Nos processos de negócio modernos, a adoção da IA generativa transcendeu a fase de utilização de ferramentas e está agora a entrar numa fase de sistematização.
Para além disso, aguarda-nos uma nova era de inteligência, denominada "Inteligência Sinfónica".
Este artigo explora o estado atual e as perspetivas futuras da utilização da IA generativa a partir de duas perspetivas: trabalho de iteração e trabalho de fluxo.
Trabalho de Iteração
Num artigo anterior, analisei as perspetivas do trabalho de iteração e ferramentas, e do trabalho de fluxo e sistemas, como pontos de vista para permitir que a IA generativa realize tarefas.
O trabalho de iteração refere-se a tarefas que os humanos realizam combinando, de forma semi-inconsciente, múltiplas tarefas concretas diferentes e procedendo por tentativa e erro.
E para este trabalho de iteração, as ferramentas são ótimas. Ao selecionar ferramentas que se adequam a várias tarefas, o trabalho pode prosseguir eficientemente. Portanto, é necessário preparar o kit de ferramentas necessário e tornar-se proficiente na sua utilização.
Atualmente, quando a IA generativa é utilizada em negócios, a grande maioria dos casos envolve a IA generativa como uma ferramenta.
A maioria das discussões sobre a melhoria da eficiência de negócios com IA generativa refere-se à adição desta nova e poderosa ferramenta ao kit de ferramentas existente, utilizado pelos humanos para o seu trabalho de iteração.
Problemas com o Trabalho de Iteração
Por outro lado, como apontado num artigo anterior, os ganhos de eficiência resultantes das ferramentas no trabalho de iteração são relativamente limitados.
À medida que as ferramentas se tornam mais eficientes, os humanos acabam por se tornar o gargalo. Não conseguimos, em última análise, ultrapassar o limite das horas de trabalho humanas.
Além disso, existe uma lacuna significativa na eficiência e precisão do trabalho de iteração entre funcionários veteranos e recém-contratados, e preencher esta lacuna é difícil. Consequentemente, mesmo que se pretenda duplicar a carga de trabalho no próximo mês, isso não pode ser gerido sem pessoal que possua as competências de um veterano.
Para resolver o problema dos humanos serem o gargalo, a solução final seria substituir tudo por inteligência artificial.
No entanto, a IA generativa atual ainda não possui esse nível de desempenho.
Além disso, mesmo tarefas de iteração aparentemente simples, quando examinadas de perto, consistem num grande número de subtarefas inconscientes.
Por esta razão, estas tarefas não puderam ser divididas em sistemas de TI convencionais ou manuais fáceis de seguir, e em vez disso, dependeram da proficiência humana.
A menos que estas numerosas tarefas inconscientes que exigem proficiência sejam organizadas, e o know-how necessário para cada uma seja cristalizado em conhecimento, a IA generativa, por mais que o seu desempenho melhore, não será capaz de realizar tarefas como substituto dos humanos.
Conversão de Trabalho de Iteração em Trabalho de Fluxo e Sistematização
Para abordar os objetivos de distribuição de tarefas dentro dos limites de desempenho atuais da IA generativa, e de organização de tarefas inconscientes e cristalização do know-how em conhecimento, é altamente significativo organizar o trabalho de iteração por tentativa e erro em trabalho de fluxo padronizado.
O trabalho de fluxo padronizado é adequado não só para ferramentas, mas também para sistemas.
Dentro do trabalho de fluxo, existem tarefas a serem executadas pela IA generativa e tarefas a serem executadas por humanos. Ao conectar estas com um sistema, todo o trabalho de fluxo torna-se executável.
A conversão do trabalho de iteração em trabalho de fluxo e a sistematização proporcionam vários benefícios significativos:
Primeiro, como a IA generativa é especializada para cada tarefa individual, a otimização da sua eficiência e precisão para cada tarefa torna-se clara.
Segundo, vários trabalhadores podem adicionar conhecimento à IA generativa, e os benefícios estendem-se a todos.
Terceiro, torna-se mais fácil transferir progressivamente a divisão de tarefas dentro deste trabalho para a IA generativa.
Ao converter o trabalho de iteração em trabalho de fluxo e acumular o conhecimento exigido pela IA generativa para cada tarefa como um sistema, o trabalho intelectual aproxima-se da automação, muito parecido com uma linha de produção fabril.
E, ao incorporar o desempenho básico melhorado da IA generativa, que evolui com o tempo, e utilizando o conhecimento acumulado especializado para várias tarefas, será possível tornar todo o trabalho de fluxo um processo automatizado realizado pela IA generativa.
Inteligência Virtual
Até este ponto, a análise foi feita a partir das perspetivas do trabalho de iteração e ferramentas, e do trabalho de fluxo e sistemas.
