Como a IA Pode Quebrar e Sobreviver, Assim Como a Internet Fez

As dramáticas flutuações do mercado entre os gigantes da tecnologia impulsionados por IA, com empresas públicas perdendo mais de $1 trilhão em valorização em menos de um mês, ilustram claramente que as valorizações estão desconectadas dos fundamentos. No entanto, a verdadeira pergunta a ser feita agora não é quando a bolha irá estourar, mas como a indústria pode responsavelmente desinflar a bolha e se preparar para a IA do futuro.

Ao longo dos últimos anos, a IA se tornou sinônimo de grandes valorizações, escalabilidade ilimitada e uma sensação de que ninguém pode competir com os principais jogadores. Mas a realidade técnica mudou e aponta para um tipo diferente de futuro para a IA: o dinheiro real não está em modelos de IA enormemente caros que um dia irão gerar retornos desproporcionais. Cada vez mais, o valor da IA estará em como ela é integrada e usada para gerar lucro para as empresas, levando em mente que os modelos de IA de fronteira devem estar se tornando mais baratos, não mais caros. O mito da singularidade acabou. A escala sozinha não está mais entregando ganhos em função do passo. A execução, a distribuição e o ecossistema agora importam mais do que o tamanho bruto do modelo.

Ajustar as expectativas para essa nova realidade permitirá que a bolha de IA em crescimento se desinfle lentamente, em vez de estourar e causar estragos na economia e nos mercados financeiros como a bolha das ponto-com fez um quarto de século atrás.

Na década de 90, a indústria de tecnologia supunha que a internet poderia e faria tudo; e que qualquer coisa construída na internet teria sucesso por natureza. Eles estavam errados e a bolha realmente estourou – mas a internet sobreviveu. O acidente destacou como o sucesso online não era apenas sobre a tecnologia subjacente – a internet – mas sobre a capacidade de desenvolver casos de uso inteligentes e eficazes, produtos e hardware. A internet não venceu apenas com protocolos. Ela venceu quando os navegadores, redes de entrega de conteúdo e ecossistemas de desenvolvedores a tornaram usável.

A Amazon sobreviveu e ainda prospera, enquanto Pets.com falhou porque nunca teve uma maneira lucrativa de lidar com o envio de ração para cães, um desafio ignorado pela ideia tentadora de que poderia ter clientes em todo o país devido ao advento da internet.

É exatamente onde a Grande IA está hoje, absorvida em sonhos e expectativas sobre o potencial futuro da tecnologia. Não há dúvida de que é a tecnologia mais incrível que temos hoje. Mas os modelos de IA são apenas a tecnologia subjacente, não as respostas em si, e certamente não onde o dinheiro e o valor permanecerão. De fato, as arquiteturas de transformador e difusão, que subjazem a maioria das IAs gerativas, são públicas; os quadros de otimização são abertos; a potência de computação é cada vez mais acessível. A barreira não é mais o conhecimento teórico. É a arte de construir sistemas confiáveis e integrá-los em pipelines criativas e de produção existentes que determinará quem terá sucesso. Esses produtos e serviços também não requerem mais que os investidores forneçam trilhões de dólares. Eu sei disso por minha própria experiência. Nossa equipe em Jerusalém construiu um modelo de áudio-vídeo de código aberto para fazer vídeos de IA a um custo aproximadamente um décimo do custo daqueles feitos pelos líderes do mercado, e que gera cenas contínuas mais longas, frequentemente com maior resolução e velocidade. Isso foi alcançado com cerca de $100 milhões, não bilhões. A nossa história mostra que o progresso da IA moderna é menos sobre molho secreto e mais sobre engenharia disciplinada.

Assim como a internet, aqueles que sobrevivem serão aqueles que aproveitam a IA para os melhores casos de uso, aplicações de hardware, produtos e serviços. É verdade que o que exatamente esses serão é difícil de prever. Afinal, no início dos anos 90, quando as pessoas usavam AOL ou Prodigy, ninguém poderia ter imaginado o Gmail.

No entanto, ausente o poder da clarividência, há perguntas inteligentes a serem feitas ao longo do caminho para guiar a indústria de IA e seus investidores a trabalhar de uma maneira que permita que a bolha se desinfle lentamente, enquanto simultaneamente constrói a economia do futuro.

