- há 17 horas
Categoria
🗞
NotíciasTranscrição
00:00Magalu Cloud, impulsionando a competitividade do Brasil através da tecnologia.
00:15Bem-vindo, bem-vinda a mais um Revolução e Ar,
00:18programa do Nelfeed que aborda o impacto da inteligência artificial no mundo dos negócios.
00:23Eu sou Letícia Cardoso e quem me acompanha é Rodrigo Elser,
00:26nosso especialista em inteligência artificial e conselheiro de grandes empresas.
00:31Bem-vindo, Rodrigo. Tudo bem?
00:33Obrigado, Letícia. Tudo ótimo.
00:35Vamos para mais um programa.
00:37E hoje a gente recebe Bruno Maia, diretor de inovação para a América Latina no SAIS.
00:43Vamos conhecer um pouquinho mais sobre ele.
00:45Bruno Maia é formado em ciência da computação pela PUC do Rio de Janeiro.
00:50Tem grande experiência na indústria de software com foco na área de vendas de soluções da Analytics.
00:55Ao longo de sua carreira, atua em empresas como Oi, IBM e Oracle.
01:01Maia ingressou no SAIS em 2012 e atualmente é Red de Inovação do SAIS da América Latina.
01:07Bruno, bem-vindo ao nosso programa. Obrigada.
01:10Muito bem-vindo, Bruno.
01:12Muito grato aqui pela oportunidade de estar com vocês e compartilhar um pouco das ideias com o público de vocês.
01:17Bruno, você tem 13 anos no mercado de inteligência artificial.
01:23E nos últimos 2 ou 3 anos é que nós, que não trabalhamos, estou me colocando aí como o nosso público,
01:31que não trabalhamos com tecnologia, percebemos o avanço impressionante da inteligência artificial com chats.
01:38E a gente sabe que dado é muito importante para a evolução da inteligência artificial.
01:44Você pode me contar o que você viu de evolução?
01:47Sim. Então, assim, a forma como a tecnologia permeou a maioria dos processos,
01:54ela está cada vez mais acessível, né?
01:56Então, ela está, hoje em dia, no celular, no teu chat,
02:01e também está a influenciando com a forma como você escreve o e-mail e tal,
02:05ela é brutal.
02:07Então, fez com que, e também o que está por trás, o potencial de ganho nas empresas, né?
02:13De produtividade, ou então até de geração de novas linhas de negócio,
02:17tem feito com que isso se espalhe de uma forma veloz, feroz, né?
02:23E, por que não dizer assim, incrível.
02:25A gente tem visto projetos muito impressionantes de inovadores
02:31que estão revolucionando, trazendo uma linha de produto cada vez mais sofisticada,
02:37um diagnóstico mais acurado.
02:40Ao mesmo tempo, percebemos que o ciclo todo está crescendo tão rápido
02:46que alguns processos estão quebrando um pouco mais rápido.
02:50Então, assim, a velocidade é tão grande que a governança,
02:53o que eu posso dizer de AI governada e responsável,
02:59ela está andando num passo um pouco diferente.
03:02Então, é incrível o que está gerando de valor,
03:05mas, ao mesmo tempo, as empresas estão aprendendo, né?
03:09As indústrias mais novas, que não têm isso mais experimentado,
03:13aprendendo a lidar e botar isso no dia a dia do processo.
03:15Então, o dado sofre bastante com isso.
03:19Você vê o dado que hoje está numa nuvem ou está num seu pendrive
03:26ou está vendo direto de uma máquina através de uma conexão IoT
03:30e aquilo tudo vai influenciar numa decisão, numa manutenção preditiva.
03:37E, ao mesmo tempo, aquele dado no final, ele tem que ser cruzado, avaliado,
03:42e eu digo, às vezes, torturado, para te dar um valor,
03:45para te dar um modelo, que a gente chama de modelo de dados,
03:48que vai te ajudar a ter mais inteligência para a próxima decisão.
03:51E aí, todo esse processo para você fazer essa consolidação de informação,
03:58ele sempre foi muito chave para ter velocidade,
04:02para você ter competitividade.
04:04A complexidade e a pluralidade de dados foi tornando esse tempo,
04:10esse ΔT, cada vez mais importante.
04:15E aí, começam a bater os desafios, né?
04:18Como é que é a integração?
04:20Como é que é a origem desse dado, se ele está legítimo ou não?
04:23E, muitas vezes, esse dado demora muito para ser consolidado
04:26e virar um alimento para um modelo de dados, para uma decisão.
04:30E uma das coisas mais legais que a gente tem visto hoje em dia
04:33que a própria tecnologia vai arrumando solução para ali dentro, né?
04:37Então, a gente tem visto a EA Generativa criando um novo tópico
04:44para resolver esse problema da integração dos dados,
04:47como é que os dados se integram mais rápido,
04:50como é que eles viram base para o modelo mais rápido,
04:52sem agredir a informação que está naquele dado.
04:56Muitas vezes, tem um dado que identifica você
04:59ou que vai identificar uma passagem,
05:01ou muitas vezes, um diagnóstico de uma medicina,
05:05aquele dado tem que ser tratado, ele tem que ser cuidado.
05:08E aí, tem uma disciplina que se chama dados sintéticos,
05:10uma das coisas mais legais que tem surgido ultimamente,
05:12que mistura toda a tecnologia e a habilidade da EA Generativa
05:17para resolver esses desafios, né?
05:20Então, essa é uma das coisas mais legais que tem visto ultimamente,
05:23que tem trazido um valor aí de curtíssimo prazo
05:26para que a gente tenha modelos mais performáticos,
05:29as empresas estão fazendo intercâmbios mais responsáveis de dados
05:33e fazendo com que você consiga ter estudos, por exemplo,
05:37numa medicina muito mais fáceis, com fontes mais rígicas,
05:42sem botar em comprometimento a individualidade do que ele é dado,
05:48o que a LGTB vem protegendo ali dentro.
05:51Então, dados sintéticos está aí uma das coisas mais interessantes
05:54que tem surgido aí,
05:56que eu vejo que vai revolucionar,
06:00ou seja, vai fazer com que os modelos e os resultados,
06:03as decisões fiquem muito mais performáticas.
06:05Você pode explicar um pouco melhor o que são os dados sintéticos
06:09e se eles são usados, por exemplo,
06:12para proteger os dados, né?
06:14Por causa da LGTB, enfim, leis de segurança,
06:17ou se é porque os dados que a gente tem hoje em dia,
06:21eles não são suficientes para treinar a inteligência artificial?
06:25A gente tem dois blocos muito nítidos de funções
06:29que o dado sintético pode atuar, né?
06:32Então, o primeiro bloco é como é que eu pego aquele dado
06:37que ele tem uma informação sensível
06:40e ele pode ter uma representatividade
06:42se agredir a individualidade, o que a gente chama de PII, né?
06:47Então, você usa, para você fazer esse dado
06:50ficar disponível para alguém fazer uma modelagem,
06:53existem processos de mascaramentos, limpezas,
06:57e tudo isso é muito pesado, é complexo.
07:01Aí, com a AI generativa e alguns algoritmos dessa AI generativa
07:05e soluções, né?
07:07Você consegue fazer isso de uma forma ágil,
07:12mas principalmente equilibrada.
07:14Quando a gente faz modelos de dados,
07:16o balanço entre as variáveis e os...
07:19a palavra um pouco mais técnica,
07:21mas o histograma daquela informação
07:24é extremamente relevante para aquele modelo ser inteligente,
07:28para que ele represente, entendeu?
07:31E aí, a AI generativa acelera isso.
07:34Ela olha uma amostragem daquele dado,
07:38ou às vezes o dado na sua plenitude,
07:40e ela consegue criar uma representação
07:42que é significativa para fazer o modelo,
07:44mas ela não agride,
07:46ela não vai...
07:47Ela vai fazer um mascaramento de dados.
07:49Tudo isso para que você consiga usar o modelo,
07:52para que o modelo seja tão potente
07:53quanto usar todos os dados na plenitude,
07:56mas protegendo a privacidade daquelas informações.
08:02Não é só do indivíduo,
08:04não é só da pessoa jurídica.
08:06Muitas vezes, assim,
08:07recentemente, duas empresas do setor privado
08:12consultou a gente,
08:14elas são empresas que têm gigantescas,
08:16que têm uma incubadora de startups junto com a dente,
08:21e isso é um dos maiores desafios,
08:22porque o banco, ou a seguradora,
08:26ou qualquer que seja a indústria que tem esse modelo de negócio,
08:29ele tem que, através de seus parceiros,
08:34somar a inteligência.
08:36Mas como somar a inteligência
08:37sem abrir mão da segurança dos meus dados?
08:40Aí o dado sintético entra bonito,
08:43porque o que ele vai fazer?
08:44Ele vai pegar o dado da empresa,
08:46vai trazer uma representação lógica,
08:49equilibrada das variáveis,
08:50e vai entregar para o parceiro mais protegido,
08:53entendeu?
08:54E sem aquela...
