#236 - O hype acabou. Cadê o ROI? com Cezar Taurion e Carlos Hoyos

Então essas tecnologias estão evoluindo e vão continuar evoluindo, mas vão ficar no seu espaço de mercado. Muito boas para fazer determinadas coisas, mas não vão substituir um profissional nem vão ser a base do desenvolvimento dos sistemas. Tem muita coisa que você não consegue colocar inteligência artificial, não consegue colocar em máquina. Essas, né, série de coisas, você tem intuição, entender uma conversa com o cliente. Você tá propondo, por exemplo, projeto de um sistema, se ele tá gostando da ideia ou não.

Às vezes ele não tá expressando aquilo de uma forma clara através de texto, mas pelos gestos você tá vendo que ele não tá gostando, pela expressão do rosto dele. Então são coisas que eu como humano consigo interpretar e não necessariamente ferramenta de vibe coach. Então vibe coach tem seu papel, tem, mas não vai ser substituto substituto de absolutamente nenhum profissional.

Tive o prazer enorme de conversar com César Taurion numa exclusiva para o podcast Líder de Elite. Esse cara é fera! Ele é advisor de IA, é um executivo sênior com mais de 45 anos de experiência, profundo conhecimento no desenvolvimento de soluções baseadas em inteligência artificial, com sua primeira experiência na área obtida no final dos anos 80, quando a tecnologia adotada era conhecida como Expert Systems. De lá para cá desenvolveu dezenas de projetos de inteligência artificial, foi diretor de novas tecnologias da IBM e diretor de IT Strategy da PwC. Curta que tá sensacional esse bate-papo.

Bem-vindos ao podcast Líder de Elite. Aqui é Carlos Oios, seu anfitrião. Sou Business Advisor e Coach Executivo Global Sênior há mais de 14 anos. E aqui nós mergulhamos na mentalidade e estratégia que moldam a liderança de classe mundial, explorando o que significa ser líder de elite. De verdade. Se você se interessar por entrevistas internacionais, confira também o nosso outro canal, Elite Leader Podcast.

E quem é o César Taurion? Pelo próprio César. Boas-vindas, meu caro.

Obrigado, Carlos. Ó, para mim é uma honra estar aqui com você e conversando, ou melhor, nos divertindo bastante sobre esse tema de inteligência artificial. Uma rápida retrospectiva da minha carreira profissional, sem tomar muito tempo. Mas eu estou há bastante, décadas eu diria, nesse mundo de tecnologia, há mais de 4 décadas, e uma das atividades principais sempre foi olhar de perto e trabalhar com inteligência artificial. A minha primeira experiência veio lá do final dos anos 80, quando a tecnologia topo da arte eram os chamados sistemas especialistas, expert systems, onde você procurava absorver o conteúdo do processo decisório de um especialista.

O projeto que eu participei foi bastante interessante, mas nós chegamos a uma conclusão. Primeiro, que você não conseguia pegar todas as nuances de um processo decisório, porque o que tá num livro, por exemplo, era só processo de análise de crédito. Um especialista que era analista de crédito era, digamos, o fomentador da o conteúdo das informações e no processo de decisão que ele tomava. Mas por ser especialista, ele tinha muitas decisões que eram intuitivas, que não estão no livro de regras da corporação, do banco.

Então nós conseguimos colocar em código, que era basicamente uma grande árvore de decisão, o que estava no livro, mas não o conteúdo humano. Obviamente ficou como resultado estagiário muito básico, custou altíssimo de manter e o projeto foi descontinuado. Mas foi uma experiência que me chamou atenção para esse negócio que chama-se inteligência artificial. Era bastante falado, teve um hype naquele momento, mas um hype muito localizado, porque era pessoal de tecnologia que se envolvia nisso.

Não tinha as redes sociais, não tinha toda essa repercussão que tá tendo hoje a inteligência artificial generativa. E ao longo dessas décadas eu fui trabalhando e obviamente acompanhando e desenvolvendo projetos à medida que as tecnologias iam evoluindo. O machine learning foi uma próxima etapa lá para os anos 2000, 2000 e pouco. Falamos mais profundamente, tive boas experiências, boas e más experiências com aprendizado profundo lá para 2016, 2017.

E mais recentemente, né, quando surgiu o ChatGPT, E aí foi a explosão da IA generativa, envolvi vários projetos, estou atuando bastante nesse contexto. Portanto, eu vivenciei, digamos, os altos e baixos, os períodos de euforia e os períodos de frustração, chamados invernos da inteligência artificial, ao longo dessas décadas. Isso me ajuda muito a filtrar muita coisa, filtrar o que é entusiasmo, frenesi, da realidade. Acho que isso me ajuda bastante.

E na minha vida profissional trabalhei em diversas empresas, além de trabalhar em empresas da indústria petrolífera como a Shell, bancos como Chase Manhattan, eu trabalhei na PwC, eu fui um dos diretores de tecnologia da PwC, e quando a PwC em 2001 foi comprada pela IBM, me tornei ibmista. E aí, como diretor de novas tecnologias, atuei bastante em grandes projetos e fazendo conexão do centro de pesquisa com alguns grandes clientes aqui no nosso país.

E depois que saí do mundo corporativo, lá para 2015, eu venho vivenciando muito 3 atividades que me divertem bastante. Uma, trabalhar, digamos, junto à academia, né, trabalhar junto à academia com cursos na PUC do Rio Grande do Sul, do Rio de Janeiro, na Dom Cabral, sempre para executivos. Também palestras e advisory em corporações. O tema IA tem sido meu tema nos últimos 10 anos. E também tenho escrito bastante, uma coisa que eu gosto de fazer.

Tem vários livros publicados, mas ultimamente tenho escrito só o Posto Ninguém. Então essas atividades, elas me permitem me manter atualizado e ao mesmo tempo me dá uma visão panorâmica muito boa do que está acontecendo no mercado. O fato de você estar fazendo uma palestra aqui, conversando com executivo ali, uma média de 3, 4 reuniões com executivos por dia, de empresas diferentes. Isso dá uma visão panorâmica muito legal, né?

É um termômetro do que o mercado tá pensando, principalmente médias e grandes empresas, e o que deu certo, o que que não deu certo. E como faço advisory em alguns projetos de inteligência artificial, dá para sentir ali com a mão na massa o que realmente faz sentido. Eu tento traduzir toda essa experiência nos posts do LinkedIn. Você falou, eu fico muito honrado de você dizer que é um fã, porque eu coloco ali o que eu tô vendo e o que eu tô sentindo e a minha opinião.

E aí tá ali para exatamente as pessoas comentarem, debaterem. Não sou influenciador do tipo fazer isso para ter clique, não, o mínimo interesse nisso é simplesmente colocar ali uma exposição de ideias para as pessoas debaterem, concordarem ou discordarem. Eu acho que o negócio legal do de uma rede social como o LinkedIn é exatamente você ter oportunidade de trocar ideias com as pessoas, concordando e discordando, e daí gerando debates.

E aí nosso conhecimento avança. Quando meu conhecimento soma ao seu, é muito mais proveitoso. Meu conhecimento não desaparece, ele aumenta. E o seu conhecimento também não desaparece, ele aumenta. Então eu gosto muito do LinkedIn exatamente por essa possibilidade de interação.