Outro artigo recente aprofunda ainda mais esta discussão.
Nesse artigo, abordei o tema da orquestração por inteligência virtual.
Atualmente, e num futuro muito próximo, devido a limitações de desempenho, a IA generativa é mais eficiente e precisa quando focada em tarefas específicas.
Portanto, como discutido anteriormente com o trabalho de fluxo e sistemas, um mecanismo que conecta IAs generativas especializadas para cada tarefa individual era ideal.
No entanto, mesmo que o desempenho da IA generativa melhore significativamente, processar tarefas alternando papéis e utilizando conhecimento dentro de um único processo, em vez de simplesmente lidar com várias tarefas simultaneamente, poderia potencialmente levar a maior eficiência e precisão.
Esta abordagem elimina a necessidade de um sistema para ligar IAs generativas. Operações semelhantes à integração de sistemas ocorreriam dentro da própria IA generativa.
Além disso, permite respostas flexíveis dentro da própria IA generativa, afastando-se de situações em que as tarefas não podem ser trocadas ou adicionadas sem modificar o sistema.
Isto significa retornar o trabalho de fluxo sistematizado ao trabalho de iteração.
No entanto, este trabalho de iteração, tendo passado pela sistematização e conversão em trabalho de fluxo, encontra-se agora num estado em que o conhecimento reutilizável pode ser formado, mesmo que o número de IAs generativas seja aumentado ou as versões sejam alteradas.
Isto resolve os problemas do trabalho de iteração humana, permitindo um trabalho flexível semelhante ao dos humanos.
Aqui, refiro-me à capacidade da IA generativa de alternar papéis e conhecimento durante uma única execução como inteligência virtual. Isto é análogo a uma máquina virtual de computador.
Assim como a tecnologia de máquina virtual simula computadores totalmente diferentes a correr num único hardware, uma única IA generativa processa tarefas alternando entre múltiplos papéis.
A IA generativa atual já adquiriu naturalmente esta capacidade de inteligência virtual. Por esta razão, a IA generativa pode simular discussões entre várias pessoas e gerar romances com múltiplos personagens.
Se esta capacidade de inteligência virtual melhorar e for fornecido conhecimento suficiente, será possível realizar trabalho de iteração.
Orquestração da Inteligência
Além disso, refiro-me à capacidade de combinar livremente múltiplos papéis e conhecimentos para realizar tarefas desta forma como orquestração da inteligência.
Isto é semelhante à tecnologia de orquestração que gere múltiplas máquinas virtuais.
Assim como a tecnologia de orquestração opera sistemas eficientemente ao lançar máquinas virtuais necessárias quando preciso, uma IA generativa com habilidades aprimoradas de orquestração da inteligência — uma capacidade da inteligência virtual — será capaz de realizar trabalho de iteração de forma flexível, enquanto gere apropriadamente numerosos papéis e conhecimentos, e mantém a eficiência e a precisão.
Inteligência Sinfónica
A IA generativa que atinge esta fase pode ser chamada de Inteligência Sinfónica.
Assim como uma orquestra, hábil a tocar cada instrumento, executa uma única peça musical enquanto cumpre os seus respetivos papéis, a Inteligência Sinfónica pode tocar uma sinfonia de tarefas intelectuais.
Esta Inteligência Sinfónica é um novo conceito, representando um dos pontos culminantes para a IA generativa.
No entanto, a Inteligência Sinfónica em si já existe.
É a nossa inteligência humana.
É precisamente porque possuímos Inteligência Sinfónica que podemos, de forma inconsciente e flexível, realizar múltiplas e complexas tarefas intelectuais através do trabalho de iteração, aproveitando uma vasta quantidade de know-how.
Finalmente: A Forma da IAG
Ao fornecer IA generativa capaz de simular Inteligência Sinfónica com trabalho de fluxo e bases de conhecimento para outras tarefas, esta tornar-se-á capaz de lidar com múltiplas tarefas de iteração.
Uma vez que consiga lidar com inúmeras tarefas de iteração diferentes, será capaz de apreender regras comuns entre essas tarefas e padrões estruturais dentro do conhecimento.
Nesse ponto, para tarefas de iteração totalmente desconhecidas, com apenas uma breve explicação de um humano, a IA será capaz de aprender o know-how dessa tarefa simplesmente observando como um humano a executa.
Esta é a verdadeira Inteligência Sinfónica. Uma vez atingida esta fase, os humanos deixarão de precisar de despender esforço na conversão do trabalho em processos de fluxo ou na cristalização do know-how em conhecimento.
Além disso, o conhecimento assim automaticamente acumulado pela IA generativa pode ser partilhado entre outras IAs generativas.
Se isto acontecer, a capacidade de aprendizagem da IA generativa ultrapassará em muito a dos humanos.
Isto pode ser considerado uma forma de IAG.