08:55Tanto protegendo o seu negócio,
08:57aí, no caso, eu estou saindo da pessoa física,
08:59indo para o PJ,
09:00mas, ao mesmo tempo,
09:02não é no mão da parceria,
09:04porque vai lá pegar aquilo rapidamente,
09:06vai entregar a inteligência daquela empresa parceira
09:09e vai somar,
09:10e vai fazer uma coisa maior e mais expansiva.
09:12Então, esse é um caso clássico,
09:14que a gente está falando basicamente de ofuscação.
09:18Um outro caso muito interessante,
09:23aí eu vou dar dois passinhos para trás
09:25para explicar como é que funciona um ciclo analítico.
09:29A gente sempre fala de modelo.
09:30Ah, modelo de dados é uma coisa,
09:32mas tem um modelo analítico,
09:34que é aquela lógica,
09:35você vai botar o machine learning,
09:37você vai botar diversos algoritmos ali dentro
09:39para aquilo te ajudar a fazer uma predição,
09:42muitas vezes fazer até uma determinação
09:44de uma pesquisa operacional e por aí vai.
09:47Só que o modelo, por si só,
09:50ele é só a inteligência daquilo ali.
09:52Ele vem de trabalhar dados,
09:55fazer correlações de variáveis,
09:56então tudo chama-se ciclo analítico.
09:59Isso leva tempo.
10:00Só que a maior parte do tempo
10:02é na parte de tratamento,
10:04que a gente chama de data ops.
10:06Você preparar aquele dado para aquele modelo.
10:0870%, 80%.
10:10E olha que coisa interessantíssima.
10:12Quando você faz um modelo,
10:13não tinha que você ter a ideia de fazer um modelo,
10:15porque o dado nasceu,
10:17até ele ser concebido.
10:18No instante um que ele nasceu,
10:20o modelo já começa a virar ferrugem.
10:22A gente chama oxidar.
10:23Quanto mais tempo você leva
10:25para juntar os dados
10:27e sair com a lógica,
10:28aquele modelo já nasce inteligente,
10:31mas ele já tem uma defasagem
10:32do dado que nasceu.
10:34Porque não é só o dado que muda.
10:35muda a situação.
10:37Variáveis novas,
10:38produtos novos da empresa,
10:40tudo acontece ali.
10:41Então, o que é importante?
10:42Que os modelos sejam construídos
10:44de forma muito rápida.
10:45Entre você ter a intenção
10:47e você produzir ele,
10:50você tem que ser muito ágil.
10:51E aí o dado sintético,
10:52de novo ajuda.
10:54Porque, lembra que eu falei,
10:5570% do tempo,
10:57a maioria das vezes,
10:58os modelos é aqui,
10:59nessa primeira parte.
11:01E onde que você perde tempo?
11:02integração de dados,
11:04limpeza,
11:04mascaramento
11:05e equilíbrio de variáveis.
11:07Às vezes,
11:07integrações não existem.
11:08E aí você usa
11:09o dado sintético
11:10para fazer,
11:11através de amostragem,
11:12essas conexões mais automatizadas
11:15para criar uma amostra,
11:17uma representação
11:19do dado
11:20representativa
11:21para aquele teu modelo
11:22em uma fração de tempo.
11:24Então, você tem aí
11:25um acelerador
11:26que vai fazer
11:27com que o teu modelo
11:27seja menos suscetível ao tempo.
11:29Tem modelos que,
11:31vamos lá,
11:32eu estou usando um exagero,
11:34todos oxidam.
11:35Alguns oxidam menos.
11:37Alguns demoram muito
11:37para oxidar.
11:38Outros,
11:39pela sua natureza,
11:40eles oxidam muito rápido.
11:42Então, é muito importante
11:43enxatar esse tempo.
11:45Então,
11:45se remove muito atrito
11:46com o TI.
11:47Então, o TI,
11:48às vezes,
11:48fica muito impactada
11:50para fazer essas pontes,
11:52essas funcionais.
11:53E aí o dado sintético
11:54simplifica
11:55essa primeira etapa
11:56do processo.
11:57Então,
11:57é revolucionário.
11:58é novo
12:00porque a base
12:01do dado sintético
12:02da forma como
12:03a gente está vendo agora
12:04ela vem da IE generativa
12:06que é novinha,
12:07tem um bebezinho
12:08de dois anos.
12:09Então,
12:10assim,
12:11usa ideias
12:13e estratégias antigas,
12:15mas a velocidade,
12:16a qualidade
12:16sobe com a IE generativa
12:19que está surgindo aí.
12:20Não são ideias novas,
12:22mas a habilitação
12:23da forma como está,
12:24da velocidade que está,
12:25tem muito a ver
12:26com a IE generativa.
12:27Então,
12:28e a empresa
12:30na qual eu trabalho,
12:31que é o SISE,
12:32ela tem uma solução
12:33que a gente
12:35lançou esse ano
12:37que ela faz
12:39esse trabalho
12:40do dado sintético
12:42ele ser mais inclusivo.
12:44Se você for usar
12:46todo o processo
12:47do ciclo
12:47para criar um algoritmo,
12:50fazer um pronto,
12:51né,
12:51generativo,
12:52e sair do outro lado,
12:53de uma forma
12:54muito simplória,
12:55você vai ter uma mostragem.
12:56Mas você tem que ter segurança,
12:58você tem que logar,
12:59você tem que saber
13:00as suas origens,
13:01você tem que testar
13:02para saber
13:02se aquilo
13:03pode ser feito
13:04uma engenharia revesta
13:05no MPIA.
13:06Então, por exemplo,
13:07eu posso criar
13:08200 variáveis
13:09e através de um
13:10pouco mais de inteligência
13:12é possível chegar,
13:14apesar do seu CPF,
13:15através de outras variáveis.
13:17Então,
13:18você tem que ter
13:18a garantia
13:19de que você
13:19quebra
13:20essa,
13:21faz essa ofuscação,
13:22que você esteja protegido
13:23e isso esteja
13:25documentado,
13:26regulado,
13:27com as alçadas
13:28de aprovações
13:28corretas,
13:29porque no final
13:30vai gerar um modelo
13:31e aquele modelo
13:32vai gerar uma decisão
13:33para a empresa.
13:34Se essa decisão
13:35ela tem
13:38um desequilíbrio
13:38de variáveis,
13:39por exemplo,
13:40ela tem
13:40ou ela tem uma,
13:43ela te dá
13:44um vazamento
13:45de uma informação,
13:46é a marca
13:47que vai utilizar
13:48aquele modelo
13:48que vai estar
13:49em comprometimento.
13:50Primeiro,
13:51não o mais importante
13:52e o consumidor
13:53vai ficar comprometido.
13:54Então,
13:55todo esse processo
13:56ele nasce
13:57de um framework,
13:58mas é importante
13:59que você tenha
13:59tudo organizado
14:01e governado
14:02para que você faça
14:03de forma industrial
14:05e com segurança
14:06para a empresa.
14:07Antes da gente
14:07continuar falando
14:08sobre o uso
14:09dos dados sintéticos
14:11pelo SAIS
14:12e também a importância
14:13disso na reputação,
14:15queria chamar
14:16a mensagem
14:16do nosso patrocinador.
14:18Meu nome é Otávio,
14:20eu sou um sócio
14:20e CTO do Icazei,
14:23uma empresa
14:23que nasceu
14:24há 17 anos
14:25para resolver
14:26as necessidades
14:27do mercado
14:28de casamento.
14:29Uma das principais
14:30questões
14:30que a gente nota
14:31que a Magalu
14:32trouxe para a gente
14:33foi realmente
14:35uma segurança
14:36na questão financeira.
14:38Um dos problemas
14:38que a gente tem,
14:39acho que toda empresa
14:40nacional tem,
14:42é exatamente
14:42a questão da moeda,
14:43da cotação,
14:44do dólar,
14:45que a gente fica
14:46muito preso
14:46e a Magalu
14:48trouxe realmente
14:49não só a cobrança
14:50em real,
14:50mas a aclimatação
14:52desses valores
14:53para o mercado
14:54nacional,
14:55o que faz com que
14:56seja muito mais fácil
14:57para a gente
14:58se planejar.
15:02Você está assistindo
15:03Revolução IA
15:04e hoje o nosso convidado
15:06é Bruno Maia,
15:07diretor de inovação
15:08para a América Latina
15:09do SAIS.
15:10Antes da gente voltar
15:11à nossa entrevista,
15:12queria dar um recado
15:13a você que está
15:14escutando ou assistindo
15:15em alguma plataforma
15:17que não seja o YouTube.
15:18O Nelfeed
15:18tem um canal
15:19no YouTube
15:20e se você ainda
15:20não está inscrito,
15:22inscreva-se
15:23para conferir
15:23os outros episódios
15:25do Revolução IA
15:25e de nossos
15:26outros podcasts.
15:29Bruno,
15:30como você estava
15:31falando sobre
15:32a importância
15:33dos dados sintéticos
15:34para a reputação,
15:36qual é o perigo
15:37de não utilizá-los,
15:39de fazer um manejo
15:40ruim de dados,
15:42de bancos de dados?