Fantástico! Você já mencionou alguns pontos-chaves que eu tenho grande curiosidade, vai ser o tema do podcast, esse podcast provavelmente vai ser o título. Você falou sobre a questão do inverno da tecnologia de inteligência artificial, assim como acontece com muitas outras tecnologias, mas tem os momentos de euforia, né, as hypes. Mencionou um momento histórico aí muito interessante dos sistemas especialistas. Ainda que eu não tenha vivenciado de perto, né, estudei um pouco porque eu sou formado originalmente em computação pela Unicamp, depois pratiquei um pouquinho de sistemas preditivos na IBM também, fomos colegas na IBM, momentos diferentes, provavelmente.

Falando um pouco de hype, se você pudesse dar uma visão geral dentro da sua percepção, né, do que tá acontecendo. Tem sensacionalistas, tem as pessoas que querem ganhar em cima, que criam, apavoram as pessoas. E hoje a gente já tá vendo esse movimento contrariado, porque é mais barato contratar pessoas do que ficar remendando viá que tá fazendo uma série de bobagens. É muito mais seguro. Então fica pajeando IA com pessoas, mas é mais fácil você simplesmente escrever, aprender, criar esse know-how para se desenvolver depois.

Então eu gostaria que você desse uma visão geral da sua percepção, o que está acontecendo hoje, e depois a gente dá uma sequência a partir desse ponto de partida.

Legal, Carlos. Deixa eu dar um panorama geral do que é esse conjunto de tecnologias que nós chamamos de inteligência artificial, que eu acho que vai dar para ajudar a conceituar melhor a minha conversa posterior. Imagine uma grande bola Essa grande bola ou um círculo é o que nós chamamos de inteligência artificial. Você tem diversas técnicas, diversas técnicas, algumas probabilísticas, outras não probabilísticas. Mas aí nós vamos pegar as probabilísticas e colocar num círculo menor chamado machine learning, onde você tem basicamente aí o início do que nós chamamos de inteligência artificial probabilística baseada em estatística.

À medida que a tecnologia vai avançando, você consegue mais computação, poder computacional e consegue mais dados, mais dados digitais são gerados. Isso permite você criar modelos mais sofisticados, com mais camadas de rede neural, porque nós começamos com machine learning e chamamos de aprendizado profundo. É uma evolução, digamos, causada pelo avanço tecnológico das técnicas de machine learning. Dentro de deep learning, você tem diversas técnicas e mais recentemente apareceu IA generativa, com algumas técnicas, mas uma que se destacou muito foi baseada nos modelos Transformer, onde o ChatGPT e outros surgiram.

Qual a diferença dos anteriores para cá? Os anteriores são basicamente o que a gente roda no dia a dia: manutenção preditiva, a detecção de fraudes. Você pega, por exemplo, uma empresa como Uber, tem um monte de modelos inteligência artificial rodando. Tempo de chegada estimado do motorista, precificação dinâmica, tudo isso é inteligência artificial. Mas era uma inteligência artificial que estava escondida debaixo de camadas do software.

A gente usava, mas muitas vezes não sabia que estava usando. Eu vou comprar um sistema de detecção de fraudes, cheio de inteligência artificial lá dentro, mas eu não tava comprando inteligência artificial, tava comprando uma solução que por acaso embarcava para resolver o problema inteligência artificial. Com ChatGPT houve uma mudança significativa na interação. Primeiro, uma democratização. Todo mundo usa inteligência artificial, fala inteligência artificial.

E como nós confundimos muito fluência com inteligência, começamos a considerar que ali tinha não uma máquina, um modelo probabilístico, mas um ser inteligente que entendia as minhas perguntas através de prompts e me respondia algumas vezes até com alguns erros, as chamadas alucinações, mas respondia de maneira satisfatória a maior parte das vezes. Isso criou, digamos, uma histeria muito grande. E pelo fato de termos redes sociais, que facilita a disseminação de informações, começaram a aparecer os especialistas de inteligência artificial de 2022 para cá.

Aí, 2 ou 3 meses depois do ChatGPT, já tinha um porrão de especialistas, AI experts, no LinkedIn, no YouTube, no Instagram, falando baboseiras, coisas assim que você olhava, meu Deus, como é que alguém consegue falar uma coisa dessa? E óbvio, como grande parte, grande parte, obviamente tem muita gente competente, mas grande parte desse pessoal tem interesses comerciais através de cliques e assim por diante, são monetizados dessa forma, obviamente chama atenção através de coisas bem dramáticas.

A IA vai acabar com os empregos, a IA vai fazer isso, a IA vai fazer aquilo. E claro que eram municiados pelos CEOs das Big Techs, porque tava no momento de falar de IA. É muito dinheiro que foi investido e o pessoal tinha que recuperar esse dinheiro. Bilhões e bilhões, chegando talvez a centenas de bilhões de dólares de investimento em centros de computação, em data centers. Ele tinha que recuperar esse dinheiro, tinha que pelo menos aumentar aí a base de clientes, a base de usuários.

E obviamente eles começavam com declarações bombásticas e os influenciadores: que legal, não precisamos mais de advogados, não precisamos mais de desenvolvedores, mata a carreira X, a carreira Y. Isso chama atenção. E tem um lado negativo desse hype todo, né, porque isso não é real. Nós estamos falando, primeiro, de um sistema que trabalha com probabilidades. Você pega um modelo generativo, um ChatGPT, um outro, ele trabalha com probabilidades.

Ele não entende do que eu falo, porque ele transforma todo o meu texto em pedaço de palavras, tokens, e faz correlação entre tokens. E quando ele responde, ele está gerando para mim tokens. Ele não tem a mínima ideia da palavra que ele vai gerar no final. Tem um token que de repente tem Por exemplo, caminhão, você tem o ôn. O ôn pode ser usado em avião, campeão, caminhão. Então, quando tem uma determinada palavra que ele gera o camin, depois gera o nhão, aí vai assim por diante.

Depois do nhão, talvez tenha o anco. Então, terminou a palavra. E vai avançando, gerando tokens, sem saber até onde vai, até que chega um determinado token, tem um espaço e ponto. A chance mais provável de aparecer após um determinado conjunto de tokens é esse ponto. Então, ele coloca ali, mas ele não sabe nem que ali termina uma frase, um simples token. Então, quando ele gera para você algo que você acha fantástico, uma poesia tão bonita, ele não sabe que está gerando uma poesia.

Para ele, uma poesia e uma linha de código são tokens, ele simplesmente gera tokens. Mas como nós encaramos aquela fluência como inteligência, nós damos um valor equívoco ao que ele está fazendo. Se a gente começar a entender que realmente é um sistema probabilístico, legal, vamos usar onde funciona bem, mas sabendo que eu não estou falando com alguém que conhece o assunto, simplesmente lida com um caminhão de dados, digamos, simplificando, como se lesse toda a internet, usasse isso para criar sua tokenização e trabalhar em cima disso.

Mas essa é a questão, como é muito fácil de interagir, e você pode se tornar expert em escrever prompts, você traduz isso como expert em inteligência artificial. Mas lembrando aquele círculo, a IA generativa é um pequeno círculo dentro daquilo. Eu ser expert nisso é interessante, mas eu não sou expert em inteligência artificial. Tem muita coisa fora da IA generativa. Então eu acredito que hoje Depois de muitas experiências frustradas, muito dinheiro jogado fora, as empresas estão começando a ver que, opa, esse caminho aqui que eu segui, digamos, impulsionado pelo FOMO, né, Fear of Missing Out, medo de ficar para trás, pelo efeito cardume, né, eu vou porque você tá indo, não sei por quê, mas estamos atrasados e assim por diante.

