Entenda e explore a IA generativa com o novo radar de impacto da Gartner

Por Lori Perri | 5 minutos de leitura | 21 de december de 2023

Contexto geral

Use o radar de impacto de IA generativa para planejar investimentos e estratégias

Ao desenvolver produtos e serviços habilitados para IA generativa, a Gartner recomenda que você:

  • Crie um plano de implementação e teste;

  • Concentre-se primeiro nos casos de uso predominantes, aqueles que já estão proporcionando valor real aos usuários;

  • Desenhe um plano de investimento que priorize oportunidades;

  • Esforce-se para criar uma vantagem competitiva;

  • Adie investimentos futuros e de longo prazo em IA generativa.

Cada uma das 25 tecnologias e tendências presentes no radar de impacto se enquadra em um dos quatro temas.

Tema 1: inovações relacionadas com modelos

Este tema está no centro de ofertas de GenAI e destaca componentes elementares, como grandes modelos de linguagem (LLMs), além de abordagens inovadoras de modelos de negócios, como modelos como serviço (MaaS). As seguintes tecnologias e tendências se enquadram nesta categoria:

  • LLMs leves podem oferecer suporte a casos de uso em que LLMs massivos (ou pesados) são inviáveis;

  • LLMs de código aberto são modelos básicos de aprendizagem profunda que se distinguem pelos termos de uso, distribuição concedida aos desenvolvedores e acesso dos desenvolvedores ao código-fonte e à arquitetura do modelo;

  • Cadeias de LLMs de vários estágios são bibliotecas que conectam diferentes LLMs a várias tarefas completas;

  • Hubs de modelos são repositórios que hospedam modelos de aprendizado de máquina (ML) pré-treinados e prontamente disponíveis, inclusive modelos generativos;

  • Modelos de IA de difusão são modelos generativos que utilizam variação probabilística para adicionar ruído a dados e, posteriormente, reverter o processo para novas amostras generativas de dados;

  • Modelos de IA como serviço (AIMaaS) fornecem inferência e ajuste fino de modelos de IA, e são oferecidos como um serviço consumível por provedores de nuvem.

Até 2027, modelos básicos sustentarão 70% dos casos de uso de processamento de linguagem natural (NLP), contra 5% em 2022.

Fonte: Gartner

Tema 2: desempenho de modelos e segurança de IA

Este tema destaca o papel fundamental do usuário em reduzir os riscos e definir diretrizes para fornecedores gerenciarem a GenAI de modo responsável. As seguintes tecnologias e tendências se enquadram nesta categoria:

  • A IA de usuário no circuito (UITL) é um fluxo de trabalho que requer que os usuários sejam incluídos em qualquer estágio do fluxo de desenvolvimento do sistema de IA;

  • A gestão de alucinação se refere ao gerenciamento de incidentes quando o conteúdo gerado por LLM não tem sentido ou está nitidamente incorreto;

  • A geração aumentada por recuperação (RAG) é um padrão de arquitetura que combina uma função de pesquisa com um recurso generativo para fundamentar a saída de conclusões generativas;

  • Extensões de GenAI são ferramentas que aumentam os recursos dos modelos de GenAI, proporcionando aos modelos a capacidade de recuperar informações em tempo real, incorporar dados de negócios, executar novos tipos de cálculos e agir com segurança em nome do usuário;

  • Ferramentas de engenharia de prompt fornecem informações, na forma de texto ou imagens, aos modelos de GenAI para especificar e confinar o conjunto de respostas que o modelo pode produzir;

  • Detectores de procedência identificam se o conteúdo de texto, áudio ou vídeo foi produzido com uso de GenAI.

Até 2026, modelos de IA de uma única modalidade perderão espaço para modelos de IA multimodais (texto, imagem, áudio e vídeo) em mais de 60% de soluções de GenAI contra 1% em 2023.

