Latest / Product Guru's : Produto | Negócios | Carreira / Por dentro da estratégia de IA da Blip com William Collen - Diretor de IA da Blip

Transcript

Por dentro da estratégia de IA da Blip com William Collen - Diretor de IA da Blip · Product Guru's : Produto | Negócios | Carreira

0:00
Mas hoje pra mim é o que é mais mais evidente, assim que é um
0:06
mito, é que AIA realmente consegue resolver tudo e que de
0:09
fato a gente a gente vai perder, né?
0:12
A nossa, a nossa, a nossa, a necessidade, né?
0:15
A gente tá ali No No pareando com ela, então acho que isso
0:18
pode ser que aconteça em algum momento, em algum, em alguns
0:20
casos, né? Mas acho que é um dos principais
0:22
mitos. Um outro mito é é esse com
0:25
relação a eficiências quanto de fato AIA consegue.
0:29
É, sem ter um investimento alto no início, você conseguir tornar
0:32
as coisas mais eficientes. Então eu acho que esses são são
0:36
2 que eu diria hoje é no passado, sabe?
0:39
Eu, eu confesso que eu acompanho assim as iagens nerativas.
0:43
A primeira vez que eu vi um motor, uma iagem nerativa, foi
0:47
em 2017, né? Quando surgiram ali os as RNN,
0:51
né, os Transformers, eu percebi ali baita do potencial da IA
0:55
para gerar texto. Mas naquele momento eu não
0:57
imaginava que a gente chegar tão rápido no que a gente chegou
0:59
hoje, de uma, de uma, do que do que que é potencialmente capazes
1:03
de ser feito. Oi, tudo bem com você?
1:08
Meu nome é Paulo chioge. Sejam bem vindos a prote gurus,
1:11
o podcast que a voz por trás dos produtos, mas que também aborda
1:14
a tecnologia e negócio de peito aberto.
1:17
E esse ano, como está sendo de costume, a gente aborda também
1:21
inteligência artificial. Nos últimos anos, a inteligência
1:25
artificial deixou de ser apenas um tema de pesquisa para virar
1:30
parte concreta da estratégia de produto das maiores empresas do
1:34
mundo. Mas existe uma pergunta que
1:37
quase nunca é respondida com clareza, como transformar
1:42
necessidades reais de clientes em soluções de a que funcionam
1:46
de verdade? Que funcionam de verdade, não
1:49
aqueles template de de Workplace de.
1:53
N 8 AN do LinkedIn. Hoje eu recebo alguém que está
1:58
exatamente no centro dessa transição?
2:01
William Colin, diretor da bic, uma das empresas que mais
2:05
avançaram na aplicação de a em interações digitais no Brasil.
2:10
Com ele, vamos mergulhar a fundo.
2:13
Eu vou fazer perguntas duras para o eu.
2:16
Hã? Pra tentar descobrir aqui como
2:20
que a blip. Decide onde apostar e a como
2:24
traduzir, como que eles traduzem hipóteses em produtos que
2:28
escalam e quais são os limites que ainda precisamos enfrentar e
2:32
o que vem pela frente na corrida por produtos mais inteligentes.
2:37
Então, seja bem-vindo ao proético grosso.
2:38
William Colin, tudo bem com você?
2:40
Tudo bem, um prazer estar aqui contigo, charge.
2:42
Muito obrigado pelo convite. Falar de um tema que eu adoro e
2:46
estou trabalhando com isso é muitos, muitos anos.
2:49
E é muito bom aqui estar compartilhando essa história e
2:52
compartilhando aí também alguns insights com tudo.
2:53
Ô, ô will, antes de da gente falar de estratégia, porque eu
2:57
acho que é um tema que a gente vai abordar bastante, queria
3:01
começar pelo básico, que é quando você ouve o termo IA
3:06
aplicado em produto, o que que ela significa na prática para
3:12
você e para OE? Aplicado ao produto não, não é
3:16
nada mais do que produto. Produto é você resolver ou estar
3:22
aplicando, né? Numa necessidade dos nossos
3:24
clientes, uma necessidade real. AEA tá aí, né, pra potencializar
3:28
o que você consegue fazer, né? Então imagina que a gente tinha
3:32
muitas possibilidades apenas com o software.
3:34
Agora software Combinado com IA abre, né?
3:37
Possibilidades que antes eram muito complexas a gente atingir.
3:40
Então eu acho que na realidade é você saber, né?
3:43
Aplicar isso, aplicar a técnica de produto, aplicar Oo como o
3:47
que a gente já consegue fazer, né?
3:50
Através do desenvolvimento de software, através desse processo
3:53
todo que a gente já está acostumado a fazer agora com
3:55
essa pitada a mais, que é você atingir novos limites do que é
3:58
possível construir com esse tipo de tecnologia.
4:01
Pra quem? Não, pra quem não sabe, Oo eu.
4:04
Ele é diretor de e a da blip, então a gente não está falando
4:08
com qualquer um aqui. Então, e aí, tendo essa essa
4:16
definição, a blip. Ela nasceu muito forte em bots e
4:22
em conversas digitais, né? Isso ela é.
4:25
Ela é conhecida por isso, pelo menos na minha bolha.
4:30
É, e hoje, como que vocês traduzem as grandes promessas da
4:35
IA em soluções que realmente, realmente resolvem?
4:39
É dores de clientes e se e se não?
4:42
E se bobear, você é. É raro, né?
4:46
Porque eu não vi ainda muitos diretores de a no Brasil.
4:50
Eu trabalho com liderança de projetos de tenente oficial.
4:53
Já faz mais de 10 anos, né? Minha história começa ali.
4:56
É 2004, quando tive meu primeiro projeto em processamento de
4:59
linguagem natural, ainda na faculdade.
5:02
E naquela época era muito difícil você encontrar, né?
5:04
Você falou muito bem, né? Naquela época era muito mais
5:06
acadêmico, a gente tinha muito mais dificuldade de conseguir
5:08
como aplicar isso de fato em produtos e o mercado, na verdade
5:13
tinha entendia muito mais, né? E a como sendo uma ficção
5:17
científica de do que de fato alguma possibilidade de de
5:20
dinheiro e até porque era tudo muito custoso em termos de
5:22
tempo, né? Então uma coisa que mudou
5:24
bastante no há pouquíssimo tempo pra cá, desde 2022 pra cá, na
5:29
verdade. Foi como acelerou, né?
5:32
A adoção de através da agenerativa.
5:35
Então agora falando do caso blip, né?
5:37
A gente, os chatbots nativamente, eles estão ali no
5:41
mundo que é natural pro humano. Então o mundo natural pro humano
5:46
é o mundo da comunicação. Então, Oo chatbot tá entrando no
5:49
meio ali de comunicação entre as marcas e os consumidores, enfim,
5:54
vários cenários em que o natural é a fala humana.
5:58
E desde então, desde o início da dos primórdios desses conceitos,
6:01
chatbots, AIA já está tentando fazer com que essa comunicação
6:05
seja mais natural possível. Então, desde o início da da
6:09
história da gripe, né, já se implicava.
6:10
Por exemplo, conceitos de motores de intenção são nada
6:13
mais que motores de machine learning que você treina com
6:17
muitos exemplos. Ele consegue, a partir de
6:18
algumas interações, determinar se você está falando, pô, se
6:21
essa pessoa está querendo comprar, você está querendo
6:24
fazer uma reclamação? E assim direcionar o fluxo
6:26
convencional de acordo, né? Então imagina que assim, desde a
6:29
década passada, isso já era aplicado.
6:31
A dificuldade é que com os os conceitos antigos de machine
6:35
learning, você precisava de especialistas, né?