As empresas estão vendo que fazem e fizeram muitos testes, POCs, dão certo, com resultado concreto. Não que a IA generativa não funcione, funciona, desde que você aplique no momento certo. Você quer fazer alguma coisa de análise preditiva? Não é IA generativa, é análise preditiva, modelos preditivos. Você quer fazer uma análise de imagens médicas? Você vai usar modelos já consolidados, modelos classificatórios, não vai usar IA generativa.

Então, quando você começa a entender o papel de cada tipo de inteligência artificial, você começa a encaixar o Lego direitinho. Aqui resolve esse problema, aqui não. Portanto, a IA generativa tem sua aplicabilidade, desde que usada no lugar certo. Esse hype começa aos pouquinhos a sair do, digamos, do dia a dia. Ainda tá muito, mas começa a sair. Não apenas pelas experiências que nós já estamos tendo, mostrando aonde deu certo, aonde não deu certo, e também começando a ver o curso mais sensato do CEO das Big Techs, porque se aproximando do momento daquele salto para o IPO, eles têm que ser muito mais realistas.

Ou seja, para colocar as ações no mercado, eu tenho que mostrar de onde é que vem a receita. Então tem que abrir realmente a caixa preta. E aí eu preciso deixar de falar aquelas coisas, o mundo vai acabar, que isso assusta, para falar coisas que realmente ajudem o pessoal a adotar inteligência artificial e gerar receita. Senão não consigo ter um campeão de sucesso.

Tem duas perguntas aí que estão presentes comigo aqui. Primeiro, você acredita que existe alguma possibilidade de seres humanos não colocarem os guardrails adequados, começarem a terceirizar responsabilidades para IA, de realmente acontecer, não necessariamente uma hecatombe, né, uma catástrofe gigantesca, mas a gente já viu algumas coisas pequenas, mas sair meio do controle. Essa eu gostaria de te ouvir. E a segunda é: estamos vivendo de fato uma bolha econômica acima das IAs?

Legal, acho que perguntas bem instigantes. Vamos falar da perda de controle. Eu vejo potenciais riscos em coisas muito localizadas. Se você não faz um controle adequado, por exemplo, nos sistemas de inteligência artificial que lidam com coisas perigosas como a vida das pessoas na área de saúde, sim, você pode causar danos e até morte de pessoas, levar pessoas a óbito por erros do sistema, por falta de governança adequada, por falta de uma orquestração dos agentes tão alta.

Os agentes não Principalmente quando o pessoal fala muito em agentes, automatizar processo, coloca uma camada de orquestração, pode ser sofisticada ou pode ser muito frágil, e alguns modelos probabilísticos embaixo, muitos deles LLMs, Large Language Models, que são os ChatGPTs da vida. Eles não garantem resposta correta, eles garantem, para eles está correto, que é aquele momento, aquelas palavras, aquele conjunto de tokens é o mais correto, mais plausível estatisticamente, então está correto.

Ele chegou à conclusão correta. Agora, aquilo talvez não faça nenhum sentido. Uma pequena diferença de 10 miligramas na dosagem para 1000 miligramas pode ser fatal. Então eu vejo possibilidade disso acontecer nessas situações, mas causar uma hecatombe mundial não, porque precisaria da integração de tantos sistemas, tantos processos que hoje a gente não consegue, e a IA não consegue juntar esses processos. Quem junta realmente são as pessoas que estão envolvidas nisso.

Então eu não consigo juntar tantos processos diferentes, de coisas completamente diferentes, para criar um cataclisma muito grande. Eu crio sim problemas sérios localizados, como falei, na medicina, pode ser na área financeira, mas localizados. Dificilmente aconteceria de uma forma muito mais ampla. Eu acho que tem muito de exagero nisso, nesse tópico. E o segundo, em relação à bolha, Eu acredito que nós estamos vivenciando sim um momento de bolha.

Quando a gente fala em momento de bolha, a impressão que tem é se a bolha estoura, é que é um puff. Não vejo isso. Eu vejo que o primeiro sintoma do estouro da bolha é sair do hype para ir no mundo real. Em vez de eu usar IA para tudo quanto é coisa, ou seja, a primeira coisa que eu faço é: vamos botar IA e depois eu vejo se isso dá certo ou não. À medida que os cursos começam a ficar mais caros, que a realidade começa a bater à porta, você começa a olhar da forma correta.

Qual o problema que eu tenho? A IA pode resolver? Pode, vou usar. E não já começar com IA como solução. Hoje eu vejo muito isso: a IA é a solução. Eu não sei qual é o problema, mas eu sei que a solução é colocar IA. Tenta aqui, tenta acolá, isso não vai a lugar nenhum. Então nós vamos sair dessa bolha e vamos cair no mundo real. E ao sair dessa bolha, inevitavelmente isso vai afetar as empresas que estão completamente comprometidas com inteligência artificial, seus fornecedores.

Aquela ideia de se construir um monte de data centers em preço astronômico, que nós vamos precisar de mais e mais capacidade computacional, provavelmente vai acabar morrendo. Porque se a exponencial esperada, a gente começa a ver que não está sendo alcançado, e realmente não está, muitos data centers estão sendo usados pela metade ou até menos. Então nós vamos começar a ver que muitos investimentos vão deixar de acontecer, haver um desinvestimento, e provavelmente muitos desses data centers já em operação vão começar a se tornar, eu diria assim, totalmente antieconômicos, vão ser um prejuízo imenso, porque a manutenção deles é cara.

Segundo ponto, você tem que trocar de equipamentos de tempos em tempos pela obsolescência da evolução tecnológica do hardware. Então você vai começar a fazer um, digamos, uma desinstalação, desativação de data centers. Significa as empresas vão implodir?

Não.

É que aquela expectativa de chegar a um determinado patamar não vai ser alcançada e vamos chegar ao valor real que as empresas vão ter em termos de valuation, o valor real da adoção da inteligência artificial nas empresas. Então, como bolha, eu vejo isso, sair desse blá-blá-blá, essa histeria e frenesi, para a realidade, que vai ser muito mais abaixo do que se projeta aí nesse blá-blá-blá de discussão muito exagerado.

Bom, muito bom. Já tá, já tenho outras perguntas na cabeça, César. O assunto é muito interessante e à medida que alguns mitos são quebrados, né, a gente começa a pensar nas próximas outras questões. Agora eu tenho uma curiosidade. Quando a gente vê o seu posicionamento, a qualidade com que você escreve, com que você trabalha, pensado, dá para ver claramente, né, que talvez nem sei se você utiliza de alguma forma inteligência artificial para te ajudar a escrever, porque não parece, porque é algo muito humanizado, muito real, muito vívido e congruente, né, com o seu estilo.

A curiosidade que eu tenho é, no dia a dia, que ferramentas você tem utilizado gratuitas ou pagas? E para que você utiliza essas ferramentas no dia a dia de inteligência artificial? Porque hoje em dia é muito fácil, você paga R$100, você tem uma assinatura aí de uma ferramenta que é capaz de fazer muitas coisas.

É, eu tenho diversas ferramentas assim, e até para escrever um post, eu gosto de escrever, eu escrevo texto, mas o que acontece, uma ferramenta de inteligência artificial me ajuda. Para mim aprofundar um determinado tema, tem que ler muitos artigos. E muitos artigos talvez sejam grandes demais, a inteligência artificial, esses modelos podem fazer o resumo para mim, me dá uma ideia básica. Então isso me ajuda a aumentar a minha base de conhecimento.

