- há 1 ano
Categoria
🗞
NotíciasTranscrição
00:00Magalu Cloud, impulsionando a competitividade do Brasil através da tecnologia.
00:15Bom dia, boa tarde, boa noite. Estamos começando mais um episódio do Revolução IA,
00:21programa do Nelfeed que aborda o impacto da inteligência artificial no mundo dos negócios
00:26e como a IA pode mudar o dia a dia das empresas.
00:30Eu sou Letícia Cardoso e quem me acompanha é Rodrigo Elser, nosso especialista no assunto,
00:36que construiu e vendeu um case de inteligência artificial brasileiro e hoje é conselheiro em diversas empresas.
00:43Bem-vindo, Rodrigo, mais uma vez.
00:45Obrigado, Letícia. Muito animado em estar inaugurando esse segundo episódio
00:49e a gente explorar hoje um ponto de vista super interessante desse mercadão de AI.
00:56Não vou dar spoiler, deixar você apresentar. Vai ser muito divertido.
01:01Hoje o convidado é Tiago Cardoso, que é diretor de Data e IA no iFood.
01:08Vamos lá conhecer mais um pouquinho dele.
01:10Diretor de Dados e Inteligência Artificial do iFood,
01:13Tiago Cardoso é mestre em IA pela Universidade Federal de Minas Gerais.
01:18Ele cofundou, em 2009, a startup de tecnologia Rekima,
01:23focada no desenvolvimento de sistemas de inteligência artificial.
01:27A empresa foi adquirida pelo iFood em 2020.
01:31Tiago, bem-vindo. Obrigada por você ter topado participar com a gente.
01:36Letícia e Rodrigo, é um prazer estar aqui com vocês hoje.
01:39Tiago, hoje tem pesquisas que mostram que 90% das empresas entendem a importância
01:46de investir em inteligência artificial, mas menos de 1% sabe por onde começar.
01:52Você, que hoje está no iFood, está no iFood desde 2019,
01:56por meio da Rekima, atuou com inteligência artificial em empresas como Ambev, Embraer.
02:03Quando a gente olha para uma empresa que quer dar o primeiro passo, por onde começar?
02:10Então, essa é uma pergunta muito boa, porque na época da Rekima,
02:15a gente viu vários casos de empresas começando a implementar inteligência artificial e dando errado.
02:21E um dos motivos é que elas tentavam começar pelo primeiro passo lógico,
02:25que seria tratar o dado.
02:26Mas, na verdade, a melhor forma de começar é lá no fim, é começando pelo problema.
02:31Escolhendo um problema que ele é bem fechado, que você vai conseguir implementar início, meio e fim
02:38e ver o resultado daquela ação.
02:40Então, vou dar um exemplo.
02:42Prevenção à fraude é um modelo que a gente vê funcionando muito dentro das empresas.
02:46As empresas já têm alguma coisa de prevenção à fraude,
02:50nem sempre está ligado à inteligência artificial, aprendizado de máquina,
02:54mas acaba sendo ali um caso inicial que funciona muito bem.
02:58Quando a gente foi para dentro do iFood, o primeiro case grande que a gente teve de aplicação de inteligência artificial
03:04foi justamente em fraude por essas características.
03:08E aí, uma vez que definiu esse problema, as empresas podem ir voltando até a parte dos dados
03:13e estruturando o que precisa para poder chegar nessa aplicação.
03:17As empresas que começam, por exemplo, construindo um data lake, é muito fácil se perder.
03:23Porque é um projeto muito grande, você tem fontes de dados infinitas para poder coletar
03:27e a chance disso não dar em nada acaba sendo grande,
03:31porque você vai ter um projeto que é difícil de demonstrar valor no fim das contas.
03:35E Tiago, em termos de estrutura, como que você enxerga para uma empresa,
03:44vamos falar de um porte já considerável, que queira entrar nesse jogo?
03:48Qual a estrutura?
03:52Centralizar a discussão de AI, descentralizar a discussão de AI?
03:57Que dicas que você teria para dar para a gente, com base na experiência do iFood,
04:01montando um time de AI?
04:02Legal, eu acho que tem prós e contras para cada modelo.
04:08E existem pedaços que funcionam melhor de forma centralizada
04:11e outros vão funcionar melhor descentralizado, né?
04:14Então, por exemplo, um data lake, uma infraestrutura de processamento de dados,
04:19ela é comum a todos os times.
04:21Isso funciona muito bem centralizado,
04:23até para você conseguir aplicar a regra de governança dos dados,
04:26cuidar dessa informação.
04:27Agora, com a Generative AI, por exemplo,
04:29a gente construiu uma plataforma de AI generativa centralizada
04:33e o objetivo é fazer o controle de todas as chamadas que a gente tem de AI generativa,
04:39controlar que dado que está trafegando dentro dessas APIs,
04:42quais são os contratos que regem os dados dessas APIs,
04:45então a gente consegue adicionar uma camada de governança ali em cima.
04:48Agora, quando a gente vai para as aplicações,
04:52quanto mais perto do problema o time está, melhor,
04:55porque ele precisa entender do problema que ele está resolvendo
04:57para conseguir transformar esse problema do mundo real
05:00em um problema de inteligência artificial
05:03e um problema de aprendizagem de máquina, né?
05:06No nosso caso, a gente separa os times em domínios,
05:09então eu tenho um time que está focado em logística,
05:11as pessoas estão imersas no problema de logística,
05:14entendendo tudo sobre o problema de negócio de logística.
05:17A gente tem um time de marketing,
05:19da mesma forma ele está ali vivendo,
05:21respirando e vivendo aquele problema o dia todo.
05:25Então, esses dois componentes, eles acabam funcionando bem,
05:29cada um no seu lugar, né?
05:30O centralizado para o que é governança e para o que é comum
05:33e os times na ponta atuando o mais perto possível do problema de negócio.
05:39Legal, então está certo a gente desenhar,
05:42pensar num desenho onde você tem um time de plataforma
05:45que está cuidando de governança de dados,
05:49que está fornecendo ferramental para toda a companhia,
05:51que está desenvolvendo e evoluindo em cima dos modelos.
05:55E aí você tem times por domínio, como vocês chamam no iFood,
05:58talvez um pouco parecidos com o que,
06:01vamos falar com o business partner,
06:02que a gente tem na estrutura de recursos humanos, por exemplo,
06:05que está próximo das áreas de negócio,
06:07garantindo que aquelas dores,
06:08aquelas oportunidades estão sendo atacadas no habitat correto.
06:15Essa é a leitura, certo?
06:18Exato, essa analogia é muito boa.
06:20Até porque essa pessoa tem que agir como um consultor
06:24para o time de negócio também, né?
06:25Que é assim, olha, eu estou entendendo o seu problema de negócio,
06:29olha essas tecnologias aqui que eu conheço
06:31que a gente poderia aplicar para resolver esse problema, né?