6:37
Ou ou sistemas que precisavam ser treinados e o treinamento
6:40
poderia levar semanas, às vezes meses, para você conseguir fazer
6:42
esse tuning de um modelo machine learning para ele se comportar
6:45
aí nesses motores de tensão. Então, de lá para cá, 2022 para
6:49
cá. É AAA, as coisas simplificaram
6:53
bastante com a regenerativa, então você consegue aplicar, né?
6:55
Muito mais rápido esses conceitos.
6:57
Então, projetos que até então demoravam semanas podem ser
7:00
feitos em pouquíssimos dias, e isso abriu muitas portas de
7:03
aplicação. É, há portas do tipo.
7:07
Hoje a gente consegue entender profundamente como os clientes
7:09
estão se comunicando, como as pessoas estão se comunicando em
7:11
chatbox. Você consegue fazer ciclos de
7:13
feedback em cima do como é que é o comportamento desse consumidor
7:15
de uma forma muito mais rápida através dessas análises.
7:18
Você consegue fazer com que as a conversa seja muito mais
7:20
natural, é seja através de né, esses motores generativos,
7:25
através desses motores generativos tratando né, como é
7:28
que as intenções são são trocadas, né, nessa conversa,
7:33
enfim, de acordo com com o que a gente quer, claro que a gente
7:35
tem muitas dificuldades hoje ainda com como é que você
7:37
direciona essa, então é muito importante você estar em uma
7:39
camada de aplicações e você conseguir aplicar guard railes,
7:42
né? Como é que você conseguia fazer
7:43
com que ela se comporte com a marca, marca, espera, então isso
7:45
são dos nossos principais desafios.
7:48
E hoje o desafio, né, acho que pra todo mundo, pra todas as
7:52
empresas, é que as empresas não querem mais que você é.
7:56
Perceba que você está tratando com uma IA, né?
7:58
Quer que as coisas se tornem cada vez mais naturais, então
8:00
tornar essa essa essa comunicação natural, o uso
8:03
desses produtos mais naturais possível, eu acho que é OA nossa
8:06
próxima nível, né? De aperfeiçoamento em que você
8:10
torne toda essa jornada do cliente, toda a jornada dos
8:13
nossos consumidores, também dos contatos inteligentes nesses
8:15
sistemas comerciacionais. Muito mais naturais.
8:18
Como que a como que a blip e você se mantém, se mantém
8:23
atualizados? É na questão de a, porque todo
8:27
dia sai uma nova ferramenta, todo dia sai uma nova PI, todo
8:30
dia sai uma nova melhoria. Teoricamente, os beachmarks de a
8:34
já perderam seu seu seu valor, porque cada nova atualização, a
8:40
nova versão do modelo vai ser superior.
8:43
Então não tem. Acho que o site é na dela.
8:46
Falou isso em alguma entrevista? Que o benchmarks hoje não são
8:50
mais parâmetro porque é a velocidade que se cria e que se
8:57
melhora. 11 modelo faz os benchmarks perderem totalmente a
9:02
relevância, digamos assim. Claro que é importante nessa
9:05
parte de ser a relevância. Como que como que a gripe mapeia
9:08
o mercado? Pra poder entender as melhores
9:12
ferramentas, os melhores modelos para sua estratégia, porque isso
9:16
é um ponto, né? Will, acho que tem muitas
9:19
empresas que estão no hype, mas elas não entendem muito.
9:23
É de AA generativa e aí se perde muito em qual modelo escolher?
9:28
E muitas das vezes é, ela já faz e a né, só não faz a generativa.
9:35
É como que vocês lidam com isso? Na blip, né?
9:41
A gente se organiza da seguinte forma, a gente tem uma equipe é
9:44
de produto, né? Uma grande equipe de produto.
9:46
Dentro dessa grande equipe de produto tem profissionais que
9:48
são especialistas em machinan, engineer e beta Science.
9:51
Esses profissionais, né? Eles têm muitas, muitos deles
9:53
têm doutorado, mestrado na área e vem aí de de eu, por exemplo,
9:57
tenho 20 anos de experiência em profissionalidade natural,
10:00
outras pessoas têm 10, então a gente está acostumado a lidar
10:03
com esse tipo de tecnologia. É, então a gente sabe o que
10:05
procurar, né? Então a gente tem já desde essas
10:08
gerações anteriores, a gente sabe que metodologia a gente tem
10:11
que usar, que hora que é pra adotar alguma coisa, que hora
10:13
que a gente vai guardar, então isso é tudo importante, né?
10:15
Então é, vamos pegar aqui o exemplo, por todo todo momento
10:20
está saindo um novo modelo de interesse oficial, a gente
10:22
analisa aquela o comportamento disso, desse, desses sistemas
10:26
através de critérios e os critérios hoje no na aplicação
10:30
de software é muito parecido com o que sempre foi.
10:33
Teste unitário, teste de como é que o sistema se comporta com
10:36
aquele sistema que a gente está adotando um novo.
10:38
Então imagina que, por exemplo, a gente tem uma bateria de
10:41
testes, né, que saiu um modelo novo, a gente simplesmente
10:43
aplica, né? Esse modelo ali dentro compara
10:46
cursos, compara a velocidade, compara a qualidade das
10:48
respostas são, são uma série de testes que a gente roda.
10:52
Tem sempre a complicação, né? Porque esse tipo de sistema tem
10:55
um comportamento não determinístico que pode fazer
10:58
com que o teste seja um pouco mais complexo e às vezes um
11:00
pouco mais, digamos que. Você precisa às vezes é esses
11:07
testes, às vezes a expressão de um de uma análise um pouco mais,
11:11
não, também não meteminística, né?
11:13
Você precisa entender ali, pô, tá ficando de fato melhor ou
11:16
não, né? Uma questão de sensibilidade,
11:18
então, é, enfim, a gente tem, a gente adota essa, essa
11:20
metodologia. O que mudou de desde 2, 22 para
11:23
cá foi o seguinte, é, nesse ano em particular, está vendo
11:27
bastante protocolarização do desse tipo de software, então.
11:31
No ano passado a gente já falava muito de agentes, por exemplo,
11:35
mas não existia ainda frameworks que tratavam isso de uma forma
11:38
consistente, então era difícil a gente de fato adotar tecnologias
11:41
de agentes, porque você desenvolvia 100%, né?
11:44
A tecnologia em em House, né? Em casa, né?
11:47
Você construia tudo, o framework, existiam alguns
11:49
frameworks mais que estavam em desenvolvimento, por exemplo, o
11:52
langshan é uma, é 11 framework. Começou AA ir muito pra esse
11:55
caminho, mas ainda não estava totalmente Maduro.
11:57
Ele ele teve muitas atualizações.
12:00
Mas agora neste ano, por exemplo, começou a surgir outros
12:02
protocolos. Finalzinho do ano passado surgiu
12:05
OMCP esse ano a 2 a vários desses players estão criando
12:09
também frameworks, tipo o Google ADK, então você tem um pouco
12:12
mais de base, como é que esse tipo de sistema é construído,
12:14
né? EE, fica mais fácil a adoção a
12:17
partir de então, então pensa assim, modelos, eles vão
12:20
evoluir, então todo momento está sem novos modelos.
12:23
Os frameworks é o que mais dificulta a migração, então se
12:26
você tem um novo modelo. E eles conversa com os
12:28
superiorks atuais, os superiorks já adotou fácil, você testa, vê
12:32
como é que ele esse modelo se comporta com relação ao seu
12:34
benchmarks de teste que você já criou.
12:37
É agora mudanças de paradigmas, elas estão aconteceram várias
12:41
ali o longo desses últimos anos, né?
12:43
Desde 2 22. Então é logo quando saiu o
12:46
primeira versão do chat do GPT 3, né?
