Latest / Product Guru's : Produto | Negócios | Carreira / Como as Empresas Devem Usar Inteligência Artificial | Cezar Taurion

Transcript

Como as Empresas Devem Usar Inteligência Artificial | Cezar Taurion · Product Guru's : Produto | Negócios | Carreira

0:00
Hoje, a conversa é com um dos principais nomes da tecnologia
0:03
no Brasil, que há décadas acompanha de perto as
0:07
transformações provocadas pela inteligência artificial.
0:10
Cesar taurion é shift startud Officer da redcore e tem uma
0:14
longa trajetória como um Evangelista de inovação, com
0:18
passagens marcantes pela IBME1, produção consistente de conteúdo
0:22
sobre a transformação digital e o futuro dos negócios.
0:26
Neste episódio, vamos explorar como que AIA está saindo do hype
0:29
e se tornando uma ferramenta estratégica real, com
0:32
aprendizados práticos, cases concretos e uma visão crítica
0:36
sobre o que o que realmente importa quando o assunto é
0:39
inteligência artificial nas empresas.
0:41
Está assistindo pelo Spotify e Apple podcast?
0:43
Clique no botão seguir e deixe suas 5 estrelas.
0:47
Está assistindo pelo YouTube? Se inscreva no canal, deixe seu
0:50
joinha em comente aqui o que você achou dessa conversa com o
0:54
César. Oi, tudo bem com você?
0:59
Meu nome é Paulo shioge e sejam bem vindos a prova tiguru o
1:02
podcast que vai por trás dos produtos e hoje a gente chega no
1:07
Olimpo, porque ele está entre nós.
1:11
Cesar taurion o maior nome é de a no Brasil, segundo muitas
1:17
pessoas. Porque eu fiz um post e as
1:19
pessoas, muitas pessoas marcaram, marcaram ele.
1:24
Antes da gravação, já tomei uma bronca do César porque eu chamei
1:28
ele de senhor e ele mandou eu calar a boca.
1:32
Essa foi a as aspas? Não, o senhor não me chama de
1:35
você. Seja bem-vindo a proiotiburus,
1:38
seja até o Leon, tudo bem. Olá Paulo, legal estar aqui com
1:41
você. Quanto esse maior aí?
1:43
Isso são as más línguas que dizem?
1:45
Não acredito muito nisso não. Talvez seja algumas alucinações
1:49
que estão correndo tudo. E falando de alucinações.
1:52
É, saiu uma matéria recentemente, não sei se se você
1:56
chegou a ver sobre as alucinações do ChatGPT e que o
2:01
saa Altman aparentemente disse que sim, existe alucinações e
2:06
que é isso só pra para as pessoas que não são muito, não
2:13
são especialistas em AE tal. O que seria alucinações?
2:17
E como que a gente consegue identificar uma alucinação de
2:21
manhã, antes da gente entrar mais No No assunto de ar?
2:24
A questão da alucinação é bom? Primeiro, um nome que não diz
2:30
muito sobre o que é mesmo, né? Alucinação dá a impressão que,
2:34
como nós, humanos, às vezes temos a que a gente chama
2:37
alucinação, aquelas visões é incoerentes.
2:41
A máquina não tem visão incoerente.
2:43
Nós estamos falando de sistemas probabilísticos.
2:46
Que em determinada situação, determinado contexto, ele acaba
2:50
chegando a um a uma área de baixa densidade e probabilística
2:55
e dá uma resposta que ele retira.
2:56
Daí então, para ele está absolutamente correto a
3:00
resposta, porque aquela resposta é mais plausível.
3:03
Estatisticamente para nós é que olhamos a resposta, temos uma
3:08
percepção do que deve ser. Essa resposta não faz sentido.
3:13
Isso quando a gente sabe o assunto sobre o assunto.
3:15
Aí se não souber sobre o assunto, aí a coisa complica.
3:18
E essa é a grande dificuldade de se identificar.
3:21
O que é uma alucinação? Quando você questiona o modelo
3:25
de linguagem ou pede a ele para responder alguma coisa sobre o
3:29
assunto que você não conhece, ele pode responder 98%, 99%.
3:36
Coerente, aliás, é sempre coerente, sempre coerente e
3:39
plausível, mas não quer dizer que seja fatual fatual.
3:42
E ainda pode ter ali um erro, um erro muito grave.
3:48
Se você não conhece o assunto, você não consegue identificar.
3:51
Se eu fizer, por exemplo, 11 prompt legalzinho pedindo para
3:56
11 explicação sobre energia nuclear, assunto que eu não
4:02
tinha a mínima ideia, ele vai vim com respostas.
4:05
Pode citar livros, autores, pode citar algumas hipóteses e
4:10
teorias. E eu não consigo validar.
4:13
Pode ser que a maioria delas esteja correta e alguma esteja
4:16
completamente errada. Se mostrar para um físico
4:18
nuclear, ele vai me chamar de olha, seu idiota.
4:21
Isso aqui não tem sentido nenhum.
4:23
Então é muito difícil você identificar, principalmente em
4:26
textos grandes nos quais você não tem conhecimento, porque o
4:31
texto que ele gera é um texto muito fluido, muito plausível
4:37
para ele. É o que é mais
4:39
probabiliticamente plausível sair.
4:42
Mas pode ser que seja um absurdo.
4:44
Ele não sabe o que é certo, o que é errado, e nós chamamos
4:47
esses erros de alucinação. E esse é um problema crónico.
4:52
É um problema inerente ao modelo de linguagens grandes, então não
4:58
dá para você eliminar. Você pode mitigar colocando uma
5:03
série de medidas de proteção que não fazem parte do modelo, mas
5:09
qualquer coisa pode surgir. Então já faz parte inerente do
5:13
modelo, não é algo que você não é, consegue eliminar, anão ser
5:18
que você acabe com o modelo transformer por.
5:21
Exemplo ô, você acompanhou várias ondas tecnológicas, né?
5:25
É o que que essa onda da da iagem nerativa tem de diferente
5:29
estruturalmente das anteriores? Assim, eu não acompanhei tantas
5:35
ondas assim, mas aparentemente. Me parece uma onda muito, muito
5:42
maior do que as outras, muito mais rapada.
5:45
E aí tem o fator das redes sociais, né?
5:47
Que ajuda AA inflar. Mas é isso, né?
5:52
É Oo Hyper é muito maior, porque você tem hoje muito mais
5:56
circulação de informações e tudo.
5:58
Eu tô aí há 5 décadas trabalhando em em tecnologia e a
6:03
minha primeira experiência com a inteligência artificial foi no
6:06
final da década de 80. Na época, eu diria assim, o
6:11
estado da arte em termos de tecnologia, do que nós chamamos
6:14
de inteligência artificial, eram os chamados export systems,
6:19
bastante simples. Você tinha 11.
