 2023, de acordo com o Gartner.
Essa mudança de modelos individuais para modelos multimodais proporciona uma interação aprimorada entre humanos e Inteligência Artificial (IA), além de uma oportunidade de diferenciação para ofertas habilitadas por GenAI. Tendências como essas e outras que moldam o futuro da TI e dos negócios, incluindo a aceleração da transformação empresarial, modernização de aplicativos, infraestrutura e operações.
“À medida que o mercado de Inteligência Artificial Generativa evolui para modelos treinados nativamente em mais de uma modalidade, isso ajuda a capturar relações entre diferentes fluxos de dados e tem o potencial de ampliar os benefícios da GenAI para todos os tipos de dados e aplicações. Isso também permite que a Inteligência Artificial auxilie os humanos na realização de mais tarefas, independentemente do ambiente”, diz Erick Brethenoux, Vice-Presidente e Analista do Gartner.
A Inteligência Artificial Generativa multimodal é uma das duas tecnologias identificadas no Gartner Hype Cycle for Generative AI, em que a adoção inicial tem potencial para gerar significativas vantagens competitivas e benefícios em termos de tempo de mercado. Juntamente com os grandes modelos de linguagem (LLMs) de código aberto, ambas as tecnologias possuem um alto potencial de impacto nas empresas nos próximos cinco anos.
Entre as inovações de GenAI que o Gartner espera que atinjam adoção em massa nos próximos 10 anos, duas tecnologias foram identificadas como oferecendo o maior potencial: modelos de Inteligência Artificial Generativa específicos de domínio e agentes autônomos.
Hype Cycle for Generative AI, 2024
“Navegar pelo ecossistema GenAI continuará a ser uma tarefa desafiadora para as empresas, devido a um ambiente caótico e dinâmico de tecnologias e fornecedores”, diz Arun Chandrasekaran, Vice-Presidente e Analista do Gartner. “A Inteligência Artificial Generativa está no Vale da Desilusão, com o início da consolidação da indústria. Os benefícios reais surgirão quando o hype diminuir, com avanços rápidos nos recursos esperados nos próximos anos.”
Inteligência Artificial Multimodal
A GenAI multimodal terá um impacto transformador nas aplicações empresariais ao permitir a adição de novos recursos e funcionalidades que antes eram inalcançáveis. O impacto não está limitado a indústrias ou casos de uso específicos, podendo ser aplicado em qualquer ponto de contato entre a Inteligência Artificial e os humanos. Atualmente, muitos modelos multimodais estão limitados a duas ou três modalidades, mas isso aumentará nos próximos anos para incluir mais categorias.
“No mundo real, as pessoas recebem e compreendem informações por meio de uma combinação de diferentes modalidades, como áudio, visual e sensorial”, diz Brethenoux. “A GenAI multimodal é importante porque os dados são tipicamente multimodais. Quando modelos de modalidade única são combinados ou montados para suportar aplicações de Inteligência Artificial multimodal, isso geralmente resulta em latência e resultados menos precisos, o que diminui a qualidade da experiência.”
Modelos de Linguagem de Grande Portede Código Aberto
Os modelos de linguagem de grande porte (LLMs) de códigos abertos aceleram o valor empresarial da implementação da Inteligência Artificial Generativa ao democratizar o acesso comercial e ao permitir que os desenvolvedores otimizem modelos para tarefas e casos específicos de uso. Além disso, eles oferecem acesso a comunidades de desenvolvedores em empresas, academias e outros papéis de pesquisa que trabalham em direção a objetivos comuns de aprimoramento e valorização dos modelos.
“Os grandes modelos de linguagem de códigos abertos aumentam o potencial de inovação através da personalização, maior controle sobre privacidade e segurança, transparência dos modelos, capacidade de aproveitar o desenvolvimento colaborativo e potencial para reduzir a dependência de fornecedores”, diz Chandrasekaran. “Em última análise, eles oferecem às empresas modelos menores que são mais fáceis e menos caros de treinar, e que capacitam aplicações empresariais e processos de negócios essenciais.”
Modelos de Inteligência Artificial Generativa Específicos de Domínio
Modelos de GenAI específicos de domínio são otimizados para as necessidades de indústrias, funções empresariais ou tarefas específicas. Eles podem melhorar o alinhamento dos casos de uso dentro das empresas, oferecendo maior precisão, segurança e privacidade, bem como respostas mais contextualizadas. Isso reduz a necessidade de engenharia avançada de prompts em comparação com modelos de uso geral e pode diminuir os riscos de alucinação por meio de treinamentos direcionados.
“Os modelos específicos de domínio podem alcançar um tempo mais rápido para gerar valor, desempenho aprimorado e maior segurança para projetos de Inteligência Artificial, fornecendo um ponto de partida mais avançado para tarefas específicas da indústria”, diz Chandrasekaran. “Isso incentivará a adoção mais ampla da GenAI, pois as empresas poderão aplicá-los em casos de uso onde os modelos de propósito geral não são suficientemente eficazes.”
Agentes Autônomos
Agentes autônomos são sistemas combinados que alcançam objetivos definidos sem intervenção humana. Eles utilizam uma variedade de técnicas de Inteligência Artificial para identificar padrões em seu ambiente, tomar decisões, executar uma sequência de ações e gerar resultados. Esses agentes têm o potencial de aprender com seu ambiente e de melhorar com o tempo, permitindo a realização de tarefas complexas.
“Agentes autônomos representam uma mudança significativa nas capacidades da Inteligência Artificial”, diz Brethenoux. “Suas capacidades de operação e decisão independentes permitem melhorar as operações empresariais, aprimorar a experiência do cliente e criar novos produtos e serviços. Isso provavelmente proporcionará economias de custos, garantindo uma vantagem competitiva. Também implica uma mudança organizacional da execução para a supervisão.”