12:49
Por exemplo, ele era uma interface que não era nem de
12:51
chat, era prompt, complition, depois foi pra uma interface de
12:54
chat, depois foi pra uma assistentes, enfim, ela teve
12:57
várias mudanças e todo o software que a gente foi
12:59
construído em cima, eles ficaram, perderam a
13:02
compatibilidade com o tempo. Então hoje a gente se sente
13:04
muito mais seguro, né? A gente tá adotando essa
13:06
tecnologia porque tá tendo mais padronização.
13:08
Os modelos eles vão acabar sendo evoluindo, né?
13:12
É, mas os trenworks onde você constrói os sistemas,
13:15
provavelmente eles vão cada vez ficando mais estáveis, né?
13:18
Eu acho que na realidade, provavelmente vai ter também 111
13:22
evolução desses frameworks. Mas ao passo de que também o
13:26
entendimento da tecnologia vai levando a gente fazer entender
13:29
um pouco mais que momento a gente vai fazendo esses upgrades
13:31
também dos frameworks, né? Quando eles forem necessários.
13:35
Então também Combinado com outras coisas, Combinado?
13:37
Por exemplo, com a velocidade que a gente está programando
13:39
mais com sistemas de coding, por exemplo, essas migrações estão
13:42
cada vez mais fáceis, né? Então.
13:44
Antes, né, a gente precisava colocar realmente recursos,
13:47
pessoas, né, fazendo todas as atualizações.
13:49
Agora com assistentes, né? Como copiloto, às vezes já
13:51
consegue fazer bastante do trabalho, então também está a
13:54
gente está ganhando aí com produtividade em em em outro
13:57
passo, né? Então, atualização cada vez mais
14:00
frequentes, mas também assistentes que estão ajudando a
14:03
gente a ficar. AA gente acompanhava cada vez
14:04
mais. E aí vem um, vem, vem a pergunta
14:08
que é, o que vocês? Ou você ou eu na sua.
14:13
Na sua experiência, aprendeu sobre os limites da IA onde ela
14:19
ainda não é suficiente sem uma camada de produto bem desenhada,
14:24
é sem uma camada de uma boa governança de dados ali por
14:30
trás. Qual que é o limite da iaa?
14:34
Acho que o limite da iaa ela é nesse ponto de produto, né?
14:42
Assim, o produto precisa existir em cima da da IA.
14:46
Não existe como você colocar, né AIA sem uma camada de produtos,
14:49
controlando o que que você vai fazer ali dentro.
14:51
Se você pegar até o próprio ChatGPT Oo cloud, por exemplo,
14:55
os modelos, né? Então, quando a gente fala do
14:57
ChatGPT dentro, tem um modelo que chama gpt 5 atual quando
15:01
você olha ALLLM, né? O modelo em si, ele tem uma
15:04
série de capacidades limitantes que fazem com que seja quase
15:08
impossível de ser uma pessoa, né?
15:10
É não técnica, é usar calapear diretamente pra alguma coisa.
15:15
Então a camada de produto em cima, por exemplo, possibilita
15:18
que você vai lá e tem uma conversa fúria, ele se ajusta,
15:21
ele, você permite que você, por exemplo, coloque arquivos no
15:24
contexto, permite que você é salve uma conversa, enfim, tem
15:28
uma série de coisas ali que parecem a né, porque estão
15:31
dentro de um produto de a, mas na verdade são produtos, são
15:33
softwares que são colocados no entorno da da desse modelo de
15:36
linguagem. Pra fazer com que a experiência
15:38
aconteça, né? E você tenha aquela aquela
15:40
experiência, aquela usabilidade muito satisfatória.
15:43
Então esse esse desafio de produto no entorno de uma IA,
15:47
ele vai estar em todo lugar, então não já AGPT.
15:49
Ele acha que é um produto que acaba sendo muito de referência,
15:52
né? Porque acho que é os produtos
15:54
tem mais crescente adoção, então ele ajuda muito a gente entender
15:58
quais são a pra onde. OA usabilidade em cima de adenis
16:02
vão. No caso de de você construir
16:05
outros produtos, na minha opinião, quanto mais você
16:07
colocar camadas que abstraem e deixam o controle da pra pro
16:11
software, não pro humano, facilita demais.
16:14
Então, por exemplo, é um uso muito comum aqui hoje em dia é
16:19
não, não vou dizer que é o comum hoje em dia.
16:21
Deixa eu pensar, por exemplo, eu tenho um aplicativo aqui de
16:24
corrida, né? Eu sou praticante de corrida e
16:26
tenho ali um aplicativo que planeja a minha semana de
16:29
treinos. Se eu pular num dia,
16:31
automaticamente ali ele vai lá e recalcula, é como é que vai ser
16:35
meus próximos dias de treino pra mim?
16:38
Ele não fala pra mim que é um IA, eu sei, eu sei que é um IA
16:40
porque eu conheço bem como é que esse sistema, já usei os
16:42
sistemas anteriores e quanto era ele não fazia esse tipo de
16:46
coisa, agora ele consegue fazer, eu dou uma meta, ele consegue
16:48
calcular qual vai ser minha rotina de treino.
16:50
Esse tipo de situação pra mim é é linda porque abstrai
16:54
totalmente o que que AIA né? Tá assim, não, não tá AIA não tá
16:57
no meu, na minha mão. Como usuário do produto, mas
17:00
assim a funcionalidade tá, o que eu quero é fazer um bom treino,
17:03
eu quero atingir minha meta, que é completar, vamos dizer uma
17:06
maratona, ele vai fazer o trabalho ali, a IA vai fazer o
17:09
trabalho junto com o produto e criar experiência muito legal
17:12
para mim. Então para mim assim, dentro do
17:14
produto, como blip é sempre isso, meu cliente, ele precisa
17:18
fazer atingir um kip i de negócio, ele precisa atingir um
17:21
objetivo do negócio dele, ele quer atingir, por exemplo, o
17:24
aumento de vendas ou reduzir, por exemplo, OA aumentar a
17:27
satisfação do consumo do cliente dele.
17:29
É esse o objetivo dele, AIA que tá trabalhando por trás pra
17:32
possibilitar isso é OIA que vai estar se dirigindo, né, fazendo
17:36
as análises dos dados pra esse propósito, sugerindo mudanças.
17:40
Quanto mais abstraído AIA for, mais fácil vai ser pro cliente,
17:44
né? Depois entender como utilizar
17:46
aquele produto. Então acho que acho que são 2
17:48
níveis, é um nível é você dá um controle total, ORGPT te dá um
17:52
controle total, porque você vai direcionando a conversa ali, né?
17:55
E mas claro que tem toda uma acabada de produto no entorno.
17:59
E tem esses produtos em que a gente quer abstrair, quanto mais
18:02
AAIAE, direcionar mais como objetivo de negócio, objetivo do
18:06
nosso cliente. Então pra mim assim, é esses 2
18:10
mundos, eles, eles são as possibilidades hoje de
18:12
construção existe também, claro que as possibilidades de de
18:15
produto que não usam IA, acho que talvez eles vão estar, vai
18:17
ser menos produtos que vão, vão, vão existir, né, que não
18:21
precisam de a mas acho que sim, né, existem, vai, vai existir
18:25
ainda esse mercado. Simplesmente são que vão ser
18:28
coisas, né, que são operadas, que OEA, provavelmente.
18:30
Então é de alguma forma ou de outra.
18:33
Isso vai acontecer ao longo do tempo.
18:35
O futuro dos produtos digitais já começou e a inteligência
18:38
artificial é parte do time APM 3 acaba de lançar a formação em
18:43
gestão de produtos de IA, um curso pensado pela prorty
18:46
managers que querem criar, delegar e inovar com mais
18:49
inteligência. Muito além dos prompts, você vai
18:53
aprender a liderar produtos baseados em a dominar temas como
18:56
machine, lani de pilani e agenerativa e aplicar novas
19:00
formas de Discovery, experimentação e validação.