6:21
Era uma árvore de decisão, onde você tem uma base de
6:24
conhecimentos, por exemplo, regra de negócios.
6:26
Você tem um motor de diferença que fazia, digamos, as
6:29
inferenças em cima dessa base de conhecimentos.
6:35
Ou teve muito entusiasmo no final dos anos 80 e início dos
6:38
anos 90? Tanto que as publicações da
6:42
época falavam em bilhões de investidos e realmente tinha
6:45
muito investimento. Tinha máquinas específicas para
6:48
isso. A programação era ilícito,
6:50
programação simbólica. Tinha Alice machines, que era 11
6:53
fabricante de máquinas específicas para isso.
6:56
Quer dizer, teve todo um movimento.
6:58
Que muita gente não acompanhou, porque é uma coisa muito
7:01
restrita. Não tinha redes sociais, só um
7:03
grupo muito específico de de tecnólogos, mais na academia que
7:07
olhavam. Aliás, se você olhar em hype, já
7:10
na década de 50, ainda durante a guerra fria, no início da guerra
7:15
fria, começaram a surgir os primeiros computadores que
7:20
tentavam fazer uma tradução do inglês para o russo, que era uma
7:23
necessidade dos americanos ali na guerra fria.
7:26
E as manchetes da época? Isso obviamente não guia.
7:31
Mas é falava, olha, teremos máquinas que vão é fazer
7:36
tradução automática, tudo isso em breve, não precisaremos mais
7:39
de tradutores em 1954, 1955, depois nós tivemos outras ondas.
7:41
Aí teve essa dos anos 80, mais tarde, 97, quando de bru venceu
7:46
o campeão mundial de xadrez, o kasparov.
7:56
Falava se que pela primeira vez o humano venceu uma máquina,
8:01
venceu um humano num num, num jogo de estratégia xadrez.
8:04
Tem muito de estratégia, mas é um jogo com regras bem
8:06
definidas, né? E aí falou se bastante.
8:09
Agora, quando ele fala, falou se bastante.
8:12
Era mídia, jornais, um pouco na televisão, e era um assunto que
8:15
não interessava à sociedade, só pessoal de tecnologia. 2011 eu
8:20
estava na IBM quando surgiu Watson.
8:22
Também muita gente falou, mas só o pessoal de tecnologia, porque
8:26
não havia é um contato da sociedade com os modelos.
8:32
Em 2016, quando surgiu o Alpha go, que venceu o campeão mundial
8:36
de Gold, e isso foi um fato tão importante que a China mudou sua
8:40
estratégia geopolítica para incentivar a inteligência
8:44
artificial. Olha o fato disso só em 2016 e
8:47
vamos pegar aqui o caso brasileiro que ninguém notava
8:49
isso porque. Eu parecia uma artigo aqui, uma
8:52
notícia ali, mas nós não tínhamos contato com os modelos,
8:57
nem nem sabemos jogar gol. Quando surgiu o ChatGPT pela
9:02
primeira vez, você interagia de uma forma direta como 11 busca
9:07
no Google e vinha respostas muito interessantes porque ele
9:11
ingeriu todo, todo ou praticamente todo o conteúdo da
9:14
internet. E aí saiu de um círculo fechado
9:18
para o mundo todo. Jornais diários começavam a
9:22
falar motorista de táxi, motorista de caminhão, não só
9:25
tecnólogo, começava a falar do assunto, advogados, médicos,
9:29
todo mundo começou a falar do assunto e aí, de repente, teve
9:32
essa explosão e com as mídias sociais a coisa explode numa
9:37
forma assim. É descontrolada, né?
9:41
Vira um verdadeiro frenesi. Então, 2 fatos interessantes.
9:45
Primeiro, é tudo uma evolução, não houve nenhuma revolução.
9:50
O modelo está lá, é rede neural bem sofisticada, modelos de
9:54
matemática bem sofisticado, mas é rede neural, não houve uma
9:57
assim, um alguém acordou, Ah, vamos fazer isso, não, até que a
10:01
base do modelo transforma, do GPT, é um é um paper de 2017
10:07
produzido pelo Google, né? Tension isol Unidos mas o fato
10:12
primordial é que foi uma foi uma mudança no interface.
10:18
Isso fez com que as pessoas fossem dormir na idade média e
10:21
acordar na era espacial. Uau, tem algo fantástico aqui,
10:27
mas a inteligência artificial já estava aí.
10:28
Os modelos de de planning já estavam aí em 2015, quando
10:32
começou a se falar muito intensamente em de planning, que
10:35
é reconhecimento de imagens. Evoluiu bastante.
10:38
Me lembro que em 2016, eu estava no conselho de uma rede
10:42
hospitalar, estava falando sobre paramédicos do do.
10:46
Do the planning e o uso de de inteligência artificial em
10:50
sistemas de diagnóstico. Análise médica, né?
10:53
Reconhecimento de de padrões, na verdade, de máquinas
10:56
classificatórias. E os médicos estavam temendo que
11:01
fosse perder o emprego porque eu tinha até um cientista da
11:04
computação muito conhecido na no mundo da inteligência
11:07
artificial, que em 2015 disse que não precisaríamos mais
11:11
formar radiologistas porque. As máquinas iam fazer todo o
11:15
trabalho do radiologista. Então essa, essas ondas de
11:22
entusiasmo e frustração sempre aconteceu.
11:24
Essa é maior que as anteriores? É porque nós temos mídias
11:27
sociais, nós temos muita comunicação e temos o interface,
11:32
que antes é. Todos os modelos estavam debaixo
11:35
de camadas e camadas de Sócrates, só que a gente não
11:37
sabia. Quando a gente chama o Uber,
11:40
vários modelos de inteligência artificial funcionam.
11:43
Mas não está escrito Uber Power by ei, né?
11:47
Quando você tem um sistema de cartão de crédito e seu padrão
11:51
de de compras naquela transação é diferente do seu padrão de
11:54
compra tradicional, o sistema ponto é o modelo de inteligência
11:59
artificial. Quando você tem 11 antivírus ou
12:02
anti spam, tem modelos de machine learning ali rodando.
12:06
Só que você não não compra o antivírus Power bi.
12:09
Ei, né? Está dentro do.
12:13
Da solução. Só que quando você passou a
12:16
interagir diretamente, passou a ser o foco, em vez de ser um
12:20
componente da solução, ele passou a ser a solução.
