O que todo CEO deve saber sobre IA generativa

Nov 13, 2023

Em meio a emoção Em torno da IA ​​generativa desde o lançamento do ChatGPT, Bard, Claude, Midjourney e outras ferramentas de criação de conteúdo, os CEOs estão compreensivelmente se perguntando: esse é um hype tecnológico ou uma oportunidade para mudar o jogo? E se for o último, qual é o valor para o meu negócio?

Este artigo é um esforço colaborativo de Michael Chui, Roger Roberts, Tanya Rodchenko, Alex Singla, Alex Sukharevsky, Lareina Yee e Delphine Zurkiya, representando as opiniões do McKinsey Technology Council e QuantumBlack, AI da McKinsey, que fazem parte da McKinsey Digital .

A versão pública do ChatGPT alcançou 100 milhões de usuários em apenas dois meses. Ele democratizou a IA de uma maneira nunca antes vista, tornando-se de longe o aplicativo de crescimento mais rápido de todos os tempos. Sua acessibilidade imediata torna a IA generativa diferente de todas as IAs anteriores. Os usuários não precisam de um diploma em aprendizado de máquina para interagir ou extrair valor dele; quase qualquer um que possa fazer perguntas pode usá-lo. E, como acontece com outras tecnologias revolucionárias, como o computador pessoal ou o iPhone, uma plataforma de IA generativa pode dar origem a muitos aplicativos para públicos de qualquer idade ou nível educacional e em qualquer local com acesso à Internet.

Tudo isso é possível porque os chatbots de IA generativa são alimentados por modelos básicos, que são redes neurais expansivas treinadas em grandes quantidades de dados não estruturados e não rotulados em uma variedade de formatos, como texto e áudio. Os modelos de fundação podem ser usados ​​para uma ampla gama de tarefas. Por outro lado, as gerações anteriores de modelos de IA costumavam ser "estreitas", o que significa que podiam realizar apenas uma tarefa, como prever a rotatividade de clientes. Um modelo de fundação, por exemplo, pode criar um resumo executivo para um relatório técnico de 20.000 palavras sobre computação quântica, elaborar uma estratégia de entrada no mercado para um negócio de poda de árvores e fornecer cinco receitas diferentes para os dez ingredientes na geladeira de alguém. . A desvantagem dessa versatilidade é que, por enquanto, a IA generativa pode às vezes fornecer resultados menos precisos, colocando atenção renovada no gerenciamento de riscos da IA.

Com proteções adequadas, a IA generativa pode não apenas desbloquear novos casos de uso para empresas, mas também acelerar, dimensionar ou melhorar os já existentes. Imagine uma ligação de vendas para um cliente, por exemplo. Um modelo de IA especialmente treinado poderia sugerir oportunidades de upselling para um vendedor, mas até agora elas eram geralmente baseadas apenas em dados estáticos do cliente obtidos antes do início da chamada, como dados demográficos e padrões de compra. Uma ferramenta de IA generativa pode sugerir oportunidades de upselling para o vendedor em tempo real com base no conteúdo real da conversa, extraindo dados internos do cliente, tendências externas do mercado e dados de influenciadores de mídia social. Ao mesmo tempo, a IA generativa pode oferecer um primeiro rascunho de um discurso de vendas para o vendedor adaptar e personalizar.

O exemplo anterior demonstra as implicações da tecnologia em uma função de trabalho. Mas quase todo trabalhador do conhecimento provavelmente pode se beneficiar da parceria com a IA generativa. Na verdade, embora a IA generativa possa eventualmente ser usada para automatizar algumas tarefas, muito de seu valor pode derivar de como os fornecedores de software incorporam a tecnologia em ferramentas cotidianas (por exemplo, e-mail ou software de processamento de texto) usadas por trabalhadores do conhecimento. Essas ferramentas atualizadas podem aumentar substancialmente a produtividade.

Os CEOs querem saber se devem agir agora e, em caso afirmativo, como começar. Alguns podem ver uma oportunidade de ultrapassar a concorrência, reimaginando como os humanos realizam o trabalho com aplicativos generativos de IA ao seu lado. Outros podem querer ter cautela, experimentando alguns casos de uso e aprendendo mais antes de fazer grandes investimentos. As empresas também terão que avaliar se possuem o conhecimento técnico necessário, tecnologia e arquitetura de dados, modelo operacional e processos de gerenciamento de risco que algumas das implementações mais transformadoras da IA ​​generativa exigirão.