Pensando grande, começando pequeno: por que a IA focada vai vencer em 2025

Em conversas recentes com clientes da Red Hat, quando o assunto inevitavelmente muda para a IA, eu me vi repetindo com frequência o mesmo mantra: o pequeno pode ser bonito. 

Deixe-me explicar. Não custa nada pensar grande quando se trata de IA. As oportunidades que essa tecnologia oferece são enormes. Os clientes têm todo o direito de ter planos ousados e ambiciosos para aproveitar essas oportunidades. 

Na verdade, são oportunidades como essa que a Aramco, uma das maiores empresas integradas de energia e produtos químicos do mundo, está explorando atualmente com a Red Hat. Por meio de um Memorando de Entendimento, exploraremos juntos como a IA pode oferecer iniciativas de treinamento e desenvolvimento de habilidades para talentos locais. Isso é acompanhado de outras oportunidades, como a IA pode impulsionar o desempenho e a utilização de recursos de ferramentas de infraestrutura e novas estratégias para melhorar as medidas de cibersegurança de aplicações em containers.

Ao mesmo tempo, vejo muitas empresas conquistando vitórias rápidas com a IA ao restringir o foco e pensar menos. O que eles têm em comum é a concentração em desafios muito específicos do local de trabalho, que eles resolvem usando Small Language Models (SLMs). 

No contexto da IA, o termo "pequeno" é relativo. Enquanto um Large Language Model (LLM) pode ter centenas de bilhões (ou até mesmo trilhões) de parâmetros, um SLM ainda pode variar de alguns milhões a alguns bilhões de parâmetros. Em outras palavras, não é tão pequeno assim. E, por esse motivo, estou mais inclinado a pensar em um SLM como um modelo de linguagem focado, ou FLM, se me permitem cunhar um novo termo. 

Devido ao seu tamanho, os SLMs são mais facilmente personalizáveis por meio de ajuste fino (fine-tuning), em que são treinados em um conjunto limitado de dados relacionados ao conhecimento específico do setor ou até mesmo da empresa. Ao adotar essa abordagem, os funcionários de empresas inteligentes podem resolver um problema de negócios mais rapidamente, além de obter mais insights sobre como a IA pode ser aplicada a outros gargalos de processos de negócios que eles e seus colegas também possam estar enfrentando.

Seja qual for o nome, os SLMs podem se destacar em domínios específicos e focados. Por exemplo, um provedor de serviços financeiros pode usar um SLM treinado em dados regulatórios para identificar transações fora de conformidade. Um provedor de saúde pode usar um chatbot com tecnologia SLM treinado em conjuntos de dados médicos para injetar conhecimento específico do domínio nas respostas às consultas dos pacientes sobre suas condições. 

Essa é uma abordagem incrivelmente eficiente, pois o SLM não precisa ser treinado com dados que não sejam diretamente relevantes para o caso de uso para o qual foi projetado. Ele não precisa ficar sobrecarregado com informações irrelevantes. E não se espera que um SLM interprete e responda a consultas abrangentes sobre uma grande variedade de tópicos. 

Esse é o trabalho de um LLM, e ele responde por grande parte da complexidade estonteante e dos pesados requisitos de recursos. Por outro lado, o tempo necessário para treinar e ajustar um SLM é mais curto, seus requisitos de hardware são muito menores e sua propensão a retornar respostas incorretas ou irrelevantes é bastante reduzida.

A inteligência artificial pode suprir a falta de habilidades

À medida que 2025 avança, acredito que os SLMs têm um papel valioso a desempenhar na solução de muitos dos problemas empresariais que enfrentamos. Um exemplo que vem imediatamente à mente é a persistente crise de habilidades, agravada à medida que a idade da aposentadoria se aproxima para as pessoas mais velhas da força de trabalho europeia que envelhece rapidamente. 

Um SLM pode ser admirável para lidar com algumas das tarefas realizadas por funcionários experientes e com mais tempo de serviço, como analisar documentos legais ou regulatórios, ou analisar o feedback do cliente em busca de sinais de reclamações sobre um produto ou serviço específico. Onde as habilidades de engenharia são uma preocupação, os SLMs podem ser implantados para analisar os dados coletados por sensores e dispositivos inteligentes instalados em máquinas e equipamentos, a fim de prever as necessidades de manutenção. 

Em resumo, os SLMs podem ser uma boa maneira de as empresas avançarem significativamente com a IA em 2025 de maneira eficiente, acessível, altamente personalizável e com o potencial de trazer retornos mais rápidos sobre seus esforços. 

Enquanto isso, ao usar a tecnologia open source, eles podem simplificar ainda mais essa experiência, usando tecnologias desenvolvidas em open source por meio de um esforço colaborativo. Isso significa que eles não precisam começar do zero em todos os projetos de IA que realizam e podem se beneficiar dos insights e desafios que outras equipes enfrentaram com SLMs. 

Além disso, eles têm a flexibilidade para criar seu próprio SLM específico e altamente ajustado, treinado com dados e conhecimento específicos da empresa e oferece suporte ao caso de uso de negócios exatamente da maneira que desejarem.