Em vez de ler 5, 10 papers, eu leio uns 5 ou 10 que me chamam atenção e os outros 20 ou 30 eu consigo pegar um resumo para juntar isso. Isso aqui me dá um insight melhor para gerar um conteúdo. Eu uso a inteligência artificial muitas vezes para gerar uma imagem. Para ilustrar o post. Eu vou conversando com ela e dizendo o que eu quero em termos de ilustração, e ela vai gerando, a gente vai ajustando. Se eu fizesse à mão usando Photoshop, seria muito, muito mais demorado.

Então ela me ajuda bastante. Outra coisa que eu uso muito para me ajudar nos posts é: às vezes tem uma frase que você não acha legal, você pede a ela para dar uma frase alternativa e você vê se aquilo se encaixa. Às vezes tem um texto, você releia e fala: pô, isso aqui não ficou legal, essa frase. Será que tem uma alternativa? Às vezes é uma maneira de colocar um sinônimo ou inverter uma palavra que você, por estar tão acostumado ao seu estilo, você tá tão enviesado que não consegue ver.

Então é como fosse um auxiliar que dá uma olhadinha nisso. E eu também faço muito é pedir a ele para dar uma visão bastante contraditória, contraponta o que eu escrevi. Diz, onde é que tá a omissão? Onde é que eu errei? Dá sua opinião. Quer dizer, eu não tô falando nesse sentido da opinião, porque não tem opinião, mas Eu peço contraponto para ver se realmente eu não deixei buracos ali, alguma coisa assim. Então me ajuda bastante.

O conteúdo sai, o meu conteúdo sai mais adequado exatamente porque eu tenho um auxiliar, meu ajudante aqui, mas não é ele que gera, não falo para ele. Até um tema assim, escreva um post, eu acho que isso aí é um absurdo. Até recentemente eu bloqueei uma gente que se autointitula executivo de inteligência, de digital e que fazia comentários nos meus posts. Espera aí, eu tô escrevendo para pessoas que vão ler e se gostarem pode se dar o trabalho de responder, dá um comentário.

Uma ferramenta que não tem nada a ver e tá respondendo de uma forma automática, isso não me interessa, não quero ferramenta me respondendo, isso não traz ganho nenhum para a sociedade. Acho que a gente tem que ter a relação humana nesse ponto. Então eu acho que esse é um ponto interessante. E eu uso então as ferramentas, eu tenho o ChatGPT, o Gemini, eu tenho o Perplexity, o Cloud Code que eu uso, porque eu gosto de brincar um pouco de código.

Então tem o Copilot aí nas ferramentas do Word. Então eu tô usando no dia a dia isso, me ajuda também nos trabalhos de advisor, eventualmente fazer resumo de vários artigos. Tem que falar no uma discussão, eu participo do conselho de algumas empresas, tem que sintetizar algumas informações. Então eu pego essas informações, as ferramentas de sintetismo, e eu crio minha discussão, minha narrativa para o conselho baseada em muitas das informações.

Valido muitas vezes quando dá alguns números. Eu nunca peço para dar números porque eu não posso garantir que o resultado seja aquele. Números eu vou, digamos, no original, na fonte, ver o número dele, porque às vezes dá certo e às vezes dá errado. Para ele, tanto faz. Então esse é um ponto importante, mas é uma ferramenta que me ajuda bastante no meu dia a dia, academia, dá sugestões de slides. Pô, tem essa ideia aqui, que imagem você acha que poderia ser interessante para explicar isso que eu tô falando?

Às vezes você não tem o insight da imagem, ele me dá sugestões. Pô, legal, eu vou lá, procuro, peço para construir ou procura uma foto que sintetiza aquilo. Então é uma ferramenta bastante útil, desde que a gente saiba que nós estamos falando com uma ferramenta e não com uma pessoa que eu vou terceirizar meu pensamento crítico, minha opinião na ferramenta. Ela vai me dar uma resposta média. É o conjunto de informações da internet que vai sintetizar de alguma forma para responder aquele prompt, vai dar para mim.

Quer dizer, não é uma resposta pessoal, é uma média que Talvez não seja o que eu quero dizer. A resposta é minha e usa as ferramentas para me ajudar.

Você já se surpreendeu em algum momento ou está se surpreendendo com algum tipo de resultado ou aplicação que hoje a inteligência artificial resolve como problema?

Tem muita coisa interessante que traz retorno muito bom. Se a gente falar de inteligência artificial como Os modelos preditivos nos ajudam em muitas coisas. Eu vejo resultados absolutamente fantásticos na manutenção preditiva. Trabalhei no conselho de uma rede hospitalar, a gente conseguiu fazer bastante coisa com modelos classificatórios preditivos, por exemplo, análise de imagem de câncer de mama, por exemplo, não substituindo o médico, alterando a ordem que ele vai olhar na triagem, por exemplo.

Quando eu tenho uma assertividade muito boa em termos de identificação positiva que ele tem um câncer de mama, coloco na frente de outros casos que o sistema me dá ali uma baixa probabilidade de ocorrência de câncer. Porque eu sei que os médicos radiologistas ao longo do dia vão ficando cansados. Vou pegar ele mais animado, mais entusiasmado no início do dia. No dia, os casos mais light, né, mais uma, digamos, mais uma comprovação do modelo, mas não é substituir o diagnóstico por um modelo, absolutamente não.

Então, bons resultados na área médica. Então, a gente tem visto resultados funcionando muito bem. E quanto à IA generativa, sim, a IA generativa, principalmente dois aspectos: ou ela junto a outros modelos, que aí, por exemplo, eu consigo ter, acima de um diagnóstico feito por um especialista, consigo transformar isso num um texto mais inteligível, por exemplo, como eu não sou médico, mas médico escreve para médico. Então você pega um diagnóstico de, por exemplo, ortopedista, alguma coisa, vem um monte de coisa que você olha assim, que aconteceu comigo uma vez, um problema no joelho, e quando eu vi o diagnóstico, falei, porra, vou com uma cadeira de rodas, porque diabo é isso?

Aí você pega a ferramenta e ele explica para você. Então, quando você junta isso, você pega diagnóstico, consegue fazer uma tradução para uma linguagem mais humana, e você como paciente, ao ler aquilo, você tá mais bem preparado para ter um diálogo com o médico. Você consegue fazer as perguntas certas, você sabe o que você tá perguntando, você sabe por que que ele tá de alguma forma te recomendando um determinado tratamento, você consegue dialogar de uma forma melhor, né?

O conteúdo da conversa entre profissional e, aí no caso, médico e o seu paciente. Então eu vejo resultados muito bons, por exemplo, para fazer resumo de coisas, principalmente eu tenho alguns temas além da tecnologia que eu curto muito, história, um pouco de, eu gosto, estou estudando mais profundamente filosofia, então ele consegue, digamos, acelerar meu aprendizado através de resumos e através de diálogos que eu consigo ter com essas ferramentas.

Olha, li esse texto aqui, me dá uma interpretação disso. E aí eu interpreto, peço para ele dar uma opinião, opinião entre aspas, mas aí eu começo a exercitar essas coisas, estudo a filosofia, me aprofundar na história, em alguns pontos históricos, de uma forma muito mais acelerada do que fazia antes. Eu sempre fiz isso, mas era mais demorado. Agora eu consigo fazer com muito mais rapidez e meu, digamos, minha base de conhecimento sobre esses temas está aumentando também muito rapidamente.