Fonte: Gartner

Tema 3: criação de modelos e dados relacionados

Este tema abrange algumas das etapas e decisões essenciais no desenvolvimento e avanço de um modelo de GenAI. As seguintes tecnologias e tendências se enquadram nesta categoria:

  • Gráficos de conhecimento (KGs) são estruturas de dados legíveis por máquinas que representam conhecimentos dos mundos físico e digital, inclusive entidades e seus relacionamentos, que aderem a um modelo de dados de gráfico;

  • Modelos de GenAI multimodal permitem diversos tipos de entradas e saídas de dados (como imagens, vídeos, áudio, texto e dados numéricos) em um único modelo generativo;

  • Dados sintéticos gerados por IA são uma classe de dados geralmente derivados e extraídos de um conjunto de dados, mas gerados artificialmente, em vez de serem coletados de eventos do mundo real;

  • Bancos de dados de vetores escaláveis proporcionam capacidade de pesquisa de vetor (semântica) e são utilizados conjuntamente com LLMs para aplicar a capacidade do modelo de modo a responder a linguagem natural com informações personalizadas ou específicas de uma empresa ou domínio;

  • Ferramentas de engenharia de GenAI permitem que as empresas operacionalizem modelos mais rapidamente, equilibrando a governança e o tempo de lançamento no mercado.

Tema 4: aplicativos habilitados para IA

Este tema se concentra na expectativa por aplicativos emergentes nos próximos três anos; alguns deles permitirão novos casos de uso, enquanto outros aprimorarão experiências já existentes. As seguintes tecnologias e tendências se enquadram nesta categoria:

  • Gêmeos de simulação aproveitam o melhor de tecnologias de gêmeos digitais e probabilidades de IA;

  • Aplicativos nativos com IA generativa consistem em softwares projetados com tecnologia e recursos de GenAI em sua essência;

  • Ferramentas e agentes de fluxo de trabalho são funções que agentes (algoritmos e programas de IA) podem utilizar para interagir com o mundo;

  • Aplicativos com GenAI incorporada são softwares já existentes que foram aperfeiçoados com a incorporação de recursos de GenAI para melhorar casos de uso ou oferecer outros;

  • A modelagem molecular de IA emprega técnicas de simulação para testar rapidamente uma grande variedade de possíveis tratamentos ao modelar como diferentes compostos se vincularão e interagirão com moléculas direcionadas;

  • Sistemas generativos multiagentes (MAGs) fundem agentes de software computacionais e LLMs para simular um ambiente de interações e comportamentos de sistemas complexos de múltiplos agentes;

  • A geração de códigos de IA utiliza LLMs para geração de código com base em instruções de prompt enviadas por um usuário;

  • Assistentes virtuais (VAs) habilitados para GenAI representam uma nova geração de VAs que utilizam LLMs para oferecer funcionalidades superiores.

A história por trás da pesquisa

De autoria de Annette Zimmermann, Vice-presidente Analista da Gartner

“A inédita difusão de tecnologias está afetando praticamente todos os mercados, seus produtos e clientes. Como consequência, a GenAI vai promover mudanças consideráveis em forças competitivas e gerar novas oportunidades de negócios para provedores de tecnologias e serviços.”

Três tópicos para abordar com seus colegas

1

As tendências e tecnologias em destaque no radar de impacto da IA generativa elaborado pela Gartner se enquadram em quatro temas principais, o que ajuda líderes de produtos a obterem vantagem competitiva.


2

Use o radar de impacto ao fundamentar sua estratégia para o desenvolvimento de produtos e serviços habilitados para GenAI.


3

Para atingir suas metas de negócios, concentre-se em tecnologias de curto prazo antes de fazer investimentos de longo prazo em GenAI para encontrar a combinação certa de tecnologias e tendências de GenAI.

Compartilhe este artigo

Annette Zimmermann é Vice-Presidente Analista na equipe de tecnologias emergentes e tendências, e seu escopo de trabalho se concentra em apoiar líderes de produto em diferentes mercados tecnológicos emergentes, incluindo serviços de IA, IA generativa e sustentabilidade. Em sua pesquisa, ela analisa conceitos-chave de sustentabilidade, como circularidade e oportunidades de tecnologias facilitadoras. Além disso, suas ideias ajudam líderes de desenvolvimento de software a moldar sua estratégia de produto, tornando os objetivos ambientais, como sustentabilidade por design, parte integral dela.

Promova um desempenho mais sólido em suas principais prioridades estratégicas.