19:03
Prepare se para o mercado que mais cresce no mundo e torne se
19:07
OPM que lidera a transformação. Acesse o link na descrição e
19:11
saiba mais. Tem desconto 10% prorte gurus, é
19:15
o cupom, Hein? Se a gente olhar pra pra.
19:18
Para dentro da blip, quais são as aplicações de ar que estão
19:21
realmente entregando o valor agora?
19:24
Como você falou, né? A blip ela tende a colocar AIA
19:27
de uma maneira é que ela não precisa ser, é falada que é uma
19:32
IA, porque ela é apenas uma ferramenta para ajudar os
19:36
clientes da blip a alcançar os objetivos deles.
19:40
Você tem algum exemplo de de aplicação assim em algum caso
19:43
que é para a gente deixar? Bem aqui pro pros ouvintes.
19:48
Acho que eu tenho os 2 casos, tá?
19:50
Então a brip, ela é uma plataforma, né, que nossos
19:52
clientes constroem as experiências conversacionais.
19:56
Então imagina que que é um sistema drag and drop de você,
20:00
de um consultor de chatbox, né? E nosso consultor que chama
20:05
estúdio, ele é um consultor que você consogue consegue construir
20:08
fluxos determinísticos, então chatbox tradicionais e também
20:12
fluxos, né, que combinam os. Chatbox tradicionais, fluxo
20:16
tremísticos com e a generativa nesse ponto é fundamental né,
20:21
que o cliente tenha domínio da IA, então ali né, a gente dá pra
20:26
pro nosso cliente né, que a pessoa que tá construindo a
20:29
experiência convencional, todo o poder da das LMS, né, em torno
20:33
de um produto que que auxilia iria construir os guard railes
20:36
auxilia, iria construir as as integrações, né?
20:39
Então um sistema desse de chatbox precisa de muitas
20:42
integrações Pra Ele poder. Funcionar.
20:43
Então você precisa ter acesso aos CRMS do cliente, precisa ter
20:46
acesso AA ao ao ao sistema de compras, ao sistema de suporte.
20:54
Então, todas as integrações, a gente tem todos os assistentes
20:56
ali dentro do nosso produto que facilitam ele conectar essas
20:59
plataformas ao sistema agente com o que ele está criando ali
21:02
dentro do, do, do do beep, né? Do beep Studio.
21:06
Então esse aqui é a plataforma que que está muito na mão do do
21:10
cliente. A construção do da ferramenta de
21:12
AE ali de fato precisa ter um conhecimento de como é que
21:14
funciona esses sistemas de agentes nesse mesmo sistema.
21:18
Nós construímos 11 assistente, né?
21:20
11 copoilote é um sistema de a também, só que ele funciona para
21:25
uma pessoa mais leiga ou uma pessoa que às vezes está
21:28
aprendendo como é que esses sistemas da gente funcionam.
21:30
Então é um sistema conversacional que você dá o
21:31
problema que você quer resolver. Ele vai operando ali o estúdio
21:34
na construção do fluxo nacional, com agentes e fluxos
21:38
determinísticos, e você consegue resolver.
21:40
Então essa plataforma que você está construindo, o sistema,
21:43
ela, né? Eu acho que o desenvolvedor de
21:46
um de um chatbote precisa ter totalmente de domínio do que que
21:49
tá acontecendo. Então ele precisa saber que ali
21:50
é uma imagem nativa, que ele tem que tomar os determinados
21:52
cuidados, que ele tem que setar os hard railers corretos, fazer
21:55
as as conexões adequadas com sistemas, fazer todos os testes,
21:59
testes de sistemas, não determinísticos, eles requerem
22:02
atividades especiais. Ele precisa fazer um processo de
22:05
Fred timing, que é o processo de tentar quebrar e ali dentro.
22:08
Então aí é um caso aí nós temos um outro caso, por exemplo, que
22:11
é o produto, por exemplo, de atendimento que nós temos esse
22:13
produto de atendimento. A gente tem agora um lançamento
22:16
recente em que a cada atendimento ele vai dando
22:19
feedback pro nosso, pro, para as pessoas que estão fazendo aquele
22:21
atendimento humano, de como é que foi a performance dele com
22:24
relação a algumas métricas e fala e dá dicas de de como ele
22:27
poderia melhorar. E Pra Ele, pro pra pessoa que
22:30
está trabalhando ali é transparente, né?
22:32
Assim, feedbacks, ele não precisa operar ali dentro, né?
22:35
É um prompts e simplesmente faz o trabalho dele e ele vai tendo
22:39
ali um feedback de como é que ele poderia ter feito no último
22:42
atendimento. Melhor é o que que ele poderia
22:44
ter, por exemplo, usado de uma base de conhecimento ali da
22:48
marca pra se posicionar melhor. Enfim, esse tipo de assistência
22:52
pra pra, por exemplo, o operador de atendimento, ela tem que ser
22:55
o mais transparente possível. E nós temos também temos os
22:58
sistemas, né, que estão ali, depois No No, no final, né, pro
23:01
consumidor final. Em que a conversa, né?
23:05
Ela tem que ser o mais natural possível.
23:06
Então se eu precisar saber que ali por trás tem uma LM ou não,
23:09
eSIM, você tem que resolver a necessidade, então então nesse
23:14
nesse, em todos esses 3 pilares aqui, né?
23:17
Então a construtor, o Pilar de dá uma assistência 111, sistema
23:22
de feedbacks e também Oo Pilar conversacional.
23:25
A gente tem estratégias diferentes.
23:27
No meio de tudo isso, tem Oo motor que tá fazendo essa
23:30
evolução dessas conversas, né? Então a gente tá ali
23:32
monitorando, por exemplo, como esse ecossistema Tá Tá Tá
23:35
fluindo e como esse sistema tá, como essas conversas estão tão,
23:39
tão, tão acontecendo. A gente chama isso de feedback.
23:42
Look, a gente vai dando indicativos pra, por exemplo, a
23:46
pessoa que tá desconstruindo essas experiências convencionais
23:48
do que que ela poderia evoluir. Então esses indicativos, por
23:51
exemplo, né, promovem que o contato inteligente, que é como
23:54
a gente chama no nosso chatbox. Eles têm uma evolução fluida,
23:58
né? Então, por exemplo, é o nesse
24:00
momento aqui, talvez se você tivesse tomado uma determinada
24:03
decisão nesse fluxo comocional, você teria aumentado o seu Roy
24:08
ou ou ou ele é guiado um pouco mais de vendas, por exemplo.
24:12
A gente consegue fazer esse tipo de de coisa também nesse ponto,
24:16
né? É muito profundo esses análises.
24:17
A gente tem que for descer bastante no de que a Science ali
24:19
de No No. No decientiamente, como essas
24:22
conversas acontecem, a gente procura deixar esse tipo de
24:24
sistema um pouco mais transparente pro nosso cliente,
24:27
pra que ele não tenha que entrar nesses detalhes.
24:28
Então é esse esse nosso contexto geral de adoção de ar.
24:34
Agora, entrando um pouco Na Na Na na questão de de estratégia,
24:39
olhando de fora, me parece que a que a blip, ela é uma empresa
24:43
madura, é ao lado da vtex. Pelo menos aqui é olhando de
24:49
fora, claro. Lip vtex, iFood, Mercado Livre,
24:54
essas empresas, elas estão maduras?
24:56
Quando a gente fala sobre IA dentro da estratégia, IA deixou
25:02
de ser um departamento ou 11, coisa de de de uma laboratório
25:08
de inovação. Faz parte de uma ferramenta de
25:11
alavancagem. É ali de crescimento da empresa
25:15
e tal. Até principalmente, que nem você
25:17
falou de de produtividade, que gera redução de custo, então tem
25:20
uma maior eficiência. Como que vocês decidem quais
25:25
frentes de a apostar? É, é olhando, é fazendo Oo
25:31
básico, que é vendo as dores do cliente, ou é uma visão interna
25:36
para tentar antecipar alguma, alguma, alguma coisa do mercado,
25:41
ou é uma mistura das 2. É tentar encontrar.
