Fala-se amplamente sobre a importância de se experimentar com ferramentas no e low-code antes de se lançar um produto 100% proprietário, economizando tempo e esforço, essa tendência agora deverá se fortalecer com a aposta em novas ferramentas de IA Generativa.
A alguns meses atrás iniciei neste blog algumas análises na expectativa de tentar prever os impactos da IA Generativa no dia a dia das pessoas que estão envolvidas na construção de produtos digitais de forma a nos preparar para tais mudanças. Teci análises sobre o impacto no ecossistema arquitetural de grandes empresas, no papel e nos processos de um time de produto, mas também no jeito com que a linguagem natural poderá ganhar espaço frente a linguagens de desenvolvimento clássicas utilizadas há décadas ao se construir algoritmos, e em última instância softwares e interfaces e por fim, produtos. Errei na temporalidade de algumas dessas previsões, algumas das quais eu ainda acredito que estão por acontecer, mas em um processo incremental mais lento do que eu originalmente imaginava. 🤷♂️
A boa notícia é que continuo encontrando evidências dessas mudanças e de fato, elas são pautadas por algumas tendências que se fortalecem a partir de agora: considerar e incluir cada vez mais frameworks Open Source e no ou low-code tools no pipeline de novas soluções, principalmente quando há a oportunidade de se repensar jornadas digitais. Prova disso, foram os anúncios realizados pela OpenAI em seu primeiro DevDay, para quem não conferiu os anúncios na íntegra, tá na mão aqui. Com dezenas de lançamentos de funcionalidades no-code que são direcionadas e acionadas por linguagem natural, reforçando a união entre os papéis das pessoas de produto e pessoas desenvolvedoras na construção de ferramentas, uma vez que o NLP evoluído pelas LLMs abrem portas para que com pouquíssimo código todos possam pensar na estratégia de negócio e de desenvolvimento, já que não será necessária toda aquela expertise em determinada linguagem de programação, hibridizando cada vez mais os papéis que compõem uma equipe de produto.
Assim, como lá atrás em 2008 quando a Apple lançou o IPhone e toda a indústria de software teve de se adaptar a construção de experiências “mais mobile”, agora teremos que nos adaptar para experiências mais conversacionais, amplamente amparadas por GPTs que irão atender nossos clientes e executar tarefas operacionais internas das empresas de um jeito muito mais eficiente tanto em factibilidade quanto em custo, quando se comparado ao ecossistema digital atual. Um ponto que reforça essa tendência, foi o lançamento do GPT4 Turbo, que teve uma redução de 3x quando comparado ao preço original do GPT4, com data de corte atualizada para Abril de 2023, com factibilidade aumentada e entendendo uma janela de contexto (input) muito maior que os modelos anteriores. Esses avanços dos modelos “base” disponibilizados pela OpenAI e também pelo trabalho de toda a comunidade OpenSource que vem aprimorando LLMs públicos, abrem espaço para que novas start-ups de ferramentas no-code ganhem vastissimos investimentos da YCombinator, que a priori indicam tendências que historicamente surgem no Vale do Silício e rapidamente ganham aderência mundial. Neste post eu analiso os novos modelos de negócio que foram previamente incluídos nos investimentos da YCombinator para o primeiro semestre de 2024. Isso mesmo, tiveram o anúncio de seus investimentos antecipados reforçando a aposta do mercado nestas tecnologias.
Vamos lá, começando pela Use Collate, a mais embrionária de todas, ainda sem produto lançado, mas já com uma lista de espera e obviamente, sendo acelerados pela YCombinator. A solução tem um propósito bem delineado: prover uma ferramenta para equipes de GoToMarket analisarem comportamentos e tendências de seu público-alvo e clientes utilizando IA, prometendo se integrar facilmente as bases de dados das redes sociais de seu negócio, bases internas de CRM e bases externas públicas sobre comportamentos do consumidor, perfil de investimentos, etc. A ideia é resolver aquele velho problema que já citei aqui algumas vezes onde amontoados de dados não geram nenhum Insight relevante para evoluções e reposicionamentos de produtos. É um problema relevante, irei acompanhar o desenrolar da Collate, pois caso acertarem na implementação, em breve teremos um excelente aliado para diversificar e modernizar a proposta e o portfólio de serviços e produtos físicos e digitais oferecidos pelas empresas.