12:23
E aí todo mundo começa a falar e considerar que e a generativa é
12:27
e a e a generativa é um subconjunto da IAEA contém sub e
12:33
a generativa, mas e a generativa é um subconjunto da i.
12:36
A é até shampoo com IAO César. Shampoo com IA, tem escova de
12:41
dente com IA? Aí assim vai, se você coloca
12:44
powers by, ei, i né? Chama atenção se vende-se não
12:49
vende, eu não sei. Alguns diz que sim, outros diz
12:51
que não. Nunca me interessei por isso,
12:54
mas é um marketing, né? É, é, é surfar a onda do
12:58
marketing. É, eu escrevi recentemente
13:00
justamente sobre isso, porque eu fiquei curioso para saber o
13:03
efeito de colocar. É a tag Power BI, é EI lá.
13:09
EE, tem algumas pesquisas lá de fora que dizem que não ajuda a
13:15
vender. É pesquisas assim da da de
13:19
universidades, a Pew, Pew, Pew Research, alguma coisa assim
13:24
também fez uma pesquisa em que colocar só a tag de que é feito
13:31
contém a na verdade gera uma desconfiança.
13:36
Nas pessoas é e não ajuda muito, não aumenta a conversão de
13:41
vendas. Por exemplo, se você colocar IA
13:43
lá No No, no, Na Na Land page ou Na Na no site, é bem, bem
13:49
interessante isso, né? Porque hoje e.
13:51
E faz sentido, né? Porque a gente tem uma certa
13:55
tendência quando quando nós vivemos na no mundo da
13:58
tecnologia, na bolha da tecnologia, e vamos pegar uma
14:01
bolha, o pessoal do do LinkedIn que aparece no LinkedIn é uma
14:04
bolha. Você acha que considera que
14:10
aquele mundo que você tá é um é um planeta, não é?
14:13
Então ali é um reflexo, muitas vezes de soluções.
14:16
Surgiram lá no vale do Silício, num num cenário diferente.
14:20
Aí começou a se espalhar nos Estados Unidos e veio com uma
14:23
camada da população brasileira que não é o restante do Brasil,
14:27
que não é no que acontece na África, não acontece no mundo
14:29
inteiro. Ah, mas o ChatGPT tem 500000000
14:32
de usuários, mas é. Uma parcela disso usa
14:36
diariamente, uma parcela muito maior.
14:39
Usa assim, esporadicamente, 500000000 numa população de 8
14:43
bilhões. Vamos tirar os 2 bilhões da
14:45
China, vamos botar 6 bilhões, é muito pouco.
14:49
Então, a grande maioria da sociedade não tem nem ideia do
14:52
que na bolha parece que todo mundo usa.
14:56
No mundo real, a coisa é diferente e a gente tem que
14:59
olhar o mundo real, e isso. É por isso tem que furar a
15:03
bolha. Outro dia mesmo eu tava
15:06
conversando, respondendo um comentário, né?
15:10
E o cara veio com um Ah, um termo, não tem nada a ver com
15:14
ela, mas ele falou, Ah, lay off é demissão, é um tema americano.
15:18
Lay off já é um jargão conhecido no mundo inteiro.
15:21
Eu falei, cara, você vai para o interior do Piauí e pergunta
15:24
naquelas cidades que é lay off, do jeito que a mínima ideia, ele
15:27
sabe que foi demitido, não que Ah sofreu um lay off.
15:31
Então sai da bolha e olha o mundo real.
15:35
Mundo real que realmente ele vale.
15:37
A bolha depende do das pessoas com que você se relaciona.
15:41
E aí só trazendo aqui porque esse podcast também é é Sério,
15:47
é, é notícia. Então só pra gente
15:51
contextualizar o lance, é é 11 que eu mencionei, é um estudo da
15:55
Washington state University, testou mais de 1000 consumidores
15:59
nos Estados Unidos. Produtos descritos com EI é
16:04
Power by EI tiveram uma intenção de compra menor do que versões
16:09
idênticas chamadas apenas de high tech, e aí o principal
16:13
motivo ali listado é que a confiança emocional despenca
16:18
quando o consumidor vê que tem e a envolvida, principalmente
16:23
produtos de de risco, como eletrônicos, caros, dispositivos
16:28
médicos, serviços financeiros. Enfim, essas coisas.
16:31
Um outro estudo da racional labs é que testou com 767 usuários de
16:39
tecnologia. Chamar as funções de iae ali não
16:44
aumenta a disposição de compra nem a confiança em alguns casos.
16:49
Segundo é esse estudo, o simples fato de citar IA derruba a
16:54
expectativa de performance do produto.
16:57
E eu acho bem bacana o César que teve especialista, deixa eu só
17:02
pegar aqui. É aqui uma estrategista em um
17:06
desses estudos, de uma dessas pesquisas, que fala assim, eu
17:10
não conto que fiz meu produto usando Photoshop, por quem eu
17:13
contaria que usei IA? É basicamente isso, né?
17:17
É, a IA é uma apenas uma ferramenta, nada mais.
17:20
Apenas uma ferramenta absolutamente correta.
17:23
Então tá no dia a dia de de muitas coisas.
17:26
Quando você pega, vamos pegar uma empresa aérea, você tem ali
17:30
e você comprar uma passagem, voar para uma empresa aérea.
17:34
Você interage com diversos sistemas que dentro dele tem
17:37
modelos de ar. Por exemplo, você vai usar um
17:39
cartão de crédito, então tem o sistema de deteção de fraudes.
17:43
Aí você tem, por exemplo, uma empresa aérea, tem um voo que
17:46
você vai tem a. Tem um sistema de escala de
17:49
aeronaves, de de tripulação, de aeronaves que usa modelos de
17:53
machine learning de plano. Aí você tem um sistema que está
17:57
que garante que os aviões estão funcionando bem, operando bem,
18:01
voando tranquilamente, porque tem um sistema de manutenção
18:04
preditivo. Todos são sistemas de
18:06
inteligência artificial. Aí eu chamo o Uber.
18:09
Ele tem modelos matemáticos para ver qual melhor.
18:12
Motorista naquele momento, uma série, né?
18:15
Com a previsão de tempo, como é que ele prevê que em 2 minutos,
18:18
provavelmente vai ter um carro na sua porta?
18:21
É um modelo preditivo, então nós convivemos com esses modelos o
18:25
tempo, mas ninguém fica falando disso.
18:30
Então o que aconteceu é que quando passamos a interagir
18:34
diretamente, isso levou a um hype extremo extremo, não é?
18:38
Eu acho que é exacerbado. E aí até o pessoal de marketing
18:42
começa a jogar No No shampoo pra pra investidores.