Os investidores, incluindo VC e os fundos de pensão que despejam dinheiro em empresas de IA, precisam perguntar qual é o valor exato que está sendo criado. Bilhões de dólares foram investidos em pesquisa nas grandes empresas de tecnologia para construir IA que no final foi facilmente replicada em outros lugares. Orçamentos massivos de IA não garantem propriedade intelectual única, bloqueio de usuários ou economia defensável mais. Agora os investidores precisam avaliar como as empresas constroem, otimizam e integram modelos em fluxos de trabalho reais dos clientes, criando produtos e serviços reais. Os investidores devem pedir métricas como economia por carga de trabalho ao olhar para aplicações de IA.

Esses, e não apenas os talentos ou a natureza proprietária do modelo em si, são os elementos-chave do valor. Também é importante entender o valor dos modelos de código aberto. Esses frequentemente superam as APIs fechadas porque os pesquisadores e desenvolvedores podem adaptá-los localmente. Essa adoção se compõe em uma trincheira ao redor de uma empresa ou produto, ajudando a garantir lucros e sucesso

Tanto os investidores quanto os empreendedores preocupados com o uso eficiente do capital precisam dar um passo atrás e avaliar o custo real da IA e de todos os componentes relacionados; esses são frequentemente inflados e mais altos do que precisam ser. A abordagem geral deve ser que os custos de hardware são voláteis, então o design de IA não deve depender de nenhum dispositivo ou hardware específico. O valor e o que diferencia uma empresa é sua produção por dólar, não os descontos do fornecedor que favorecem um tipo específico de hardware. A defensibilidade do gasto em IA agora reside na otimização da infraestrutura, dados proprietários e profundidade de integração. Empreendedores com boas ideias para soluções que cuidadosamente criam ou usam modelos com esse desempenho final em mente vencerão sobre aqueles que buscam modelos massivos que possam mais tarde ser escalados para diferentes usos potenciais. Outro ponto positivo é oferecer opções de implantação aberta para estúdios e plataformas que não podem depender de uma API remota para experiências em tempo real.

Os formuladores de políticas e a indústria também precisam pensar de forma mais lógica sobre a regulamentação. O progresso tem sido lento nessas áreas e se concentra fortemente em modelos de fronteira executados em dispositivos grandes; essa não é mais uma abordagem prática. O momentum é esmagadoramente em direção a esses modelos serem capazes de executar em dispositivos de consumidor, tornando a regulamentação dos modelos em si impossível. A natureza de código aberto de muitos modelos apresenta outro desafio formidável à abordagem atual de regulamentação. Mais uma vez, a abordagem certa é se concentrar na implantação por meio de aplicações e produtos, e desenvolver quadros regulamentares ao redor deles para várias indústrias, não políticas abrangentes sobre modelos. O objetivo deve ser regular aplicações e setores, com padrões para procedência, barreiras de segurança em produtos e divulgação para mídia sintética. A história dos anos 90 e início dos anos 2000 mais uma vez contém uma lição sábia sobre esse conceito: O caso contra a popular empresa de compartilhamento de arquivos de música Napster não limitou o compartilhamento de arquivos em si — essa tecnologia apenas cresceu e se tornou muito mais rápida, eventualmente dando lugar ao streaming – mas se concentrou na implantação responsável da tecnologia de uma plataforma. (Mesmo através da falência, a Napster realmente conseguiu se manter como uma marca ajustando como implantou sua tecnologia e foi comprada por mais de $200 milhões no início deste ano.)

A linha de fundo é que o mercado se consolidará em torno de alguns modelos de IA multimodais unificados que podem ser destilados para eficiência e adaptados para diferentes usos. Todos os stakeholders precisam prestar muita mais atenção às aplicações e ao valor de negócios real que a IA pode trazer, e não se perderem nas promessas dos modelos em si. A indústria está inflando mais rápido do que está criando valor. Se isso termina em uma correção dramática – semelhante à bolha da internet no início – está aberto ao debate. Mas a clareza agora significa resiliência mais tarde.