Outra aposta que sigo acompanhando de perto é a OmniAI que promete se integrar facilmente com todas suas bases de dados estruturados e não estruturados de diferentes tipos e fontes e transformá-los em linguagem inteligível e consumível por LLMs (o tal do Vector Search, tópico recorrente neste blog) e a partir dai você conseguirá interagir com um modelo customizado e auto-atualizável de bases que você considera importante para tomada de decisão em diversos domínios na sua empresa e a partir daí, conversar com a IA. O modelo irá te ajudar a fazer inferências e basear a sua resposta em praticamente todo o dado ingerido de bases da sua empresa, evitando o trabalho dos cientistas de dados que precisam muitas vezes manualmente extrair e tratar dados, além de terem que estabelecer estratégias de treinamento muitas vezes através do erro e acerto que levam tempo e geram retrabalho sempre que novas bases ou dimensões são adicionadas. Grande aposta! 🎲🎲🎲
Por outro lado a Artisan e o AgentHub querem revolucionar as ferramentas de automatização de processos no-code como o Zapier, associando tais soluções ao famoso prompt engineering, isto é, você poderá dizer em linguagem natural o que espera de cada input e output a um agente que atuará como intermediador adicionando inteligência cognitiva a estes fluxos. Basicamente, ao invés do processo seguir uma série de passos pré-estabelecidos logicamente por você, você poderá adicionar análises mais complexas do tipo: “Se o documento X conter algum risco jurídico associado a lei Y, por favor adicione uma flag Z no campo T” e o modelo, com base no seu treinamento irá tomar a decisão. Isso vai muito além dos OCRs para extração de dados e os treemaps para decisões, é mais abrangente e generalista e o output ficará mais sofisticado conforme você for atualizando e aprimorando o prompt e a LLM para incorporar seu domínio de informações relevantes para tomada de decisão em determinado processo de seu negócio. Por um lado a Artisan tem focado em criar agentes que desempenham determinado papel e se conecta com ferramentas geralmente associadas a este papel, por exemplo, um agente de design executa tarefas de prototipação e por tanto se conecta ao Canva, ao Photoshop, etc. Do outro lado, o AgentHub foca na criação de agentes customizados e que podem ser tunados por você ao executar qualquer tarefa que envolva integrações com N aplicações no-code, sem focar em papéis em específico.
Por fim, tem essa start-up dinamarquesa chamada Leya que também será impulsionada pela YCombinator em 2024 e irá atender advogados que querem impulsionar seus trabalhos corporativos ao ajudar no monitoramento de bases processuais públicas com fins de atualização sobre o andamento de processos, na elaboração de drafts de pareceres e ao fazer referências a jurisprudências. Já existem empresas consolidadas, inclusive no Brasil que trabalham próximas deste escopo, mas param na simples gestão de contratos jurídicos e composição quase estática de documentos legais. Com isso, nesse campo da análise e redação jurídica, a IA Generativa, ao que tudo indica, irá ajudar bastante. E Ah, aproveitando a deixa, para quem ainda não conhece, confira o Vade Mecum AI, um produto experimental para advogados e concurseiros se consultarem sobre a lei através de conversas lançado por mim. Galera, é isso, vou continuar acompanhando o desenrolar dessas ideias ai, e como tem muita grana por trás e portanto muita especulação, teremos cases de muito sucesso e flops sensacionais (sempre têm, né?). Bora fazendo. Inté .🍻
Comments