18:46
Aí qualquer empresa hoje tem lá impulsionado, OAIA, qualquer
18:51
empresa de vamos chamar de consultoria de 23 pessoas também
18:55
faz IA. Aí você pergunta, quantos
18:58
projetos os especialistas em a outro dia eu tava vendo aí um
19:02
especialista em a desses do LinkedIn que falou, Ah, eu
19:06
desenvolvi mais de 500 projetos em. 34 anos, não falei, uau,
19:12
como não bate as coisas não bate, né?
19:17
Então vamos ser muito racionais, não vão ficar na emotividade,
19:21
né? Aquela emoção, aquele
19:23
entusiasmo. Tecnologia é muito legal, já
19:26
está aí há bastante tempo e a generativa é mais uma técnica de
19:29
de plano e tem sua aplicabilidade, não é solução
19:33
para todos os problemas, a solução para alguns problemas
19:35
bem específicos, bem determinado.
19:37
E tudo bem, é mais uma ferramenta no nosso, no nosso
19:40
tour kits, na nossa caixinha de ferramentas.
19:43
Vamos usá la bem, vamos, mas não vamos usar onde ela não precisa
19:47
e nem deve ser usada. Você costuma dizer eu e eu gosto
19:52
quando você você diz isso no LinkedIn e eu vejo nos
19:56
comentários. As pessoas ficam meio
19:57
assustadas. Você costuma dizer que AIA não é
20:00
inteligente, apenas simula a inteligência.
20:04
Como essa visão molda a forma como empresas deveriam aplicá?
20:08
Las, porque é, você acabou de falar, né?
20:11
Não é pra tudo que você vai usar e a né, é?
20:15
Esse é um ponto curioso, né, porque há uma tendência AA
20:19
antropomorfizarmos AA tecnologia chamada inteligência artificial.
20:25
Dar um nome para o bote, né? Na Suzy, Suzana é Valéria.
20:32
O nome masculino, Jorge, é aqueles nomes aí que é como se
20:35
eu tivesse falando com uma pessoa, na verdade não está,
20:38
estou falando com modelos matemáticos lá atrás tem um
20:41
Monte de fórmulas matemáticas, apenas fórmulas matemáticas.
20:46
A rede neural é um conjunto de fórmulas matemáticas que recebe
20:50
e decodifica. Será uma entrada, né?
20:54
Um texto e através de formas matemáticas, probabilidade de te
20:58
dar uma resposta vai construindo uma resposta.
21:01
Como ele está lidando com texto, você fica entusiasmado, não gera
21:05
uma imagem entusiasmado, parece você estar lidando com uma
21:08
pessoa que está compreendendo você.
21:09
Ele não está compreendendo nada o que você mandou e o que ele
21:12
está respondendo. Ele não tem a mínima ideia que
21:15
ele está respondendo. Você entende aquilo como uma
21:17
poesia, uma linha de código, ele não.
21:20
O que ele pegou de entrada vai sair de saída, entrou o código,
21:24
ele aprendeu AAAA reconhecer ali que é código de computador e
21:28
vai. Gerar código de computador?
21:30
Se perguntar a ele o que que ele fez, ele nem fica feliz.
21:34
Se ele acertou, errou você, você não é legal, você acertou ele,
21:39
pô, vou comemorar esse fim de semana, pô, acertei mais do que
21:42
errei, tô feliz. É mínima noção, é um software, é
21:45
um software. O problema é quando você imagina
21:49
que é software, é humano, ele tem inteligência ou parece ter
21:53
inteligência humana, você tenta jogar para ele coisas que não
21:57
estão. Capacitadas a serem feitas e
22:02
esse é o grande erro, você imaginar que tem algo que vai
22:04
compreender o que você está fazendo e dar uma resposta.
22:07
Não é um software que pega uma entrada, processa e tem uma
22:10
saída. Antes era um software.
22:12
Você conhecia mais software, determinismo, entrava, tinha
22:15
rotinas bem definidas e saía mais respostas, claro, você
22:19
conseguia validar, por exemplo, folha de pagamento.
22:22
Se meu salário é 1000 BRL, tem que estar 1000 BRL minha conta
22:25
corrente. Tem 1500 BRL, tem que ter 1500
22:27
BRL, não pode ter a probabilidade, tem 1500 BRL.
22:28
Um sistema de inteligência oficial, um sistema
22:31
probabilístico. A resposta pode ser algo certo,
22:33
algo errado, então 2 + 2 pode dar 4 99,9% das vezes e pode dar
22:39
738 em 0,001%. Você não tem 100% de garantia de
22:41
nada, absolutamente nada. Então, quando você precisar de
22:44
respostas probabilísticas. De alguns casos, a resposta para
22:55
logística interessante no caso de linguagem, modelo de
22:58
linguagem, fluência e não acurácia.
23:01
Ótimo, aplicações desse tipo, certo?
23:03
Você precisa de acurácia? Não, mas considere o seguinte, o
23:08
modelo de inteligência artificial, qualquer que seja
23:10
ele, faz parte da solução. Ele não é solução, faz parte da
23:14
solução. Voltando ao sistema de detenção
23:17
de fraudes, o sistema de detenção de fraudes com n é.
23:21
Subsistemas e módulos e tem lá um módulo de machinilano para
23:25
prever se aquilo se parece com uma tentativa de fraude ou não,
23:30
baseado em vários parâmetros, seu comportamento de compras e
23:36
algumas outras variáveis que ele possa aplicar.
23:38
Cada modelo tem um conjunto variável diferente.
23:41
Nesse caso, beleza você, mas quando você considera que o
23:45
bicho é inteligente, você começa a dar super poderes ou imaginar
23:49
que ele vai fazer mais coisas do que ele faz.
23:51
Então vamos voltar ao a racionalidade.
23:54
É um software onde você tem um Monte de de fórmulas matemáticas
23:59
e que te dá respostas que são plausíveis no caso de texto.
24:04
Ou podem ser a identificação de um possibilidade de câncer na
24:09
análise de uma imagem. É médica, mas é isso.
24:13
É sempre a possibilidade. Então a resposta nunca é 100%
24:18
factual, é sempre probabilidade de acerto.
24:21
Pausa para um recado importante da nossa patrocinadora.
24:24
O futuro dos produtos digitais já começou e a inteligência
24:27
artificial é parte do time. APM 3 acaba de lançar a formação
24:31
em gestão de produtos de IA, um curso pensado para proety
24:35
managers que querem criar, delegar e inovar com mais
24:39
inteligência. Muito além dos prompts, você vai
24:42
aprender a liderar produtos baseados em IA.
