Um divisor de águas em 22 de novembro de 2022 foi principalmente virtual, mas abalou os alicerces de quase todos os setores do planeta.
Nesse dia, a OpenAI lançou o ChatGPT, o chatbot de inteligência artificial mais avançado já desenvolvido. Isso desencadeou a demanda por aplicações generativas de IA que ajudam as empresas a se tornarem mais eficientes, desde fornecer aos consumidores respostas para suas perguntas até acelerar o trabalho de pesquisadores em busca de descobertas científicas e muito, muito mais.
As empresas que anteriormente se interessavam por IA agora estão correndo para adotar e implantar os aplicações mais recentes. A IA generativa – a capacidade dos algoritmos de criar novos textos, imagens, sons, animações, modelos 3D e até códigos de computador – está se movendo em alta velocidade, transformando a maneira como as pessoas trabalham e se divertem.
Ao empregar modelos de linguagem grandes (LLMs) para lidar com consultas, a tecnologia pode reduzir drasticamente o tempo que as pessoas dedicam a tarefas manuais, como pesquisar e compilar informações.
As apostas são altas. A IA pode contribuir com mais de US$ 15 trilhões para a economia global até 2030, de acordo com a PwC . E o impacto da adoção da IA pode ser maior do que as invenções da internet, da banda larga móvel e do smartphone – combinados.
O motor que impulsiona a IA generativa é a computação acelerada . Ele usa GPUs, DPUs e redes junto com CPUs para acelerar aplicações em ciência, análise, engenharia, bem como casos de uso de consumidores e empresas.
Os primeiros usuários em todos os setores, desde a descoberta de medicamentos , serviços financeiros , varejo e telecomunicações até energia , ensino superior e setor público, estão combinando computação acelerada com IA generativa para transformar operações comerciais, ofertas de serviços e produtividade.
Clique para ver o infográfico: Gerando a próxima onda de transformação da IA
IA generativa para descoberta de medicamentos
Hoje, os radiologistas usam a IA para detectar anormalidades em imagens médicas, os médicos a usam para digitalizar registros eletrônicos de saúde para descobrir as percepções dos pacientes e os pesquisadores a usam para acelerar a descoberta de novos medicamentos.
A descoberta tradicional de medicamentos é um processo intensivo em recursos que pode exigir a síntese de mais de 5.000 compostos químicos e produz uma taxa média de sucesso de apenas 10%. E leva mais de uma década para a maioria dos novos candidatos a medicamentos chegar ao mercado.
Os pesquisadores agora estão usando modelos generativos de IA para ler a sequência de aminoácidos de uma proteína e prever com precisão a estrutura das proteínas-alvo em segundos, em vez de semanas ou meses.
Usando modelos NVIDIA BioNeMo , a Amgen, líder global em biotecnologia , reduziu o tempo necessário para personalizar modelos para triagem e otimização de moléculas de três meses para apenas algumas semanas. Esse tipo de modelo de fundação treinável permite que os cientistas criem variantes para pesquisa em doenças específicas, permitindo que desenvolvam tratamentos específicos para condições raras.
Seja prevendo estruturas de proteínas ou treinando algoritmos com segurança em grandes conjuntos de dados sintéticos e do mundo real, a IA generativa e a computação acelerada estão abrindo novas áreas de pesquisa que podem ajudar a mitigar a propagação de doenças, permitir tratamentos médicos personalizados e aumentar as taxas de sobrevivência dos pacientes.
IA generativa para serviços financeiros
De acordo com uma pesquisa recente da NVIDIA , os principais casos de uso de IA no setor de serviços financeiros são serviços ao cliente e análises profundas, em que o processamento de linguagem natural e os LLMs são usados para responder melhor às consultas dos clientes e descobrir informações sobre investimentos. Outra aplicação comum é em sistemas de recomendação que potencializam experiências bancárias personalizadas, otimização de marketing e orientação de investimentos.
Os aplicações avançadas de IA têm o potencial de ajudar o setor a prevenir melhor as fraudes e transformar todos os aspectos do setor bancário, desde o planejamento de portfólio e gerenciamento de riscos até conformidade e automação.
