Como é que a IA vertical se impõe?

Para ser honesto, depois de ler este artigo, sinto profundamente que o campo da IA está a passar por um processo de "desmistificação", o mito de Manus é apenas o começo, a verdadeira questão é: quando o agente geral de IA está em apuros, como encontrar o seu próprio caminho para sair da IA vertical? Isto faz-me lembrar uma conversa com um empresário de IA médica que disse: "Na vertical médica, não precisamos que a IA seja capaz de escrever poemas e pinturas, só precisamos que seja capaz de identificar com precisão os nódulos pulmonares". Esta frase quebra o mistério - a forma de quebrar a vertical da IA reside precisamente na palavra "contenção".

A IA vertical "lavoura profunda de cena" é o rei da estrada

O sucesso do OpenEvidence diz muito. Não se dedica a uma inteligência geral grande e abrangente, mas entra no nicho da recuperação de provas médicas. Diz-se que passaram três anos apenas a construir o gráfico de conhecimentos médicos, vasculhando a literatura das principais revistas médicas do mundo. O resultado deste trabalho profundo é que, quando um médico se depara com um caso difícil na clínica, o OpenEvidence pode dar conselhos baseados nas mais recentes provas médicas em segundos, e cada conselho é rotulado com a fonte. Isto é muito melhor do que aquelas IAs gerais que só falam em generalidades!

Também reparei recentemente num caso interessante. Há uma empresa em fase de arranque especializada em IA para a revisão de documentos jurídicos, que nem sequer se chama "Agente", mas sim "Assistente Inteligente". Os fundadores disseram-me que a sua maior descoberta não é o avanço da tecnologia, mas o facto de terem dividido o fluxo de trabalho dos advogados em 187 acções padrão e de a IA só precisar de prestar assistência em 23 delas. Parece um pouco limitado, não é? Mas foi esta contenção que permitiu que o seu produto fosse adotado por mais de 50 escritórios de advogados no espaço de seis meses após o lançamento.

Que tipo de arquitetura tecnológica é necessária para a IA vertical?

No que diz respeito à tecnologia, descobri que as IA verticais bem sucedidas estão todas a fazer a mesma coisa: encaixar determinada inteligência em determinados fluxos de trabalho. É como colocar as "rédeas" na IA - preservando a sua criatividade, mas não a deixando correr à solta. Por exemplo, no domínio do controlo dos riscos financeiros, a IA não é completamente autónoma na tomada de decisões, mas no processo de aprovação predefinido, apenas as ligações de identificação de riscos específicos desempenham um papel. Este modelo de "fluxo de trabalho + IA" pode ser a escolha mais pragmática para o domínio vertical.

Mas, para ser sincero, as actuais estruturas tecnológicas ainda são demasiado "engenheiradas". Já vi demasiados projectos a empilharem LangGraph, AutoGen e outras estruturas umas em cima das outras, mas mesmo a lógica comercial mais básica não está bem definida. O que a IA vertical realmente precisa é de uma camada intermédia que esteja mais próxima dos cenários empresariais - uma que compreenda a terminologia da indústria e se adapte aos hábitos de trabalho. Isto faz-me lembrar o sistema MES da indústria transformadora. Não são as histórias de sucesso "verticais" do sistema ERP geral?

As barreiras de dados são o maior fosso.

Um investidor disse-me que, quando analisam projectos de IA vertical, a primeira coisa que perguntam é a fonte de dados. A IA geral pode ganhar com a dimensão do modelo, mas a IA vertical deve basear-se na profundidade dos dados. Os projectos que realmente se esgotam têm muitas vezes canais de acesso a dados únicos - cooperação com a indústria, acumulação histórica ou mesmo um pouco de rotulagem manual. Estas barreiras de dados podem ser muito mais fortes do que as barreiras técnicas.

Tomemos como exemplo a IA na educação: soube que uma empresa passou dois anos a recolher 100 000 exemplares de livros de perguntas erradas dos alunos e criou uma "biblioteca de padrões de erro" exclusiva. A sua IA não requer uma forte capacidade de raciocínio, mas consegue identificar com precisão os 37 tipos de erros que os alunos cometem frequentemente e fazer sugestões direcionadas. É neste tipo de precisão baseada em dados que reside o valor da IA vertical.

No fim de contas, o avanço da IA vertical não reside na procura de "mais inteligência", mas na procura de "melhor compreensão". Quando a IA geral ainda está presa na ilusão da "omnipotência", a IA vertical enraizou-se num cenário específico. Talvez seja esta a verdadeira aterragem da IA, tal como deveria ser - não no alto do "corpo inteligente", mas na profundidade dos "velhos especialistas" da indústria. O que é que acha?