06:33Então, acaba sendo esse papel de até consultivo mesmo.
06:37Show, e passamos por estrutura,
06:42indo vamos falar para grandes frentes de ataque.
06:46O mercado tem, eu vejo que ele tem se desdobrado muito,
06:50é tratado muito de três grandes frentes de ataque.
06:53Uma que olha a eficiência operacional,
06:56como que eu ganho produtividade dentro de casa,
06:58como que eu melhoro o custo, como que eu melhoro margem.
07:01Uma que está olhando para novos produtos, para novas ofertas,
07:04e uma frente importantíssima de capacitação.
07:08Naquela analogia de que não adianta eu dar a vara,
07:11eu também preciso ensinar a pescar.
07:14Como que é no iFood?
07:15Quais são as frentes de ataque no iFood?
07:17Faz sentido para você, pela experiência acumulada,
07:21essas três frentes é um pouco diferente?
07:23Como que vocês têm abordado isso no iFood?
07:27Essas três frentes fazem sentido, sim,
07:29e a gente tem iniciativas em todos esses pilares,
07:34mas quando a gente olha até para a IA generativa,
07:37a gente mudou um pouquinho a forma de enxergar esses pilares,
07:41a estratégia de ataque ao problema.
07:43Aqui a gente está tratando isso em três pilares.
07:46A gente tem a parte de inteligência artificial
07:48focada em eficiência para o nosso time.
07:52Então, quais ferramentas que a gente pode disponibilizar para o time?
07:55Como que a gente pode criar treinamento
07:56para esse time usar essas ferramentas?
08:00E como que eu consigo espalhar o máximo possível
08:04a inteligência artificial dentro do meu time
08:07para que todo mundo também conheça e saiba usar essas ferramentas?
08:10A gente tem um segundo pilar,
08:11que é inteligência artificial para produto,
08:14que é pegar o produto que a gente tem,
08:16os produtos que já existem,
08:17em como que a gente inclui a inteligência artificial neles.
08:20Como que eu consigo pegar uma experiência
08:23que hoje talvez não tenha inteligência artificial
08:25e eu transformo ela em uma experiência diferenciada,
08:28que já tem inteligência artificial
08:29e que isso faz parte do produto.
08:32Basicamente, repensar os nossos produtos
08:34pensando em inteligência artificial.
08:36E o último pilar, ele é muito focado em inovação.
08:39Principalmente com a IA generativa agora,
08:42abriram outras portas que a gente não tinha antes,
08:45quando a gente falava em inteligência artificial.
08:46e novas possibilidades, novos produtos que a gente consegue construir.
08:50Então, nesse terceiro pilar, a nossa ideia é explorar
08:53quais são os novos produtos que a gente consegue construir
08:56e agora que a gente tem essa tecnologia à disposição.
08:59Então, por exemplo, a gente tem experimentado
09:01com novas formas de fazer pedido.
09:04Ao invés de ter que fazer uma lista de compras no aplicativo,
09:06eu posso simplesmente pedir os ingredientes de um bolo de cenoura
09:10e o aplicativo gera para mim essa lista.
09:12Então, a gente está trabalhando com essas novas possibilidades que surgiram.
09:17Muito interativo, né, Tiago?
09:19Eu queria saber qual é o importante que é essa área de inteligência artificial para o iFood.
09:24você tem algum parâmetro, né,
09:28de quanto que essa área de inteligência artificial já está se mostrando interessante
09:34em termos de produtividade, de lucro?
09:37E qual é o investimento que vocês estão planejando fazer nisso?
09:41Estão pretendendo, por exemplo, expandir o time de IA?
09:44A alta liderança do iFood percebeu muito cedo
09:50que inteligência artificial ia ser algo crucial
09:54daquele momento para a frente.
09:56Então, lá para 2017, 2018,
09:58o Fabrício e o Diego Barreto começaram
10:01a construir uma estratégia focada em IA para o iFood.
10:05Eles falaram assim,
10:05olha, a gente precisa ser uma empresa AI first.
10:08Com isso, em 2019, tiveram algumas aquisições.
10:12A Requima foi uma aquisição que aconteceu nesse período
10:15e, desde então, a gente só escalou o investimento
10:19em inteligência artificial durante todos esses anos.
10:21Então, para dar um pouco de menção desse investimento,
10:25quando eu entrei no iFood,
10:26o time de dados e de IA tinha aproximadamente 30 pessoas.
10:29Hoje, de nós, tem 300 pessoas,
10:31ou seja, a gente está falando de um aumento de 10 vezes
10:34nesse investimento.
10:37E não só de pessoas, mas também de ferramentas,
10:40de serviços e várias outras coisas.
10:43A gente está em um patamar hoje com mais de 150 modelos diferentes
10:46rodando dentro do iFood.
10:48Em quase todas as partes do app,
10:51em quase toda a jornada do cliente,
10:53tem algum modelo de inteligência artificial.
10:55E a nossa expectativa é continuar fazendo esse investimento
10:59para os próximos anos.
11:00E um ponto interessante é que,
11:03agora, com a IA generativa,
11:05esse investimento fica até um pouco difuso.
11:08A fronteira fica difusa.
11:09Porque quem faz IA hoje não é só mais o time de IA.
11:12O time de produto faz IA,
11:14o time de desenvolvimento de software faz IA.
11:16Os times de negócio estão desenvolvendo IA.
11:19Então, essa fronteira do que é investimento de IA
11:21está ficando mais difusa com a IA generativa,
11:27que surgiu nos últimos anos.
11:30Tiago, quantos colaboradores tem hoje o iFood?
11:34O iFood hoje tem 6 mil pessoas.
11:38Eu fico imaginando.
11:38Um time de 300 pessoas em dados em IA
11:41e um desafio de trazer adoção,
11:46construir uma empresa IA First,
11:48por, para, 6 mil pessoas.
11:51Queria explorar contigo duas perguntas em uma.
11:54Existem alguns paralelepípedos culturais nesse processo?
12:01Algumas resistências culturais que vocês vêm trabalhando
12:04e poderiam complementar?
12:06E como estruturar um programa de capacitação
12:09para esse número de colaboradores?
12:11Imagino que não seja uma tarefa trivial.
12:13Qual é a fórmula para capacitar 6 mil pessoas
12:17em um assunto emergente?
12:20Legal.
12:20Essa é uma ótima pergunta,
12:22porque a mudança que a inteligência artificial demanda
12:26é uma mudança cultural.
12:28Tanto para o desenvolvedor de software
12:30que vai criar um produto com IA.
12:33Por quê?
12:33Porque IA é um algoritmo probabilístico.
12:36Ele pode acertar, pode errar.
12:37Eu preciso construir um loop de feedback
12:39para melhorar o meu modelo.
