Assim, a gente não para de falar de Inteligência Artificial Generativa, mas o que é realmente isso, como é que ela funciona e será que esse hype realmente vale a pena?
Então, vem comigo que a gente vai falar um pouquinho disso. Eu acho que, para a gente começar a falar de Inteligência Artificial Generativa, justamente vale muito a pena a gente falar sobre o hype.
Porque existem milhões e milhões de matérias, todo dia tem alguma coisa nova. Eu, que trabalho com Inteligência Artificial, já não aguento mais falar de inteligência artificial. Brincadeira, não que eu não aguente mais falar, mas é que o tempo todo, né, só isso que virou minha vida agora.
Mas, de qualquer jeito, eu acho que quando a gente tem uma nova revolução tecnológica, alguma coisa assim, é muito comum isso daí acontecer. Só que inteligência, pelo menos inteligência artificial generativa, eu estou falando há três anos, então já passou de ser uma modinha para ser alguma coisa mais consistente, né? Eu acho que é um pouco disso, porque assim, por que existe todo esse hype em cima da IA?
E para falar um pouquinho sobre isso, eu vou voltar um pouco no tempo, né? Porque a gente já falava de inteligência artificial, pelo menos desde 2001, com esse filme triste aqui do Spielberg, né? Muito triste esse filme, do menino que descobre que ele é um robô, né? Todo mundo é spoiler. E aí, enfim, né, muito triste.
Só que a inteligência artificial faz parte das nossas vidas, já faz muito tempo. Então, desde a recomendação de música no Spotify, por exemplo, até carros que se movimentam sozinhos, ou que fazem parte desse movimento sozinho, né? Porque eu acho que não há tanto tempo que os carros se dirigem sozinhos.
Mas também, por exemplo, quando a gente fala do spam do e-mail, né, por quê? Porque o âmbito da inteligência artificial é muito maior do que quando a gente só fala de inteligência artificial generativa.
Então, ele vai estar ali nos sistemas de Deep Learning, de identificação de texto, vai ter em sistemas de redes neurais, Machine Learning, vai ter um monte de palavras e termos, que eu nem vou entrar aqui no caso, mas que fazem parte de tudo isso daí, fazem parte junto da inteligência artificial.
Algumas delas vão fazer parte da inteligência artificial generativa, no caso. E aí eu gosto desse exemplo do spam do e-mail justamente para entender um pouquinho o que significa a inteligência artificial como parte de um processo, né?
Porque antigamente, não sei se vocês já repararam, mas o spam do e-mail nos últimos 5, 10 anos — vamos dizer 5, 10 anos — melhorou muito nesses últimos anos, porque antes tudo caía no spam e agora cair no spam virou quase que uma desculpa, né? Ah, não, você caiu no spam, eu esqueci de te responder, né? Por quê?
Porque antes, quando você criava um sistema anti-spam, um programador tinha que ir lá e digitar coisa por coisa, né? Criar um código, na verdade, para criar os critérios para ser categorizado como spam.
Então, por exemplo, uma lista de remetentes suspeitos, algumas frases de urgência, erros de digitação, alguns filtros de palavras, tipo "desconto", excesso de maiúscula no e-mail, termos promocionais — tudo isso daí era programado por alguém que ia lá e entendia o que significava um spam e fazia isso.
Quando a gente começa a falar dos sistemas de inteligência artificial, isso daí muda por causa de Machine Learning, especificamente.
Machine Learning, só um breve resumo aqui, é a habilidade da IA de aprender por experiência consigo mesma. Ou seja, Machine Learning vai ser essa capacidade da inteligência artificial de ler vários e-mails, entender milhões de e-mails, aprender a identificar esses e-mails que estão taggeados, o que é spam, o que não é spam. Ela aprende a identificar a partir de sózinha, a partir dessa leitura, ela aprende a identificar padrões para conseguir chegar no resultado de prever se aquele e-mail é um spam ou não.
Então, basicamente ela cria quase que um cérebro aqui, só que não é bem um cérebro, porque ela não pensa como a gente. O que ela faz? Ela tenta encontrar padrões e replicar esses padrões para prever certos movimentos ou certas coisas.
Isso daí é uma coisa importante quando a gente fala da IA, porque é assim que funciona de uma forma geral, né? Então, de um lado, vem o material de treinamento, que nesse caso são os e-mails, então vem muito material de treinamento, treina ali, ela lê tudo isso, ela consegue identificar os padrões e depois ela cria previsões em cima disso. Então, ah, esse e-mail, ele é spam? Talvez seja, talvez não. Então, é categorizado desse jeito a partir do que ela foi aprendendo aqui dos modelos de treinamento.