Isso para mim é muito legal e para mim é uma prova que a tecnologia me ajuda, tanto que eu uso cada vez mais.

Agora que você compartilhou que você gosta e tá estudando filosofia, a gente vai para lá um pouquinho. Tem algumas empresas, a gente sabe que tem interesses em comentar, às vezes o medo, né, e tudo mais. Mas a própria Anthropic publicou um áudio como tratar bem, né, da inteligência artificial, que assim, que a gente não sabe se tem consciência, mas vai que tenha, vai que não tenha, como a gente deveria trabalhar. Tem filósofo falando que desenvolveu consciência.

Eu particularmente não acredito nisso, porque consciência é quando você entende, né, a essência do negócio, que é probabilístico, né, que é um conjunto de decisões infinitamente maiores do que a gente tinha lá atrás com sistemas especialistas, é difícil imaginar que isso vai brotar vida, uma alma, uma consciência de alguma forma. Qual é a grande motivação por trás dessa visão de consciência? Simplesmente gostaria de te ouvir, não tem ponto de chegada, gostaria de aprender contigo aí seus insights sobre isso.

E a outra coisa que fica muito presente com isso é qual o impacto social humano, talvez pontual, em escala, onde a gente tem robôs andando, essas super inteligências ou super predições ou super fluência, né, como você tava falando. Gostei muito da distinção da velocidade na fluência versus inteligência, que você começa a ver umas coisas meio malucas, né, gente casando com bots, né, com robôs. Tem pessoas começam a perder a conexão com a realidade, né.

Chega a ser ridículo para gente que tá com a cabeça um pouquinho mais no eixo, né? Eu acho. Mas eu gostaria de te ouvir sobre a evolução, para onde vai esse negócio, né? Qual que é a sua percepção disso? São pontos de entrada, você escolhe o que você quiser aí.

Vamos por partes, né? Acho que esse vai ser um bate-papo bem legal. Pena que não tem um vinho aqui para a gente. Na próxima, se você quiser, a gente pega um vinho lá para continuar. Então não dá para materializar ele aqui, né? Ainda tá longe essa tecnologia. Mas o termo inteligência artificial apareceu em 1956, nós estamos falando aí de 70 anos. E naquela época, quando foi criado, tinha alguns objetivos. Foi um grupo de pesquisa, de pesquisadores, se reuniram para discutir.

Na época se falava muito em cibernética, e aí criou-se o termo inteligência artificial, entre outros motivos, que se imaginava que se poderia colocar o ser humano, o cérebro humano dentro de uma máquina, naquela época com as máquinas limitadíssimas, né? Meu relógio de pulsões tem mais capacidade computacional que o maior computador daquela época. Então, obviamente tinha ali um interesse em captar investimentos. O nome já nativo aconteceu, e esse nome acho errado, porque a gente fala inteligência artificial, dá a impressão, comparando com o ser humano, nós estamos falando de um ser inteligente.

Não é. Ah, tem redes neurais. Você pega um neurônio humano e um neurônio de máquina, o neurônio de uma rede neural é uma fórmula matemática. Por isso que eu não acredito que tenha condição de ter consciência. A fórmula matemática não tem consciência. Juntando milhares de fórmulas matemáticas também não vai ter consciência. Eu não posso perguntar, digamos, a uma derivada, alguma coisa, o que que ela pensa sobre alguma coisa. Ela calcula, junta um monte de fórmulas e dá um resultado probabilístico.

Em cima desses resultados eu coloco uma camada imensa de software, até mesmo software de if-then-else, aquele tradicional, para de alguma forma conduzir o processo. Por exemplo, quando você pega essas ferramentas mais modernas, ChatGPT, Codes da Anthropic, talvez uns 10%, 15% do esforço de engenharia para construir aquele software, porque o modelo é um software, Não é o modelo em si, é a camada de orquestração que está em torno disso.

Então, por exemplo, quando você fala com o ChatGPT, escreve um prompt, você não fala com o modelo GPT, você fala com o programa ChatGPT. Então ele pega o seu prompt, obviamente decompõe isso em tokens, valida se o que você está escrevendo e pedindo está dentro dos parâmetros que a empresa colocou, em termos de quero matar alguém ou quero forma de um veneno fantástico, obviamente está dentro, estaria dentro das regras de violação do aceitável como um todo.

Ele não, nem manda para o modelo, responde dizendo que ele não pode fazer esse tipo de coisa. Mas supondo que esteja dentro dos parâmetros, digamos, que ele aceita, a empresa, né, que construiu, no caso OpenAI, Anthropic, Microsoft, que seja, ele vai construindo um prompt interno, ajustando baseado no que você pediu. E aí manda para o modelo, o modelo responde, passa pela camada de orquestração que filtra a resposta. Se não achar bem adequada, refaz o prompt interno e até que a resposta seja suficientemente adequada para responder você, para ir para o mercado, e vai para você a resposta.

Então, repara, tem uma camada de filtragem aí que não tem nada a ver com o modelo, que depende muito dos parâmetros do fornecedor da tecnologia. E aí tem, obviamente, seus vieses e aspecto cultural, sociocultural. Por isso, uma resposta de um prompt para um modelo não é necessariamente igual de outro, americano com chinês, porque tem— não é o modelo que respondeu isso, essa camada de orquestração que coloca os filtros. O modelo não.

Não tem ideologia, não tem absolutamente nada. E eu acho que uma outra curiosidade interessante para falar com quem está ouvindo é como é que esse modelo é criado. Primeiro você tem uma ideia, pegar o ChatGPT, por exemplo. O Google, a área de pesquisa do Google escreveu um paper chamado Attention Is All You Need, onde tem ali o modelo Transformer. E esse paper foi criado baseado em pesquisas que eles estavam fazendo para melhorar o Google Translate, melhorar a tradução.

Ele se perdia em frases longas. Palavras próximas ele conseguia, com as técnicas da época, ele conseguiu associar palavras no final da frase ao início da frase. Era muito ruim uma tradução de uma frase. Sentença você até conseguia razoavelmente bem, mas uma frase e um texto, então era muito ruim. Então esse era o objetivo. Então você tem um paper, primeiro passo, mas o paper é um papel. Aí você escreve um software baseado nesse paper, tem várias plataformas chamadas frameworks para gerar modelos matemáticos, modelos de código, é código mesmo.

Legal, agora tem um programa que é um modelo, só que esse programa não tem nada, aí eu tenho que treinar. Bom, como é que eu vou treinar? Então você, no caso de Transformer, precisava de muitos dados. Pegar dados da internet, pegar de sites, digitalizar livro, digitalizar revista, esses dados. Isso passa por vários sistemas, um sistema chamado tokenizer, que transforma aquelas palavras em token e vai vendo, digamos, o que é chamado atenção dos tokens.

Esse token aparece bem próximo desse, então ele coloca uma camada, um link de uma numeração, na verdade, porque ele só trabalha com números. O modelo trabalha com números, nem trabalha com palavras, é tudo fórmula matemática, fórmula matemática trabalha número. Eu Eu não posso multiplicar cachorro por gato, eu tenho que multiplicar 2 por 2, ou 2 por 3, supondo que o gato seja 3 e o cachorro seja 2. E isso vai gerando esses vetores, né, de tokens, e é a base de conhecimento do modelo.