12:41O modelo de inteligência artificial
12:43é mais parecido com o organismo vivo
12:46do que com o software estático
12:47que você coloca no ar e ele fica rodando ali.
12:50Então, essa mudança cultural
12:52é necessária em todas as áreas,
12:55desde o time de tecnologia
12:56até os times de negócio
12:58que estão operando e entendendo
13:00como funciona essa tecnologia.
13:02Dentro do iFood,
13:03a gente tem a sorte de ter uma liderança
13:06que consegue fazer esses movimentos rápidos.
13:09Quando eu vim da Requima,
13:10a Requima era uma empresa de 30 pessoas,
13:13e entrei no iFood,
13:14uma coisa que me chamou a atenção
13:16foi a velocidade com que o iFood
13:17consegue mudar de direção
13:20e fazer mudança cultural
13:21para uma empresa do porte do iFood.
13:25E quando a gente olha para IA,
13:27IA foi incluído em absolutamente
13:29todas as partes da empresa.
13:30Então, os times de negócio
13:32precisam fazer os planejamentos
13:34que envolvem IA.
13:36O time de tecnologia
13:37precisa testar IA,
13:39precisa usar no dia a dia,
13:40e também precisa fazer seu planejamento
13:41envolvendo IA.
13:42Isso foi uma coisa
13:44que foi implementada top-down
13:46para a empresa inteira.
13:48Além disso,
13:48toda empresa
13:49tem alguma meta
13:51que está relacionada
13:52à IA também.
13:54Seja implementação,
13:55seja experimentação,
13:56seja testar as novas tecnologias
13:58que estão aí.
13:59E isso ajuda
13:59a fazer essa mudança cultural acontecer.
14:02Com a IA generativa,
14:04muito da mudança
14:05vem de experimentar tecnologia, sabe?
14:07Começar a colocar no seu dia a dia,
14:09testa para resolver um problema,
14:11aí depois você já está resolvendo
14:12mais outro problema,
14:14outro,
14:15e de repente você está usando
14:15no dia inteiro
14:17para poder automatizar
14:18várias partes do seu dia ali.
14:21Então,
14:21essa movimentação cultural
14:23foi muito forte
14:24dentro do iFood,
14:25inclusive usando meta.
14:28E aí,
14:28o que a gente fez?
14:29A gente criou as ferramentas
14:30para poder deixar isso disponível
14:32e fácil para todo mundo usar
14:34e criar o conteúdo
14:35para capacitar essas pessoas.
14:37O desafio aqui
14:38é porque a gente está mexendo
14:40num alvo
14:40que é muito móvel.
14:41tem coisa de IA
14:43que já está há mais tempo,
14:44que já está mais estável
14:46e que a gente já sabe
14:47como funciona bem.
14:49Agora,
14:49IA generativa em especial
14:51está mudando muito rápido.
14:52A forma de desenvolver
14:53está mudando,
14:54a forma de utilizar
14:55está mudando
14:56e aí a gente tem que ficar
14:57correndo atrás
14:57para poder construir
14:58esse conteúdo
14:59que esteja atualizado.
15:01E como que você enxerga isso,
15:02Tiago,
15:03fazendo essa amarração?
15:06Esse é o caminho, né?
15:07Esses dois pontos
15:09que a gente extrai
15:10da tua experiência
15:11na iFood.
15:13Exato.
15:14E até falando
15:15nessas ferramentas
15:16para facilitar o uso
15:17e disponibilizar
15:18para as pessoas,
15:18vou dar um exemplo
15:19de como que a gente fez
15:20aqui dentro.
15:21A gente disponibilizou
15:22uma ferramenta interna
15:25dentro do nosso Slack
15:26que chama Tocan,
15:27que é um chat GPT
15:28integrado ao Slack.
15:30Por quê?
15:31Porque o Slack
15:31é a nossa ferramenta
15:32de comunicação.
15:33Então,
15:33o time inteiro ali
15:34estava usando
15:35e todo mundo
15:35estava explorando
15:36aquela tecnologia.
15:38E a gente via
15:38várias coisas interessantes
15:39surgindo do tipo,
15:40olha,
15:41a gente lançou
15:42um produto novo,
15:43quem quiser postar
15:44no LinkedIn,
15:45aqui tem um prompt
15:47que vai te ajudar
15:47a gerar um texto
15:48personalizado para você
15:49e coisas do tipo.
15:50Então,
15:50as pessoas começaram
15:51a integrar essa ferramenta
15:53no dia a dia delas.
15:54Outra coisa
15:55que nós fizemos
15:55foi construir
15:57uma plataforma
15:57para centralizar
15:59todo o acesso
16:00à API
16:01e à generativa.
16:03Por quê?
16:03Primeiro,
16:04para aqueles controles
16:05que eu falei anteriormente.
16:07Segundo,
16:07para ficar fácil
16:08para todo mundo usar.
16:09Então,
16:09ninguém precisa
16:10fazer um contrato
16:11de compra,
16:12assinar uma API,
16:14fazer toda a validação
16:15que a gente precisa fazer
16:16de um fornecedor.
16:18Eles podem simplesmente
16:18conectar a nossa API
16:20que já está tudo preparado,
16:21já está tudo organizado,
16:22super fácil de usar.
16:24Então,
16:24a gente acaba escalando
16:25esse uso.
16:26E para estimular ainda mais,
16:27a gente fez,
16:28inclusive,
16:29uma hackathon.
16:30Então,
16:30a gente colocou
16:30a empresa inteira
16:31por uma semana
16:32desenvolvendo
16:34novos protótipos,
16:35novos projetos,
16:36novas ideias
16:37em cima
16:37dessa plataforma,
16:39dessa plataforma toda
16:41de NAIA.
16:41Tanto o Tocan
16:42quanto a plataforma
16:43de IA generativa,
16:45justamente para conhecer,
16:47para usar
16:47e para ter boas ideias
16:49que depois vão parar
16:50nos nossos produtos.
16:51Tiago,
16:52queria falar agora
16:53sobre desenvolver
16:54IA em casa,
16:55mas antes,
16:56vamos a uma mensagem
16:57do nosso patrocinador.
17:00Meu nome é Otávio,
17:01eu sou um sócio
17:02e CTO do Icazei,
17:04uma empresa que nasceu
17:05há 17 anos,
17:07para resolver
17:08as necessidades
17:08do mercado de casamento.
17:10Uma das principais
17:11questões
17:11que a gente nota
17:12que a Magalu
17:13trouxe para a gente
17:14foi realmente
17:16uma segurança
17:17na questão financeira.
17:19Um dos problemas
17:19que a gente tem,
17:20acho que toda empresa
17:21nacional tem,
17:23é exatamente a questão
17:24da moeda,
17:25da cotação,
17:25do dólar,
17:26que a gente fica
17:27muito preso.
