Um quadro de pensamento multiperspectivo para assistentes de IA

Falando da estrutura de pensamento multi-perspetiva do assistente de IA, não posso deixar de recordar a minha primeira tentativa de utilizar o ChatGPT para analisar problemas de tráfego urbano. Mais tarde, percebi que a IA é como uma super-equipa, a chave está na forma como a orientamos para recorrer aos "cérebros" de diferentes especialistas. O melhor da estrutura de pensamento multi-perspetiva é que quebra as limitações de uma única perspetiva e permite que a IA forneça conhecimentos abrangentes como uma verdadeira equipa de consultores.

Porque é que é necessário pensar em múltiplas perspectivas?

Um estudo da IBM, realizado no ano passado, concluiu que a taxa de sucesso na resolução de problemas empresariais utilizando múltiplas perspectivas era 47% superior à de uma única perspetiva, o que me faz lembrar o caso em que ajudei um amigo a analisar a abertura de um café, há algum tempo: a localização A era a mais rentável de um ponto de vista puramente financeiro, mas quando pedimos à IA para a avaliar do ponto de vista de um barista, de um urbanista e de um especialista em marketing de redes sociais, os resultados apontaram para a localização B -- devido à maior qualidade do tráfego pedonal e à falta de cafetarias de charme no bairro.

Pormenores técnicos para concretizar o pensamento multi-perspetivo

Do ponto de vista da implementação técnica, modelos como o GPT-4 simulam de facto diferentes "máscaras de personalidade" e os testes no MIT mostraram que quando a IA é explicitamente instruída para "pensar agora como um urbanista", o modelo ativa os pesos de conhecimento correspondentes -- semelhante ao processo pelo qual um perito humano muda a sua mentalidade. Note-se, no entanto, que ao contrário da simples representação de papéis, a chave é fazer com que a IA percorra sistematicamente as perspectivas e crie sinergias.

Gosto particularmente da analogia da "mesa redonda" para a construção deste tipo de sugestões: primeiro, designar 5 a 6 peritos nos domínios relevantes, depois pedir à IA que os simule a falar à vez e, em seguida, integrá-los e analisá-los. Por exemplo, a avaliação de uma política de teletrabalho pode incluir as perspectivas de um diretor de RH, um perito em segurança informática, um psicólogo, um gestor de instalações e um consultor fiscal. Curiosamente, a IA produz muitas vezes, durante o processo, conhecimentos interdisciplinares surpreendentes.

Evolução de um caso prático

Lembro-me de uma vez ter ajudado uma equipa de uma empresa em fase de arranque a analisar a direção de um produto para casas inteligentes e de, inicialmente, as perguntas terem resultado apenas numa análise de mercado generalizada. Quando mudámos para uma estrutura multi-perspetiva, a situação foi completamente diferente: nomear designers industriais para se concentrarem nos pontos problemáticos da interação homem-computador, deixar que os especialistas em segurança da IoT avaliassem os riscos e contratar um contabilista de custos para explicar o modelo de lucro - o resultado foi um relatório de 23 páginas muito prático, e até o gestor de produto sénior da equipa disse "Não estávamos mesmo à espera deste ângulo de análise".

No entanto, uma palavra de cautela: múltiplas perspectivas de análise não é o melhor. O Laboratório de Interação Humano-Computador de Stanford sugere que se limitem a 3-5 as perspectivas mais relevantes, caso contrário, a IA é propensa a uma sobrecarga de informação. A minha experiência é utilizar perguntas básicas para definir primeiro os limites do problema e depois escolher as dimensões profissionais mais críticas para aprofundar. Já alguma vez se depararam com uma situação no vosso trabalho em que fosse necessário analisar a partir de múltiplas perspectivas? Em que medida é que este estado de espírito ajuda na tomada de decisões?