25:43
Pô, as necessidades dos clientes, mas também puxar uma
25:47
visão interna, olhando tipo antecipar alguma necessidade.
25:51
Acho que as 2 coisas, né? A gente tem, a gente tem aqui
25:55
dentro de um processo em que a gente tem uma alocação de
25:57
investimento em, a gente pode H1H 2H, 3 então a gente tem,
26:01
vamos supor que 50% do investimento é feito No No
26:04
produto atual. E muitas vezes, nesse produto
26:06
atual, a gente tá olhando para as para as necessidades do nosso
26:08
cliente atual. Em H2 EH 3 a gente tem frentes
26:11
de inovação em que está buscando novas oportunidades a gente, né,
26:16
claro que hoje, né, o ciclo de H1H 2H 3 de uma coisa que de uma
26:21
novidade que a gente explorou em H3, ela tem que rapidamente
26:23
passar para nosso produto. Então essa necessidade no nosso
26:26
mercado em que você é, você tem que colocar o shippar, né?
26:31
O produto, uma novidade o quanto antes para você estar se
26:33
destacando. Então esse processo a gente tem
26:36
qual é a genativa, a vantagem que isso acelerou bastante.
26:39
É como eu disse ali os o trabalho caminha há bastante
26:41
tempo e meu minha vida foi treinar modelos, treinar
26:44
modelos, às vezes demorava 2 meses.
26:46
Você treinar um modelo legal assim, pra você colocar em
26:49
produção. Hoje é muito mais rápido e você
26:51
consegue fazer um processo de inovação, né?
26:54
Nesse contexto, muito rápido. Então você consegue prototipar
26:57
rapidamente uma nova ideia. Por causa das das possibilidades
27:00
que nós temos. Por isso que tem todo um
27:01
trabalho, né, de tuning, de de ajuste, de de como é que o
27:04
sistema, como é funcionar para atender também o cog, você
27:07
atender o custo da plataforma, enfim, tem esse esse ciclo aí,
27:10
tá mais rápido? Então vamos dizer que a gente
27:14
tem nos da estratégia um driver, que é a estratégia da empresa,
27:18
onde a gente quer tá daqui a 123 anos.
27:21
Então a brip tem um olhar de principalmente 4 anos para
27:26
frente, então ano passado. A gente fez uma visão pra 2028,
27:31
é no mês desse ano a gente fez uma visão pra um pouco mais
27:35
médio prazo de 2006 e agora a gente está atingindo né?
27:38
O que a gente programou pra pra pra 26 nesse momento?
27:41
Então agora já o momento da gente pensar já nos próximos 2
27:43
anos, enfim, então tentando atingir esse visão de
27:46
longuíssimo prazo 2028 é assim, intermediário, a gente tem a
27:50
execução, então isso vai dar nos nossos drivers uma coisa também
27:54
que a gente aprendeu, né? A gente teve uma hype de ar
27:56
muito grande. E que muitas empresas queriam se
27:58
posicionar como empresas de a é isso, né?
28:02
Causa tem alguns riscos, né? Então a IA tem que ser 111 vento
28:06
a favor e não, não, o seu é não o seu principal.
28:10
Algumas empresas podem ter IA como principal na blip, ele é um
28:13
vento a favor que a gente tem que aproveitar muito bem.
28:16
O que que é esse vento a favor? A gente está no mercado, né, que
28:19
que é conversacional desde 2014, quando a blip a blip tem mais
28:24
tem mais tempo do que isso, né? Mas foi em 2014 que.
28:26
Que teve uma virada de chave aqui dentro.
28:28
EE nasceu esse produto que é o glip, é dentro desse, dessa
28:32
época, a gente entendeu que o conversacional iria dominar,
28:37
então a nossa sorte foi que a IA atual ela é conversacional,
28:43
então a gente estava já preparado assim em 2022, quando
28:46
teve viagem na ativa para esse mercado.
28:48
Então isso foi um baita advento. A favor.
28:50
É a gente entender, né? O que que essa IA vai
28:54
possibilitar para o nosso road map?
28:56
É outro ponto. Então essa hoje AA blip tá num
29:00
num ponto da dos nossos clientes, que a gente chama da
29:03
transformação da IA, em que você, por exemplo, pega 1111
29:10
central de atendimento que precisa de 200 pessoas pra sabe,
29:15
atende 40 pessoas, 40000 pessoas num mês, com uma pequena
29:19
automação que a gente demora hoje com a reagenativa.
29:22
Semanas para desenvolver 2 semanas, por exemplo, né?
29:25
O nosso próprio cliente pode desenvolver em 2 semanas essa
29:27
automação, ele reduz 40000 atendimentos numa central
29:32
tradicional, então nosso mercado é muito claro é esse, né?
29:36
Então como a gente reduz OOO, sabe o custo dos nossos clientes
29:41
em termos de atendimento e como a gente leva a satisfação.
29:44
Outro outro Pilar importante da nossa visão é o geração de
29:47
demanda. Então, como a gente traz mais
29:49
pessoas, né, mais consumidores para essas jornadas.
29:52
Então hoje o blip está, por exemplo, recebendo os anúncios
29:56
que estão lá dentro do do Google.
29:58
Se você for lá na no Google e fazer algumas pesquisas nosso e
30:01
envolver nossos clientes, por exemplo, no nosso case público,
30:04
usar o da strance, então as marcas da strance, por exemplo,
30:06
a Peugeot, se você vai lá na Fiat, pesquisa lá no Google
30:11
Places, que é aquele lugar que mostra um pouco do site, né?
30:13
Você pode entrar no site, pode entrar Na Na charlow kais, né?
30:17
Tem lá o botão é conversar através do WhatsApp, você clica
30:19
lá e direciona para o nosso contato.
30:22
Então esse aí é o é o caso de geração de demanda.
30:24
Então geração é, a gente também tem a parte de criação de
30:29
audiências, tudo isso, então é outro Pilar.
30:31
Então, geração de audiências, geração de demanda, conversação.
30:34
Então a gente ter conversas que engajam e depois a gente
30:37
conseguir atingir um objetivo de negócio é um outro Pilar.
30:40
Então imagina que isso aqui vira um círculo virtuoso, um círculo
30:42
em que você, né, tem cada vez melhores engajamentos, conversas
30:47
melhores, mais conversão. Essa essa é o Pilar da nossa
30:51
visão AIA pode estar aí no meio disso tudo, potencializando como
30:57
é, conversas melhores, é natural, então conversas com com
30:59
a genertiva, elas são, você consegue direcionar melhor, né?
31:02
Você consegue fazer que a conversa seja mais natural,
31:05
direciono mais pra conversão e nesse centro você precisa dessas
31:08
análises que eu falei anteriormente, então imagina que
31:10
você consiga, consegue estar vendo como é que essas conversas
31:13
acontecem, entender como é que você melhora cada vez mais
31:15
interações e direciona mais pra conversão e toda essa conversa
31:18
também. Ela tá num Pilar muito
31:20
importante que é da geração de demanda, então você entende mais
31:23
o seu consumidor, você consegue direcionar melhor depois como é
31:26
que vai ser suas campanhas pra esse público?
31:29
Então é basicamente, né, isso aqui é, é nossa visão aí do do
31:33
do curto prazo e você percebe que o seu olhando começo
31:37
funciona, tá muito ligado a IA, a IA, tudo isso aqui pode ser
31:41
muito potencializado com o IA, mas não é o nosso, vamos dizer
31:45
que não seja o nosso. Mote, né?
31:48
Vendeu uma iagem nativa hoje, não é isso que a gente vende, a
31:50
gente vende esse sistema, que é um que é um sistema, né?