17:29E a Magalu
17:29trouxe realmente
17:30não só a cobrança
17:31em real,
17:31mas a aclimatação
17:33desses valores
17:34para o mercado nacional,
17:36o que faz com que
17:37seja muito mais fácil
17:38para a gente
17:39se planejar.
17:43Você está acompanhando
17:45o Revolução IA.
17:46Nesse segundo episódio,
17:47a gente conversa
17:48com o Tiago Cardoso.
17:49diretor de data
17:51IA do iFood.
17:52Tiago,
17:53tem várias entrevistas
17:54que os executivos
17:55do iFood
17:56falam muito
17:57sobre esse modelo
17:58proprietário
17:59da tecnologia
18:01da IA
18:03dentro do iFood.
18:04Agora,
18:05quando que vale a pena
18:07desenvolver
18:08essa tecnologia
18:09dentro de casa
18:10e quando vale a pena
18:12usar um recurso
18:13que já existe
18:14no mercado?
18:16Depende um pouco
18:17do cenário.
18:18quando eu falo
18:19de IA generativa,
18:21muitas das vezes
18:22vale a pena
18:22usar o que está disponível,
18:24porque são modelos
18:25grandes,
18:25eles não são
18:26tão simples
18:27de rodar.
18:28Se você não precisa,
18:29não tem um motivo
18:29muito forte
18:30para rodar um modelo
18:31desses em casa,
18:31usar a API
18:32vai te cortar caminho.
18:33Você consegue
18:34usar o fornecedor
18:35externo,
18:36validar a sua ideia
18:37e se eventualmente
18:38fizer sentido
18:39trazer para dentro,
18:40você traz.
18:40Agora,
18:41tem outras categorias
18:42de algoritmos
18:43que não é tão simples
18:44assim.
18:44Então,
18:45quando a gente fala
18:45de IA tradicional,
18:47que a gente fala
18:48às vezes,
18:49então,
18:49estou falando
18:50de recomendação,
18:51estou falando
18:52de prevenção
18:54à fraude,
18:55de otimização,
18:56algoritmos logísticos,
18:57não tem jeito,
18:58a gente precisa
18:59desenvolver e construir
19:00eles dentro de casa.
19:02E olhando
19:03para essa nossa
19:03plataforma,
19:04o Tocan,
19:05que é o nosso
19:06agente de
19:07agenerativa
19:08que fica no Slack,
19:10a gente tem
19:11uma proximidade
19:11para desenvolver
19:12ele junto
19:12com a prosos.
19:13Então,
19:14ele é um desenvolvimento
19:15conjunto
19:16que a gente consegue
19:16customizar
19:17para as nossas necessidades.
19:19Então,
19:19eu diria assim,
19:20que em alguns casos
19:20você vai querer desenvolver
19:22porque a tecnologia
19:23vai ser parte
19:23do seu core,
19:24é importante você
19:25resolver aquele problema.
19:27Fraude é um problema
19:28que a gente precisa resolver.
19:30Logística é um problema
19:31que é o core do iFood,
19:32a gente tem que saber
19:32resolver isso internamente.
19:34Agora,
19:34para outros problemas
19:35não teria necessidade,
19:37a gente pode usar
19:37algum flanecedor externo.
19:40É interessante
19:40esse caso
19:42do Tocan
19:43e de ter
19:44uma ambição
19:46de construir
19:47um modelo,
19:48um LLM,
19:49um modelo
19:50de agenerativa
19:51próprio.
19:53É algo que a gente
19:54enxerga
19:54em grandes companhias,
19:56não é ainda
19:56uma praxe
19:57comum
19:58para,
19:59principalmente
20:00no Brasil.
20:02Agora,
20:03existem algumas técnicas
20:04talvez
20:04para você
20:05ajustar,
20:07adaptar
20:08o teu modelo
20:08que não necessariamente
20:09construir algo
20:10from scratch.
20:11e quando a gente
20:12fala construir
20:13from scratch,
20:13a primeira coisa
20:14que vem na cabeça
20:14é quanto custa isso,
20:16quantos GPUs
20:17eu vou ter que comprar
20:17as placas da NVIDIA,
20:18será que o Brasil
20:19tem investimento
20:20ou não tem?
20:20E você está falando,
20:21cara,
20:21tem um case aqui no Brasil
20:22que está construindo
20:23um modelo próprio.
20:25Talvez vale
20:25você compartilhar
20:26com a audiência
20:26um pouco dessas técnicas
20:28e caminhos,
20:29não sei se vale
20:29passar por
20:30fine-tuning,
20:32destilação de modelo,
20:34sei que é um pouco
20:34técnico,
20:35objetivo não é ser técnico,
20:36mas é mostrar
20:37que existem esses caminhos
20:38que não necessariamente
20:39são os caminhos
20:40de construir tudo do zero,
20:42mas você configurar
20:43e ter algo
20:44que vira um ativo teu,
20:46algo proprietário.
20:49Exato,
20:49muito desses modelos
20:50que eu falei
20:51que a gente treinou
20:52e usa no dia a dia,
20:53que a maior parte
20:54das nossas predições,
20:55na verdade,
20:56são modelos
20:56de A tradicionais.
20:58Então,
20:58eu estou falando hoje
20:58dentro do iFood,
20:59a gente faz
21:0024 bilhões
21:02de predições por mês
21:03com modelos online
21:05de A tradicional,
21:07para dar um pouco
21:08a dimensão,
21:08o tamanho
21:09que é a tradicional
21:10dentro do iFood.
21:11Agora,
21:11quando a gente olha
21:12para a generativa,
21:14tem vários níveis
21:15de customização
21:16envolvidos aí.
21:18Uma coisa é construir
21:19o seu agente
21:20usando as APIs
21:21e o que você vai
21:22abarcar?
21:23Você vai trazer
21:23o seu conhecimento
21:24de domínio,
21:25você vai trazer
21:26as ferramentas
21:26que você quer
21:27que ele use
21:28que estão dentro
21:29da sua empresa
21:30e esse agente
21:30vai operar
21:31dentro daquele cenário.
21:32Então,
21:32essa é uma possibilidade
21:34de construção.
21:35Agora,
21:35em alguns casos,
21:37quando você tem
21:37o seu dado
21:39que é um diferencial
21:41que só você tem
21:42e esse dado
21:44pode trazer
21:45um valor muito grande,
21:46aí faz sentido
21:47entrar para poder
21:47fazer um fine-tune
21:49ou uma especialização
21:50de algum desses modelos.
21:51Tem poucas empresas
21:52no Brasil
21:53que fazem um treinamento
21:54de fato
21:55de um modelo
21:56desse tipo,
21:58que estendem
21:59o pré-treino,
22:00fazem aquela
22:01primeira etapa
22:01mais complexa,
22:02eu consigo pensar
22:03aqui na Maritaca.