24:44
Dominar temas como machine learning, deep lune e
24:47
agenerativa e aplicar novas formas de Discovery,
24:50
experimentação e validação. Prepare se para o mercado que
24:54
mais cresce no mundo e torne se OOPM que lidera a transformação.
24:58
Acesse o link na descrição e saiba mais.
25:02
Ô só pra gente é explicar para quem está ouvindo e não entende.
25:06
É alguns termos. O você falou sobre acurássia e
25:11
fluência, né? É?
25:13
O que, que, qual, qual seria o significado disso no contexto de
25:16
AA Croácia? Acho que todo a deve ser, né?
25:21
O significado. O significado, né?
25:22
De de assertividade, né? Isso no caso da da fluência.
25:27
Ele, isso é um fenômeno do modelos de linguagem.
25:30
Modelos grandes modelos de linguagem, né, que gera um
25:33
texto. E a fluência que o texto é um
25:36
texto bem bem fluido. Você lê qual e você fica
25:40
convencido que ele sabe o que está fazendo.
25:43
Que é aquilo realmente faz sentido.
25:45
E a grande maioria das vezes faz sentido porque ele pegou
25:48
probabilisticamente um Monte de de, gerou um Monte de de, quer
25:53
dizer, um pedaço de palavras que foram baseadas No No, naquela
25:58
análise estatística daquele momento, baseado no treinamento
26:03
que ele teve, que foi a ingestão de praticamente toda a internet.
26:06
Então sempre vai ter respostas muito, muito bem definidas, né?
26:10
Porque. A maioria dos textos que estão
26:13
na internet são não são escritos por esquizofrênicos, são
26:16
escritos por pessoas rastreavelmente, normais, então
26:19
fazem sentido, são frases, fazem sentido, são papers, artigos, é
26:24
jornais, livros. Faz sentido que você lê num
26:26
livro? Não é esquizofrênico para
26:28
escrever. Então a grande maioria do texto
26:30
está na internet, faz sentido. Ele junta esses pedaços
26:32
recombinam e saem frases, textos e páginas que sejam coerentes.
26:39
Por causa da combinação probabilística porque o conteúdo
26:41
é coerente, né? No, no seu, no seu dá, tá certo?
26:46
Treinamento. Muitas empresas entram Na Na e a
26:50
por moda, né? A gente tem tá falando isso
26:52
nessas 2 últimas perguntas sobre empresas OA área de marketing,
26:57
né? Aproveita que tá no hype é
27:00
entende que Oo ranqueamento é maior?
27:04
É. AA entrega nas redes sociais é
27:08
muito maior. Quando coloca IA ali, você pode
27:11
colocar qualquer coisa, pode, você que está assistindo, pode
27:14
fazer, pode fazer esse teste, pega uma receita de bolo posta e
27:20
coloca no final lá bolo de fuba, tracinho, IA, vai ter mais
27:25
engajamento, vai ter mais like, vai ter mais visualizações,
27:29
porque colocou IA, já era, é o que que o que que você observa?
27:34
Estando perto de várias empresas, é o que que você
27:38
observa nas que realmente estão extraindo valor.
27:42
São aquelas que entendem é o lugar da IA, pô, eu tenho esse
27:48
tipo de a, então esse tipo de a é pra esse o problema, esse
27:53
outro que é machine Lane, né? É pra esse outro problema?
27:56
É é aquela que entende que é uma ferramenta.
28:00
Ou ou tem uma, tem outros outros outros pontos.
28:03
Não o fator são 2 fatores essenciais, né?
28:06
Eu não diria 3. Primeiro, uma empresa realmente
28:10
com uma maturidade digital mais avançada, ou seja, que entende o
28:15
valor da tecnologia aplicada nos lugares certos da tecnologia
28:19
correta, no lugar correto, que tenham cuidado com os seus
28:23
dados. Você está trabalhando com
28:25
ferramentas que manusei uma grande quantidade de dados.
28:30
Qualquer que seja o modelo de de machine lani ou o de machine
28:35
lani mais sofisticado, você precisa de dados de treinamento
28:38
para ele aprender a reconhecer padrões.
28:41
Por exemplo, classificação de de identificação de de câncer de
28:44
mama em em análises de em análise de imagem médica.
28:49
Então que seja dados de treinamento ou no caso de de
28:52
gerar modelo de linguagem, muitos dados para gerar texto.
28:57
Ou no caso de de daqueles modelos de de fujo, models, né?
29:00
De geração de imagem, muitos os dados para ele saber como gerar
29:04
determinadas imagens, tem que ter os os exemplos para ele
29:07
trabalhar em cima disso. Então os dados de treinamento
29:10
são essenciais, então o cuidado com os dados é fundamental.
29:13
E o terceiro é AAA, é o letramento dos executivos, né?
29:18
A identificação de o que é e a suas potencialidades e suas
29:22
limitações você cumprir cumprir essas esses critérios.
29:27
Você é uma empresa madura digitalmente, você provavelmente
29:30
está usando e a de uma forma adequada, e muitas estão fazendo
29:34
isso. E a generativa é novidade para
29:36
maioria delas, porque é novidade no mercado como um todo.
29:40
Há 10 anos atrás não tinha isso. Não estamos falando, quer dizer,
29:44
2017, já 10 anos atrás, quase, mas começou se mesmo em 45 anos
29:50
atrás, com sistemas tipo ChatGPT é então.
29:56
Embora o muitas usem IA, houve um entusiasmo muito grande, sub
29:59
IA generativo e empresas que não usavam IA ficaram mais
30:03
entusiasmadas e aí começou se a aquela pressão, né, eu tenho que
30:07
ter, porque se não estou atrasado, conselhos, né?
30:12
Os boards das organizações dizendo gente, eu preciso
30:15
colocar IA generativo. Ah, eu fui, sei lá, fui jantar
30:19
com um colega meu da empresa XO, presidente da empresa y, eles
30:23
estão usando IA. Nós precisamos.
30:26
Aí ficou aquela correria, eu recebi muitas ligações do Tico,
30:31
então olha só meu conselho aqui, meu CEO tá pedindo para fazer
30:37
nem né, pedindo, exigindo que eu faça alguma coisa com o ChatGPT
30:40
mais rapidamente possível, mas o que é que você precisa fazer?
30:44
Eu não sei, qualquer coisa, pega um PDF do do, do relatório,
30:48
você, acionista, faz um resumo, pelo menos você, né tica lá o.
30:53
Mas isso é periferia do negócio, não, não traz nenhuma vantagem
30:57
competitiva, não, não afeta lá os números da empresa, né?
31:00
O bota online continua absolutamente igual, então fazer
31:05
por fazer é jogar dinheiro fora, tempo desperdiçado, energia da
31:09
empresa, as pessoas, você tem que ter um objetivo para.
