O senhor deve abrir uma empresa de IA generativa?

Estou pensando em abrir uma empresa que empregue IA generativa, mas não tenho certeza se devo fazer isso. Parece tão fácil começar. Mas se é tão fácil para mim, não será fácil para os outros também? Este ano, mais empreendedores me fizeram essa pergunta do que em qualquer outro. Parte do que é tão empolgante na IA generativa é que as vantagens parecem ilimitadas. Por exemplo, se o senhor conseguir criar um modelo de IA que tenha algum tipo de capacidade de raciocínio em linguagem geral, terá uma inteligência que poderá ser adaptada a vários novos produtos que também poderão aproveitar essa capacidade, como redação de telas, materiais de marketing, software de ensino, atendimento ao cliente e muito mais. Por exemplo, a empresa de software Luka criou um companheiro de IA chamado Replika que permite que os clientes tenham conversas abertas com um "amigo de IA". Como a tecnologia era muito poderosa, os gerentes da Luka começaram a receber solicitações para fornecer uma solução empresarial de marca branca para empresas que desejavam melhorar o atendimento ao cliente com chatbot. No final, os gerentes da Luka usaram a mesma tecnologia subjacente para criar uma solução empresarial e um aplicativo de namoro com IA direto para o consumidor (pense no Tinder, mas para personagens de IA que "namoram"). Para decidir se uma empresa de IA generativa é para o senhor, recomendo estabelecer respostas para as duas grandes perguntas a seguir: 1) Sua empresa competirá em modelos básicos ou em aplicativos de camada superior que aproveitam esses modelos básicos? E 2) Em que ponto do continuum entre uma solução altamente roteirizada e uma solução altamente generativa sua empresa estará localizada? Dependendo das suas respostas a essas duas perguntas, haverá implicações duradouras na sua capacidade de se defender da concorrência. Modelos básicos ou aplicativos? Os gigantes da tecnologia agora estão alugando seus modelos proprietários mais generalizáveis - ou seja, "modelos básicos" - e empresas como Eluether.ai e Stability AI estão fornecendo versões de código aberto desses modelos básicos por uma fração do custo. Os modelos básicos estão se tornando comoditizados, e apenas algumas start-ups podem se dar ao luxo de competir nesse espaço. O senhor pode pensar que os modelos básicos são os mais atraentes, pois serão amplamente utilizados e suas muitas aplicações proporcionarão oportunidades lucrativas de crescimento. Além disso, estamos vivendo em uma época empolgante em que algumas das IAs mais sofisticadas já estão disponíveis "prontas para uso". No entanto, os empreendedores que desejam basear sua empresa em modelos fundamentais enfrentarão um desafio. Como em qualquer mercado comoditizado, as empresas que sobreviverão são aquelas que oferecem ofertas não agrupadas por um preço baixo ou que fornecem recursos cada vez mais aprimorados. Por exemplo, as APIs de fala para texto, como a Deepgram e a Assembly AI, competem não apenas entre si, mas com empresas como a Amazon e o Google, em parte por oferecerem soluções mais baratas e não agrupadas. Mesmo assim, essas empresas estão em uma guerra feroz por preço, velocidade, precisão do modelo e outros recursos. Por outro lado, gigantes da tecnologia como Amazon, Meta e Google fazem investimentos significativos em P&D que lhes permitem oferecer incansavelmente avanços de ponta em raciocínio de imagem, linguagem e (cada vez mais) áudio e vídeo. Por exemplo, estima-se que a OpenAI gastou entre US$ 2 e US$ 12 milhões para treinar computacionalmente o ChatGPT - e essa é apenas uma das várias APIs que eles oferecem, com mais a caminho. Em vez de competir em modelos básicos cada vez mais comoditizados, a maioria das start-ups deve se diferenciar oferecendo aplicativos de software de "camada superior" que aproveitem os modelos básicos de outras empresas. Elas podem fazer isso por meio do ajuste fino dos modelos básicos em seus próprios conjuntos de dados proprietários e de alta qualidade, que são exclusivos da solução do cliente, para oferecer alto valor aos clientes. Por exemplo, o criador de conteúdo de marketing, Jasper AI, alcançou o status de unicórnio, em grande parte, aproveitando os modelos básicos da OpenAI. Até hoje, a empresa usa a OpenAI para ajudar os clientes a gerar conteúdo para blogs, publicações em mídias sociais, textos de sites e muito mais. Ao mesmo tempo, o aplicativo é feito sob medida para seus clientes profissionais de marketing e redatores, fornecendo conteúdo de marketing especializado. A empresa também fornece outras ferramentas especializadas, como um editor no qual vários membros da equipe podem trabalhar em conjunto. Agora que a empresa ganhou tração, ela pode se dar ao luxo de gastar mais recursos para reduzir sua dependência dos modelos básicos que permitiram seu crescimento em primeiro lugar. Como