22:06Agora,
22:06fazer fine-tune,
22:07isso já é uma tarefa
22:08mais comum,
22:09que é eu pegar
22:09um modelo
22:10e tentar especializar
22:11ele para um problema
22:12que eu tenho.
22:13Então,
22:13no iFood,
22:14como que a gente
22:14já usou isso?
22:15Eu tenho um modelo
22:17que ele é mais caro
22:18e eu aproximo
22:20a performance
22:21desse modelo
22:21mais caro
22:22usando um modelo
22:22mais barato.
22:23Então,
22:23eu pego um modelo
22:24barato,
22:24faço um fine-tune
22:25dele com a minha
22:26informação
22:26e eu chego
22:27na mesma performance
22:28de um modelo
22:29mais caro
22:29para conseguir escalar
22:30requisição.
22:31Então,
22:32quando a gente fala
22:32de desenvolver
22:34LLM dentro de casa,
22:35isso é o mais comum,
22:36ou desenvolver um agente,
22:38ou usar os prompts,
22:40ou até mesmo
22:40fazer um fine-tuning
22:41para alguns casos
22:42específicos.
22:43Tiago,
22:44aproveitando que a gente
22:45falou sobre
22:46IA generativa
22:47agora,
22:48IA generativa
22:49é um assunto
22:50que ganhou palco,
22:52virou a bola da vez
22:53nos últimos dois anos.
22:56Queria entender
22:56como que é isso
22:57dentro do iFood,
22:58quais tipos de tecnologias
23:00hoje foram criadas
23:01pela IA generativa
23:02e quais existem
23:04por meio
23:05da IA tradicional,
23:06não generativa.
23:08Você pode dar
23:09exemplos práticos
23:09para a gente?
23:10Sim,
23:12essas tecnologias
23:13já estão aí
23:14há bastante tempo,
23:15inclusive é
23:16IA generativa.
23:17Qual que é a diferença?
23:18Eu tenho modelos
23:19que eles são discriminativos,
23:21que eles só aprendem
23:22a separar
23:23o meu problema,
23:25eles aprendem a separar
23:26e tomar uma decisão.
23:27Por exemplo,
23:28quando eu quero fazer
23:29uma predição
23:31se uma transação
23:32pode ou não
23:32gerar uma fraude
23:33para mim.
23:34Eu quero prever
23:35qual que é a chance
23:35de uma transação
23:37de cartão de crédito
23:38virar uma fraude.
23:39isso normalmente
23:40é um modelo discriminativo,
23:42porque eu só estou
23:42interessado em saber
23:43sim ou não.
23:45O modelo generativo
23:46são os modelos
23:47que eles conseguem
23:48imitar o meu dado
23:49e gerar dado parecido
23:51com o dado
23:51que eu tenho
23:52de treinamento.
23:53E o que aconteceu
23:54nos últimos anos
23:54foi que a gente
23:56começou a escalar
23:57o tanto de dado
23:58que a gente colocava
23:59nesses modelos,
23:59a gente começou a escalar
24:00o poder computacional
24:01que processava
24:02esses modelos,
24:03aumentar o tanto
24:04de dado
24:05e de GPU
24:07que a gente coloca
24:07nesse problema,
24:08e a gente começou
24:09a reparar
24:10que quando gerava
24:11texto,
24:12parecia ter
24:13um comportamento
24:13inteligente ali.
24:14Então, olha só,
24:15eu tenho aqui
24:15um modelo
24:16que ele está
24:16aprendendo a gerar
24:17texto,
24:18muito parecido
24:19com o autocomplete
24:20de um celular,
24:21que eu falo
24:22qual que é a próxima
24:22palavra,
24:23só que isso foi
24:24levado a uma escala
24:25tão grande
24:26que agora ele parece
24:27que é inteligente.
24:29Mas isso não serve
24:30para todos os problemas.
24:31Então, quando eu olho
24:32para problemas
24:33que estão ligados
24:34a texto,
24:35ficou muito mais fácil
24:36resolver.
24:37Então, se eu quero
24:38fazer uma análise
24:38de sentimento,
24:39saber se um texto
24:40é positivo,
24:41negativo ou neutro,
24:42uma análise sintática,
24:44corrigir texto,
24:45tudo isso ficou
24:46muito mais fácil
24:47fazer com essa
24:47IA generativa.
24:49Mas grande parte
24:50dos problemas,
24:51quando a gente
24:52pensa assim,
24:53a grosso modo,
24:53em dados tabulares,
24:55por exemplo,
24:56eu preciso
24:57daquela IA tradicional.
24:59Então,
25:00um exemplo
25:01que a gente tem
25:01e que eu citei
25:03é o de prevenção
25:04à fraude.
25:04quando em 2020
25:06a gente teve
25:07um pico
25:08de fraude,
25:09a gente chegou
25:10a ter 20 milhões,
25:12quase 20 milhões
25:13em um mês
25:13em prejuízo
25:14com fraude
25:15e o nosso sistema
25:16ele ainda
25:17era muito baseado
25:18em regras,
25:19tinha muita análise
25:20manual,
25:21a pessoa criava
25:22uma regra do tipo,
25:24olha,
25:24se tiver na compra
25:26uma garrafa de gin
25:27e o preço for tanto,
25:29provavelmente
25:29se é fraude
25:30é melhor bloquear.
25:31e não aprendia
25:32com a experiência,
25:35ele não aprendia
25:36com os dados
25:36que a gente tinha.
25:38Então,
25:38colocando um modelo ali,
25:39a gente passou
25:39a aprender
25:40com a experiência,
25:41aprender com os dados
25:42que a gente ia coletando
25:43e construiu um modelo
25:45muito mais preciso
25:47para poder separar
25:48ali o que era fraude
25:49e o que era.
25:50E o interessante
25:51é que a gente faz isso
25:53aumentando a aprovação,
25:55então a gente tem
25:558% de aprovação,
25:57enquanto caia
25:58as taxas
25:59de fraude
26:00abaixo de 0,1%,
26:02assim,
26:02então é um case
26:04super interessante
26:05e que depende
26:06de dados
26:06e de algoritmos
26:07tradicionais.
26:09Outro exemplo,
26:09quando a gente
26:10vai enviar
26:11um entregador
26:12para buscar
26:13o pedido
26:13no restaurante
26:14e levar
26:14para a sua casa,
26:16aquele entregador
26:17não está na porta
26:18do restaurante
26:18esperando,
26:19a gente precisa
26:20falar para ele
26:20para lá
26:21e a gente precisa
26:22saber qual é
26:23o melhor momento
26:24para mandar
26:24aquele entregador,
26:25então a gente precisa
26:26estimar
26:26em quanto tempo
26:27o seu prato
26:28fica pronto
26:29para mandar
26:29o entregador
26:30um pouco antes
26:30para ele chegar lá
26:31e não ficar esperando
26:32e nem você
26:33ficar esperando
26:34em casa,
26:35isso também
26:35é um modelo
26:36tradicional,
26:37a otimização
26:37da rota,
26:38a mesma coisa,
26:39é por isso
26:39que eu digo
26:40que a escala
26:42de modelos
26:42tradicionais
26:43dentro do iFood
26:44hoje é muito maior
26:45e é algo
26:45que a gente já
26:45vem construindo
26:47há muito mais tempo.