Vou tentar explicar isso aqui de uma forma mais simples, usando a inteligência artificial de imagem como um todo. A gente vai falar bastante de inteligência artificial de imagem aqui no curso CR_IA, a gente fala bastante sobre isso na verdade, só que quando você chega nessa imagem do cachorro, o que aconteceu para isso chegar aqui?
Eu tô usando como exemplo a inteligência artificial de imagem, mas isso daí vai valer para tudo, tá? É só uma forma simples de explicar e obviamente estou simplificando aqui porque não vamos entrar na parte toda de programação e códigos que nem eu entendo disso também e não é necessário ficar entendendo.
Então, o que acontece quando você cria um modelo, o que a gente chama de inteligência artificial, você dá um treinamento para ele. Então ele vai ver milhões e bilhões de fotos de cachorros, e isso daí é o que a gente chama de treinamento de modelo.
Então, pega essas milhões de fotos de cachorro, todas elas já são tagueadas por causa da internet, coisa assim, né? Ou às vezes até a gente ajuda a taguear as coisas, então por exemplo, quando você vê um captcha que você tem que identificar o que é uma escada, o que é um hidrante, alguma coisa assim, você está treinando algum modelo, por exemplo. Você está fazendo parte disso, normalmente é isso que está acontecendo.
Então, você vai lá e treina esse modelo, as ferramentas vão lá e treinam esses modelos, e ele é alimentado com essas milhões de informações que são tagueadas.
Então, tudo isso aqui é cachorro, e aí ela começa a entender, por Machine Learning, detectar relações e aprender a identificar padrões nessas imagens. Então, todas essas imagens foram tagueadas como cachorro. O que significa ser um cachorro? Significa o focinho, então significa ter as orelhinhas aqui, né, duas orelhinhas. Então, o que significa um cachorro, de uma forma geral, e você chega nessa conclusão aqui do que é um cachorro. Isso daí é basicamente como funciona o Machine Learning.
Essas conclusões que chegam a partir dos padrões identificados.
Isso daqui estou mostrando exemplo da imagem, mas vale para texto, vale para um monte de coisa. Tudo que a gente usa de inteligência artificial vai valer uma coisa parecida com isso, pelo menos.
E aí você tem o que chama de modelo preditivo, quando você vai lá e dá uma ordem. Então eu vou lá na inteligência artificial de imagem e falo: "Eu quero uma foto de um cachorro." O que acontece aqui? A partir de tudo que ele aprendeu aqui, de como funciona um cachorro, ele vai tentar prever o que você está esperando, essa imagem que você está esperando, e aí ela vai sair do zero, aqui do pixel, nesse caso para a imagem, mas vale para texto também, que ele tenta prever qual é a próxima palavra, a próxima linha que você quer. E então ele usa essas regras internas que ele aprendeu para tentar prever o que você quer, para aí sim chegar no resultado que é a foto do cachorro.
Então, aqui ele está tentando formar isso aí, em uma grande piscina de informações, para depois chegar nesse resultado. E assim, esse formato ele é replicado em diversos usos, de diversas formas.
Estou usando aqui o exemplo da imagem, como eu falei. Mas, assim, se a gente vai para outros campos, por exemplo, um filtro anti-spam, qual é o material de treinamento? E-mails já classificados como spam ou legítimos, mais os metadados desses e-mails. E aí, o que o modelo prevê? Se a mensagem é lixo eletrônico ou não.
Ou, por exemplo, quando a gente tem cartão de crédito. O cartão de crédito usa também a inteligência artificial para conseguir ver se uma coisa é fraudulenta ou não, né? Então, ele vê o histórico de transação marcado como fraude ou não, o perfil do cliente, tudo isso ele analisa, ele aprende com isso, com esse material de treinamento, e aí ele consegue prever se uma compra vai ser fraudulenta antes de aprovar ou não.
Isso daí funciona para as recomendações também da Netflix e Spotify, mesma coisa: aprende o que o histórico de filmes, o que outras pessoas com mesmo perfil com o seu assistiram, e tudo mais, para conseguir prever o que vai te interessar mais.
E também sistemas de segurança, por exemplo, usam um sistema parecido com isso. Então, a gente tem sempre esse modelo que basicamente vai trabalhar com o treinamento do modelo, o Machine Learning ali, e prever o que você quer a partir disso, né? Independente do que a gente esteja falando.
E aí, quando a gente fala, por exemplo, da inteligência artificial de imagem, inteligência artificial de texto, é onde a gente entra nessa esfera da Inteligência Artificial Generativa, que é justamente essa parte de você criar coisas que nunca existiram antes.
