“Não existe IA sem dados, não existe IA sem dados não estruturados e não existe IA sem dados não estruturados em escala”, disse Chet Kapoorpresidente e CEO da empresa de gerenciamento de dados DataStax.

Kapoor estava iniciando uma conversa no TechCrunch Disrupt 2024 sobre “novos pipelines de dados”no contexto de aplicações modernas de IA, onde se juntou a ele Vanessa Larcosócio da empresa VC NEA; e George FraserCEO da plataforma de integração de dados Fivetran. Embora o bate-papo tenha abordado diversas bases, como a importância da qualidade dos dados e o papel dos dados em tempo real na IA generativa, uma das grandes conclusões foi a importância de priorizar a adequação do produto ao mercado em detrimento da escala, no que realmente ainda é o começo. de IA. O conselho para empresas que desejam entrar o mundo vertiginoso da IA ​​generativa é simples – não seja excessivamente ambicioso no início e concentre-se no progresso prático e incremental. A razão? Ainda estamos descobrindo tudo.

“O mais importante para a IA generativa é que tudo depende das pessoas”, disse Kapoor. “As equipes da SWAT que realmente partem e constroem os primeiros projetos – elas não estão lendo um manual; eles estão escrevendo o manual sobre como fazer aplicativos generativos de IA.”

Embora seja verdade que os dados e a IA andam de mãos dadas, é fácil ficar sobrecarregado pela enorme quantidade de dados que uma empresa pode ter, alguns deles possivelmente sensíveis e sujeitos a proteções rigorosas, e talvez até armazenados em inúmeros locais. Larco, que trabalha com (e faz parte do conselho de) inúmeras startups em todo o espectro B2C e B2B, sugeriu uma abordagem simples, mas pragmática, para desbloquear o verdadeiro valor nestes primeiros dias.

“Trabalhe de trás para frente para descobrir o que você está tentando realizar – o que você está tentando resolver e quais são os dados de que você precisa?” Larco disse. “Encontre esses dados, onde quer que estejam, e use-os para essa finalidade.”

Isso contrasta com a tentativa de espalhar IA generativa por toda a empresa desde o início, jogando todos os seus dados no modelo de linguagem grande (LLM) e esperando que ele produza a coisa certa no final. Isso, segundo Larco, provavelmente criará uma bagunça cara e imprecisa. “Comece aos poucos”, disse ela. “O que estamos vendo são empresas começando pequenas, com aplicações internas, com objetivos muito específicos, e depois encontrando os dados que correspondem ao que estão tentando realizar.”

Fraser, que lidera a plataforma de “movimentação de dados” Fivetran desde a sua criação, há 12 anos, acumulando clientes de grande nome como OpenAI e Salesforce no caminho, sugeriu que as empresas deveriam se concentrar estritamente nos problemas reais que enfrentam no momento.

“Resolva apenas os problemas que você tem hoje; esse é o mantra”, disse Fraser. “Os custos da inovação são sempre 99% nas coisas que você construiu e que não deram certo, e não nas coisas que deram certo e que você gostaria de ter planejado para escalar com antecedência. Embora esses sejam os problemas que sempre pensamos em retrospecto, esses não são os 99% do custo que você arca”.

Tal como nos primórdios da Web e, mais recentemente, na revolução dos smartphones, as primeiras aplicações e casos de utilização da IA ​​generativa mostraram vislumbres de um novo e poderoso futuro habilitado pela IA. Mas até agora, eles não mudaram necessariamente o jogo.

“Eu chamo isso de era Angry Birds de IA generativa”, disse Kapoor. “Isso não está mudando completamente a minha vida, ninguém está lavando minha roupa ainda. Este ano, todas as empresas com as quais trabalho estão colocando algo em produção – pequeno, interno, mas colocando em produção porque estão realmente resolvendo os problemas, sobre como formar as equipes para fazer isso acontecer. O próximo ano é o que chamo de ano da transformação, quando as pessoas começarão a fazer aplicativos que realmente começarão a mudar a trajetória da empresa para a qual trabalham.”