26:48Quando eu olho
26:48para a e-agiderativa,
26:50tem dois grandes grupos
26:52de aplicações
26:53que são interessantes,
26:54de um lado
26:55eu facilitei
26:56todas as aplicações
26:57de análise
26:58de texto,
26:59então classificação
27:00de texto,
27:00análise de sentimento,
27:02entre outras,
27:04e do outro lado
27:05eu criei também
27:06novas possibilidades,
27:08então hoje a gente
27:09tem explorado
27:10e a generativa
27:11para a construção
27:11de agentes,
27:12como que eu crio
27:13novas formas
27:14de pedir,
27:15como que eu facilito
27:16o nosso trabalho,
27:18o nosso dia a dia
27:19e tudo isso
27:20são aplicações novas,
27:21mas mais uma vez,
27:22essa parte aqui
27:23de aplicações novas
27:24está todo mundo
27:25explorando agora,
27:26está todo mundo
27:27testando,
27:27vendo o que funciona,
27:28o que não funciona,
27:29qual que é a limitação
27:30da tecnologia,
27:31o que ela precisa
27:32melhorar para poder
27:34tornar viável
27:35alguma aplicação,
27:36então todas as empresas
27:38e todo mundo
27:38experimentando
27:39para tentar encontrar
27:40o seu caminho.
27:42E quando você fala
27:43novas formas de pedir,
27:45isso significa também
27:47pedir por áudio,
27:48eu sei que em 2022
27:50vocês fizeram a aquisição
27:51do AnotaI e permitiram
27:54pedir por aplicativo,
27:56pelo WhatsApp,
27:57hoje o brasileiro
27:59é, segundo o CEO da Meta,
28:01o público que mais
28:03manda mensagem de áudio,
28:05então essa tecnologia
28:07permitiu isso também,
28:08fazer esse pedido
28:09via áudio
28:10ou isso não é possível?
28:13Exato,
28:14essa é uma das novas portas
28:16que se abrem,
28:18então a gente tem
28:18o pedido por áudio
28:20no AnotaI,
28:21que é uma coisa
28:21que é possível fazer agora,
28:23no ano passado
28:24a gente experimentou
28:25junto com a OpenAI
28:26os modelos conversacionais
28:28deles,
28:29que é basicamente
28:30a possibilidade
28:30de poder conversar
28:31com a gente,
28:33como se estivesse falando
28:33no telefone
28:34com uma pessoa,
28:35então uma conversa
28:36muito mais natural,
28:37uma conversa
28:38muito mais fluida,
28:39e para a gente
28:41isso é excelente,
28:42porque quando a gente
28:44pensa na experiência
28:45dos nossos parceiros,
28:46dos entregadores,
28:47dos nossos consumidores,
28:48isso pode virar
28:50o jogo completamente,
28:51então imagina
28:52um entregador
28:52que está no meio
28:53de um atendimento
28:54com luva,
28:55capacete,
28:56e precisa de um
28:57suporte do iFood,
28:58se a gente consegue
28:59fazer esse suporte
29:00por voz,
29:01é muito mais fácil,
29:02a gente consegue resolver
29:03o problema dele
29:03muito mais fácil,
29:05então com certeza
29:05essas tecnologias,
29:07elas vão vir
29:08para melhorar
29:08muito a vida
29:09dos nossos parceiros,
29:12dos nossos entregadores,
29:13dos consumidores,
29:14do nosso ecossistema
29:15no geral.
29:16Dentro desse melhorar
29:18a vida,
29:19e falando de áudio,
29:21me parece que
29:22a gente tem hoje
29:22uma parcela
29:26da população,
29:28analfabeta,
29:30semi-analfabeta,
29:31que tem uma restrição
29:33a usar sistemas,
29:34porque esses sistemas
29:35forçam que a gente
29:37interaja com eles
29:38de forma escrita,
29:40e agora tem uma nova
29:40tecnologia aí por áudio,
29:42que não necessita
29:43necessariamente
29:44que a gente escreva.
29:46Você enxerga
29:47que essa tecnologia
29:48possa trazer
29:50mais acesso
29:52e eliminar
29:54algumas barreiras
29:55para que essa parcela
29:56da população
29:57possa acessar
29:58benefícios
29:59de um produto
30:00como o do iFood
30:01e ter acesso
30:02a sistemas
30:04e tecnologias
30:05que ajudem
30:06no dia a dia?
30:07Como que você enxerga
30:07isso, Tiago?
30:09Sem dúvida,
30:10sem dúvida nenhuma.
30:11Até porque quando a gente
30:13olha para essas tecnologias,
30:15para o modelo
30:15de ar generativa,
30:17é um conhecimento
30:18muito grande
30:19que está comprimido ali.
30:21Você tem disponível
30:22na sua mão
30:23um conhecimento
30:23muito grande.
30:25Então, as possibilidades
30:26de disponibilizar
30:26esse conhecimento
30:27por outros canais,
30:29a gente não consegue
30:30ainda nem mensurar
30:31qual vai ser
30:32o impacto disso.
30:33Mas, com certeza,
30:34a gente vai ter
30:34uma revolução
30:35na forma que a gente
30:36usa os sistemas,
30:38que a gente interage
30:39com esses canais,
30:39inclusive as grandes empresas
30:41que desenvolvem
30:43os celulares,
30:44iPhone,
30:45a Apple,
30:46ou Google
30:47com Android,
30:48eles estão tentando
30:50entender como
30:51que isso muda
30:52e como que eles
30:52podem embarcar
30:54essa nova forma
30:56de comunicar
30:56com os sistemas
30:57dentro dos celulares.
30:58Então, a Apple
30:59fez até a demonstração
31:00da Siri nova
31:02que vai entender
31:03do contexto
31:04do seu celular,
31:05conhece suas mensagens,
31:06conhece o que está acontecendo
31:07e você consegue conversar
31:09com ela
31:09como se fosse
31:10um assistente
31:12que está ali
31:12para te ajudar
31:13de fato.
31:14Então, com certeza,
31:15a gente vai ver
31:16mudanças grandes
31:17aí nessa área.