Oitenta por cento das informações relevantes para os negócios estão em um formato não estruturado – principalmente texto – o que as torna as principais candidatas à IA generativa. A Bloomberg News produz 5.000 histórias por dia relacionadas à comunidade financeira e de investimentos. Essas histórias representam um vasto tesouro de dados de mercado não estruturados que podem ser usados para tomar decisões de investimento oportunas.
NVIDIA, Deutsche Bank , Bloomberg e outros estão criando LLMs treinados em dados proprietários e específicos de domínio para alimentar aplicações financeiras.
Os Transformers Financeiros , ou “FinFormers”, podem aprender o contexto e entender o significado de dados financeiros não estruturados. Eles podem alimentar chatbots de perguntas e respostas, resumir e traduzir textos financeiros, fornecer sinais de alerta precoce de risco de contraparte, recuperar dados rapidamente e identificar problemas de qualidade de dados.
Essas ferramentas generativas de IA dependem de estruturas que podem integrar dados proprietários ao treinamento e ajuste fino de modelos, integrar a curadoria de dados para evitar vieses e usar proteções para manter conversas específicas sobre finanças.
Espera-se que startups fintech e grandes bancos internacionais expandam seu uso de LLMs e IA generativa para desenvolver assistentes virtuais sofisticados para atender partes interessadas internas e externas, criar conteúdo de cliente hiperpersonalizado, automatizar o resumo de documentos para reduzir o trabalho manual e analisar terabytes de informações públicas e privadas dados para gerar insights de investimento.
IA generativa para varejo
Com 60% de todas as jornadas de compras começando on-line e os consumidores mais conectados e informados do que nunca, a IA se tornou uma ferramenta vital para ajudar os varejistas a corresponder às expectativas em constante mudança e se diferenciar de uma onda crescente de concorrência.
Os varejistas estão usando IA para melhorar as experiências do cliente, potencializar preços dinâmicos, criar segmentação de clientes, projetar recomendações personalizadas e realizar pesquisas visuais.
A IA generativa pode oferecer suporte a clientes e funcionários em todas as etapas da jornada do comprador.
Com modelos de IA treinados em dados específicos de marcas e produtos, eles podem gerar descrições robustas de produtos que melhoram as classificações de otimização de mecanismo de pesquisa e ajudam os compradores a encontrar o produto exato que procuram. Por exemplo, a IA generativa pode usar metatags contendo atributos de produtos para gerar descrições de produtos mais abrangentes que incluam vários termos como “baixo teor de açúcar” ou “sem glúten”.
Os assistentes virtuais de IA podem verificar os sistemas de planejamento de recursos empresariais e gerar mensagens de atendimento ao cliente para informar os compradores sobre quais itens estão disponíveis e quando os pedidos serão enviados, e até mesmo ajudar os clientes com solicitações de alteração de pedidos.
A Fashable , membro da rede global de startups de tecnologia da NVIDIA Inception , está usando IA generativa para criar designs de roupas virtuais, eliminando a necessidade de tecido físico durante o desenvolvimento do produto. Com os modelos treinados em dados proprietários e de mercado, isso reduz o impacto ambiental do design de moda e ajuda os varejistas a projetar roupas de acordo com as tendências e gostos atuais do mercado.
Espere que os varejistas usem a IA para capturar e reter a atenção do cliente, oferecer experiências de compra superiores e gerar receita ao combinar os compradores com os produtos certos no momento certo.
IA generativa para telecomunicações
Em uma pesquisa da NVIDIA cobrindo o setor de telecomunicações , 95% dos entrevistados relataram que estavam envolvidos com IA, enquanto dois terços acreditavam que a IA seria importante para o sucesso futuro de sua empresa.
Seja melhorando o atendimento ao cliente, simplificando as operações e o design da rede, dando suporte aos técnicos de campo ou criando novas oportunidades de monetização, a IA generativa tem o potencial de reinventar o setor de telecomunicações.
As empresas de telecomunicações podem treinar modelos de IA de diagnóstico com dados proprietários sobre equipamentos e serviços de rede, desempenho, problemas de tíquetes, pesquisas no local e muito mais. Esses modelos podem acelerar a solução de problemas de desempenho técnico, recomendar projetos de rede, verificar a conformidade das configurações de rede, prever falhas de equipamentos e identificar e responder a ameaças de segurança.
