Na primeira metade deste ano, instituições com as quais contactei mostraram-se hesitantes em expandir o uso da inteligência artificial generativa (Gen IA) nas suas operações, apesar do seu potencial para aumentar a produtividade. As preocupações mais comuns estão relacionadas com privacidade de dados, precisão dos resultados, retorno sobre o investimento pouco claro e possíveis implicações legais e regulatórias.

Para isso, é necessário implementar uma gestão robusta da IA, com políticas e normas, diretrizes de uso claras e implementações bem planeadas. Contudo, ainda persiste um desafio importante: provar um retorno sobre o investimento (ROI) que justifique os custos dos projetos, especialmente ao nível da direção executiva e dos conselhos de administração.

Esse desafio surge, em parte, da dificuldade em quantificar os ganhos de produtividade no trabalho que a IA generativa otimiza. Por exemplo, como traduzir a redução do tempo de resolução de 10 horas para 1 hora, no caso de um chatbot de RH, em valor para o negócio? Sem essa tradução, calcular o ROI e convencer a gestão a investir mais torna-se complicado.

E sem um valor de negócio claro, como é que podemos calcular um ROI exato e convincente para os decisores? Perante esses desafios, as empresas exploram cada vez mais várias soluções de IA para encontrar o equilíbrio certo entre desempenho, custo e facilidade de implementação.

Modelos poderosos de IA, como os da Anthropic, Mistral, Meta e Amazon Nova, estão a tornar a IA generativa mais acessível do que nunca. Estes modelos podem gerar texto — desde escrita criativa até criação de código — além de análise de tendências, tradução de idiomas, análise de vídeo e criação de imagens e vídeos, impulsionando produtividade e criatividade.

Com o Amazon Bedrock, um serviço totalmente gerido para a construção de aplicações de IA generativa, os utilizadores destacam a importância de ter escolhas de modelos amplas e flexíveis, salvaguardas de segurança, uma base de conhecimento robusta e outras funcionalidades essenciais para simplificar a criação de aplicações de IA que resolvam problemas de negócio.

Percebe-se que obter os melhores resultados não depende apenas de escolher o modelo mais recente ou avançado. Combinar modelos adequados ao propósito com boas práticas na formulação de prompts — conhecida como engenharia de prompts — pode melhorar significativamente a precisão e a relação custo-benefício. Uma técnica eficaz é o multi-shot prompting: ao fornecer múltiplos exemplos do resultado desejado, os utilizadores ajustam melhor o modelo para cada caso, aumentam precisão, consistência, desempenho e redução de custos.

Outra abordagem para potenciar o uso da IA generativa é a produção aumentada usando RAG (retrieval-augmented generation). Os modelos de IA são treinados com dados específicos, e o seu conhecimento não vai além dos mesmos. O RAG complementa o modelo com dados mais atualizados ou contextuais, fundamentando as respostas nesses dados para aumentar a precisão e relevância, o que reduz a necessidade de intervenção humana.

Embora o prompting ideal e o RAG sejam poderosos, não são soluções universais. A escolha do modelo continua a ser fundamental, e não deve existir um modelo único para todos os casos.

Embora a maioria das tarefas possa ser executada pelos modelos mais sofisticados, usar um modelo demasiado avançado para tarefas simples implica custos maiores e maior latência. O segredo está em escolher o modelo “perfeito para o efeito” — normalmente o menor, mais barato e rápido, mas que entregue a qualidade necessária.

A supervisão humana, a curadoria e um acompanhamento constante também são essenciais para garantir qualidade e compliance com os princípios de IA responsável. Nenhum sistema de IA generativa atual é suficientemente fiável para automatizar por completo processos empresariais de ponta a ponta. Essa colaboração entre pessoas e IA é fundamental para avançar em sistemas mais robustos, responsáveis e confiáveis.

Para melhores resultados, também é fundamental desenvolver nos colaboradores as competências certas. Um estudo recente revelou que 42% das empresas portuguesas identificam a falta de competências digitais como uma barreira para uma adoção mais profunda da IA, e 57% afirmam que isso está a dificultar a inovação.

Por essa razão, em Portugal, foram lançados pela AWS vários programas de formação para ajudar os portugueses a adquirir competências digitais. À medida que a procura por ferramentas de IA cresce, e com 41% das empresas portuguesas a usar IA, 94% das empresas portuguesas reportam aumentos de receita numa média de 30% devido à adoção da IA, demonstrando o impacto da IA na competitividade empresarial.

É crucial democratizar o acesso e a formação em IA generativa, fornecer ferramentas robustas para um desenvolvimento responsável e apoiar clientes e parceiros em iniciativas que promovam um futuro mais sustentável. O uso responsável destas tecnologias é essencial para fomentar a inovação contínua. Uma forma de fazer isso é oferecer ferramentas e orientações para desenvolver e expandir a IA generativa de forma segura, protegida e responsável, garantindo que as instituições se afirmem na economia digital.

André Rodrigues é Head of Technology Software & Tech Companies, para a Europa do Sul e França da AWS