31:19Tiago, pegando carona
31:20aqui na pergunta
31:21do Rodrigo,
31:22vocês chegaram a sentir
31:24a partir dessa nova tecnologia
31:25que permite
31:26fazer os pedidos
31:27por áudio,
31:29um aumento
31:29dos pedidos
31:30ou então
31:31através de outras
31:32tecnologias
31:33que vocês tenham
31:34instituído
31:35para os parceiros,
31:37para os restaurantes,
31:38um aumento
31:39da adesão
31:40de parceiros
31:41de restaurantes
31:42na plataforma?
31:44Sim,
31:45a gente está medindo
31:46agora qual foi
31:47o impacto
31:47dessas últimas alterações,
31:50a gente ainda está
31:50entendendo
31:51como que funcionou.
31:52O que a gente já vê
31:53é que
31:54o uso de áudio
31:56aumentou muito,
31:56então as pessoas
31:57já estão usando
31:58muito mais áudio
31:59com os nossos sistemas
32:00e até porque
32:01o Brasil
32:02é o país
32:03que mais envia áudio
32:04no WhatsApp,
32:05mais do que
32:05qualquer outro.
32:07Então isso faz parte
32:07inclusive da nossa cultura,
32:09é cultural
32:09para a gente
32:10comunicar com o áudio
32:11também.
32:12Então o que a gente
32:12viu foi que teve
32:13um aumento
32:13muito grande
32:14e a gente tem
32:15outras aplicações
32:17que aí a gente
32:18já tem
32:18alguns resultados
32:20já mensurados.
32:22Uma das aplicações
32:23que a gente tem
32:24é a automatização
32:25do preenchimento
32:26do cardápio.
32:27Quando um restaurante
32:28entra na plataforma,
32:29a primeira etapa
32:30que ele tem que fazer
32:31é preencher o cardápio
32:33dele e disponibilizar
32:34o cardápio dentro
32:34do iFood.
32:35E esse é um processo
32:36trabalhoso.
32:38O que a gente fez
32:39foi, usando o IA,
32:41digitalizar uma foto
32:42do cardápio
32:43desse restaurante
32:44para preencher
32:45para ele
32:45e facilitar
32:46a entrada dele
32:47dentro do iFood.
32:48E aí, usando esse sistema,
32:50a gente viu
32:50que o restaurante
32:51passou a usar
32:51menos de 40%
32:53do tempo
32:53que ele usava antes.
32:55E aí, obviamente,
32:57mais restaurantes
32:57chegam até a etapa final
32:59e completam essa etapa.
33:03E dá para mensurar
33:04quanto que a IA
33:06representa em lucro
33:07para o iFood hoje?
33:10Sim.
33:11Hoje, a gente tem
33:12inteligência artificial
33:13em todas as grandes
33:15aplicações do iFood.
33:17Então, se eu olho
33:17para a logística,
33:19se eu olho
33:20para a marketing,
33:22oferta, demanda,
33:24catálogo,
33:24tudo isso tem
33:25inteligência artificial.
33:26A última estimativa
33:27que a gente fez
33:28é mais de 30%
33:30do EBITDA
33:31do iFood
33:32é impactado
33:32por inteligência artificial.
33:34E como que é isso?
33:35Naquele exemplo
33:36que eu usei
33:36de prevenção à fraude
33:37é no aumento
33:39de receita
33:41que eu tenho
33:41pelo ganho de aprovação
33:42e pela redução
33:43de fraude.
33:44Então, isso gera
33:45um aumento
33:45no meu lucro
33:46no final.
33:47E esse EBITDA,
33:48o impacto geral
33:49que a gente estima
33:50é de 30%.
33:51Superinteressante.
33:55Quero mudar
33:55um pouquinho
33:56um assunto
33:56e explorar aqui.
33:58Eu acho que a gente
33:58tem uma joia
33:59nessa história
34:01do iFood.
34:02Eu vou explicar
34:02porquê
34:02e fazer a minha pergunta.
34:04Quando a gente desenha
34:05uma estratégia
34:06de inteligência artificial,
34:08o caminho
34:09da gente desenvolver
34:10ela nem sempre é
34:11pelo caminho
34:12da construção
34:13dentro de casa
34:14ou caminho orgânico.
34:15A gente passa
34:16também por parcerias,
34:18por alianças estratégicas
34:19e a gente passa
34:20eventualmente
34:21por aquisições.
34:23A gente cobriu
34:24bastante aliança estratégica
34:25no último episódio.
34:28E aqui a gente tem
34:29dois casos
34:30superinteressantes
34:31de aquisição
34:32com você
34:32ativamente participando.
34:34Tiago,
34:35uma que foi a Rekima,
34:37onde você teve
34:37de um lado
34:38do balcão,
34:38você era o fundador
34:41da empresa
34:42adquirida
34:42e o outro
34:44teve a Nota I,
34:45como a gente acabou
34:45de falar,
34:46onde você
34:46participou
34:48da decisão
34:49da aquisição
34:51de uma empresa
34:51para acelerar
34:52tecnologia
34:53e a inteligência
34:54artificial
34:54para o iFood.
34:56Como que é,
34:58como que você
34:59enxerga esse caminho,
35:01que dicas
35:01que você poderia
35:02dar para as empresas
35:03que estão
35:03desses dois lados
35:04do balcão?
35:06O caminho
35:07do não orgânico,
35:08o caminho do M&A
35:09e de aquisições
35:11ou de ser adquirido?
35:12No caso da Rekima,
35:16a gente sabia
35:17que para escalar
35:18o nosso modelo
35:19de negócio,
35:19a gente precisaria
35:20construir um produto
35:22e mudar um pouco
35:24a oferta
35:24que a gente tinha.
35:26E a gente começou
35:27a pensar
35:27e procurar
35:28qual seria
35:29um bom produto
35:30que a gente poderia
35:31levar esse nosso impacto,
35:34o impacto
35:34que a gente acreditava
35:35que ainda podia ter,
35:37que seria muito maior
35:38do que a gente tinha
35:39na época.
35:40E aí,
35:40trabalhando junto
35:41com o iFood,
35:42a gente percebeu
35:42que tinha uma
35:43sintonia de cultura ali,
35:45as culturas
35:46eram próximas,
35:48era um produto
35:49super interessante
35:50e o iFood
35:51ainda é
35:53um dos poucos lugares
35:54que a gente tem
35:55no Brasil
35:55que tem tudo
35:56que a gente precisa
35:57para trabalhar com dado.
35:58Então,
35:58a gente está falando
35:59de um problema
36:00com uma escala enorme,
36:01tem dado disponível,
36:03a gente tem as pessoas
36:04para poder trabalhar
36:05esses dados,
36:06a gente tem a infraestrutura
36:08para trabalhar esse dado
36:09e a gente tem problema
36:09para resolver.
36:10E é muito difícil
36:11a gente encontrar
36:12um lugar
36:12que reúne
36:13todos esses ingredientes.