15:43Primeiro,
15:48falando a correlação
15:49direta
15:49com dados sintéticos,
15:50o principal
15:51é a proteção,
15:53tanto da individualidade
15:54daquele dado
15:55que a gente tem,
15:57graças a Deus,
15:58muito bem fundamentado
15:59na América Latina,
16:00o LGPD,
16:01e o resto do mundo,
16:03também está muito
16:04bem estruturado
16:05e já implementado,
16:07mas também
16:09com relação
16:09à propriedade
16:10intelectual
16:11das empresas.
16:13Eu já explico
16:13um pouco mais
16:14sobre isso.
16:15Você,
16:16hoje em dia,
16:17dificilmente
16:17um ecossistema
16:18de uma indústria,
16:19ele vai sobreviver
16:20sozinho,
16:21ele vai se expandir
16:22com produtos
16:23e atendimentos
16:24com dados
16:25de outros parceiros
16:26e outras indústrias.
16:27E aí,
16:28o dado sintético
16:29ajuda bastante
16:30que você exponha
16:32a informação
16:33com a relevância
16:34lógica,
16:35com o peso
16:36da variável
16:36que vai ajudar
16:37a tomar decisão,
16:38mas sem expor
16:40o seu cliente,
16:41sem expor
16:42a sua inteligência
16:43de negócio
16:44na plenitude.
16:46Então,
16:46o dado sintético
16:46ajuda para caramba
16:47nisso,
16:48você ter
16:49o intercâmbio
16:50desses dados.
16:51E aí,
16:51onde eu vejo
16:52que vai ter
16:53um acelerador
16:53exponencial,
16:55tanto de
16:55novas parcerias,
16:57novas ideias,
16:58alguns novos produtos.
17:00O efeito
17:01da EAS generativa
17:02sempre traz
17:03dois tipos de ganhos.
17:05Otimizar,
17:06deixar a minha empresa
17:06mais performática,
17:08com processos
17:09mais justos,
17:10com velocidade
17:11maior,
17:12mas também
17:12tem o outro lado
17:13onde eu tenho visto
17:14menos casos de uso,
17:16mas acho que
17:16quando eu vejo
17:17a hora de ser mais,
17:18que é gerar
17:18novo valor.
17:20Esse é um caso
17:21de EAS generativa
17:22que facilmente
17:23agenda você
17:23a gerar
17:24novos valores,
17:25que você está
17:25agregando
17:26e transformando
17:27novas coisas
17:27nessa informação.
17:29Então,
17:29tem esse lado,
17:30sim,
17:31de proteção
17:32da informação
17:32individual,
17:33mas também
17:34de facilitar
17:35com que as empresas
17:36façam esse intercâmbio
17:38e somem,
17:39criam novas linhas
17:40de produtos
17:40e ações.
17:42E, Bruno,
17:44muito se fala
17:44que para você
17:45entrar no jogo de IA,
17:46você tem uma lição
17:47de casa antes
17:47que é ter os seus dados
17:49bem organizados.
17:50Para um diretor,
17:52um CEO,
17:53até mesmo um conselheiro
17:54de empresa,
17:55qual que é a lição
17:56de casa mínima?
17:57Como que você desenharia
17:58esse mínimo
17:59que eu preciso ter
18:00para estar preparado
18:02para dar um passo
18:03com os modelos
18:04de IA generativa,
18:06clássica,
18:07enfim?
18:07Olha,
18:09você ter os dados
18:10organizados,
18:11ele vai permitir
18:12que você
18:13tenha
18:14uma
18:14veracidade maior,
18:16uma qualidade maior
18:17e uma disponibilidade
18:18maior dos dados.
18:20Ao mesmo tempo,
18:22se você industrializar
18:23e complicar demais
18:24o processo,
18:26você vai fazer
18:26com que o dado novo,
18:28a variável nova,
18:29ela leve tempo
18:30para ficar disponível.
18:31Então,
18:32você tem hoje
18:33metodologias
18:34e frameworks
18:35para que você consiga
18:37que esse dado novo
18:38ele não sofra
18:39um tempo muito grande,
18:42um processo muito longo
18:43para ser industrializado
18:45e autenticado.
18:46Porque essa é a grande
18:48discussão entre
18:49tecnologia
18:50e a área de negócio.
18:52Muitas vezes
18:53existe esse atrito
18:54entre a área
18:55de tecnologia
18:56e dizer,
18:56cara,
18:56tem que estar tudo
18:57perfeito,
19:00tem que estar tudo
19:00autenticado,
19:01tem que estar industrializado,
19:02documentado
19:03e a área de negócio
19:04está criando variáveis,
19:05está exibindo pedidos
19:06e integrações de parceiros.
19:08Então,
19:08como é que você resolve
19:09as duas coisas?
19:10Porque quando você
19:10não cuida disso,
19:12aparecem os cogumelos,
19:13aparecem as bases laterais
19:15e aí o dado,
19:17aquela garantia
19:18de que está tudo
19:18sobre a mesma disciplina
19:20e a mesma governança
19:21fica comprometido
19:22e o resultado final
19:23muitas vezes
19:24afeta a marca.
19:25Então,
19:26modelos ruins,
19:26desequilibrados,
19:28informações não corretas,
19:30vazamento de coisas.
19:31Então,
19:32o ideal é que você
19:33tenha uma cooperação
19:35muito grande
19:36nesse processo
19:37de industrialização
19:38de dados,
19:39de modelagens
19:40e que isso
19:42seja feito
19:43a duas mãos.
19:45Para ter velocidade
19:46e para você ter
19:47o que o negócio
19:48precisa,
19:48que é a informação
19:50relevante na ponta.
19:52Então,
19:52isso tem sido
19:53um divisor de águas.
19:55Divisor de águas
19:55e as tecnologias novas
19:57permitem muito
19:58que você tem
19:59a velocidade
20:00sem perder
20:01essa governança.
20:03E fazer a lição
20:05de casa.
20:06Somando essa questão
20:08da importância
20:08do dado
20:09para o desenvolvimento
20:10de IA
20:10e o ponto
20:11que você estava
20:11trazendo antes
20:12de riscos,
20:14se não me falha
20:15a memória,
20:16depende do tempo
20:17que o programa
20:18for veiculado,
20:19mas recentemente
20:21a Europa
20:23divulgou
20:24que está pensando
20:25em voltar
20:25atrás
20:26em algumas definições
20:27da Lei Geral
20:28de Proteção
20:29de Dados,
20:29de DPR.
20:32Porque ela entende
20:33que lá,
20:34da forma como
20:34está feito,
20:36existem
20:36dificuldades
20:38para a Europa
20:39avançar
20:40na nova corrida
20:42espacial
20:42de inteligência
20:43artificial
20:43com os Estados Unidos
20:44e China.
20:45Como que você olha
20:46esse movimento?
20:47Olha,
20:48eu acho que
20:49a ideia,
20:52ou seja,
20:53o propósito
20:53que está por trás
20:54disso,
20:55é legítimo.
20:56ou seja,
20:56às vezes o processo
20:57fica tão
20:58extenso
20:59e tão
21:00cheio
21:01de processos
21:03e regras
21:03que ele
21:04se desconecta
21:05com a realidade
21:06do negócio,
21:07com a realidade
21:08até das pessoas.
21:09Então,
21:10fica uma coisa
21:11às vezes inoperante.
21:12O que que
21:12eu acho
21:14com uma visão
21:16muito otimista
21:17é que
21:18isso vai se resolver
21:19com
21:20uma regulamentação
21:21mais
21:22equilibrada
21:23para esses
21:24dois lados
21:25e com a tecnologia.
21:27Então,
21:27você hoje tem
21:28uma regulamentação
21:30que ela
21:31já foi experimentada,
21:32já foi colocada,
21:34então ela garante
21:34a proteção,
21:36que é o essencial.
21:37Então,
21:37assim,
21:38estava de uma forma
21:39muito aberta
21:40e sem nenhum tipo
21:41de critério
21:42e a informação
21:43que é sua
21:44estava sendo vendida
21:45pelo outro
21:46e eu te expondo
21:47e várias coisas.
21:47então já está,
21:48o sítio de segurança
21:49está funcionando,
21:50está perfeito,
21:52só que
21:52agora
21:53cabe você entender
21:55se aquilo
21:55está fazendo sentido
21:57para você,
21:57está fazendo sentido
21:58para as empresas
21:59inovarem
22:00e as novas tecnologias
22:02que estão vindo,
22:03como essa
22:03que a gente comentou
22:04no podcast
22:05que é o
22:06dado sintético,
22:07ela vai
22:08fazer com que
22:09isso
22:09se alivie
22:11sem perder
22:12o controle
22:14e a governança.
22:15então eu tenho agilidade,
22:17vou manter a proteção
22:18que era a ideia principal
22:19daquele dado ali,
22:21além de ter
22:22a propriedade
22:22do lado do ADC,
22:23não é o dado da empresa.