31:13
Então eu estou sendo eu. Eu falo algumas coisas para mim
31:16
que sou um mantra, primeiro eu. Como empresário, eu não gostaria
31:21
de um projeto de a, eu gostaria de um projeto que resolvesse o
31:24
meu problema de negócio, se vai ou não usar AA, ser secundário.
31:28
Então a estratégia que a gente ouve muito falar AI force, para
31:31
mim isso é pura enganação, não tem nada a ver.
31:34
AI force, eu estou obrigando a ser AIA, não, eu tenho que ter
31:40
11 estratégia de negócio, identificar onde é que estão os
31:43
gargalos, ver se é aplicável e a que modelo de a posso aplicar e
31:48
aonde. Bom, legal, vou usar IA aqui,
31:51
vou usar IA ali, vou integrar isso aqui do outro e não tenho
31:55
que usar IA, qual Iara vou usar? E aí o pessoal considera muito
31:59
que a iaia é a generativa, e, novamente, como repetindo, e a
32:02
generativa é um subconjunto da IA como um todo, então é um
32:06
conjunto pequeno de empresas, a maioria tá, tá, tá perdida.
32:10
E as pesquisas muitas vezes são distorcidas, né, porque se você
32:14
pega num evento 300 executivos. Ei, pessoal, quem está usando
32:19
OIA nas suas empresas, todo mundo vai levantar a mão que o
32:21
cara tem lá dentro do seu smartphone.
32:24
Aqui eu tenho o jimenai, eu tenho o ChatGPT, o the psyk, o
32:28
perplexo. Então eu estou usando, né?
32:31
Aqui em casa eu estou usando, eu sou um have user de a, mas
32:36
talvez para algumas atividades minhas um benefício.
32:39
Mas para a corporação, o fato de você estar usando o ChatGPT
32:42
trouxe o quê de resultado do negócio?
32:44
Ah, agora o meu resumo ficou um pouco melhor.
32:48
Tá, isso se transforma em algo tangível.
32:51
Seu faturamento era de 3 bilhões e hoje passou para 4 porque você
32:54
tá usando o ChatGPT ou não mudou nada que ganhe OCTV, não é?
33:00
Então você ficar assim só No No intangível, Ah, estou usando
33:04
OIA, tudo bem, se é essa sua estratégia, dizer para o mercado
33:09
que você é uma empresa cool, Moderna, que os IA, beleza, está
33:13
dentro da sua estratégia, é divulgar, não fazer, mas se é
33:16
para. Trazer resultado?
33:18
Cara, usa aonde deve ser aplicado.
33:21
E eu vejo aí que a maioria das empresas realmente não não tem
33:25
ideia muito clara do que fazer ainda com inteligência
33:29
artificial ou quando tem, nem sabe o que.
33:31
Tem o levando em consideração esses esse ponto de ter claro
33:37
qual o problema que AEA vai resolver o que que o que mais é
33:41
11 empresa precisa ter minimamente em ordem?
33:45
Antes de sequer considerar escalar uma IA internamente.
33:50
Quando ele vem falar de IA, eu gosto muito que as empresas
33:53
grandes, né? Falam, não vamos usar IA,
33:57
principalmente empresa de grande, tradicional, antiga, IA.
34:01
Aí quando você fala assim, tá, é, e os dados estão
34:05
estruturados, o quê? Eu falei, dados tá estruturado.
34:10
E aí, rapaz, tem os Excel. Lá, pega lá do Excel não é isso,
34:18
né? É?
34:19
As pessoas acham que IA é milagre, mas e como, como você
34:22
já falou, IA são modelos estatísticos, ou ou seja,
34:26
precisa ter os dados minimamente estruturados, certo?
34:30
César, esse seria o primeiro passo.
34:33
Governança de dados bom, eu vou dar um caso real.
34:36
Não é um projeto desenvolver para uma para 11 empresa
34:41
fabricante de equipamentos agricológicos.
34:44
Projeto era de manutenção preditiva que eles têm
34:47
equipamentos agrícolas que têm sensores.
34:50
Sensores geram dados. Quando a máquina para o técnico
34:55
vai e faz o conserto usando os dados do sensor, lá usa lá o
34:59
seu, seu laptop, seu laptop ou no caso eu tenho um tablet.
35:04
Se conectava lá com sensores e tudo bem, sabia mais ou menos o
35:08
que fazer, mas é uma máquina que está fazendo a colheita.
35:13
Da soja, por exemplo, se parar no meio da da colher, tem um
35:16
prejuízo, porque até o técnico se deslocar, às vezes a fazenda
35:20
é longe. O cara tem que ir de avião para
35:22
uma cidade maior, depois de carro, não sei quantas horas
35:26
passou, se horas ou talvez um dia, né?
35:28
Isso não precisa muito dinheiro. Então vamos pegar esses dados,
35:32
essa foi a ideia, e fazer uma manutenção preditiva, ou seja,
35:35
fazer 11 conjunto de correlações, se esses esses,
35:40
esses dados, essas variáveis. É, somam, determinadas, chegam a
35:44
determinada situação. A probabilidade de uma de de
35:48
acontecer algo nessa parte do equipamento é grande, então o
35:52
técnico IA lá para fazer os ajustes ou eventualmente trocar
35:55
uma peça antes que ela desse defeito, como na aeronave, no
35:59
avião, coisa assim, legal. A ideia é fantástica.
36:03
Bom, então vamos colocar no mundo real, né?
36:06
E como não havia governança de dados, a primeira coisa que você
36:08
descobre é que nas fazendas, em. Milhares de fazendas que eles
36:12
têm equipamentos. Vocês tinham gerações de
36:14
máquinas diferentes, com um conjunto de sensores diferentes
36:19
que não geravam necessariamente os mesmos dados.
36:22
Então você tinha alguns dados que eram diferentes e tinha
36:24
dados que eram os mesmos, mas em formatos diferentes.
36:27
Os sensores eram de fabricantes diferentes.
36:29
Eles geravam dados um x bits, outro y bits, assim por diante.
36:34
Então essa é a primeira dificuldade de conciliar tudo
36:37
isso, e eles não imaginavam, Ah, temos sensores.
36:41
Segundo ponto, como não havia uma política de governança de
36:46
dados, não havia nenhuma previsão de se fazer uma
36:50
manutenção preditiva. As filiais não tinham uma,
36:55
digamos, uma diretiva clara do que fazer com os dados.