36:15Então,
36:16para a gente
36:16foi uma escolha
36:17muito boa,
36:19a gente enxerga
36:20uma oportunidade aqui,
36:21a gente acha
36:22que vai ter um impacto
36:23muito grande,
36:24como a gente teve
36:24depois que a gente
36:25entrou para o iFood.
36:28Então,
36:28para a gente
36:29foi uma escolha
36:29super acertada
36:31nesse ponto.
36:32E do outro lado,
36:34o iFood
36:35fez um investimento
36:36no Anota I
36:37e isso faz parte
36:38de uma estratégia
36:40de até se aproximar
36:41das startups,
36:42aproximar das empresas
36:44que tenham alguma sinergia
36:45com o ecossistema
36:47do iFood.
36:49Então,
36:49nesse caso,
36:51o construir fora,
36:53por quê?
36:54Porque a gente tem ali
36:54codificado
36:55um conhecimento
36:56de domínio grande,
36:57que era um time
36:58que estava trabalhando
36:58num problema
36:59parecido com o que
37:00a gente trabalhava.
37:01Eles tinham uma tecnologia
37:03com um diferencial
37:04que encaixava
37:05com as tecnologias
37:05que a gente estava
37:06construindo também.
37:09E esse modelo
37:10que aproveita a sinergia,
37:12a gente consegue até ver
37:13qual foi o impacto
37:14no Anota I,
37:15que em 2022
37:16eles estavam fazendo
37:173 milhões de pedidos
37:19por mês,
37:20hoje eles fazem
37:213 milhões de pedidos
37:23em 3 dias.
37:24Então,
37:25o impacto
37:26que a proximidade
37:27com esse ecossistema
37:28do iFood
37:29tem é muito grande.
37:30Agora,
37:30a gente está construindo
37:31o AGI Club,
37:33que é um grupo
37:35para a gente poder
37:36discutir inteligência
37:37artificial e tecnologia
37:38e até uma forma
37:40do iFood
37:40devolver um pouco
37:41para a sociedade
37:42e tentar fomentar
37:43um pouco mais
37:43esse ecossistema
37:44e fomentar mais
37:45o ecossistema
37:46de tecnologia
37:47também dentro do Brasil.
37:49Em outras palavras,
37:51o caminho inorgânico,
37:54o caminho de aquisição
37:55tem dado bons frutos
37:56para o iFood
37:57e não se tem dado
37:59bons frutos
37:59como tem o AGI Club
38:01para aproximar
38:03o iFood
38:03desse ecossistema
38:04pungente
38:05de empreendedores
38:07de inteligência artificial
38:08no Brasil,
38:10seja para
38:10se beneficiarem
38:12de um give back
38:13do iFood,
38:14mas também eventualmente
38:15para fazer bons negócios,
38:17para eventualmente
38:20serem novas requimas
38:21a se juntarem
38:23à musculatura
38:26que o iFood
38:26tem hoje
38:27em termos de dados
38:27e de estrutura
38:28de negócio.
38:31Exato,
38:31é uma troca
38:32muito legal.
38:33Dentro do AGI Club
38:34a gente tem
38:35executivo
38:36de startup,
38:37a gente tem
38:38acadêmicos,
38:40empreendedores,
38:41pessoas da indústria,
38:42então tem vários
38:43perfis diferentes
38:44com o objetivo
38:45de ter discussões
38:47técnicas profundas.
38:48E tem funcionado
38:50super bem,
38:51a gente tem
38:51aprendido muito
38:53uns com os outros
38:54e está muito legal
38:55essa troca.
38:56Tiago,
38:58agora para a gente
38:58fechar o nosso
38:59videocast,
39:00eu queria entender
39:01um pouco a sua visão,
39:03o que você projeta
39:04que vem de
39:05inteligência artificial
39:06nesses próximos
39:08três anos,
39:08o que essa tecnologia
39:10pode mudar
39:12no mundo
39:12dos negócios?
39:15É interessante,
39:16porque alguns anos
39:18atrás,
39:18quando o Chet GPT
39:19surgiu,
39:21todo mundo falou
39:22que os grandes
39:23modelos,
39:24LLM,
39:25seria a grande
39:26barreira de entrada,
39:27a gente não conseguiria
39:28ter uma outra empresa
39:29que competiria
39:31com OpenAI
39:32facilmente.
39:34E o que a gente
39:34está vendo agora
39:35é que isso mudou
39:35completamente,
39:36então a gente tem
39:37vários modelos
39:38diferentes,
39:41é quase um commodity
39:42na verdade,
39:42a gente tem OpenAI,
39:43a gente tem modelos
39:44open source,
39:45a gente tem Antropic,
39:45a gente tem XAI
39:47e várias outras.
39:49E o que continua
39:50sendo muito valioso,
39:52continua sendo o conhecimento
39:53de domínio,
39:55conseguir pegar
39:55um problema de negócio
39:56e transformar ele
39:58num problema
39:58de tecnologia,
40:00de aprendizado de máquina,
40:02de IA,
40:03e essa tendência
40:04ela vai continuar
40:05daqui para frente.
40:06Então,
40:06quando a gente olha
40:07para os próximos meses,
40:09para o próximo ano,
40:10eu acho que cada vez
40:11mais agentes
40:12verticais,
40:14agentes que têm
40:14conhecimento de domínio,
40:16agentes que resolvem
40:18tarefas específicas
40:19muito bem,
40:20então agentes
40:20que escrevem código,
40:22agentes que
40:23avaliam código
40:25e fazem revisão
40:26de código,
40:27por exemplo,
40:28ou que resolvem
40:29algum outro problema
40:29de ponta a ponta.
40:31Então,
40:31isso vai continuar
40:32evoluindo bastante
40:33e a multimodalidade
40:35também.
40:35Os modelos de áudio
40:36estão ficando
40:37cada vez melhores,
40:38os modelos conversacionais
40:39e os modelos de vídeo
40:41também cada vez melhores
40:43nos próximos meses.
40:44Então,
40:45olhando para o nosso cenário
40:46como um todo,
40:48eu diria que
40:48essa importância
40:49de conhecimento
40:50de domínio
40:50e essas novas
40:52modalidades
40:53que vão ficar
40:54cada vez melhores.
40:56Tiago,
40:56muito obrigada
40:57pelos seus insights
40:58e por toda a troca
40:59aqui hoje
41:00no nosso videocast.
41:02Muito obrigado,
41:03Tiago.
41:03Que referências legais
41:05que você trouxe
41:06para a gente
41:06desse super caso
41:08do iFood.
41:09Obrigado pelo teu tempo.
41:11Muito obrigado a vocês,
41:12foi um prazer.
41:15Para você que nos acompanhou,
41:16muito obrigada
41:17pela sua audiência.
41:18O Revolução
41:19e a Volta em Breve.
41:20Até lá.
Comentários