Legal. Se eu fizer um prompt em cima disso, vem uma resposta, só que a resposta totalmente é baseada no que ele achou na internet. Na internet tem coisas boas e coisas ruins, então dependendo do que pode acontecer pedido que você fez, pode vir uma resposta tenebrosa, né, te dar a fórmula de um veneno, por exemplo. Então eu tenho que criar camadas de orquestração. Primeiro, treina a resposta do modelo para fazer os prompts internos através de técnicas como o aprendizado por reforço humano.

Você manda um prompt, vem a resposta, e você como humano valida se aquela resposta está adequada ou não, retrainando o modelo, ajustando ele a um comportamento social adequado. Então isso, depois de algum tempo, se torna um modelo treinado. Aí o modelo treinado, ele é embutido num outro sistema, no caso de ChatGPT, que tem toda uma camada de orquestração. Então dali que sai da ideia, vai lá para o modelo. Então nós estamos falando aí de software, estamos falando de modelos matemáticos, nós estamos falando aí de alguns pontos aí às vezes passam obscuros.

Por exemplo, quando ele responde alguma coisa, sempre tem um viés. Do próprio fornecedor da tecnologia que diz o que é e o que não é adequado. E quando você começa a olhar alguns temas mais, digamos, mais, vamos dizer assim, que você tem que tomar mais cuidado, mais frágeis, você não pode garantir que as respostas sejam, vamos chamar entre aspas, sinceras. Elas passam por muitos filtros. Esse é um ponto. Mas isso me leva à conclusão que eu não vou chegar a uma máquina consciente, porque eu tenho fórmulas matemáticas, tenho linhas de código, linha de código, fórmulas matemáticas, eu combino isso, não me dá consciência.

Ele pode simular consciência pelos dados que estão lá, pelos processos de filtragem e vieses embutidos, pode simular empatia, pode simular consciência, pode simular uma série de sentimentos, mas é simplesmente nada na prática. Porque quando ele está simulando para você uma frase, que, digamos, eu te amo, não posso viver sem você, vamos supor que seja um robô falando isso, ele tá gerando tokens, ele não tem nem ideia do que significa amar, não tem a mínima ideia do que é querer uma pessoa, o que é uma dor, ele não tem ideia disso, não tem essa sensação de mundo que nós temos, porque nós vivemos nesse mundo, né?

O nosso neurônio tá interagindo com tudo isso, sensações físicas, nosso cérebro, tudo isso tá acontecendo. A máquina não, ele não tem sentimento nenhum, então não tem consciência. Esse é um ponto. Então começou com essa ideia errada do nome, dando inteligência artificial, que na verdade são sistemas probabilísticos sofisticados, nada mais do que isso. E a gente criou esse clima aí de histeria porque a máquina hoje, os modelos são bem fluentes, então dá essa impressão de inteligência que absolutamente não tem, são sistemas probabilísticos.

Então não acredito na na questão de um sistema consciente. E a questão de uma superinteligência, novamente, esses papos de AGI, Artificial General Intelligence, ou Super General Intelligence, que é basicamente essa máquina que resolveria os problemas do mundo, problemas que nós humanos não conseguimos resolver. Bom, nós construímos a máquina, nós construímos os modelos. Inteligência está nisso, não está nos modelos matemáticos.

Modelo matemático alguém fez. Agora, ele vai responder as probabilidades. Não vejo uma máquina que seja capaz de controlar a humanidade. Pode simular muita coisa, mas não ter superinteligência. Até porque os modelos que nós temos hoje, eles são o que nós podemos chamar de narrow AIs, uma IA muito estreita. Eles são faz-e-que. Então, o modelo que, digamos, que responde a geração de código, ele não vai dirigir um carro. Então, algum tempo atrás falava-se muito: no futuro eu não preciso mais de um radiologista, como se o radiologista apenas analisasse imagem médica.

Eu consigo ter uma boa assertividade na análise médica através de modelos preditivos, classificatórios, mas classificatórios realmente. Mas o médico, digamos, radiologista, Ele analisa imagens, mas para chegar lá ele foi de carro. Em casa tem a mulher dele, tem um filho que ele gosta, tem um cachorrinho, tem uma vida social totalmente diferente de uma máquina. Uma máquina, quando responde alguma coisa e você diz, pô, que legal, acertou, ela não vibra, ah, legal, vou tomar um chope com meus amigos, comemorar porque eu fiz uma coisa fantástica.

Não tem a mínima noção do que tá fazendo, não é isso. Simplesmente, no dia seguinte, Depois de ter desligado, se ligou, ela vai respondendo como se nada houvesse acontecido. Mas ela entende ao longo do tempo? Não entende. Outro dia eu tava lendo até um rosto, o cara falou dos veículos que se diz autônomos, já tá muito longe da autonomia, mas se diz autônomo, que o veículo aprende com ele a direção, depois vai realmente fazer como ele dirigir, como ele dirige.

Não é verdade, porque os modelos estão lá Para treinar você precisa pegar todos aqueles dados, retreinar e depois atualizar o modelo. Então não é real-time. Mesmo na interação que você tem hoje com os modelos, não existe o modelo aprendendo com você. Quando ele treina o modelo, o modelo é treinado, os pesos, que são essas variações entre os tokens, são fixos, porque o volume é muito grande, não dá para fazer dinamicamente. Como é que você simula esse aprendizado assim em tempo real?

É uma simulação. Algumas técnicas, uma que a gente chama janela de contexto, é colocar na memória os prompts anteriores para ele ter uma ideia do que que você tá pedindo. Então quando você fizer alguma coisa, responder, ele tem uma base baseada no anterior. Mas se você sair dali, desligar, voltar, zerar e reinicializar a discussão, ele não lembra. E em alguns casos, dependendo de provavelmente, obviamente de custos, né, depende do tipo de assinatura ou de modelo de negócio acontecer, você pode criar memória persistente armazenando em disco esse histórico para 2 dias depois ser recuperado.

Mas isso não é o modelo que faz, é essa camada de orquestração, e obviamente também aumenta o custo. Uma coisa é o custo de processamento, você tem naquela hora fritando tokens, outra é você armazenar informações como fosse um banco de dados para recuperar isso tempos depois, sem outro custo. Isso é possível? Tecnicamente é, mas não significa que o modelo entendeu você ou aprendeu com você. Simplesmente se armazenou coisas do seu histórico que podem ser úteis na resposta.

Então, não vejo, sim, possibilidade, com a tecnologia atual, de chegarmos a uma máquina superinteligente. Eu falo com a tecnologia atual, com os modelos que nós temos hoje. Classificatórios, preditivos, generativos não nos levam nesse caminho, não nos levam. Pode surgir outros? Pode. Como surgiram esses, pode surgir outros. 750, ninguém imaginava que o ser humano fosse à Lua. 1969, pousou-se na Lua. Então não dá para dizer nunca vai acontecer, mas com as tecnologias atuais, com o que nós chamamos de inteligência artificial hoje, baseados modelos classificatórios, preditivos, deep learning, modelos Transformer, como ChatGPT, etc., etc., não vamos Não vamos chegar lá.

Antes da gente dar sequência, tenho mais umas perguntinhas para ti. É como a nossa audiência pode entrar em contato contigo? Qual a melhor maneira de te seguir, de chamar para uma apresentação, convidar você para um conselho?