36:59
Então, muitas filiais pegava os dados, corrigia lá o problema,
37:01
consertava a máquina, notava, consertei a máquina, pô,
37:05
fantástico, e pegava os dados, jogava fora, não precisava
37:07
deles. Aquele problema foi aquele
37:09
problema. O outro problema será outro
37:11
problema. Então você descobria que ali
37:17
descobriu No No dia a dia que algumas filiais tinham 6 meses
37:21
de armazenamento, outras tinham 23 meses, outras tinham uma
37:25
semana e alguma uma ou outra tinha um ano.
37:28
Então, fazer uma análise histórica tinha um universo
37:31
muito pequeno de dados. Então tem os dados.
37:35
Em tese, tem, mas você vai na prática.
37:37
Não tem. Então a política de governança
37:39
de dados absolutamente essencial.
37:42
Ah, eu tenho o sapo, então eu tenho os dados, não, você tem o
37:45
sapo, eu vou pegar o que você falou, mas lá no sapo, que ele é
37:48
muito rígido, toda ARP tem uma certa rigidez, você tem certas
37:53
características de dinamismo na empresa que não consegue ser
37:57
incorporadas rapidamente no RP. Então você faz o que é
38:00
sisteminha, uma planilha Excel aqui, um sisteminha que você
38:03
contrata ali um sapo que assacep SAS.
38:06
E vai juntando e fazendo essa esse lego aí, né, essa quebra
38:10
cabeça que às vezes não tem nem nenhuma, uma imagem nítida e os
38:15
dados estão espalhados. E aí que dado eu uso aqui, eu
38:19
tenho um dado cliente nesse arquivo, nesse início, qual o
38:22
mais atual aqui eu tenho um dado de faturamento, vem da onde ele
38:26
está aqui no sistema de financiamento.
38:28
Então tem certas coisas, se tiver uma governança de dados, a
38:32
coisa se perde o primeiro passo. E aí depois você vai colocar em
38:36
produção discutivamente. Você tem que ter uma política de
38:39
de governança, de de, de a ou seja, o que eu estou usando, ele
38:43
está violando alguma legislação, alguns aspectos regulatórios.
38:48
Se eu sou um sistema, sou uma empresa de um setor regulado,
38:51
finanças, medicina, eu tenho que estar aderente a uma série de de
38:55
aspectos regulatórios. Eu estou violando isso na
38:58
confidencialidade dos dados de um paciente, por exemplo, ou eu
39:02
tenho que ter cuidado disso? O que eu estou gerando de texto,
39:05
no caso geradores de texto, é está violando direitos autorais,
39:10
né? E a coisa está muito nebulosa,
39:14
Ah, mas eu não violei direito autoral, mas sua ferramenta que
39:17
está usando está sendo processado, você usou que violou
39:20
o direito autoral, você está usando ela, você está
39:23
consciente, você está usando uma ferramenta que violou o direito
39:26
autoral que está sendo processado.
39:28
Se ela for condenada, será que você não vai ser condenada?
39:31
Quer dizer, então. São questões que, se você não
39:34
considerar isso uma política de governança de a, você tem riscos
39:40
que você está assumindo. Então a sua área de risco,
39:42
compliance, está teta para isso. Então a política de governança
39:45
de a também é muito importante nesse contexto.
39:49
Onde que além de do de dados espalhados é pela empresa toda,
39:55
porque tem o dado do setor x? Que não conversa com os dados do
40:00
setor AE que o pessoal financeiro precisa fazer um
40:04
procv cont c em uma tabela dinâmica para poder achar com
40:10
relação entre os dados ainda continuando a governança de
40:14
dados, além desses lances de do lego dos dados disparates onde
40:20
que costuma falhar na prática mesmo a governança.
40:24
É, é uma questão de que não é prioridade dos das alta
40:27
liderança. Alta liderança não entende o que
40:30
é governança de dados na prática, onde é que falha,
40:33
certo? É AA liderança da das empresas.
40:36
Não se preocupa com isso? É, ou seja, eu tenho, eu tenho
40:40
sistema, está funcionando, deixa pra lá.
40:42
Você vê que até questão de segurança, um Monte de buracos e
40:47
todo dia a gente lê no jornal, na mídia, violações de
40:50
segurança, quer dizer. Isso é a coisa que vai para a
40:53
mídia, né? Sem contar os que não vão para a
40:55
mídia. A mesma coisa é a governança de
40:56
dados, não há prioridade, não é investimento.
40:59
Ah, eu tenho que fazer uma política de governança de dados,
41:01
mas eu preciso de uma ferramenta para fazer um gerenciamento,
41:03
preciso de uma ferramenta para isso.
41:04
Quanto custa? Aí o cara olha, não, não tem
41:07
111, digamos, uma perceção do valor, então é tudo caro, eu não
41:14
sei o valor do que que é uma governança de dados, a
41:18
importância disso. Qualquer 1000 BRL é caro, vou
41:20
pegar 1000 BRL e jogar. Onde eu conheço, eu sei que tem
41:23
um valor. Então, esse iletramento da dos
41:28
executivos, eu acho que é um ponto crucial em termos de de a,
41:33
principalmente no caso de governança de dados.
41:35
Governança de dados não é só para adiar e a hoje
41:38
exponencializou o problema, mas já existia antes.
41:42
Por isso que você vê muitas vezes caso de de.
41:45
Vulnerabilidade do sistemas, porque não é um controle dos
41:48
dados. Só de repente você está pegando
41:50
dados de um sistema com dados privativos e colocando em outro
41:55
sistema que vai para público com AIA, principalmente com AI
41:59
generativa, isso tornou muito mais aparente, mas podia estar
42:04
acontecendo antes também. Então essa falta de quem pode,
42:09
de uma política que quem pode acessar os dados, quem tem
42:11
direito de alterar esse dado. Essas coisas toda hora estão
42:17
pipocando aí. Falta de é perceção dos
42:20
executivos, a falta de letramento digital dos
42:24
executivos. Existe um dilema entre
42:26
eficiência e consciência, é como que você enxerga o papel da e a
42:30
em decisões estratégicas que exigem julgamento humano, ou
42:34
seja. A inteligência artificial é uma
42:36
tecnologia, uma ferramenta, que é o que seria num processo de
42:40
tomada de decisão, ela não toma decisão.
42:43
Se deixar ela tomar a decisão é você brincar de roleta russa,
42:48
pode estar certo, até pode estourar a sua cabeça, então não
42:53
deixaria ela tomar a decisão nenhuma.
42:56
Mas ela pode me ajudar em descobrir caminhos alternativos.
43:00
Eu estou pensando nessa linha, nem faz alguns prontos, pega
43:05
dados, faz um cruzamento, correlaciona dados, é muito
43:08
legal. AA inteligência artificial
43:11
correlaciona. Uma série de idades e consegue
43:13
fazer algumas algumas previsões interessantes.