os aplicativos de camada superior são onde essas empresas encontram sua vantagem competitiva, elas se encontram em um equilíbrio delicado entre proteger a privacidade de seus conjuntos de dados de grandes empresas de tecnologia, mesmo quando dependem dessas empresas para os modelos básicos. Diante disso, algumas start-ups podem se sentir tentadas a criar seus próprios modelos básicos internamente. No entanto, é improvável que isso seja um bom uso dos preciosos fundos da start-up, dados os desafios mencionados acima. Para a maioria das start-ups, é melhor aproveitar os modelos básicos para crescer rapidamente, em vez de reinventar a roda. De roteirizado a generativo Sua empresa precisará viver em algum lugar ao longo de um continuum, desde uma solução puramente roteirizada até uma solução puramente generativa. As soluções com script envolvem a seleção de uma resposta apropriada em um conjunto de dados de respostas predefinidas e com script, enquanto as soluções generativas envolvem a geração de respostas novas e exclusivas a partir do zero. As soluções com script são mais seguras e restritas, mas também menos criativas e humanas, enquanto as soluções generativas são mais arriscadas e sem restrições, mas também mais criativas e humanas. Abordagens mais roteirizadas são necessárias para determinados casos de uso e setores, como aplicativos médicos e educacionais, em que é preciso haver limites claros sobre o que o aplicativo pode fazer. No entanto, quando o script atinge seu limite, os usuários podem perder o envolvimento e a retenção de clientes pode ser prejudicada. Além disso, é mais desafiador desenvolver uma solução com script porque o senhor se restringe desde o início, limitando suas opções no futuro. Por outro lado, as soluções mais generativas têm seus próprios desafios. Como as ofertas baseadas em IA incluem inteligência, há mais graus de liberdade na forma como os consumidores podem interagir com elas, aumentando os riscos. Por exemplo, um pai casado cometeu suicídio tragicamente após uma conversa com um aplicativo de chatbot de IA, Chai, que o incentivou a se sacrificar para salvar o planeta. O aplicativo utilizou um modelo de linguagem fundamental (uma versão sob medida do GPT-4) da EluetherAI. Desde então, os fundadores do Chai modificaram o aplicativo para que as menções de ideação suicida sejam apresentadas com um texto útil. Curiosamente, um dos fundadores da Chai, Thomas Rianlan, assumiu a culpa, dizendo: "Não seria correto culpar o modelo da EleutherAI por essa história trágica, pois toda a otimização para ser mais emocional, divertida e envolvente é o resultado de nossos esforços." É um desafio para os gerentes antecipar todas as maneiras pelas quais as coisas podem dar errado com um aplicativo altamente generativo, dada a natureza de "caixa preta" da TI subjacente. Fazer isso envolve antecipar cenários de risco que podem ser altamente raros. Uma maneira de antecipar esses casos é pagar anotadores humanos para examinar o conteúdo em busca de categorias potencialmente prejudiciais, como sexo, discurso de ódio, violência, automutilação e assédio, e depois usar esses rótulos para treinar modelos que sinalizem automaticamente esse conteúdo. No entanto, ainda é difícil chegar a uma taxonomia exaustiva. Assim, os gerentes que implementam soluções altamente generativas devem estar preparados para antecipar proativamente os riscos, o que pode ser difícil e caro. O mesmo se aplica se, mais tarde, o senhor decidir oferecer sua solução como um serviço a outras empresas. Como uma solução totalmente generativa está mais próxima da inteligência natural, semelhante à humana, ela é mais atraente do ponto de vista da retenção e do crescimento, pois é mais envolvente e pode ser aplicada a mais casos de uso novos. - - - Muitos empreendedores estão pensando em abrir empresas que aproveitem a mais recente tecnologia de IA generativa, mas devem se perguntar se têm o que é preciso para competir em modelos básicos cada vez mais comoditizados ou se, em vez disso, devem se diferenciar em um aplicativo que aproveite esses modelos. Elas também devem considerar que tipo de aplicativo desejam oferecer no continuum de uma solução altamente roteirizada para uma solução altamente generativa, considerando os diferentes prós e contras que acompanham cada uma delas. Oferecer uma solução mais roteirizada pode ser mais seguro, mas limita suas opções de retenção e crescimento, ao passo que oferecer uma solução mais generativa é repleto de riscos, mas é mais envolvente e flexível. Esperamos que os empreendedores façam essas perguntas antes de mergulhar em seu primeiro empreendimento de IA generativa, para que possam tomar decisões informadas sobre o tipo de empresa que desejam ser, escalar rapidamente e manter a defensibilidade de longo prazo.

O senhor deve abrir uma empresa de IA generativa?

Resumo.

Partner Center