Os aplicações generativas de IA em dispositivos portáteis podem oferecer suporte aos técnicos de campo, digitalizando equipamentos e gerando tutoriais virtuais para orientá-los nos reparos. Os guias virtuais podem então ser aprimorados com realidade aumentada, permitindo que os técnicos analisem o equipamento em um ambiente imersivo em 3D ou chamem um especialista remoto para obter suporte.
Novas oportunidades de receita também serão abertas para as empresas de telecomunicações. Com uma grande infraestrutura de ponta e acesso a vastos conjuntos de dados, as empresas de telecomunicações de todo o mundo agora oferecem IA generativa como serviço para clientes corporativos e governamentais.
À medida que a IA generativa avança, espera-se que os provedores de telecomunicações usem a tecnologia para otimizar o desempenho da rede, melhorar o suporte ao cliente, detectar invasões de segurança e aprimorar as operações de manutenção.
IA generativa para energia
No setor de energia , a IA está capacitando a manutenção preditiva e a otimização de ativos, gerenciamento de rede inteligente, previsão de energia renovável, segurança de rede e muito mais.
Para atender às crescentes necessidades de dados em infraestruturas antigas e novos regulamentos de conformidade do governo, as operadoras de energia estão buscando a IA generativa.
Nos Estados Unidos, as concessionárias de energia elétrica gastam bilhões de dólares todos os anos para inspecionar, manter e atualizar a infraestrutura de geração e transmissão de energia.
Até recentemente, usar o vision AI para dar suporte à inspeção exigia que os algoritmos fossem treinados em milhares de fotos manualmente coletadas e marcadas de ativos de grade, com dados de treinamento constantemente atualizados para novos componentes. Agora, a IA generativa pode fazer o trabalho pesado.
Com um pequeno conjunto de dados de treinamento de imagem, os algoritmos podem gerar milhares de imagens fisicamente precisas para treinar modelos de visão computacional que ajudam os técnicos de campo a identificar corrosão, quebra, obstruções e até mesmo detectar incêndios florestais em equipamentos de rede . Esse tipo de manutenção proativa aumenta a confiabilidade e a resiliência da rede, reduzindo o tempo de inatividade e minimizando a necessidade de enviar equipes para o campo.
A IA generativa também pode reduzir a necessidade de pesquisa e análise manuais. De acordo com a McKinsey, os funcionários gastam até 1,8 horas por dia procurando informações – quase 20% da semana de trabalho. Para aumentar a produtividade, as empresas de energia podem treinar LLMs em dados proprietários, incluindo notas de reuniões, registros SAP, e-mails, melhores práticas de campo e dados públicos, como planilhas de dados de materiais padrão.
Com esse tipo de repositório de conhecimento conectado a um chatbot de IA, engenheiros e cientistas de dados podem obter respostas instantâneas para questões altamente técnicas. Por exemplo, um engenheiro de manutenção que soluciona problemas de controle de inclinação no sistema hidráulico de uma turbina pode perguntar a um bot: “Como devo ajustar a pressão ou fluxo hidráulico para corrigir problemas de controle de inclinação em um modelo de turbina da empresa X?” Um modelo adequadamente treinado forneceria instruções específicas ao usuário, que não precisaria consultar um manual volumoso para encontrar as respostas.
Com aplicações de IA para novos projetos de sistemas, atendimento ao cliente e automação, espere que a IA generativa melhore a segurança e a eficiência energética, além de reduzir as despesas operacionais no setor de energia.
IA generativa para ensino superior e pesquisa
De sistemas de tutoria inteligentes a notas de redação automatizadas, a IA tem sido empregada na educação há décadas. À medida que as universidades usam IA para melhorar as experiências de professores e alunos, elas dedicam cada vez mais recursos para criar iniciativas de pesquisa com foco em IA.
Por exemplo, pesquisadores da Universidade da Flórida têm acesso a um dos supercomputadores mais rápidos do mundo na academia. Eles o usaram para desenvolver o GatorTron – um modelo de processamento de linguagem natural que permite que os computadores leiam e interpretem a linguagem médica em notas clínicas armazenadas em registros eletrônicos de saúde. Com um modelo que entende o contexto médico, os desenvolvedores de IA podem criar várias aplicações médicas, como aplicações de fala para texto que oferecem suporte aos médicos com prontuários médicos automatizados.
