Exemplos de inteligência artificial que dão certo

A pergunta “onde a inteligência artificial já é usada” tem duas respostas muito diferentes: a lista do que você já usa sem perceber, e a lista curta do que de fato mudou resultado dentro de empresas. A primeira é interessante; a segunda é a que serve para decidir.

Este texto traz as duas, mais três casos conhecidos analisados pelo que fizeram diferente, o padrão que se repete entre eles, os exemplos que decepcionam e como escolher o primeiro caso na sua empresa.

Onde você já usa sem perceber

• A sugestão do que assistir e do que ouvir, em serviço de vídeo e de música, que aprende do seu comportamento e do de quem se parece com você.
• O filtro de mensagem indesejada no e-mail, que é um dos usos mais antigos e mais bem resolvidos.
• O corretor e a sugestão de palavra no teclado do celular.
• A rota que desvia do trânsito, recalculada com dado de milhões de aparelhos ao mesmo tempo.
• A recusa de uma compra suspeita no cartão, decidida em milissegundos por um modelo de risco.
• O reconhecimento de rosto que desbloqueia o telefone e organiza as fotos por pessoa.
• A tradução automática e a transcrição de áudio, que passaram de curiosidade a ferramenta de trabalho.

Vale notar o que essa lista tem em comum: em todos os casos existe uma resposta certa verificável, e volume enorme de exemplos para aprender. É exatamente a condição que explica por que esses usos funcionam bem, e a base conceitual está em o que é inteligência artificial.

Os exemplos que dão resultado em empresa

Os seis compartilham a mesma propriedade da lista anterior: existe um jeito de saber se está certo. Onde essa propriedade falta, o projeto vira discussão de opinião. Os casos por área, com o passo a passo para empresa pequena, estão em IA na pequena empresa.

Três casos e o que fizeram diferente

Klarna, Duolingo e Shopify são citados em toda apresentação sobre o assunto, quase sempre pelo número que anunciaram. O que interessa não é o número, é a estrutura por trás dele:

• Klarna, em atendimento. A empresa colocou IA na linha de frente de um volume gigantesco de solicitações de suporte, em várias línguas. O que fez a diferença não foi o modelo: foi ter anos de histórico de atendimento resolvido, com a resposta correta registrada, e sistemas que o assistente podia consultar para agir, e não apenas explicar.
• Duolingo, em produção de conteúdo. O uso mais citado é gerar exercício em escala. O ativo por baixo é outro: milhões de tentativas registradas de alunos, com padrão de erro por nível de proficiência. Esse dado é o que permite gerar exercício adequado, e nenhum concorrente o tem.
• Shopify, em recomendação e apoio ao lojista. A plataforma usa o comportamento agregado de um número enorme de lojas para sugerir o que funciona. Sistemas de recomendação existem há décadas; o que muda é a base sobre a qual eles rodam.

Repare no que os três casos não têm: um modelo de linguagem exclusivo. Eles usam tecnologia acessível a qualquer empresa, sobre dado que só eles têm.

O padrão que se repete

1. Um problema com volume alto e resultado verificável. Não um problema estratégico e vago: uma tarefa que acontece milhares de vezes e em que dá para saber se deu certo.
2. Dado histórico próprio, acumulado pela operação normal, e não comprado.
3. Integração com o sistema, para a IA agir e não apenas comentar.
4. Uma métrica definida antes, que é o que separa projeto de experimento contado depois.
5. Escopo estreito no começo, com uma área e um caso de uso.

Esse padrão explica por que copiar o caso não funciona: o que gerou o resultado foi o item 2, que leva anos e não se compra. A leitura completa desse mecanismo está em vantagem competitiva.

Os exemplos que decepcionam

• Substituir o atendimento inteiro, em vez de resolver a fatia que repete.
• Gerar conteúdo em volume sem revisão e sem informação própria, o que produz muito texto e nenhuma conversa.
• Prever com pouco histórico, que devolve um número com aparência de precisão.
• Automatizar processo que muda toda semana, criando algo para refazer.
• Decidir sobre pessoa, como triagem final de currículo ou de crédito, onde a empresa precisa saber explicar a decisão.
• Piloto sem métrica, que termina em apresentação bonita e nenhuma decisão. É a causa mais comum de projeto abandonado, detalhada em por que a IA falha nas empresas.

Como escolher o seu primeiro

Quatro perguntas, e o caso que passa nas quatro é o certo para começar:

1. Acontece muitas vezes por semana? Volume é o que transforma economia pequena em resultado visível.
2. Existe um jeito automático de saber se ficou certo? Sem isso, a revisão come o ganho.
3. O material necessário está escrito em algum lugar? Se a regra vive na cabeça de alguém, o primeiro projeto é escrevê-la.
4. O erro é reversível? Comece pelo que dá para corrigir sem custo para o cliente.

Os casos que envolvem executar ação, e não só responder, pedem outra arquitetura, explicada em agentes de IA. Para os exemplos específicos de geração de texto e imagem, vale exemplos de IA generativa. E a conta que diz se o caso escolhido se paga está em como calcular ROI.

Uma observação final que vale mais que a lista: se o caso escolhido depender de um dado que a sua empresa já acumula e ninguém mais tem, ele não é só um exemplo de uso de IA. É o começo de algo que talvez valha ser produto, e os sinais estão em critérios para saber se uma ferramenta interna tem potencial de produto.

Perguntas frequentes