Legal. Eu tenho atuado muito em palestras em company, tenho atuado também alguns conselhos, um advisor. Eu não faço mais consultoria daquelas mergulhar numa organização, ficar horas e horas. Passou disso. Hoje eu me divirto muito mais, né? Eu acho que eu consigo traduzir melhor meu conhecimento, experiências, e compartilhar isso através de coisas mais focadas em estratégia, em advargem e assim por diante. E o meio mais fácil de conexão é o LinkedIn.

O LinkedIn, eu coloco 3, 4 posts por dia porque eu gosto de fazer isso. Geralmente eu vou escrevendo, paro eles no dia anterior, Aí no dia seguinte eu releio, porque eu deixo adormecido, que de um dia para o outro você esqueceu um pouquinho. Quando você lê, é como se fosse um texto novo. Então eu releio, aí faço alguns ajustes e publico. Então geralmente publico de manhã. Então como todo dia eu tenho essa rotina, eu tô sempre acessando o LinkedIn.

Então a melhor maneira de me conectar é através do LinkedIn. Dali a gente, dependendo do do tipo de contato que se quer, pode sair para um contato video call, uma conversa por telefone, WhatsApp e assim por diante.

Qual o futuro que você vê dessas ferramentas no coding, vibe coding, que o pessoal tá fazendo agora e não entende o que tá fazendo, simplesmente fica falando, fica consumindo token? Você acredita que essa tecnologia vai evoluir? Você acredita que isso vai morrer? A ideia não é fazer uma previsão, mas usar o bom senso, que é a sua sabedoria, que é bem forte, de como você antecipa esse movimento.

Essas tecnologias vão evoluindo naturalmente, vão ficar no seu nicho de mercado. São ferramentas muito interessantes para você gerar aplicações. Isoladas, fazer um MVP, mas não um ambiente corporativo. E esse é um game que a gente vê muito. E quando você pega, por exemplo, influenciadores e artigos saindo no LinkedIn através de posts, e vinha um sistema num fim de semana, legal. Uma coisa é eu escrever um sistema pessoal, estou na minha casa, e extrapolar para o ambiente corporativo.

Eu não tenho regra de compliance, não tenho auditoria em cima de mim, não tem absolutamente nada. E nem tem sistemas legados, integrar com outras coisas, não nada, simplesmente fiz minha aplicaçãozinha, tá lá rodando, tá ótimo. O erro é extrapolar isso para o ambiente corporativo, que não é minha casa. Então a minha experiência, minha produtividade individual, não necessariamente consegue ser transplantada para um departamento, uma organização, para uma empresa como um todo.

São coisas muito diferentes. O Vibe Code funciona muito bem na produtividade individual, mas não necessariamente no ambiente corporativo vai trazer o mesmo retorno. Quando você pega, por exemplo, desenvolvimento de sistemas, tem muita coisa que é além do código. O código talvez seja o quê? 20% do tempo do desenvolvedor típico. 80% não é código. Esse 80%, talvez eu consiga ganhar alguma coisinha. Ah, no teste eu posso gerar um conjunto de teste através de IA?

Posso. Ganho pouco, ganho pouco. Mas o que eu ganho no código não necessariamente vai traduzir num resultado final tão melhor quanto se imagina. Vamos dar um exemplo muito grosseiro, mas Eu moro no Rio de Janeiro e sempre trabalhei basicamente São Paulo, sempre foi São Paulo, tanto na Price quanto IBM. Basicamente, segunda a sexta eu estava em São Paulo ou viajando aí por aí para fora. Antigamente fazia Rio-São Paulo com a Eletro, eram 55 minutos de voo.

Hoje um jato 737, um Airbus, 35 minutos de voo. Mas o tempo de ponto a ponto, ou seja, de casa até onde eu vou Hoje tá maior, porque a burocracia no aeroporto aumentou muito em relação a anos atrás, o trânsito piorou e os aeroportos ficaram superlotados com problemas de logística. Então esse tempo todo torna-se maior. Eu ganhei no tempo de voo, mas o ponta a ponta tornou-se pior. A mesma coisa podemos colocar isso numa ferramenta para executar uma tarefa.

Cada tarefa se tornou melhor, Mas nenhuma atividade, nenhuma profissão depende daquela tarefa especificamente. Ela é uma das dezenas de tarefas que um profissional faz. Muitas vezes são tarefas interligadas, muitas vezes são tarefas que não têm nada a ver com o código, têm a ver com conversas com cliente, com colegas, até de outros assuntos, de alguma forma acabam influenciando ali naquele código em determinado momento. Uma inspiração que ele tem numa conversa, às vezes uma piada.

Então essas tecnologias estão evoluindo e vão continuar evoluindo, mas vão ficar no seu espaço de mercado. Muito boas para fazer determinadas coisas, mas não vão substituir um profissional, nem vão ser a base do desenvolvimento de sistemas. Tem muita coisa que você não consegue colocar inteligência artificial, não consegue colocar em máquina. Essas, uma série de coisas, você tem intuição, ver uma conversa com o cliente, se você tá propondo, por exemplo, um projeto de de um sistema se ele tá gostando da ideia ou não.

Às vezes ele não tá expressando aquilo de uma forma clara através de texto, mas pelos gestos você tá vendo que ele não tá gostando, pela expressão do rosto dele. Então são coisas que eu como humano consigo interpretar e não necessariamente uma ferramenta de vibe coach. Então vibe coach tem seu papel, tem, mas não vai ser substituto de absolutamente nenhum profissional.

Mas duas perguntas que eu tenho aqui presente contigo: uma, duas, talvez três áreas ou mais que sejam presentes para ti que a inteligência artificial ainda não mostrou seu potencial? Talvez a gente vá ver algumas, elas entraram rapidamente, né? A parte de imagem, de vídeo, de produção, são simulações, né? A gente vê esse movimento muito forte, claro, codificação, carros autônomos, né, a gente comentou. Mas que outras áreas que não estão acontecendo ainda e que você acredita, né, com sua experiência, com seu know-how, sabedoria, que ainda vão ser impactadas positivamente com inteligência artificial, seja qual o modelo, se é preditivo, generativo, que ainda não foram exploradas?

Eu diria que de uma maneira geral qualquer área de negócio, de atuação profissional, inteligência artificial vai ter um impacto maior ou menor grau. Vamos pegar algumas. Você pega, por exemplo, na área médica, você tem alguns setores que você tem coisas mais tangibilizadas, análise de imagem. Você tem coisas que são mais intangíveis, por exemplo, a área de psiquiatria. A inteligência artificial pode ajudar em alguns aspectos? Pode, desde que haja autorização.

Você captar a conversa e de repente fazer uma análise de nuances tipo de conversa que teve ali, na entonação. Isso pode ajudar depois o psiquiatra, se bem que um bom psiquiatra não precisa ouvir a gravação para entender a entonação que parece ali que a pessoa tá mentindo. Se ele tem boa experiência, dá para sentir pela expressão, pelo tom de voz, que é uma mentira que a pessoa tá dizendo ali. Não, não tô sofrendo nada, né? Então ele tem essa— aí que diferencia o bom profissional.

Mas a inteligência artificial pode nos ajudar nesse aspecto, desde que realmente seja compensador. Por exemplo, um problema numa clínica veterinária é que depois que você faz a conversa com esse paciente, do veterinário com o tutor do animal, você passa recomendações, mas muitas vezes a conversa se perde. Você passou lá o remédio, o medicamento, fez algumas sugestões de como cuidar do animal, Mas muita conversa se perde porque não grava, não tem autorização.

