Por Lori Perri | 3 minutos de leitura | 12-04-2024
Contexto geral
As tecnologias que sustentam a IA generativa estão crescendo a um ritmo inédito graças, em grande parte, a enormes investimentos de grandes empresas de tecnologia e laboratórios de pesquisa. Na realidade, a GenAI parece ser imune à desaceleração geral nos investimentos de capital de risco, e startups bem financiadas continuam surgindo e amadurecendo.
Ao observar todas as quatro camadas da pilha de tecnologia da IA generativa - infraestrutura, modelos, ferramentas de engenharia de IA e aplicações - a Gartner faz cinco previsões sobre como será a evolução da IA generativa nos próximos anos. Apresentamos aqui três previsões e as implicações para sua organização.
Embora os modelos de uso geral apresentem um bom desempenho em um amplo conjunto de aplicações, a demanda pela GenAI está aumentando em muitos setores. Junto com a maior disponibilidade de grandes modelos de linguagem (LLMs) de código aberto de alto desempenho e comercialmente utilizáveis, há um interesse por modelos específicos de domínio;
Modelos de domínio podem ser menores, menos intensivos em termos computacionais e com menores riscos de alucinação associados a modelos de uso geral;
Planeje a necessidade de implantar e gerenciar múltiplos modelos de GenAI para um domínio específico para dar suporte a uma variedade de casos de uso. Mas antes de construir o seu próprio, procure modelos prontos, específicos de domínio, que você possa treinar ou ajustar para atender às necessidades da sua empresa.
O desenvolvimento de dados sintéticos – ou seja, artificialmente gerados – oferece suporte para sistemas com dados reais que são onerosos, indisponíveis, desequilibrados ou não utilizáveis devido a regulamentações de privacidade;
A introdução de dados sintéticos nos modelos permite que as organizações simulem ambientes e identifiquem novas oportunidades de desenvolvimento de produtos, especialmente em indústrias altamente regulamentadas. Isso também permite a rápida criação de protótipos de softwares, experiências digitais e híbridas;
Concentre o uso de dados sintéticos em áreas diretamente correlacionadas ao crescimento dos negócios, como o desenvolvimento de segmentos de clientes, jornadas e experiências e o treinamento de modelos de aprendizado de máquina.
A rápida adoção de ferramentas de IA generativa torna o impacto ambiental negativo da IA generativa, citado pelo público e por governos, uma preocupação imediata para líderes de negócios;
A minimização do uso de energia e recursos necessários para o treinamento e desenvolvimento da IA é fundamental. A energia renovável e a infraestrutura, tanto para serviços no local quanto na nuvem, serão otimizados pela IA;
Controle os custos dos recursos de computação com otimização de energia diversificando seus fornecedores, buscando arquitetura combinável e operações de ponta para GenAI em cada jurisdição de operação e utilizando energia renovável de alta qualidade durante os treinamentos para mitigar o impacto em suas metas de sustentabilidade.
“A GenAI tem sido incorporada em uma grande variedade de aplicações de negócios. Com a transformação de modelos subjacentes para multimodais, ela pode permitir fluxos de trabalho de automação mais ricos e mais inteligentes. Isso também permitirá que modelos de GenAI se tornem mais autônomos, refletindo melhor os ambientes em que eles são treinados.”
Três tópicos para abordar com seus colegas
Com o investimento contínuo de grandes empresas de tecnologia e pesquisa juntamente com startups empreendedoras, a GenAI continuará avançando no próximo ano.
As previsões da Gartner, e nossas recomendações para ações com base nessas previsões, munem líderes de TI com informações para se manter à frente.
As três previsões de destaque neste artigo estão voltadas para a ascensão de modelos específicos de domínio, o uso de dados sintéticos e como tornar a GenAI mais sustentável.
Compartilhe este artigo
Arun Chandrasekaran é Vice-Presidente Distinto e Analista na Gartner, onde seu foco de pesquisa são tendências e tecnologias emergentes, com ênfase em inteligência artificial e computação em nuvem. Arun é um conselheiro confiável para executivos e líderes de TI, incluindo membros do conselho de administração, CEOs, CIOs, CTOs e seus subordinados diretos. Ele já aconselhou milhares de CIOs e CTOs e conduziu centenas de workshops para várias organizações do Global 2000 sobre IA, Nuvem e Inovação. Além disso, ele acompanha de perto o ecossistema de startups, aconselhando capitalistas de risco e CEOs de tecnologia. Ele faz parte da equipe principal que analisa as tendências tecnológicas emergentes e cria a pesquisa anual de principais tendências tecnológicas estratégicas da Gartner. Ele também lidera o ciclo de hype da Gartner para tecnologias emergentes. Suas áreas de foco de pesquisa incluem tendências emergentes em IA, incluindo IA Generativa e modelos fundamentais de IA, Nuvem Pública e arquiteturas nativas da Nuvem.