22:26Então,
22:27e ao mesmo tempo
22:28sem você perder
22:29a flexibilidade
22:30de expandir o negócio
22:30rapidamente
22:31ou fazer novas ideias
22:32e parcerias.
22:33Então eu acho muito
22:34importantíssimo
22:35essa discussão,
22:36porque em algumas
22:38outras regiões
22:39não é tão duro,
22:43ela é rígida,
22:44mas ela não
22:46é tão flexível
22:48em algumas partes,
22:49em alguns pontos,
22:49ela está com um processo
22:50muito complexo.
22:51Então eu vejo
22:52dessa forma,
22:52acho que a tecnologia,
22:53tanto a tecnologia
22:54quanto essa visão
22:57de rever
22:59o papel da regulamentação
23:00lá na Europa,
23:02elas estão vindo
23:02na hora certa.
23:04Então isso que você trouxe
23:05de uma forma
23:06super didática
23:07sobre a ofuscação
23:08dos dados
23:08e a nova tecnologia,
23:10novos recursos
23:11permitindo isso,
23:13muito provavelmente
23:14vão permitir
23:15que a gente
23:15atenue um pouco
23:17algumas discussões
23:19regulatórias
23:20como tem se discutido
23:22agora na Europa.
23:23Mas eu chamo a atenção
23:24por uma coisa,
23:25esse termo hoje,
23:27eu tenho me surpreendido,
23:28ele é um termo
23:29tão novo,
23:29porque como dizem,
23:30ele nasceu com
23:31a AI generativa,
23:32que é uma disciplina
23:33ainda que ela
23:35não está difundida,
23:36então ela ainda
23:36não está no sangue
23:37de todo mundo
23:38que está lidando
23:39com a AI.
23:39Então eu acho
23:40que ela ainda
23:41nem está causando
23:42impacto,
23:43não arriscou nada,
23:45mas logo em logo
23:46ela vai pegar
23:49uma amplitude gigante.
23:51É, porque tem
23:52uma grande pergunta
23:53de os dados
23:54que a gente tem
23:55hoje disponíveis,
23:56eles são
23:56ou não são suficientes
23:58para o avanço
23:59dos modelos,
23:59você tem os modelos
24:00avançando em investimento,
24:02em poder computacional,
24:03mas eles,
24:04o oxigênio deles
24:05são os dados.
24:06Com o que você traz,
24:07eu de certa forma
24:08eu estou conseguindo
24:09treinar os modelos
24:10além do que está
24:11público na internet,
24:13mantendo,
24:14entrando num uso
24:16mais privado,
24:18mas preservando
24:19a essência
24:19de segurança,
24:22de privacidade
24:23que os dados
24:24trazem no nível individual.
24:25É isso aí.
24:26Enquanto o Elser
24:27trouxe sobre a regulação
24:29lá na Europa,
24:30aqui no Brasil
24:30a gente tem discussão
24:32no Congresso
24:33para regular
24:34a inteligência artificial,
24:36tem uma pesquisa
24:37que fala que,
24:39apesar,
24:40trazendo um contexto
24:41que o brasileiro
24:42é muito fácil
24:44de utilizar tecnologia,
24:46adora,
24:47e não lê as letrinhas miúdas,
24:48não lê aquela cláusula
24:49do chat de EPT
24:50que os dados
24:51que ele está colocando lá
24:52vão ser usados.
24:54Tem uma pesquisa
24:55do IDC
24:55que fala que
24:56as empresas
24:58que priorizam
24:59uma IA confiável
25:00tem 60%
25:02mais chances
25:03de dobrar o ROI
25:04nos projetos de IA.
25:06então eu queria entender
25:07o que você enxerga
25:09de o que é
25:10uma IA confiável
25:11e como chegar lá.
25:13A IA,
25:14apesar de ser um termo
25:15muito associado
25:16com a atualidade,
25:18ela está aí.
25:20Os bancos
25:21já usam IA
25:22tem 35 anos
25:24e meia em frente
25:24tem IA.
25:26Então,
25:26assim,
25:27aquele empréstimo
25:28que a gente tirou ali
25:29tem IA ali,
25:29tem um modelo matemático
25:30ali dentro.
25:32Por que eu estou levando
25:33para esse fato histórico?
25:34porque essa indústria,
25:37por exemplo,
25:37é uma indústria
25:38que já lida
25:38com esse mundo,
25:41esse ciclo
25:41há muito tempo
25:42e ele governa
25:43muito bem isso.
25:44Ele faz os testes,
25:45ele avalia
25:46a hora,
25:48se aquela,
25:49toda aquela inteligência,
25:50todo o ciclo,
25:51ele está documentado,
25:53testado.
25:54Eu vou dar um exemplo.
25:55Quando você faz
25:55um modelo matemático,
25:57antigamente,
25:58a gente tinha
25:59os modelos,
26:00os algoritmos
26:00tradicionais,
26:02que a resposta
26:04do algoritmo
26:05daquele modelo
26:06era fácil
26:08de interpretar.
26:09Era fácil
26:09de você dizer,
26:10olha,
26:10esse modelo aqui
26:11para a fuga
26:11de um cliente,
26:12ele está sendo afetado
26:15pela variável
26:15idade
26:16ou pela variável
26:17etnia
26:18ou pela variável
26:19time de futebol.
26:20Era fácil
26:21de dizer
26:21matematicamente,
26:23explicar.
26:24Hoje em dia,
26:25com o famoso
26:26machine learning,
26:28é impossível.
26:28é impossível você sair
26:30e olhar aquela
26:31árvore de decisão
26:32que está ali dentro
26:32e dizer,
26:33caramba,
26:33por onde vai?
26:35E aí,
26:35eu não consigo explicar
26:36o que o modelo
26:37está fazendo?
26:37Não,
26:38você hoje tem
26:38frameworks de governança
26:40e tecnologia
26:42que usam técnicas
26:43tradicionais
26:45para explicar
26:46a resposta
26:46do modelo
26:47de machine learning.
26:48Então,
26:48isso é uma
26:49EA responsável.
26:50Porque,
26:50o que vai acontecer?
26:51Olha o exemplo prático.
26:53Faça um modelo.
26:54Vamos pegar
26:55uma indústria qualquer,
26:56telecom.
26:57Faça um modelo
26:57para identificar
26:58a possível fuga
26:59de um cliente
26:59que está insatisfeito.
27:01Esse modelo
27:01está ali 10 anos,
27:02rodando bem
27:03para caramba,
27:04está prevendo bem
27:04com dois meses
27:05de antecedência.
27:06Aí,
27:06você se arrisca
27:07a fazer,
27:09não se arrisca,
27:09você propõe
27:11uma modernização
27:12desse modelo
27:12com técnicas
27:13mais sofisticadas.
27:14Tem várias novas
27:16que podem dar
27:16bons resultados novos.
27:18Só que,
27:19a interpretação
27:20daquilo
27:21para o business
27:22é difícil.
27:24Na verdade,
27:25é impossível.
27:25A forma que vem
27:26do machine learning.
27:26aí você vai lá,
27:28tem um KS melhor,
27:29um resultado melhor
27:30e bota em produção.
27:32Por alguma razão,
27:33aquele modelo
27:34não performa
27:35como você espera.
27:36Como é que acontece
27:37na vida prática
27:38das empresas?
27:39Alguém vai perguntar,
27:39ué,
27:40por que está performando mal?
27:41Por que a tua decisão
27:42está assim?
27:43E aí,
27:44você não poder
27:44ter a explicação
27:47lógica
27:47daquele modelo,
27:49vai acontecer duas coisas.
27:50Primeiro,
27:50o cliente vai ficar satisfeito.
27:51Segundo,
27:51você vai ser mandado embora.
27:52eu já vi
27:54esse level
27:55perdendo a posição
27:57por causa disso.
27:58Por que?
27:58Entrou no ciclo analítico,
28:00que é um ciclo
28:01que você precisa
28:02ter experiência
28:04e você tem
28:05o teu guard-reios
28:06correto
28:06e apostou demais
28:08e não se preocupou
28:09em montar
28:10esse ciclo ali dentro.
28:11Então,
28:12aí é responsável,
28:14não é só você usar
28:15o limite da tecnologia
28:16para criar um valor novo
28:18ou uma nova,
28:18mas quando aquilo
28:19for colocar
28:20disponível para a sociedade,
28:22para o seu cliente,
28:24ele tem que ter
28:25capacidade de você
28:26interpretar
28:27o que está ali dentro,
28:28capacidade de você
28:29registrar
28:29o que aconteceu
28:31naquele momento.
28:32Então,
28:32se eu tenho uma API
28:34que ela usa
28:34um modelo matemático
28:35ou tem um agente
28:36que tem uma série
28:38de componentes ali dentro
28:39e ele tomou uma decisão,
28:41daqui a cinco anos
28:41eu tenho que poder
28:42auditar aquilo.
28:43Então,
28:43como é que eu registro
28:44toda aquela tupla
28:45e aquela lógica
28:46que está lá dentro
28:46para dizer
28:47por que você tomou
28:48essa decisão?
28:49Então,
28:50isso é fundamental.