Gravando e depois eu interpreto e consigo ver se eu falei tudo, se ficou faltando alguma coisa. Legal, mas nos cursos atuais fica muito caro para a maioria dos— as clínicas veterinárias são clínicas pequenas, o custo disso é muito alto. Então às vezes a tecnologia pode ajudar, mas o custo talvez não ajude. Esse é um dos motivos porque não impactam tanto quanto poderia impactar. Pode ajudar na ciência? Pode. Pode ajudar, por exemplo, na matemática?

Pode. Alguns casos agora a gente viu de matemática, mas não que ele cria coisas novas, ele faz uma recombinação e consegue chegar a resultados que o matemático levaria mais tempo, porque ele consegue ler mil artigos, porque são centenas de milhares de artigos de matemática publicados todo ano. Dificilmente o matemático tem tempo para ler centenas de milhares de artigos. Então ele consegue concatenar isso e chegar a uma conclusão de, olha, tem um caminho aqui interessante.

Faz com que eu, como matemático, eu consiga ter mais, ser mais produtivo, mas eu continuo como matemático. Eu consigo ter aqueles insights de inovação vertical, uma coisa nova, não horizontal, que é uma recombinação de coisas. A máquina é muito boa para recombinação horizontal, até porque temos sempre que lembrar, inteligência artificial trabalha sobre o passado. Classificatório, preditivo, generativo, é o passado que tá lá, que ele leu, que aprendeu, que tá fixo nos pesos, no caso generativo.

Em cima disso eu recombino para trazer uma resposta. Não tô criando nada novo. Me parece coisas novas porque eu tenho acesso a um volume, eu como máquina, acesso a um volume imenso de informações. Então, se você me pergunta, por exemplo, sobre um assunto de história, eu te dou resposta baseado nos 20 livros que eu li. Se eu perguntar a uma máquina dessa talvez sobre esse tema, como ele leu o equivalente a 20 mil livros, ele vai me trazer respostas que eu vou falar: uau, que coisa fantástica, ele inventou isso!

Não, tá lá, só que eu não tive tempo de ler esses livros, mas tá lá. Ele não criou nada novo, ele combinou coisas. Então eu vejo todas as áreas, em maior ou menor grau, nós vamos ver o uso da inteligência artificial como hoje nós vemos o uso do mundo digital, como hoje nós vemos o uso da eletricidade. Então vai se espalhar. A eletricidade é básica, inteligência artificial pode ter maior ou menor aplicação, mas hoje nós já temos tecnologias que impactaram muito o nosso dia a dia.

Eu acho que o celular é um exemplo, né? A nossa vida de 20 anos atrás para hoje mudou. O iPhone surgiu em 2007, nós estamos falando de vai fazer 20 anos, mudou as coisas que não existiam um tempo atrás, negócios e serviços que são ofertados hoje, que não existiam há um tempo atrás, um Waze, um Uber, um Airbnb, assim por diante. E eu consigo fazer isso com muita facilidade através de um smartphone. A internet possibilitou até fazer essas coisas, como o iPhone permite.

A invenção do PC, do próprio computador. Então, coisas que mudaram bastante a nossa vida. A inteligência artificial é um desses conjuntos de tecnologias que vai ter impacto nos ambientes maior ou menor grau. Mas como ninguém pensa que o iPhone vai matar os negócios, pelo contrário, vai permitir criação de novos negócios, inteligência artificial não vai matar profissões. Vai mudar sim coisas, coisas que eu faço muito repetitivamente, inteligência artificial, os modelos podem fazer para mim, mas não vai acabar com a minha atividade, não vai acabar com empresas, permitir criação de outros negócios, vai permitir ajuste de outros negócios, vai permitir talvez gestões mais eficientes, desde que você saiba como usar.

Permite fazer bastante mudanças na sociedade como um todo, mas não vai fazer assim uma virada de 180 graus, vamos para cá agora, totalmente diferente. Não vai fazer isso. Nenhuma tecnologia muda a sociedade nesse ponto, até porque Mudanças sociais, mudanças tecnológicas têm impacto social e cultural muito grande. O mundo não é homogêneo, o mundo é heterogêneo. E eu acho curioso, o pessoal vai ao Vale do Silício, ah, no Vale do Silício tá se fazendo isso.

Legal, cara, Vale do Silício tá se fazendo isso, mas no Vale do Jequitinhonha não é assim, é um pouquinho diferente. Ambiente cultural é diferente, socioeconômico é diferente. Pegar o Vale do Silício, comparar com outras regiões dos Estados Unidos, já tem uma diferença. Kentucky, Ohio, vai comparar com o Brasil é diferente. Rio, São Paulo, interior de Tocantins, de Mato Grosso, vai comparar com Congo, vai comparar com outros países da Ásia, são diferentes.

As coisas não chegam no mesmo tempo e não são aceitas da mesma forma. O lado cultural pesa muito na adoção de tecnologias. Você vê que hoje mesmo, você vê, depois de 20 anos de adoção de iPhone, você tem países que usam muito intensamente ferramentas móveis, como na China, e o país que, por uma série de razões culturais ou até socioeconômicas, usam muito menos. Até a comunicação que se faz em determinados países, China, por exemplo, em alguns países da Europa, comunicação ainda é mais humana, é menos automatizada.

Eu acho que todos os setores de alguma forma vão ser afetados, mas não é uma transformação radical, mudanças, nuances que vão mudando ao longo do tempo. Depois de 20 anos, sim, a gente vê resultados diferentes, né? O que a gente faz hoje a gente não fazia 20 anos atrás, mas não foi de um dia para o outro, levou 20 anos. Ao longo das décadas, mudança aconteceu.

César, gratidão pelo seu tempo compartilhar essa visão, conhecimento. Já que falamos de filosofia, se você pudesse deixar uma mensagem profunda filosófica para a humanidade. Imagina que você vai ter um, vai mandar um SMS para cada ser humano, vai deixar no outdoor, no billboard, toda a raça humana vai poder ver essa mensagem que o César deixou durante 24 horas. Que mensagem seria essa?

Uma mensagem profunda é difícil, mas eu acredito que, à luz da minha experiência, nós temos que ser muito racionais e menos emotivos ao olhar tecnologias. Tecnologias são muito sedutoras. À medida que a gente toma contato com ela, e nós não a conhecemos com uma certa profundidade, parece mágica, né? Toda nova tecnologia parece uma mágica. E nós somos, acabamos sendo inebriados por ela, né? Ah, o mundo vai mudar! Não é a primeira vez que se fala que o mundo vai mudar.

Então deixemos de ser tão emotivos com a tecnologia, não vamos antropomorfizar a tecnologia. A tecnologia está ali, é uma máquina com circuitos eletrônicos, com linhas de código, É isso, dá a impressão de inteligência, mas não é inteligente, continua sendo uma máquina com circuitos e assim por diante. Considerando as tecnologias como são tecnologias, não como seres conscientes, eu acho que nós vamos ser muito mais humanos e conscientes, aplicar essa tecnologia e não correr riscos desnecessários.

Obrigado por nos acompanhar no podcast Líder de Elite. Se você gostou do conteúdo, se inscreva e deixe sua avaliação no Spotify, Apple Podcasts, Amazon Music ou sua plataforma preferida. E se quiser saber mais sobre o podcast e nossos entrevistados, visite o site podcastliderdealite.com. Até a próxima!