Na Europa, uma colaboração indústria-universidade envolvendo a Universidade Técnica de Munique está demonstrando que LLMs treinados em dados genômicos podem generalizar em uma infinidade de tarefas genômicas, ao contrário de abordagens anteriores que exigiam modelos especializados. Espera-se que o LLM de genômica ajude os cientistas a entender a dinâmica de como o DNA é traduzido em RNA e proteínas, abrindo novas aplicações clínicas que beneficiarão a descoberta de medicamentos e a saúde.
Para conduzir esse tipo de pesquisa inovadora e atrair os alunos mais motivados e profissionais acadêmicos qualificados, os institutos de ensino superior devem considerar uma abordagem de toda a universidade para reunir o orçamento, planejar iniciativas de IA e distribuir recursos e benefícios de IA entre as disciplinas.
IA generativa para o setor público
Hoje, a maior oportunidade para a IA no setor público é ajudar os funcionários públicos a desempenhar suas funções com mais eficiência e economizar recursos.
O governo federal dos EUA emprega mais de 2 milhões de funcionários civis, dois terços dos quais trabalham em cargos profissionais e administrativos.
Essas funções administrativas geralmente envolvem tarefas manuais demoradas, incluindo redação, edição e resumo de documentos, atualização de bancos de dados, registro de despesas para auditoria e conformidade e resposta a consultas de cidadãos.
Para controlar custos e trazer maior eficiência às funções rotineiras de trabalho, as agências governamentais podem usar IA generativa.
A capacidade da Generative AI de resumir documentos tem grande potencial para aumentar a produtividade de formuladores de políticas e funcionários, funcionários públicos, oficiais de compras e contratados. Considere um relatório de 756 páginas divulgado recentemente pela Comissão de Segurança Nacional sobre Inteligência Artificial. Com relatórios e legislação geralmente abrangendo centenas de páginas de denso texto acadêmico ou jurídico, os resumos com IA gerados em segundos podem rapidamente decompor o conteúdo complexo em linguagem simples, economizando os recursos humanos necessários para concluir a tarefa.
Os assistentes virtuais de IA e os chatbots alimentados por LLMs podem fornecer instantaneamente informações relevantes para as pessoas on-line, aliviando o fardo da equipe sobrecarregada que trabalha em bancos telefônicos em agências como o Departamento do Tesouro, IRS e DMV.
Com entradas de texto simples, a geração de conteúdo de IA pode ajudar os funcionários públicos a criar e distribuir publicações, correspondência por e-mail, relatórios, comunicados à imprensa e anúncios de serviço público.
Os recursos analíticos da IA também podem ajudar a processar documentos para acelerar a entrega de serviços vitais fornecidos por organizações como Medicare, Medicaid, Veterans Affairs, USPS e o Departamento de Estado.
A IA generativa pode ser uma ferramenta fundamental para ajudar os órgãos governamentais a trabalhar dentro das restrições orçamentárias, fornecer serviços governamentais mais rapidamente e alcançar um sentimento público positivo.
IA generativa, um ingrediente-chave para o sucesso dos negócios
Em todos os campos, as organizações estão transformando a produtividade dos funcionários, melhorando produtos e oferecendo serviços de alta qualidade com IA generativa.
Para colocar a IA generativa em prática, as empresas precisam de grandes quantidades de dados, profunda experiência em IA e poder computacional suficiente para implantar e manter modelos rapidamente. As empresas podem acelerar a adoção com a estrutura de IA generativa NeMo , parte do software NVIDIA AI Enterprise , em execução na DGX Cloud . Os modelos básicos pré-treinados da NVIDIA oferecem uma abordagem simplificada para criar e executar soluções de IA generativas personalizadas para casos de uso de negócios exclusivos.
Saiba mais sobre poderosas ferramentas de IA generativas para ajudar sua empresa a aumentar a produtividade, automatizar tarefas e desbloquear novas oportunidades para funcionários e clientes.