Caros leitores, sejam bem-vindos de volta à sua dose quinzenal do Boletim Informativo sobre IA Generativa da Artefact, onde tentamos corajosamente entender o turbilhão digital que é o desenvolvimento da IA. As últimas semanas têm sido… bem, digamos apenas que meu café nem teve tempo de esfriar. Vimos modelos de IA surgindo mais rápido do que memes numa segunda-feira, a IA de busca do Google aparentemente está escrevendo fanfics agora, e supercomputadores de IA estão competindo na categoria de “categoria de ‘dispositivos que mais consomem energia’. Então, apertem os cintos, pois estamos prestes a mergulhar no mundo selvagem, maravilhoso e, às vezes, estranho da IA generativa. Vamos ver que novo caos os deuses da IA nos concederam!
Podcast GenAI News
Não tem tempo para ler este boletim informativo?
Notícias de negócios e análises de mercado
Os modelos do Google, da Meta e da Anthropic estão entre os mais seguros, em média (87,3% para o Gemini 1.5 Pro, 82,7% para o Claude 3.5 Haiku e 77,6 para o Llama3 405B)Os modelos da Anthropic, em geral, apresentam melhor desempenho em termos de resistência a alucinações (Grok2 e DeepSeek ficam em último lugar na classificação). Modelos populares, preferidos pelos usuários por causa da satisfação que proporcionam, podem comprometer a precisão factual. A formulação das consultas dos usuários afeta significativamente acapacidade de desmentir alegações falsas, sendo que afirmações confiantes reduzem a eficácia dessa desmentida em 15%. Instruções concisas do sistema podem aumentar as taxas de alucinações em até 20%
Os modelos da Anthropic' apresentam, de modo geral, melhor desempenho em termos de resistência a alucinações (o Grok2 e o DeepSeek ficaram em último lugar na classificação)
Modelos populares, preferidos pelos usuários por causa da satisfação que proporcionam, podem comprometer a precisão dos fatos
A formulação das consultas dos usuários afeta significativamente a capacidade de um modelo de desmentir alegações falsas, sendo que afirmações feitas com confiança reduzem a eficácia da desmentida em 15%
Instruções concisas do sistema podem aumentar as taxas de alucinação em até 20%
> Principais negócios, parcerias e inovações
Novos modelos e inovações
> Modelos multimodais (imagem, vídeo, áudio)
Reflexões da semana, por Hanan Ouazan
Managing Partner e Liderança Global em Aceleração de IA
De Slideware a Shipping: A ascensão do proprietário de processo autêntico (APO)
De Slideware a Shipping: A ascensão do proprietário de processo autêntico (APO)
Durante décadas, o setor de consultoria prosperou com a entrega de apresentações de slides bem elaboradas, repletas de modelos e referências. Hoje, a IA generativa produz rapidamente essas percepções genéricas, tornando irrelevante a simples reformulação do conteúdo. Os clientes agora exigem mais: produtos tangíveis, resultados mensuráveis e melhorias operacionais que possam realmente utilizar. É aqui que entra o Agentic Process Owner (APO) — uma evolução da função de Product Owner que vai além da entrega funcional para assumir a responsabilidade pelos processos de negócios subjacentes. O APO não se limita a entregar funcionalidades; ele compreende o que o produto possibilita, onde ele se encaixa no processo de ponta a ponta e como aprimorar esse processo ao longo do tempo. Seu trabalho começa com uma descoberta adequada das necessidades dos usuários — por meio da escuta ativa, de perguntas criteriosas e de um envolvimento real com a prática. Mas não para por aí. Os APOs também dedicam tempo para analisar como o processo mais amplo funciona: não apenas para inserir IA nele, mas para repensar como ele poderia operar de maneira diferente. O objetivo não é automatizar etapas defeituosas — é redesenhar o fluxo tendo em mente inteligência, eficiência e criação de valor. É importante ressaltar que eles atuam na interseção entre negócios e tecnologia: alinhando metas estratégicas e KPIs com restrições reais — como disponibilidade data, latência do sistema e complexidade de integração. Eles também precisam de um conhecimento básico de observabilidade e supervisão: não para desenvolvê-las por conta própria, mas para compreender como o desempenho dos agentes é medido e aprimorado, e como traduzir isso em prioridades para a equipe. O domínio da GenAI está se tornando rapidamente um requisito básico — e isso inclui compreender como os sistemas baseados em agentes operam. Um APO não precisa ajustar modelos sozinho, mas deve compreender o essencial: quando usar geração aumentada por recuperação, como a orquestração de agentes altera o design de processos, o que a latência ou os custos de tokens implicam para o ROI e quais medidas de segurança são inegociáveis. Isso permite que eles orientem as equipes técnicas com clareza, façam as perguntas certas e elaborem uma demonstração ou protótipo que demonstre concretamente o impacto. É a execução clara, e não a retórica polida, que conquista o apoio das partes interessadas. Em resumo, a mudança é profunda: consultores que permanecem puramente descritivos, sem capacidade de criar protótipos ou medir resultados reais, correm o risco de se tornarem obsoletos. Os APOs que combinam estratégia com resultados tangíveis e demonstráveis tornam-se ess
