Um dos mitos mais comuns no universo da inteligência artificial está sendo contestado por Joe Rose, presidente da JBS Dev, empresa especializada em tecnologia estratégica. Segundo ele, a crença de que os dados precisam estar perfeitos antes de qualquer implementação de IA generativa ou agêntica não corresponde à realidade do mercado.
Rose aponta que fornecedores e consultores costumam recomendar grandes repositórios de dados e programas de transformação que duram anos — o que deixa executivos paralisados diante de tanta complexidade. “As ferramentas nunca foram tão boas quanto agora para lidar com dados de baixa qualidade”, afirma. “É quase notável o que um modelo de linguagem consegue entender a partir de um prompt incompleto.”
Para ilustrar o argumento, Rose cita um cliente do setor médico que precisava migrar para um novo sistema de conciliação de cobranças. O acervo de registros era heterogêneo: alguns documentos estavam em PDF, outros em imagem, informações de médicos apareciam nos campos de pacientes, e assim por diante. A IA generativa foi capaz de organizar os dados a partir de um único prompt simples, aplicando reconhecimento óptico de caracteres (OCR) nas imagens e extração de texto nos PDFs. Em seguida, abordagens mais agênticas foram utilizadas, como comparar registros de pacientes com contratos de seguros para verificar se os valores cobrados estavam corretos.
“Você começa a empilhar diferentes casos de uso uns sobre os outros”, explica Rose. O executivo ressalta, porém, que a presença humana no processo continua indispensável, já que os modelos não acertam tudo. A lógica proposta é de evolução gradual: começar com 20% de automação, avançar para 40%, depois 60% e 80%, expandindo a cobertura ao longo do tempo.
Rose também chama atenção para a imprevisibilidade inerente dos modelos de IA. Diferente dos sistemas tradicionais de software, em que a mentalidade é “construímos, funciona, esquecemos”, as soluções baseadas em IA exigem monitoramento contínuo e mecanismos para tratar saídas incorretas.
O próximo debate: custo e portabilidade
Para o futuro, Rose projeta uma mudança de foco nas discussões sobre IA. “Acho que vamos ver uma transição: menos ênfase nos saltos radicais de capacidade dos modelos e mais atenção em como tornar os custos sustentáveis, sem precisar construir data centers no ritmo atual”, afirma.
Nesse contexto, ele descreve o que chama de “última milha” da IA: a capacidade de fazer esses sistemas rodarem em laptops ou smartphones, em vez de depender exclusivamente de grandes infraestruturas de data center. Rose argumenta ainda que os modelos já foram treinados com praticamente todo o conteúdo disponível na internet, o que reduz as chances de novos avanços expressivos baseados apenas em mais volume de dados.
Alternativa às licenças de software
Durante sua participação no AI & Big Data Expo, evento em que a JBS Dev está presente, Rose pretende defender uma posição considerada por ele mesmo como controversa: que empresas parem de comprar soluções de fornecedores SaaS quando têm condições de desenvolver internamente.
“Não é tão difícil quanto parece”, garante. Segundo ele, a maioria das empresas já possui alguma presença em nuvem, e as ferramentas oferecidas pelos três grandes provedores do setor têm tudo o que é necessário para iniciar implementações de cargas de trabalho agênticas — sem a necessidade de novas licenças de software ou treinamentos adicionais.
Siga o Ensinando a Vencer e receba nossos conteúdos em primeira mão.