28:51você tem que ter
28:51todo o alicerce
28:52e toda a tua estrutura
28:54para você defender
28:56a sua empresa
28:57e você defender
28:58o seu cliente.
28:59Se você vai
29:00no peito e na raça,
29:02você está se arriscando
29:03muito.
29:04Então,
29:05a gente tem visto
29:06muito isso,
29:07principalmente
29:07nas indústrias
29:08mais que estão
29:10entrando no mundo
29:11do IA
29:12de forma mais recente.
29:13a boa notícia
29:16é que,
29:17como eu falei,
29:18IA é uma coisa
29:19de 30,
29:1940 anos.
29:20Então,
29:21toda essa governança,
29:22a metodologia
29:23e as soluções
29:25que são soluções
29:30focadas nesse tipo
29:31de coisa,
29:32elas tendem a ter recursos
29:33para te proteger
29:34como empresa
29:35e proteger
29:36como pessoa física.
29:38Então,
29:39é importante sim
29:40que você tenha
29:41isso em mente
29:41para que você
29:44consiga
29:46criar algo sustentável.
29:48Eu posso dar
29:49mais um exemplo
29:49muito interessante
29:50que vai para
29:52uma outra linha.
29:53Quando você
29:54vai criar
29:55uma modelagem
29:56ou vai criar
29:57um agente,
29:59tudo,
30:00como a gente falou aqui,
30:00é baseado em dados.
30:02Certo?
30:02E o dado,
30:03se ele está com...
30:05Tem duas coisas
30:06que podem fazer
30:07com que o dado
30:08faça com que
30:08a tua decisão
30:09ela dê uma entortada
30:11ou ela saia
30:11do prumo.
30:13Tem vários cenários
30:14que ela pode sair
30:14do prumo.
30:15A qualidade do dado
30:16e, às vezes,
30:18quem está metendo a mão.
30:19O próprio algoritmo
30:20pode tomar uma decisão
30:21equivocada.
30:22O que pode acontecer?
30:23Ele pode
30:24botar dentro
30:25de um modelo
30:26sem querer,
30:27sem querer,
30:28pela falta de experiência,
30:30a falta de recurso
30:30que tem,
30:32pode botar um bias.
30:33Então,
30:33o modelo
30:34pode ir lá
30:35e a gente não perceber
30:37ele está tomando
30:38uma decisão
30:38que ela tem
30:40um cunho
30:40de preconceito
30:41ali por trás.
30:42Você não percebe
30:43porque você não tem
30:44ferramenta
30:44para fazer isso.
30:46São milhares de pessoas
30:46construindo modelos.
30:48Você bota em produção.
30:49Imagina só você
30:50vender um carro
30:51e aí você percebe
30:53que o carro
30:53está com um preço
30:54diferente
30:54para um público,
30:56diferente para o outro.
30:57E quando alguém,
30:57sempre alguém investiga
30:58rapidinho,
30:59descobre que tem um bias.
31:01Olha o prejuízo.
31:02Vira capa de jornal.
31:02Vira capa de jornal.
31:03E estão de recrutamento
31:05de empresa.
31:05Hoje em dia,
31:06até empresas de recrutamento
31:07estão utilizando muito
31:08a inteligência artificial.
31:10Exatamente.
31:11E às vezes,
31:12você não sabendo
31:13o que está ali por trás,
31:14sem as ferramentas
31:15e sem a experiência,
31:17você pode dar o crash.
31:19Então,
31:19é importante você ter
31:21não só a tecnologia,
31:23mas sim a experiência.
31:24Você está trazendo pontos
31:26e preocupações
31:28que claramente
31:29extravasam
31:30a agenda
31:31exclusivamente
31:33do time de dados
31:34ou do time de TI.
31:36São agendas,
31:38são assuntos
31:38que precisam estar
31:40na agenda do CEO
31:42e,
31:43dependendo da discussão,
31:46na agenda do conselho.
31:48A gente vê aqui no programa,
31:50a gente recentemente
31:50falou muito sobre
31:51cyber security,
31:52que é um tema
31:53que também está saindo
31:54da agenda
31:54de IT
31:56e indo
31:56para uma discussão
31:58maior.
32:00Minha tua experiência
32:01pegando dados e IA,
32:03por onde você navega bem,
32:05quais as perguntas
32:06que um conselheiro
32:08deveria estar fazendo
32:09para o seu CEO
32:10e quais as perguntas
32:12que o seu CEO
32:12deveria estar fazendo
32:13para o seu time de IT
32:14para poder dormir tranquilo?
32:17Olha,
32:18puxando o tema cyber,
32:20100%,
32:21a primeira pergunta é
32:23e esse mundo quântico
32:24vai me quebrar como?
32:26ou seja,
32:27vão quebrar as minhas
32:28informações,
32:29vão quebrar a minha
32:30criptografia?
32:31Então,
32:31a preocupação sobre
32:33a potência,
32:35a computação quântica,
32:37que é uma disciplina
32:38que deriva de tudo isso,
32:41ela tem um potencial
32:42transformador gigante.
32:43só que hoje
32:46você não tem
32:48uma previsibilidade,
32:48você não tem
32:49algoritmos
32:50nem processadores
32:51de forma fabril
32:52para isso ser
32:54uma coisa
32:55que vai entrar
32:56no mundo
32:58dos negócios
32:59em pouco prazo.
33:00Em pouco,
33:01talvez três,
33:02alguns apostam em dois.
33:04É,
33:04escutei uns cinco
33:05aninhos,
33:05pelo menos de janela,
33:06até isso chegar no mercado,
33:08mas ninguém sabe, né?
33:08Até semana passada
33:10estavam tão altruístas
33:11que as empresas
33:13de computação quântica
33:15estavam super avaliadas.
33:16Várias semanas atrás
33:17elas caíram 50%
33:18com as novas avaliações.
33:20Por quê?
33:21Você tem o otimismo
33:23versus a capacidade
33:23de entrega, né?
33:24Sim.
33:25Mas o que eu te falo
33:26sobre isso?
33:26Grandes,
33:27as empresas
33:28e os conselhos
33:29já começam
33:30a se preocupar
33:31a assuntos
33:32tão distantes,
33:34distantes das três anos
33:35como a computação quântica,
33:36quanto a sua responsabilidade.
33:39Tem duas coisas ali.
33:40Tem a responsabilidade,
33:42tem a proteção da marca
33:43e como ser mais ágil,
33:44tá?
33:45E também tem outra a dizer,
33:47cara,
33:47onde é que eu aposto?
33:50Porque tem...
33:51O que não falta hoje
33:52é a oferta de,
33:54cara,
33:54tem um projeto inovador.
33:55Eu tenho uma coisa
33:57que vai transformar
33:57e tem um monte
33:58de empresa, né?
34:01Que não faz
34:02de forma
34:03não intencional,
34:05mas com justificação.
34:06de que diz,
34:07olha,
34:07você não está usando
34:08o IA,
34:09você não está usando
34:09a EGenerativa,
34:11você está perdendo
34:1160% da tua produtividade.
34:14Você podia estar fazendo
34:14menor,
34:15com mais dinheiro.
34:16E aí o conselheiro
34:17desce isso, né?
34:18E aí como é que você
34:19acerta a mão?
34:20Como é que você diz
34:21qual é o projeto
34:22que eu tenho
34:23que usar agora
34:24para me trazer
34:25o resultado
34:26que eu preciso
34:27enquanto eu estou
34:28construindo os Guarjo Wails?
34:29Eu não posso
34:30ficar para trás.
34:31Então é um misto
34:31de você ter experiência
34:33para selhar isso
34:34enquanto você vai
34:35montando os Guarjo
34:36e os Guarjo Wails
34:36que são tecnológicos,
34:38mas tem a cultura.
34:39Tá?
34:41Eu posso ir
34:42para um lado agora
34:43totalmente
34:44diferente do que
34:46ele estava falando,
34:46mas que talvez
34:48alguém já tenha
34:48trazido aqui
34:49que é
34:49EGenerativa,
34:50tem uma palavra
34:51que é EGenerativa
34:52muito fantástica
34:53que é os
34:54moedinhos,
34:54os tokens, né?
34:56Então a gente sabe
34:57que a fundação
34:58da inteligência
34:59todas são aquelas moedinhas.
35:00Só que token
35:01é centavos,
35:02dinheiro.
35:03Então se você usa
35:04de uma forma
35:05não controlada,
35:07aquilo vira custo
35:08e não vira resultado.
35:10Então você
35:10hoje em dia
35:11saber qual é
35:12a melhor relação
35:13dos projetos
35:14e as generativas
35:15versus
35:16onde eu devo utilizar
35:17é fundamental.
35:19Então você
35:19ter uma empresa
35:21que ela pense
35:22dessa forma,
35:23tipo,
35:23vou fazer inovação
35:25a qualquer custo,
35:26mas de forma
35:27responsável
35:28sem fazer
35:29o all-in
35:29para não virar
35:30um projeto
35:31que nunca
35:31sai do lugar
35:32é fundamental.
35:34E tem muita
35:34tecnologia
35:35e muita experiência
35:36que ajuda
35:37você a fazer hoje.