31:54
Que possibilita com que as marcas atinjam esses objetivos
31:57
de negócio que mantém, independente de qual for, né?
32:00
Nas nas jornadas da comunicação entre as suas, as marcas e os
32:03
seus consumidores, é então, tendo essa visão, a gente
32:08
desdobra isso, né? Em estratégias de curto prazo,
32:10
nossos produtos em que a gente pega.
32:14
É quais são as oportunidades que nós temos já prontas para
32:17
desenvolver em H1 e quais que a gente tem que explorar mais.
32:19
Assim, a gente tem que meder um pouco mais os cenários.
32:22
Então, por exemplo, é hoje, né? Está muito em alta esse conceito
32:26
de Vibe coding. Vibe coding é uma ferramenta que
32:30
pode auxiliar muito nesse processo, né?
32:32
Então Eu Acredito que ela vai estar pronta, madura assim pra
32:35
gente adotar. É depois a gente passar por um,
32:37
pelo menos algumas alguns ciclos dentro de um, de um cenário h 3
32:40
em que a gente testa essa tecnologia.
32:43
Alguns poucos clientes entende como é que a gente vai adotar
32:45
ela em H1 e aí começa a fazer o ciclo de desenvolvimento e mas
32:49
também esse ciclo tem que ser muito rápido.
32:50
Então h 3 vamos dizer que seja 11 ciclo de 3 meses, h um a
32:55
gente tem que chupar isso aí, é também 3 meses.
32:58
Tem tem um ponto em que a gente não aborda muito na é quando a
33:02
gente vai falar de estratégia, de a que são as métricas.
33:06
Que importam? É quando a gente vai é falar de
33:11
a ou encontrar. Claro que a estratégia vai ser
33:15
as as métricas de negócio, mas no dia a dia existe métricas é
33:21
específicas, né? Pra você ver se aquele modelo
33:23
está sendo eficiente, se aquele modelo está realmente entregando
33:27
aquele valor, é gerando aquele valor que se esperava dele.
33:32
Quais realmente são as métricas que importam?
33:36
E que vocês tendem AA olhar de uma maneira diária ou eu aí?
33:42
As as métricas são as métricas do produto, no fim das contas,
33:44
né? O quanto a gente está atingindo
33:45
os objetivos dos nossos clientes?
33:47
Então AIA é, é, é essa é o que possibilita.
33:52
Eu vou te contar um caso, né? Então pensa assim que os os
33:54
fluxos tradicionais de chatbots que a gente usava até 2022, eles
33:59
têm 11 certo limite, né, que é a capacidade que você consegue
34:01
automatizar as coisas. É, a gente consegue chegar num
34:06
negócio que chama taxa de transbordo bastante elevada em
34:09
alguns contextos do chatbot. Então vamos dizer que alguns
34:13
algumas vezes assim, com muito esforço, você conseguiria chegar
34:15
a 90% de evitar transbordos evitar transbordo é assim, você
34:20
recebeu uma ligação do seu cliente porque você conseguiu
34:22
resolver através das automações, mas normalmente, né?
34:26
Os clientes atingiam com ciclos tradicionais coisas de 2030 por
34:31
cento de pré transbordo. Né, consegui resolver o que o
34:34
cliente, os seus consumidores precisavam antes de transbordar
34:36
para um atendimento humano. Com essa narrativa, né, você
34:39
atingia esses limites de 80 a 90%, ficou muito mais fácil,
34:43
porque né, é você, não, você não precisa ter tantas tantas
34:46
automações assim. Em termos de fluxo, você
34:48
consegue fazer sistemas que são mais versáteis e consegue
34:51
atingir mais facilmente esse pé. Transbordo no nível que você
34:53
consegue é atingir realmente coisas como essa, 80 ou 90%.
34:58
Sem precisar de 1/01/1 ciclo, né?
35:01
De de desenvolvimento muito longo.
35:03
Atingir isso não é, não é assim não é mágico, né?
35:07
Existe ainda o desenvolvimento lógico.
35:08
Então você começa, você coloca uma viagem nativa ali na
35:10
conversa, ela começa com com essa métrica de de transbordo
35:14
ainda é baixa, ele vai fazer uns ciclos de de ajustes dos
35:18
prompts, ciclos de ajustes de base de conhecimento que são
35:21
necessárias, novas integrações são necessárias a ser colocado.
35:25
É algum fluxo terminístico tem que ser apurado, porque a gente
35:28
sempre tenta combinar, né? Existem momentos que um fluxo
35:30
terminístico é importante também.
35:32
E aí você chega ali num numa alta taxa de de de evitar
35:36
transbordo muito mais rápido. Então é esse número, né?
35:41
O tanto que a gente transborda é uma das métricas mais mais
35:45
importantes, assim na blip como um todo é, e ela acaba sendo
35:49
meio cross assim meio independente do caso de uso, e
35:52
isso é importante, mas. Sempre, né?
35:56
Quando a gente vai adotar 111 tecnologia dessas, você pergunta
35:59
qual o seu objetivo, o seu cliente, qual o objetivo que ele
36:02
quer atingir? Então, né, isso vai caso a caso,
36:04
o objetivo do cliente é o mais importante dentro de casa.
36:08
Assim, vamos pensar na tecnologia como um todo, é
36:11
quando chega um novo modelo. Meu trabalho vai ser o seguinte,
36:15
é, eu tenho uma série de benchmarks, eu sei casos, né, de
36:18
clientes assim, que eu sei que foram muito difíceis de tratar,
36:21
então a gente tem ali uma base de de testes.
36:24
Quem a gente pega esse modelo e vê como ele se comporta naquele
36:27
caso, pô, agora chegou um modelo que consegue resolver aquele
36:30
caso de que a gente não conseguiu, conseguiu resolver
36:32
até hoje, é, esse é um é um ponto interessante assim, tipo
36:37
um caso de uso que antes era impossível resolver e agora esse
36:39
modelo resolveu é às eventualmente, pode ser ao
36:42
contrário, às vezes um caso de uso que antes era resolvido,
36:44
agora com esse modelo ele é mais ele é mais criativo, vamos
36:46
dizer, ele deixa de resolver. Então é, no fim das contas, é, é
36:51
isso, você precisa de uma bateria de testes.
36:53
Existe no mercado alguns benchmarks, né?
36:55
Quando quando saem modelos eles sempre falam é, eles comparam,
36:58
por exemplo, como é que o geminais saiu nos aumento de
37:00
software, saiu no, no, como é que o geminais, o versus, o
37:03
cloud versus o gpt se saiu, por exemplo, numa num rioman leste
37:08
aqui sem, por exemplo. Esse aí é um modelo, é um teste
37:10
que que ficou bem popular recentemente e tem alguns testes
37:15
que são para sistemas agéticos. Tem um tem um que chama talbent,
37:18
por exemplo, que é um teste que a gente reproduz aqui.
37:22
E a gente entende como é que nosso sistema está se saindo em
37:24
sistema agente. Então como é que ele está
37:25
fazendo tu Colin, como é que ele está fazendo?
37:27
É conseguir atingir o objetivo no agente no final de uma
37:30
jornada. Aí você consegue entender como é
37:32
que maior nova, né, um novo modelo vai se comportar nesse
37:36
tipo de situação. Então é isso, é esse tipo de
37:42
situação em que você compara com o benchmark, é bem tradicional
37:45
da da área de ciência oficial, isso, isso eu faço isso desde
37:47
sempre, então é. Quando eu trabalhava com anários
37:51
sentimentos, por exemplo, há há 58 anos atrás, eu tinha uma
37:55
série de testes lá que era chamado de testes ouro de
37:59
clientes, que toda vez que a gente tinha 11 atualização nos
38:01
nossos modelos dos anários sentimentos, a gente IA aliar.
38:03
Como é que eles se saiam nessas comparações?
