Onde está o valor quando a inteligência se torna um bem comum

Se qualquer pessoa pode alugar a mesma inteligência, o que resta que um concorrente não possa simplesmente comprar?

Um cliente disse-me, com algum orgulho, que a sua empresa tinha apostado tudo na IA. Todos tinham uma licença do Gemini e usavam-na para tudo — analisar dados, redigir respostas a clientes, delinear estratégias. Visto de dentro, parecia o exemplo de uma adoção bem-sucedida: rápida, entusiástica e transversal a toda a empresa. Ele queria saber o que fazer a seguir. A resposta honesta era que, na parte que um dia poderia vir a ser sua, ele ainda nem sequer tinha começado.

Vejamos o que estava a acontecer, da superfície para baixo. Logo à superfície, e aquilo que o deveria ter preocupado primeiro, estavam os dados a sair porta fora: cem pessoas a colar o que quer que tivessem à mão (números, contratos, dados de clientes) numa ferramenta pertencente a terceiros, sem que ninguém tivesse decidido o que podia, ou não, sair do edifício. Num nível mais profundo, de forma mais silenciosa e dispendiosa, o modelo não fazia a menor ideia de quem ele era.

As respostas baseiam-se na média do que existe na Internet, e não em nada que a empresa saiba sobre si própria; ao pedir-lhe para analisar os próprios números da empresa, devolve algo plausível e genérico, o trabalho de um consultor brilhante que nunca leu os seus ficheiros. A velocidade é real, mas as respostas pertencem a todos. E, no nível mais profundo, a parte que apenas um gestor vê, ninguém estava a coordenar nada disto — uma dúzia de pessoas a executar uma centena de prompts, cada uma a decidir em privado como perguntar e no que acreditar, sem que nenhuma dessas decisões ficasse registada, fosse comparável ou tivesse um responsável. Toda a gente na empresa está agora a tomar decisões com uma máquina.

Ninguém é responsável por nenhuma delas.

As três falhas têm a mesma origem. Ele tratou a inteligência como o recurso escasso e pagou para ter acesso a ela. Mas um modelo de fronteira é o input menos escasso da cadeia — à venda para todos os seus concorrentes pelo mesmo preço mensal, e com tendência a descer. O que era escasso, e que ele ignorou por completo, era tudo aquilo que o modelo não conseguia fornecer por si só: os seus dados, o contexto que faria com que as respostas fossem suas e não de qualquer outra pessoa, a orquestração que teria transformado uma centena de experiências privadas num único sistema, e o registo que permitiria a responsabilização por cada decisão. Ele comprou a commodity e ignorou o ativo. A empresa cria valor real: as pessoas são mais rápidas, produz-se mais. E não retém absolutamente nada disso, porque a mesma velocidade está à venda para qualquer pessoa que assine o mesmo contrato. O ganho flui diretamente para os seus clientes, tal como tem de acontecer num mercado concorrencial.

Isto não é uma previsão sobre o rumo das coisas; a transformação num bem comum já é evidente naquilo que as empresas estão a gastar. Quando o presidente executivo da Uber admitiu que a empresa tinha esgotado todo o seu orçamento de IA para o ano num único trimestre e que iria transferir a maior parte do seu trabalho para modelos mais baratos, reservando os de fronteira para casos especiais, estava a descrever a mesma lógica económica da perspectiva do comprador.

Estudos na área jurídica concluíram que agentes open-source baratos, com a intervenção ocasional de um modelo dispendioso a atuar como consultor, superam a opção de pagar preços de fronteira para tudo, e por uma fração do custo. A camada dos modelos está a estabilizar como um serviço básico. Nenhuma empresa conseguirá manter aí uma vantagem competitiva duradoura, tal como não a tem na eletricidade que compra.

O que é escasso são os dados governados

Se a vantagem não pode residir no modelo, tem de estar num lugar onde o modelo não consegue chegar: naquilo que permanece escasso porque é seu. Aqui, a resposta habitual — os dados — é meia verdade e meia armadilha. Os dados não são escassos; todas as empresas estão a afogar-se neles, incluindo a dele, e ele já detinha os dados que importavam muito antes de a licença chegar. O que é escasso são os dados governados: dados que alguém se deu ao trabalho de transformar numa decisão contextual, repetível e passível de responsabilização.

A matéria-prima está em todo o lado; a sua refinação é rara, porque é um processo lento, pouco glamoroso e que pode sempre ser adiado para o próximo trimestre.

A Geração Aumentada por Recuperação (RAG) surge como solução

A técnica tem um nome feio — retrieval-augmented generation, ou RAG — e uma ideia simples por trás. Antes de o modelo responder, o sistema extrai os excertos relevantes dos seus próprios documentos e fá-lo responder a partir dos mesmos, citando-os, em vez de utilizar aquilo que absorveu durante o seu treino. O modelo fornece a linguagem; o seu material fornece os factos e a autoridade.

Esta é a diferença entre perguntar a um estranho inteligente o que a sua política provavelmente diz e entregar-lhe a política primeiro.

Um hospital privado enfrentava uma versão mais complexa desse problema: não uma única política, mas centenas, muitas delas em conflito. A sua equipa, sob pressão na triagem, na receção, ou num departamento de faturação a braços com pré-autorizações, precisava de respostas rápidas e exatas, fundamentadas nas regras do próprio hospital, num local onde uma resposta meramente plausível não é aceitável. A informação existia toda, mas era contraditória: uma política permanente sobreposta por uma nota interna temporária, uma FAQ que simplificava em demasia, o e-mail de um gestor a sugerir um atalho, uma nota de turno que se tinha consolidado como prática informal.

A primeira tentativa, um chatbot genérico, fez o que os modelos genéricos fazem — tratou todos os documentos por igual e produziu uma síntese confiante, mas sem qualquer fundamento. O que tornou o sistema utilizável não foi o modelo, mas sim a governação do corpus: uma hierarquia que estabelece qual a fonte que tem precedência sobre a outra, respostas que citam o documento e a versão em que se baseiam, e uma regra estipulando que, perante um conflito genuíno entre fontes, o sistema para e encaminha a questão para uma pessoa designada, em vez de tentar adivinhar. Qualquer hospital pode alugar o mesmo modelo.

Esse corpus governado não está à venda. Analiso este caso na íntegra num livro que irei lançar em breve.

A Lei da IA da União Europeia

Um prazo limite deveria tornar isto concreto, mas acabou por ser adiado. Para os sistemas que considera de alto risco, a Lei da IA da União Europeia exige precisamente aquilo que o comprador de licenças ignorou: a linhagem documental dos dados com os quais o sistema aprende, o registo automático das ações realizadas ao longo do seu ciclo de vida e a inclusão de uma pessoa designada no processo.

Estava previsto que estas regras entrassem em vigor em agosto de 2026; contudo, uma moratória aprovada esta primavera irá adiá-las para o final de 2027. A maioria das empresas interpretará este atraso como uma autorização para desacelerar o trabalho. Releia-se a lista — linhagem de dados, o registo de cada decisão, alguém que responda por ela — e esta serve igualmente como a descrição do único ativo que não se torna um bem comum. Adiar a conformidade é adiar a vantagem competitiva. A regulamentação é, quase por acidente, um mapa de onde reside o verdadeiro valor.

A mesma questão — o que um modelo pode explicar versus o que um gestor deve compreender — é o tema de A IA na Gestão: Por que razão o Pensamento Estruturado continua a ser crucial para Melhores Decisões

Post Views: 85

Partilhe o seu amor
Nuno Nogueira
Artigos: 46