Então, quando eu estou aqui e gero essa imagem dos cachorros, eles nunca existiram antes. Criou algo novo, do zero. Do zero, bem entre aspas, né? A gente vai falar bastante sobre isso. Bem entre aspas, só que ele tem essa criação de algo novo que nunca existiu realmente, porque é aí que a gente chama de inteligência artificial generativa.
E aí responde um pouco do porquê que é, por que não é apenas um hype, na verdade? Porque a gente está falando de uma forma de criar e de uma forma de lidar com as máquinas, na verdade, que é muito particular e muda completamente a nossa forma de trabalhar.
Então, a gente tem muitas pesquisas que provam isso. Então, por exemplo, só em termos de investimento, a McKinsey, esse ano, em 2025, falou que 92% das empresas planejam aumentar seus investimentos em IA nos próximos três anos. Isso daí por quê? Porque está tendo resultados. Então, por exemplo, 42% das empresas relataram redução de custos com IA e 59% notaram aumento da receita. Ou 78% das companhias brasileiras planejam aumentar o orçamento de IA até o fim de 2025.
Por quê? Porque isso aqui não é uma trend, não é uma modinha, não é nada disso. Isso aqui é uma nova forma realmente da gente trabalhar. E se você ainda está em dúvida em cima disso, eu acho que os números acabam falando muito por si só.
E é por isso que essa adoção acaba sendo muito essencial para a gente. A gente aprender e entender sobre inteligência artificial generativa vai ser essencial para a gente trabalhar a partir de agora. E a partir de agora já faz um tempo, na verdade, né?
E por que a gente vai usar a IA?
Assim, eu coloquei aqui quatro tópicos que acredito serem os principais motivos, mas são quatro tópicos do porquê que a gente normalmente busca o uso da IA.
Para aumento da produtividade, e eu acho que tem uma pesquisa da Boston Consulting Group, que eu vou falar em outra aula também, que fala bastante disso, que o teste que eles fizeram mostrou que realmente você consegue fazer 12% mais tarefas, 25% mais rápido e ter melhores entregas também, um trabalho melhor avaliado.
Aí você vai ter a maior autonomia da IA. Então, eu acho que isso é uma coisa que eu percebo muito, eu sempre trabalhei sozinho, agora eu consigo fazer muito mais coisa usando a inteligência artificial para isso. Porque antes eu ia ter que depender de muitas pessoas e eu não tinha nem dinheiro para pagar isso, porque estou fazendo muitos projetos sozinho, né? E aí são muitas pequenas coisas, na verdade, que às vezes eu faço como um extra para ter uma entrega mais legal, para ter uma entrega mais interessante.
Por exemplo, fazer esse monte de imagem usando inteligência artificial para ilustrar os meus slides. Eles poderiam funcionar sem? Poderiam. Mas eu queria fazer isso desse jeito, então eu tenho uma autonomia maior para fazer isso.
Isso está ligado também com ter novas e melhores entregas, porque eu acredito muito nesse potencial da IA para a gente, que você vai fazer muitas coisas que você nunca foi capaz de fazer antes. A partir de agora você já consegue fazer isso usando a inteligência artificial para isso, e aqui dentro do CR_IA, obviamente.
E também acho que vale muito falar sobre melhor tomada de decisões, né? Porque lidando com IA, a gente consegue lidar com muitos dados e com muitas informações. Isso daí permite que a gente consiga ter uma visão mais macro das situações, do que a gente está fazendo, de tudo que a gente está trabalhando e tudo mais, né? Isso ajuda muito nessa tomada de decisão.
Então, eu acho que esses quatro pontos — aumento da produtividade, maior autonomia, novas e melhores entregas e melhor tomada de decisão — são quatro pontos que eu colocaria como grandes motivos para a gente usar inteligência artificial atualmente.
Então, o que eu queria só para terminar essa aula, para te deixar um pouco mais tranquilo, é que cada um vai ter sua forma de usar a inteligência artificial. Eu faço muito o comparativo da IA com o celular. Todo mundo tem um celular na mão. Você tem um celular na mão, eu tenho celular o tempo todo na mão também. Às vezes tem mais de um celular até.
Só que cada celular e cada pessoa é diferente. Cada celular vai ter aplicativos diferentes e cada pessoa vai usar esses aplicativos de formas diferentes, tanto para nível pessoal quanto para nível profissional. Então, eu aqui dentro do CR_IA, eu tento te ensinar como eu penso, o Paulo tenta te ensinar como ele pensa, então todos os instrutores aqui do CR_IA vão tentar te ensinar como eles pensam para resolver algumas tarefas.
Só que vai ser importante você encontrar qual é a sua forma de usar a inteligência artificial, tá bom? Então, era isso que eu tinha para mostrar nesta aula aqui, e te vejo na próxima aula do CR_IA.