38:06
Então acaba que é é a mesma coisa.
38:08
É hoje tem só essas complicações extras, né, que você mistura com
38:13
com como é que é esse comportamento agente, como é que
38:15
esses esses esses motores, né, esses, esses LLMS.
38:19
Vão se comportar Na Na chamada de funções, vão se comportar Na
38:23
Na. Buscar informações através de
38:25
uma rag. Então isso coloca um pouco mais
38:28
de de tempero aí nessas análises.
38:29
Mas no fim das contas é a mesma coisa.
38:31
Qual é a taxa de acerto de acordo com aqueles
38:33
comportamentos que você espera? E como que é feito?
38:37
Porque a gente a gente aborda muito IA e eu estou batendo
38:41
nessa tecla aqui porque é a gente está falando com com eu
38:46
estou falando com o diretor de IA w.
38:49
Mas a gente a gente, a gente lida ou fala de a de baixo para
38:54
cima, né? Então barra o up a gente tem
38:58
poucas, não poucas, mas tem poucas, tem poucas.
39:02
É cases ou referências ou conteúdos em que a gente fala de
39:07
a de cima para baixo, de de nível hierárquico de cima para
39:11
baixo. EE compartilhando trade offs
39:15
que. Muitas das vezes são difíceis,
39:17
né? De, de de ser feitos.
39:19
É como que como que você lida com esses plade offs de
39:23
personalização, performance, custo, porque é uma polêmica,
39:29
né? Hoje a relação de a pra custo,
39:33
porque quando teve o boom, o todo mundo esperava que conforme
39:38
o tempo o custo IA diminuir. E tem alguma, tem alguns
39:44
portais. Algumas alguns sites de
39:48
tecnologia que tem abordado a relação de que não é ou tem
39:54
aumentado ou tem mantido um preço elevado, que nesse momento
39:59
é o projetado era de queda, mas que ainda tem 111 custo.
40:05
Como que é feito esse strade off?
40:06
Porque isso isso sim, que isso sim é aqui que mora Oo.
40:12
A dificuldade não will. É com relação a adoção de ar no
40:16
negócio, né? Também é muito importante que
40:18
ele seja de de fato é do c level para dentro, porque acaba sendo
40:23
uma necessidade de de mudança de Cruz e de cultura, né?
40:27
É claro que a gente percebe que o movimento acontece nos nos 2
40:31
sentidos. Então talvez a adoção inicial
40:33
aconteceu muito mais nas pessoas, né?
40:35
As pessoas testando esse tipo de sistema é às vezes adotando, pô,
40:40
acho que isso aqui. Se eu colocasse esse esse esse
40:42
e-mail aqui sempre é revisado pelo meu ChatGPT pessoal IA dar,
40:46
IA ficar bom. Então a gente percebeu que que
40:50
houve 11 uso, né? Da das pessoas que estão no dia
40:54
a dia. Ao mesmo tempo em que foi, foi
40:58
se percebendo a importância, né, dos executivos da empresa também
41:01
entenderem a importância do próprio negócio.
41:04
Então na blip, né, a gente tem muito forte isso no nível
41:08
executivo, né? A necessidade de adoção de a.
41:11
E a gente teve aqui 12 momentos, né?
41:14
A gente teve um momento em que a gente percebeu que AIA ela
41:18
poderia ser um ganho de eficiência, mas que, na verdade,
41:23
ele poderia ser também um ganho de produtividade.
41:26
Então teve tem esse trade off. As 2 coisas às vezes não se
41:29
conversam, então às vezes a gente precisa ter um ganho de
41:34
antes de ter um ganho de eficiência, você aumentar a sua
41:36
produtividade. Então é um dos aprendizados que
41:39
nós tivemos, então. Eles conversam bastante com o
41:42
que você está mencionando. Colação ao custo o custo de
41:45
tokens de fato está diminuindo, então cada modelo que sai, os
41:48
tokens são mais baratos, mas a quantidade de tokens que esses
41:52
que que as aplicações usam, elas estão subindo muito mais.
41:55
Então hoje é muito fácil, né? É qualquer, qualquer consulta
42:00
que você vai fazer no ChatGPT, por exemplo, ele vai, ele vai
42:02
mostrar aí um reasoning, esse reasoning, ele pode gastar
42:06
milhares de tokens para tentar entender ali o que você está
42:09
propondo, né? Fazer uma.
42:10
Ele, ele pensa um negro faz, tem uma etapa de raciocínio que às
42:13
vezes não tá nem na resposta final, mas ali teve muito
42:16
consumo de tokens. Quando a gente fala de, por
42:18
exemplo, de coding sistemas, como é esses código agente code,
42:24
né, como por exemplo o code, o code code, né?
42:27
Ele consome muito o token, então ele de fato, né, ele, ele, ele
42:32
diz assim, ele produz tanto código que quando você vê o
42:34
preço dele, ele custa hoje 100 e 100 a 150 USD.
42:38
Um código pode Max, né? Que é o que acho que de fato
42:41
você consegue utilizar porque ele não te barra ali com poucas
42:43
consultas, ele ele às vezes se compensa pela pelo quantidade de
42:47
volume de produtividade que ele te devolve.
42:49
Então você tem que fazer esse strade Office, né?
42:52
É de acordo com com a situação. Então enfim, acho que olhar
42:57
primeiro para uma para um grande produtividade, quanto você
43:00
consegue fazer mais com mais qualidade antes de eficiência, e
43:04
a eficiência vem como depois, como uma consequência de você
43:06
ter feito. É bem feito esse primeiro
43:09
trabalho com relação AA aos produtos, né?
43:14
Eu acho que aí entra 11, outro fator que aí quando você
43:18
desenvolve um produto você tem que olhar bem, né, pro cog que
43:21
ele vai ter, né? Porque é de fato o impacto, né,
43:24
que isso aí vai ter dentro do produto, vai ser bem grande.
43:26
Então hoje a gente precisa até repensar modelo de negócio.
43:32
Então às vezes 111 modelo de negócio, por exemplo, através
43:35
de. De outcam e está fazendo muito
43:37
mais sentido, porque, de fato, a os sistemas que nós entregamos
43:42
estão conseguindo resolver cada vez mais necessidades dos
43:45
clientes. E aquele modelo antigo que a
43:48
gente cobrava às vezes por mensagem ou às vezes por por
43:51
City, né? Em alguns casos, às vezes não
43:53
faz tanto sentido mais, né? Então, enfim, é, as empresas
43:56
estão começando também a olhar para mudanças no próprio modelo
43:58
de negócio, de como é que elas cobram, né?
44:01
Pelo pelo uso das ferramentas. O que que você acredita?
44:05
Que seja um mito sobre a dada a sua.
44:09
Sua experiência é nisso e trabalhando com isso é que você
44:14
gostaria de falar civil? Parem.
44:18
Eu vou desmistificar de uma vez por todas esse mito aqui.
44:23
Qual que seria eu? Eu eu mencionei, né?
44:24
Que eu que eu trabalho com ya há 20 anos, né?
44:26
E eu e eu já fui, é? Eu já vi assim a minha opinião
44:31
mudar com relação a isso muitas vezes.
44:33
Então qualquer coisa que eu falar hoje, não, não, daqui a eu
44:36
posso, né, estar enganado daqui a algum tempo, mas hoje pra mim
44:41
é o que é mais mais evidente, assim que é um mito, é que AIA
44:46
realmente consegue resolver tudo e que de fato a gente a gente
44:50
vai perder, né? Nossa, a nossa, a nossa a
44:54
necessidade, né? A gente tá ali No No pareando
44:56
com ela. Então acho que isso pode ser que
44:58
aconteça em algum momento, em algum, em alguns casos, né?
45:00
Mas acho que é um dos principais mitos.