35:38Eu tenho,
35:39por exemplo,
35:40a gente tem
35:40um motor de decisão
35:41dentro do SaaS.
35:43O motor de decisão
35:44é uma tecnologia
35:45que permite
35:45que você
35:46execute modelos,
35:48execute decisões
35:49em tempo real
35:50e volte ao resultado.
35:51Então no final
35:52das contas
35:52é uma API
35:53e lá dentro
35:54tem uma série
35:54de lógica
35:55que vai ficar
35:56trabalhando para você,
35:58mas ela é
35:58autocontida,
36:00vai ficar ali
36:01rodando na nuvem
36:03para o teu site,
36:04no teu celular.
36:06Você tem
36:07motor de decisões
36:07hoje que eles
36:08são capazes
36:09de fazer
36:11esse papel
36:11de agente
36:12e ele decidir
36:14qual é a melhor
36:15estratégia
36:16para você
36:17tomar uma decisão,
36:19uma lógica
36:20de AI
36:20de inteligência
36:22artificial
36:22com a melhor
36:24eficiência
36:24de custo
36:26de tokenização
36:26para você.
36:28Ele sabe,
36:29por exemplo,
36:29você vai fazer
36:30um agente
36:31de uma venda
36:32de algum produto.
36:34Ele sabe
36:34que para aquele
36:35tipo de inteligência
36:37ou aquela
36:38interação
36:38que ele vai
36:38fazer com você,
36:40ele não precisa
36:40usar o máximo
36:41da AI generativa,
36:43ele vai usar
36:43uma coisa mais contida.
36:45Às vezes nem vai
36:45usar a AI generativa
36:46para te fazer
36:47uma devolutiva
36:48tanto do melhor
36:48retorno
36:50quanto do teu
36:50melhor diálogo.
36:51isso tudo
36:52está dentro
36:53de um binário
36:56que vai ficar
36:57rodando
36:58para te responder
36:59em 50 milissegundos.
37:01Não dá
37:01para você fazer
37:02esse espalhado,
37:02porque senão
37:03você vai
37:03bater a porta.
37:04Então,
37:05hoje você já tem
37:05tecnologia para isso
37:07que suporta,
37:08que faça com que você
37:09tenha
37:09AI eficiente
37:11para o business
37:12e eles estão
37:15muito preocupados
37:16com isso.
37:16Como é que eu vou
37:17trazer esse mundo,
37:19como é que eu não
37:20vou me ser surpreendido
37:21e ficar para trás
37:22com a computação
37:23quântica,
37:23como é que eu
37:24trago o melhor
37:25projeto para a mesa
37:26que vai me gerar
37:27retorno
37:28e eu,
37:29ao mesmo tempo,
37:30criei o meu
37:30guarda-reio sustentável.
37:32E aproveitando,
37:33falando sobre
37:33resultado,
37:34como medir
37:35que uma iniciativa
37:36de AI
37:37vai gerar
37:38resultado,
37:39de fato,
37:40rentabilidade
37:40para a companhia
37:41ou que é
37:42uma perda
37:42de dinheiro,
37:44talvez,
37:44um dinheiro
37:45mal alocado?
37:46Você pode contar
37:47alguns casos,
37:47alguns exemplos também?
37:48Um canal clássico
37:50que a gente vê
37:51esse tipo de situação
37:53são as nuvens
37:56de ideias,
37:57os hackathons
37:58que acontecem
37:58nessas empresas
37:59maiores.
38:01Então,
38:01você tem
38:01uma empresa
38:02toda incentivada
38:04para pensar
38:05diferente,
38:06ser estimulada
38:07a pensar no AI
38:07e trazer os seus projetos.
38:10E naquele momento
38:11que você está incentivando,
38:12você não trouxe
38:14a variável de negócio,
38:15você não trouxe
38:16a viabilidade.
38:17ali,
38:18você está trazendo
38:18a sua ideia
38:19para ver se ela
38:20é execuível
38:20e ali depois
38:21a gente vai
38:22trabalhar isso.
38:24Lógico,
38:25a maioria dos hackathons
38:26é de ser
38:26a ideia submetida
38:27com um plano
38:28de negócio
38:29pré-aprovado,
38:30então tem que ter
38:31uma inteligência
38:32ali por trás.
38:33Só que depois
38:33que aquilo
38:34vai para o esquenta,
38:36que é a sessão,
38:37vamos lá,
38:37temos uma semana
38:38para fazer,
38:38vamos viabilizar,
38:40é que as pessoas
38:40se dão conta
38:41da viabilidade operacional.
38:43Então,
38:44a ideia às vezes
38:45é muito legal,
38:45vai dar resultado,
38:47mas operacionalmente
38:48é inviável.
38:49Então,
38:49ali quebra o gelo.
38:50Então,
38:51você tem,
38:52estou falando
38:53de um mecanismo
38:53muito simplório
38:54numa tomada
38:56de decisão executiva,
38:58mas que ele funciona
38:59de uma forma
38:59muito eficiente,
39:00porque você faz tudo,
39:01você tem a ideia,
39:02você pilota,
39:03faz o teste,
39:04ou startup,
39:05e no final
39:05você vê ali,
39:06opa,
39:07operacionalizei,
39:08talvez não seja
39:08tão possível,
39:09sob o ponto de vista
39:10operacional,
39:11estou falando de BP.
39:11então,
39:13é um mecanismo
39:14muito interessante.
39:15Outras empresas
39:16têm seus frameworks
39:16que antecipam isso,
39:18então as pessoas
39:19já fazem as perguntas
39:20já de uma forma
39:22antecipada
39:24e não se gastar energia
39:25com isso,
39:25de uma forma
39:26muito polida,
39:27porque aí você inibe,
39:28se você for muito forte,
39:29você acaba inibindo
39:30a inovação.
39:31Então,
39:32é muito interessante,
39:33uma das coisas legais
39:34que eu estou vendo
39:35ultimamente,
39:35aparecer,
39:36se sintetizar,
39:37botar essa na conta
39:40da dona mãe,
39:40é a generativa,
39:42é você trazer
39:43a proximidade
39:44do artificial intelligence
39:46para as pessoas,
39:48então,
39:49tanto para a pessoa física
39:50ou para aquela pessoa
39:51de negócio.
39:52Então,
39:52antigamente,
39:53a gente tinha
39:54o mundo
39:56da inteligência artificial
39:58um pouco,
40:00vai,
40:01um ciruzinho,
40:02você tem que ser um developer,
40:03você tem que saber Python,
40:05programa size,
40:06para você gozar
40:07do benefício
40:08de transformar
40:08a sua ideia
40:09em algo de valor.
40:10E o mundo
40:11da AI generativa
40:12está transformando isso.
40:14Assim,
40:15a nossa empresa,
40:16ela é uma empresa
40:18que sempre se preocupou
40:19isso no fundamento,
40:20a gente,
40:21ano que vem,
40:22fazia 50 anos,
40:23e a ideia
40:24no fundamento
40:25da empresa
40:25era criar
40:26um hub
40:28tecnológico
40:29baseado em
40:29inteligência artificial
40:30que ela servisse
40:32tanto para
40:33o desenvolvedor
40:34mais sofisticado,
40:35que ele quisesse
40:36ter aquela tela preta,
40:37ele pudesse ajustar
40:38cada vez variável
40:39para tirar o limite
40:40do algoritmo dele.
40:42Mas,
40:42ao mesmo tempo,
40:43ela tivesse
40:44um outro avatar,
40:45ferramentas e telas
40:47que permitissem
40:48aquele usuário
40:48de negócio
40:50que tem 35 anos
40:51de casa
40:51fazendo logística
40:52de mineral,
40:53pudesse transformar
40:55a ideia dele
40:56num algoritmo
40:57de pesquisa operacional
40:58para melhorar
40:59a compra
41:00daquele minério.
41:02Às vezes,
41:02era muito distante,
41:03você tinha que ter
41:04um intermediário
41:05de rendimento.
41:06E a tecnologia,
41:08um dos aceleradores
41:10maiores
41:10para esse tipo de coisa
41:11é a engenerativa.
41:13A gente já tinha isso
41:13no DNA,
41:15mas eu tenho visto
41:16isso cada vez mais próximo
41:17e trazendo essas pessoas
41:19ali para dentro.
41:20Então,
41:20é muito legal isso.
41:22Vai trazer muita coisa,
41:23não.
41:24Entendeu?
41:25Nessa aproximação,
41:28eu acho que tem
41:29um lado positivo
41:30e um lado negativo
41:31da história
41:32de quando um agente
41:33começa a fazer coisas
41:34que talvez
41:34uma função
41:37já pré-existente
41:38faria.
41:39A minha pergunta,
41:40eu gostaria que a gente
41:40fosse para o lado positivo,
41:42tá?
41:42Mas é,
41:44quanto que você vê
41:45que os agentes
41:48em data science
41:50estão já preparados
41:52para desempenhar tarefas
41:54dentro dessa praia?
