Os 3 maiores desafios de construir uma empresa nativa em IA

Construir um negócio do zero é difícil. Quem já passou pela experiência sabe que não são poucos os desafios: da burocracia aos prejuízos, passando pelo desenvolvimento do produto ou serviço em si.

De fato, estou convencido que empreender é uma das experiências profissionais mais desafiadoras que uma pessoa pode ter. Não à toa, resiliência é uma das palavras mais faladas entre fundadores de empresas. É preciso treino para reagir positivamente às adversidades que podem e vão surgir pelo caminho.

Recentemente, no entanto, esse "jogo" do empreendedorismo ganhou uma nova fase, com provocações adicionais, e ela está sendo jogada pelos que estão criando empresas nativas em Inteligência Artificial (IA).

Sim, estamos vivemos um momento emocionante para quem, como eu, gosta de construir coisas, negócios e empreender. Criar uma empresa AI native me parece ser a experiência profissional mais excitante para se viver agora, mas é preciso ter clareza de que ela traz dilemas adicionais.

Após refletir um tempo sobre o tema, conclui que são três os maiores desafios de se construir uma empresa AI native: saber quando abraçar ou não a "criatividade" da Inteligência Artificial; aproveitar bem a "folha em branco" dada pelo cliente; e antecipar as mudanças macro no seu roadmap. Peço desculpas antecipadas se o texto ficar muito técnico a partir daqui.

O primeiro – saber quando abraçar ou não a "criatividade" da Inteligência Artificial –
é algo bem específico e, até então, inédito. Isso porque, ao longo da construção de um produto, há momentos em que buscamos resultados criativos e não-determinísticos de uma IA generativa. Em outros, precisamos de outputs 100% determinísticos. É difícil, mas também fundamental, saber adaptar esses momentos ao seu caso de uso.

Uma pergunta que ajuda é: a "ponta" em que você está trabalhando aceita uma dose de imprevisibilidade no resultado? Ou ela deveria trazer resultados/respostas rápidos e previsíveis, sempre iguais? É interessante receber respostas diferentes para uma mesma consulta/pergunta?

O segundo – aproveitar bem a "folha em branco" dada pelo cliente – é uma espécie de versão "plus" de algo que já conhecemos. Sempre que nos propomos a resolver uma "dor" do cliente, partimos de uma folha em branco. Por estar "vazia", essa folha não tem travas ou limites, aceita tudo, inclusive (e preferencialmente) soluções não convencionais, algo que um player tradicional não consegue oferecer por estar "engessado" em um modelo já existente.

Ela é, no entanto, tanto um benefício quanto um desafio. Em uma plataforma conversacional, como no caso do ChatGPT, por exemplo, o cliente pode pedir e falar qualquer coisa.

Isso significa que você tem acesso a insights fantásticos sobre o pensamento do cliente, mas também que as expectativas podem ser bastante altas.

A popularização do ChatGPT parece ter mudado o jogo por completo. As pessoas hoje esperam ser compreendidas pelas IAs, mas não só isso, elas esperam respostas (certas!). E se o produto não entregar o prometido?

O terceiro e último – antecipar as mudanças macro no seu roadmap –, também pode ser classificado como uma versão atualizada de um desafio antigo: definir quais projetos/objetivos priorizar.

No caso de uma empresa IA native, no entanto, entendo que não há porque gastar tempo da equipe no desenvolvimento de algo que será inútil na próxima versão do seu produto. Para mim, faz muito mais sentido assumir que os modelos de base irão melhorar com o tempo e alocar a energia do time em aprimoramentos e novidades que irão se beneficiar da melhora do modelo de linguagem.

Apesar dos desafios característicos de se trabalhar com IA, se tem algo que não muda para o empreendedor é que, em grande parte do tempo, o aprendizado é "na marra", na tentativa e erro. Ter clareza dos desafios, no entanto, nos obriga a encará-los e a separar um tempo para endereçá-los de maneira assertiva.

E você, acrescentaria algum outro desafio nessa lista?