45:02
Um outro mito é é esse com relação a eficiências quanto de
45:06
fato AIA consegue é, sem ter um investimento alto no início,
45:10
você conseguir tornar as coisas mais eficientes.
45:13
Então eu acho que esses são são 2 que eu diria, hoje é no
45:17
passado, sabe? Eu, eu confesso que eu acompanho
45:21
assim as e a generativas. A primeira vez que eu vi um
45:25
motor 11 e a generativa foi em 2017, né?
45:27
Quando surgiram ali os as RNN, né, os Transformers.
45:32
Eu percebi ali baita do potencial da IA para gerar
45:34
texto, mas naquele momento eu não imaginava que a gente chegar
45:37
tão rápido no que a gente chegou hoje, de uma, de uma, do que do
45:40
que que é potencialmente capaz de ser feito.
45:43
Então eu vejo que hoje, né? O que mudou desde então é que
45:49
tem muito mais gente trabalhando com iagem relativa com a IA como
45:52
um todo do que havia há 10 anos atrás.
45:55
Era como a gente disse, o começo antes era uma coisa muito mais
45:57
acadêmica do que aplicação. Hoje tem muito mais gente
45:59
aplicando e às vezes aplicando em grandes.
46:01
Laboratórios às vezes em grandes empresas também, que estão
46:04
transcendendo muito mais do que é possível fazer.
46:06
Então eu diria assim que os mitos vão acabar se tornando às
46:10
vezes provocações, pra que algumas pessoas busquem como
46:14
separar elas. Então eu acho que o principal
46:17
coisa que nós temos que fazer hoje é buscar bons mitos, né?
46:20
O que que vai ser bom pra gente perseguir?
46:22
Então aí Ah, vai conseguir de fato ajudar a humanidade.
46:26
De repente isso é um mito hoje, que alguém, algumas pessoas vão
46:28
se provocar EE perseguir isso, na minha opinião.
46:30
A gente deveriam levar nossa mente para isso, de forma que
46:33
alguém se sinta desafiado e vá atrás dessa dessa frente e
46:37
consiga, né? Desbancar esse mito, por
46:38
exemplo? E agora é um momento em que eu
46:41
poderia só gravar essa parte e revender, mas eu não irei fazer
46:46
isso porque porque eu não vou fazer isso que é.
46:49
Wilson, se você pudesse dar um conselho para as pessoas que
46:53
estão ouvindo, principalmente para prat, menos e líderes é de
46:57
produtos que querem. Usar IA nos seus, nos seus
47:01
produtos, é, mas estão perdidos no hype, qual seria?
47:07
Acho que acho. Primeiro é conhecer a
47:11
tecnologia, né? Acho que ela está muito
47:13
acessível hoje, né? Você pode baixar in lovable, por
47:19
exemplo, e fazer umas brincadeiras que realmente antes
47:21
era inacessíveis, né? Pra se você não fosse um progt
47:23
manager com origem de programação.
47:26
Então é muito fácil hoje a gente construir conceitos em cima de,
47:30
né? Construir softwares de fato, em
47:31
cima desse tipo de sistema. Eu acho que cada vez mais os
47:36
papéis vão se misturar. Eu acho que cada vez mais
47:40
engenheiros e software, né, que antes estavam programando, vão
47:42
ter que fazer mais papéis, mais ligados ao negócio e gerindo,
47:46
né? Agentes de código, por exemplo.
47:48
E eu acho que pra pra um seria muito estratégico, que mesmo
47:50
fosse feito por todo mundo que trabalha hoje exclusivamente com
47:53
product management e não trabalha com coding, então.
47:56
Eu acho que esses 2 mundos vão se encontrar e não vai demorar
47:59
muito. Quanto antes as pessoas, né?
48:02
É quebrarem essas Barreiras, melhor.
48:05
Então product managers adotem, aprendam o mínimo de código, né
48:10
não, o código vai continuar existindo, vocês vão precisar
48:12
entender como conhecer esses códigos.
48:15
Acho que cada vez mais é, ele está acessível.
48:17
Então se se é construído um código ali pelo pelo lova, você
48:20
pode fazer perguntas Pra Ele mesmo, é o que que aconteceu
48:23
aqui, ele vai te explicar. É muito, é um momento muito bom
48:26
para aprender, é, e engenheiros e software é o mesma coisa.
48:30
Entendam mais sobre negócio, sobre os processos de construção
48:34
de produto, cada vez mais isso acho que vai fazer parte da
48:36
rotina e vocês vão precisar, tá no também é nesse nível, olhando
48:41
para a estratégia e cada vez menos assim é construindo de
48:46
fato, né? O as arquiteturas, construindo
48:48
um código, acho que vocês vão, a gente vai estar cada vez num
48:51
momento trabalhando, né? Numa. 11 gestão de de de tarefas
48:56
que as IAS vão estar construindo pra gente, então é encontrar
48:59
esse meio do caminho. A gente vai ter muita Fortaleza
49:02
assim, é na hora que a gente entende como vai ser essa nova
49:05
combinação e quanto mais a gente já está dando esses passos nessa
49:09
direção, vai ser melhor. Então é uma dica que eu dou pro
49:11
meu time, time, vamos olhar muito mais pra negócio, vamos
49:13
olhar muito mais pra pra como que a gente encontra né?
49:15
Oo aplicação né, do da iaa e ajuda né, nossos pares.
49:21
A está olhando, né, para o produto com uma boa adoção de
49:25
AEO mesma coisa eu falo para quem quem é do parte do produto,
49:28
vamos entender essa tecnologia que vocês vão conseguir entender
49:30
ali é como fazer uma boa hoje, né?
49:34
Uma boa adoção da do do que que é AO iate tem de capacidades e
49:38
ao mesmo tempo a gente vai se preparando para esse futuro em
49:40
que a gente vai estar na verdade liderando, né?
49:43
Sistemas que vão ser combinações entre é, desenvolvedores,
49:47
designers e. É product managers que estão, na
49:52
verdade, gerindo times de agentes especialistas em design,
49:56
agentes especialistas em pout coding e agentes especialistas
50:00
em gestão de portfólio do produto.
50:02
Então, esse mundo acho que está muito próximo de acontecer.
50:05
Eu diria que quanto mais a gente encarar, né, que é esse é o
50:10
próximo passo, melhor. A gente entende como é que vai
50:12
ser nosso nossa jornada daí pra frente.
50:14
E esse foi o. Papo com o William coller ou
50:17
simplesmente o will. Hã pra mais a chegada é você que
50:23
assistiu e ouviu até aqui, não se esqueça, o link do LinkedIn
50:27
do will está aqui na descrição. Vai lá, se conecta com ele,
50:31
chama ele, é, tira dúvidas, é, manda uma mensagem com ele, você
50:35
quer de alguma empresa? Porque eu sei, a gente já trouxe
50:39
aqui com fala de algumas startups, de a, que depois me
50:42
mandaram mensagens falando que empresas entraram em contato com
50:46
eles através do PG. Para poder fazer demonstração,
50:50
enfim, essas coisas. Então eu vou deixar também aqui
50:53
é o link da blip, tá bom? Tá na descrição.
50:58
E não se esqueça, deixe suas 5 estrelas, menos de 5 estrelas,
51:03
não precisa deixar no Spotify né?
51:04
Podcast assiste pelo YouTube, se inscreva, deixe seu joinha e
51:09
comente também, além de compartilhar no slack, no Teams,
51:13
No No WhatsApp. Tá bom will?
51:15
Muito obrigado pela presença, espero.
51:18
Contar com você mais vezes aqui no PG pra gente falar muito mais
51:21
sobre IA é No No aspeto de de estratégia e de negócios, muito.
51:26
Obrigado, Jorge. Muito obrigado pessoal.
51:28
Foi um prazer estar aqui. No PG é isso?
51:30
Beijos, tchau, hoje.