41:56A gente vê os hyperscalers
41:57lançando agentes,
41:59provavelmente,
41:59talvez a SAS
42:00dentro dessa aplicação.
42:03Qual o nível
42:03de maturidade disso?
42:04Se você conseguir contextualizar
42:06para a gente
42:06o nível de maturidade
42:07comparado a que tipo
42:08de maturidade
42:08de um profissional
42:09de ciência de dados
42:10no mercado hoje?
42:12É um estagiário?
42:13É um analista?
42:14É um gerente?
42:15É.
42:17Olha,
42:17essa é uma pergunta
42:18que...
42:20O que eu diria
42:21para você?
42:23O papel
42:24da experiência,
42:27ou seja,
42:27a tecnologia
42:28permite demais
42:29que você
42:30introduza um tópico
42:32que você nunca
42:33tocou na tua vida.
42:35Vai lá,
42:36aquilo habilita para você.
42:37Eu vou falar
42:37um caso pessoal meu.
42:39Caso eu tenha lá
42:40um computadorzinho
42:42que faz a automação
42:43da casa.
42:44Eu tenho esse projeto
42:45há cinco anos.
42:47E ele tem lá
42:48uma linguagem
42:49que sempre
42:50dá dor de cabeça,
42:51caramba,
42:52e eu sempre deixava
42:53o projeto para trás.
42:53e hoje em dia
42:56a tecnologia
42:57me permite
42:58que eu,
42:59de uma forma
42:59muito fácil,
43:01pegue as minhas ideias
43:01e transponha
43:02para aquilo ali.
43:03Qual é o efeito colateral?
43:04Às vezes,
43:05quando eu saio de casa,
43:06por eu não ter experiência
43:07no framework,
43:08a casa para.
43:10Entende?
43:10E eu acho que
43:11aí que está
43:12a resposta.
43:14Você tem que ter
43:15o equilíbrio
43:16entre a experiência,
43:17a supervisão
43:17e a sua cultura
43:19de governança.
43:21Isso é fundamental.
43:21Você tendo isso,
43:23você tem passe livre.
43:25E aí a minha visão
43:25otimista é essa.
43:27Eu não quero
43:28que a governança
43:29seja o inibidor
43:30da inovação.
43:32Mas a governança
43:33é um aspecto
43:33da tua cultura,
43:34do seu questionamento
43:35para saber
43:36se aquilo que está
43:37sendo criado novo
43:38tem todos os aspectos
43:40e toda a maturidade
43:42para ser uma coisa
43:43produtizada,
43:44para ser entregada
43:45do outro lado.
43:46Então, eu acho que
43:47tecnologia está acelerando
43:48demais com que
43:49mais pessoas,
43:50mais códigos
43:51sejam mais popularizados,
43:54sejam mais inclusivos.
43:56Então, cada vez mais
43:57eu tenho pessoas
43:58que não têm ideia
43:59do que é uma programação,
44:01mas elas estão fazendo
44:02ideias e projetos
44:03incríveis,
44:04protótipos funcionando.
44:06Aquilo é sustentável?
44:07Talvez não.
44:09Mas aí,
44:09ela entrar num ciclo
44:10acompanhado
44:11para ter maturidade
44:13naquilo,
44:14aquilo é produção direto
44:15e aquilo for sofisticado,
44:17estudado,
44:17analisado,
44:18transforma aquilo.
44:19Esses guarda-reios
44:21estão sendo construídos
44:22principalmente nas indústrias
44:23mais recentes.
44:24As mais tradicionais
44:26já tem isso para a cultura.
44:29Às vezes,
44:29até um pouco mais duro.
44:31Em outras palavras,
44:33acho que, de um lado,
44:33você tem a importância
44:35de um discernimento,
44:36de um profissional experiente
44:37para conseguir,
44:38inclusive,
44:38avaliar,
44:39não deixar a casa parar
44:41se a casa não pode parar.
44:42Do outro lado,
44:42tem o fator risco.
44:43se eu posso correr um risco,
44:46se não tiver problema
44:47eu sair de casa
44:47e a casa,
44:49não usa a minha casa
44:50e, eventualmente,
44:50não funcionar direito,
44:52por que não inventar
44:53e recorrer a esse recurso?
44:55Agora,
44:55se é uma atividade crítica,
44:57é melhor ter um profissional
44:58com experiência
44:58para garantir que está todo...
45:00Perfeito.
45:01Eu concordo com você plenamente.
45:03a gente tem sempre
45:05que se arriscar.
45:06Mas tem que se arriscar
45:08de uma forma
45:09em que você
45:10não prejudique
45:11o que está em volta.
45:13Então,
45:14arriscar é necessário,
45:15é essencial.
45:16E acho que nunca existiu
45:18uma época tão propensa
45:19para a gente se arriscar.
45:20Arriscar, experimentar.
45:22É.
45:22Agora,
45:23a gente precisa, assim,
45:25fazer com que essa fase...
45:27Eu acredito muito
45:28que é uma fase
45:29de cultura mesmo,
45:30sabe?
45:31Eu falo a mesma coisa.
45:32tanto para a governança do IA
45:33quanto para essa coisa
45:35mais recente
45:36que é a generativa.
45:38Então, assim,
45:39cada vez mais
45:40a gente vai aprender
45:41o que é necessário
45:43para aquilo ser sustentável.
45:45Eu dou um exemplo
45:46em casa
45:47e para as pessoas
45:50que trabalham comigo.
45:51Pô, cara,
45:52eu trabalho há 13 anos
45:54com isso.
45:54Não é muita coisa,
45:55mas para IA
45:55é bastante coisa.
45:57E eu tenho
45:59a minha vida com chats.
46:01Eu tenho as minhas
46:02discussões sobre,
46:04caramba,
46:05por que não está respondendo
46:05o que eu quero?
46:06Por que está viajando
46:07na painel desse?
46:08E, na verdade,
46:09é a minha cultura.
46:10Eu não aprendi
46:11aquele mecanismo.
46:12Eu não aprendi
46:12a lidar diretamente
46:13com aquela...
46:15O pessoal fala
46:16de forma sofisticada
46:17de prompt.
46:18Não consegui.
46:20Na verdade,
46:20a minha sinapse
46:22e o meu mecanismo
46:23ainda não entrou
46:24para tirar o máximo
46:25daquela máquina.
46:26Mas isso vai ficar natural.
46:28As pessoas vão
46:28cada vez mais
46:29se acostumando.
46:30da tecnologia
46:31vai ajudar
46:31um pouquinho,
46:32sim.
46:34E ela vai ficar
46:35a um ponto
46:36em que vai ficar
46:37cada vez mais inclusiva
46:38e melhor.
46:38Então,
46:39eu acho que
46:39eu sou muito otimista.
46:41Uma questão
46:41de hábito.
46:44A cultura
46:45que vire comportamento
46:48e hábito
46:49para que você use
46:50no dia a dia.
46:51Foi de aprendizado, né?
46:53Um caso
46:54que eu escutei
46:55uma vez
46:55muito curioso
46:55em outro carnaval
46:57é do WhatsApp, né?
46:59Que fala assim,
46:59o WhatsApp
46:59não é um aplicativo
47:00de conversa.
47:01O WhatsApp
47:01é um hábito.
47:02Você acorda
47:04e uma grande maioria
47:05em algum momento
47:06das próximas meia hora
47:08você vai checar
47:09o WhatsApp.
47:10Ele vira um hábito.
47:11Como fazer com que
47:13esses recursos
47:14que nos tornam
47:14mais produtivos,
47:16mais eficientes,
47:17que nos provocam,
47:18nos inspiram,
47:19como isso também
47:19vira um hábito?
47:20E é através
47:21de experimentar,
47:24é através
47:24de assumir
47:25alguns riscos
47:26que se der errado
47:28minha vida
47:29não vai mudar
47:29e vivenciar
47:31um pouco
47:32do gostinho
47:32do que isso tem
47:33para trazer.
47:33Um hábito
47:34que a gente
47:34possa usar também
47:35com senso crítico,
47:36né?
47:36Que é o importante
47:37que a gente
47:37tem um...
47:38Agora,
47:39se eu fosse deixar
47:40meus 10 centavos
47:41aqui nesse mundo
47:42de agenerativa,
47:43escolhe um.
47:45Pelo amor de Deus.
47:46Para o seu hábito
47:47ser desenvolvido
47:48mais rápido.
47:49Você só tem o hábito
47:49depois de 21 dias, né?
47:51Aí você escolhe,
47:51ah, não,
47:52eu quero ir com o Jen,
47:52eu quero ir com o Claude,
47:54eu quero...
47:54Cara, você não consegue
47:55entender o mecanismo.
47:57Apesar de todos
47:58serem muito inteligentes,
47:59se você não aprender
48:01e não desenvolver
48:01o hábito
48:02de como você vai
48:02interagir com aquele cara,
48:04com aquele cara,
48:05opa,
48:05personifiquei, né?
48:07Com aquela ferramenta,
48:09você não vai tirar
48:10o máximo dela.
48:11Aí, às vezes,
48:12você vai se frustrar.
48:13Qual que é a tua
48:13de estimação?
48:14O meu?
48:15É.
48:16Olha, eu...
48:18Tá bom,
48:18eu vou falar.
48:19Mas eu vou falar o porquê.
48:21O meu perplexo,
48:22mas porque eu ganhei de graça.
48:23mas eu tenho
48:26uma afinidade muito grande
48:29com o Claude,
48:30mas é por causa
48:31nem a natureza
48:31do trabalho.
48:32Eu tenho que...
48:33O Claude é muito mais rápido,
48:36não na tecnologia,
48:37mas de entender
48:38a minha forma de pensar
48:39para criar estudos construtivos.
48:41Então, eu tenho que fazer
48:42muita análise de mercado,
48:43eu tenho que fazer
48:44muita tradução de coisas
48:45e ele é um motor
48:46um pouco mais apropriado
48:47para isso.
48:47Bruno,
48:49a gente já está
48:50se encaminhando
48:50para o fim,
48:51infelizmente,
48:51do nosso tempo
48:52e eu queria fazer
48:53um exercício aqui
48:54de futurologia, né?
48:56Nos próximos
48:57cinco anos, vai.
48:59Cinco anos
48:59nem é tanto tempo,
49:00eu sei.
49:01Quais são os modelos
49:02de negócio
49:03que mais vão ser
49:04impactados
49:05pela inteligência artificial
49:06e como o alto escalão
49:08das empresas,
49:09os CEOs,
49:10os conselheiros
49:11podem se preparar
49:12para esse momento?
49:13Para mim,
49:14número um,
49:14que eu acho
49:15que vai ter um impacto
49:16maior,
49:16não só na indústria,
49:17mas também
49:18para todos nós,
49:19saúde.
49:20Isso,
49:21a nossa longevidade,
49:23o nosso diagnóstico,
49:25o acesso ao diagnóstico
49:26vai ser transformado.
49:28Novos medicamentos,
49:30novos diagnósticos
49:31mais assertivos,
49:32ele tende a ser
49:34um que vai causar
49:36a maior revolução.
49:37Por quê?
49:38Porque o dado
49:38vai ficar cada vez
49:39mais disponível,
49:40você vai ter cada vez
49:42mais facilidade
49:42de transformar isso
49:43ou aquilo
49:44numa decisão.
49:45Então,
49:45para mim,
49:46na humanidade,
49:48saúde vai ser
49:49número um.
49:50Número dois,
49:52a gente tem,
49:54se a gente for falar
49:54sobre aspectos
49:55de manufatura,
49:56produção e coisas,
49:57a gente tem sim
49:58uma revolução,
49:59mas é uma revolução
50:00muito mais voltada
50:02na otimização,
50:03na cadeia de valor.
50:04Então,
50:05vou ter processos
50:05mais rápidos,
50:07carros mais baratos,
50:08casas construindo
50:09de uma forma
50:10mais eficientes,
50:11mas em termos
50:14de inovação,
50:15aí eu acho
50:16que o mundo
50:16da indústria
50:17da tecnologia
50:18e principalmente
50:19da interação
50:20entre nós,
50:21ainda vai continuar
50:22ali na luta.
50:23E como o alto escalão
50:26pode se preparar
50:27para isso?
50:27Eu acho
50:28que o alto escalão
50:28ele não pode,
50:30primeiro,
50:30não pode se assustar,
50:32porque,
50:33apesar de parecer
50:34uma ciência de foguete,
50:35não é.
50:37Você consegue,
50:39entendendo os impactos
50:40da IA,
50:42rapidamente adaptar
50:43seu modelo
50:43de tomada
50:44e decisão
50:45em cima daquilo.
50:46Tem que saber,
50:47principalmente,
50:48os limites,
50:50as governanças.
50:51o outro,
50:55questione,
50:56esse negócio
50:57de tudo
50:57tem que ser,
50:58tem que ser,
50:59não é assim,
51:01nem tudo
51:02vai ser otimizado,
51:03nem tudo
51:03vai virar
51:04um novo negócio
51:04e você não está
51:05desatualizado
51:06porque você
51:06não está aplicando isso.
51:09Você terá ausência,
51:12aí sim,
51:12é um problema.
51:13Agora,
51:14tudo ser isso,
51:15você botar
51:16toda a tua empresa
51:17para virar
51:18a cultura da noite
51:19para o dia,
51:20que eu tenho visto
51:21algumas coisas,
51:22alguns movimentos culturais,
51:23eu tenho visto
51:24uma perda de energia
51:26e, às vezes,
51:28uma perda de foco
51:28no seu próprio business.
51:30Porque aí,
51:31às vezes,
51:31é o tocar,
51:32é aquela operação manual,
51:34cara,
51:35isso aí nunca vai mudar.
51:37A gente compra de pessoas,
51:38entendeu?
51:39A gente,
51:39atendido por pessoas,
51:41então,
51:41a gente tem que manter
51:42a cabeça ali dentro
51:43e saber questionar.
51:46Questionar o quê?
51:47O que é o meu ideal
51:48agora de curto prazo?
51:50Onde é que o meu
51:50fundamento vai ter ali dentro?
51:53Para as tecnologias,
51:55para as indústrias
51:55mais baseadas
51:57em dependentes de dados,
52:00eu botaria
52:00o olho na computação quântica.
52:03Eu estou botando.
52:05Eu tenho lá
52:05um grupo de pessoas
52:06da minha equipe,
52:08todos novinhos,
52:09assim,
52:09um tem 19,
52:10um tem 22,
52:11que fazem engenharia física
52:13na USP,
52:13entendendo qual é a força
52:18que a gente vai precisar ter,
52:21não sobre os algoritmos,
52:22mas para fazer com que
52:23os algoritmos quânticos
52:25sejam interpretados,
52:27eles tenham segurança,
52:28ou seja,
52:29como é que eu boto
52:29essa produção?
52:29a revolução do que vai acontecer
52:32com ele,
52:33aí deixa a cabo
52:35das indústrias,
52:36mas o importante
52:37é que aquilo seja sustentável,
52:38então como é que eu consigo,
52:40já era difícil
52:41com o machine learning,
52:42fazer a interpretação
52:43de um modelo matemático,
52:44explicar para os negócios,
52:46como é que eu faço isso
52:47com uma computação quântica?
52:49Como é que eu faço
52:49o uso dessa tecnologia
52:51de uma forma
52:52em que ela
52:52seja governada
52:54e que ela proteja
52:55também,
52:56não só a grida,
52:57os competidores.
53:00Qual o horizonte
53:01na tua cabeça,
53:03nos teus estudos,
53:04já que você está próximo,
53:05qual o horizonte
53:06para isso?
53:07Três anos
53:08para a aplicação
53:09de computação quântica
53:10na prática?
53:10Ela vai chegar
53:11no mundo empresarial.
53:11É, assim,
53:13eu acho que ela vai chegar
53:14no mundo empresarial
53:15em três anos,
53:17tem que chegar,
53:19se estão minhas ações,
53:20também vou explicar.
53:21Não, estou brincando.
53:22Ela vai chegar
53:23num universo de três anos.
53:24Ela não vai ser
53:25tão popular
53:29e abrangente.
53:30Quando eu digo popular,
53:31é acessível,
53:32a palavra correta,
53:32perdão,
53:34pela própria natureza física
53:36da quantidade
53:38de processamento
53:39e disponibilidade.
53:40Então, hoje,
53:41vai ficar muito concentrada,
53:43ela vai ficar
53:44um pouco amarrada
53:45na sua acessibilidade
53:47por falta de pessoas
53:50que conheçam
53:51e também um componente
53:52do próprio processamento
53:54que não é tão, assim,
53:56trivial de ser produzido
53:57em escala, né?
53:58Tem muita tecnologia,
53:59principalmente em esfriamento,
54:00para você fazer com que
54:02aquilo seja controlado
54:03e gere valor.
54:04Então,
54:04as duas coisas combinadas
54:06vão fazer que ela
54:07esteja disponível,
54:08ela crie novos negócios,
54:10mas ela demora
54:11a ficar tão acessível
54:12a todo tipo de indústria,
54:14a todo tipo de negócios.
54:16Mas tem que olhar agora.
54:17primeira aplicação
54:18empresarial
54:19corporativa
54:21em três anos,
54:22então.
54:22Isso.
54:23Começando por Cyber.
54:252028.
54:26Vamos para o Cyber.
54:27Te espero aqui em 2028
54:28para a gente ver.
54:29Opa!
54:29Será um prazer.
54:31Bruno,
54:31muito obrigada
54:32pela sua entrevista.
54:33Foi um prazer.
54:34Muito bom, Bruno.
54:35Obrigado.
54:35Valeu.
54:36Super papo.
54:37Adoro.
54:38E a você que nos acompanhou,
54:41obrigada pela sua audiência.
54:42Se você ainda não está inscrito
54:44no YouTube do Nelfeed,
54:45aproveite e se inscreva.
54:47Revolução Iá volta em breve.
54:49Até lá.
54:49E aí
Seja a primeira pessoa a comentar