43:18
E como toda a previsão nunca é certo, mesmo que você faça de
43:20
cabeça, nunca vai ser certo. Então tudo bem, é provabilismo.
43:24
Você está assumindo a possibilidade de erro.
43:26
Qualquer que seja a ferramenta, seja só humano, ou seja o uso de
43:29
máquinas como a máquina, você pode fazer mais alternativas,
43:32
testar mais hipóteses, que auxilia na sua tomada de decisão
43:36
a escolher os melhores caminhos. Então é uma ferramenta muito
43:39
útil ser usada. Dentro dos limites que você deve
43:43
usar, vai deixar AIA agir de forma autônoma e tomar decisão?
43:48
Cara, isso aí é uma loucura mesmo.
43:51
É, você tem algum caso de que AIA tenha gerado alguma decisão?
43:56
É pior do que o instinto humano. Dia de cabeça não, né?
44:00
Até porque quando acontece um negócio maluco desse, ninguém
44:05
vem dizer, olha, a minha empresa fez isso.
44:08
Você perde confiança na empresa. Imagina um banco dizer Ah, não
44:11
no processo de análise de crédito, foi feito por IA e vou
44:15
pegar o dinheiro do do Paulo e vou jogar tudo num na compra de
44:19
um de uma empresa que vai para o buraco, a culpa é da IA, quer
44:23
dizer, a culpa é do banco, então ninguém vai dizer, olha, errei
44:26
aqui, absurdamente, desculpem, foi mal, não, não vai.
44:31
Então os acertos, as pessoas dizem os erros.
44:35
Geralmente é difícil saber, por isso que nas palestras sobre a
44:39
ninguém fala dos problemas, falam só do futuro, dos
44:42
benefícios. Ah, que legal AIA ser assim, OIA
44:44
vai ser isso, AIA vai mudar, AIA vai sempre o futuro.
44:48
Agora me diz realmente na sua empresa o que que mudou é o que
44:52
não, eu fiz um chatbot aqui, Ah, aqui eu estou na área jurídica,
44:55
eu estou ganhando 2 horas por dia.
44:58
Cara legal, beleza, mas quando eu escrevi o meu primeiro
45:03
artigo. Há muito tempo, no jornal
45:05
chamado dathaniles início dos anos 80, era a máquina de
45:10
escrever. Então você tinha a laudo,
45:12
escrevia, e se você errasse? Se fosse uma palavra, você
45:16
apagava e escrevia por cima. Agora, quando você acabava de
45:20
ler e falava, puxa, esse parágrafo aqui, o ideal é que
45:23
fosse aqui. Ou você digitava, descrevia
45:26
tudo, te programava tudo, ou cortava.
45:28
Fazia lá os maceiros quando surgiram os PCSE, as ferramentas
45:32
de escritório tipo Office. Pô, era fácil, né?
45:36
É corta aqui, cola ali, corta cola era facílimo.
45:40
Acabei de escrever o texto, Ah, voltar para cá, Ah, esse texto
45:43
aqui que eu escrevi em outro artigo, eu vou jogar para cá e
45:45
fazer uma adaptação, olha que beleza, minha produtividade foi
45:48
assim, espantosamente maior, tinha alguma inteligência?
45:52
O Office era inteligente, não era a minha inteligência usando
45:56
uma ferramenta, mesma coisa com Iara, uma ferramenta muito legal
45:59
que eu vou usar minha inteligência para me facilitar
46:02
uma série de coisas. Mas não É Ela que vai fazer
46:05
isso, não É Ela que vai escrever o meu artigo, não É Ela que vai
46:09
ter a ideia de fazer alguma coisa.
46:12
Ela pode me ajudar a descobrir a cura do câncer, mas ela não vai
46:15
autônomalmente. Sabe o que que eu vou fazer esse
46:17
fim de semana? Vou descobrir a cura do câncer.
46:19
Não existe isso. Isso aí, obviamente, é por a
46:23
fantasia. Quais áreas da empresa de uma
46:25
empresa você acredita que mais se beneficiarão e quais?
46:30
Mais sofrerão com a adoção acelerada é da IA.
46:33
É novamente AA questão da IA, eu acho que é importante para todo
46:38
mundo ficar bem claro quando a gente fala em inteligência
46:41
artificial, imagina uma grande bola, isso aqui é inteligência
46:43
artificial. Você tem diversos modelos,
46:46
inclusive é que os protistas, aí você tem uma bola menor, que é
46:49
um subconjunto disso que vamos chamar de machine Lane.
46:54
Você tem modelos que não são machine Lane, modelos que é
46:56
machine Lane dentro de machine Lane você tem uma série de.
46:59
De técnicas e uma delas é chamada de de plurning, que são
47:04
um conjunto muito grande de EE camadas de rede grande de de
47:07
camadas de neuronal. Inclusive dentro de planos você
47:10
tem várias técnicas. Uma das técnicas nós podemos
47:14
chamar de IA generativa. Dentro da IA generativa você tem
47:18
várias técnicas, você tem diversos técnicas.
47:24
Uma delas chama se modelos Transformers baseados no paper.
47:29
Lá tem x ao e o Nilo, onde o chat se originou, é uma técnica
47:33
dentro do conjunto de técnica e a generativa.
47:36
Então quando a gente fala aplicação de a pode ser qualquer
47:39
uma dessas coisas, não? E a generativa e não chat já PT,
47:43
especificamente o modelo transforma.
47:45
Então, por exemplo, onde eu posso usar uma empresa, supondo
47:48
um hospital, hospital, eu posso usar muito inteligência
47:52
artificial, os modelos de classificação para me ajudar.
47:58
Na reconhecimento de de, digamos, de doenças e imagens
48:03
médicas, eu tenho lá determinadas imagens médicas,
48:06
ressonância, raio x, et cetera, et cetera.
48:12
Eu posso reconhecer padrões e aqui, ó, tem a possibilidade de
48:16
ter um câncer, aqui tem a possibilidade de ter isso,
48:18
possibilidade de ter aquilo. Eu vou deixar a decisão para
48:21
máquina? Não, mas pode me ajudar, por
48:22
exemplo, Na Na Na triagem, ou seja, eu consigo na triagem
48:27
identificar. Os que têm maior possibilidade
48:30
de não ter câncer, deixar mais atrás em termos prioritários e
48:36
os que apresentaram análise de médica.
48:40
Os modelos classificatórios de de plano na frente para dar
48:45
mais, chamar atenção para o radiologista.
48:48
Que o radiologista, como todo ser humano, fica cansado ao
48:51
longo do dia. A chance de erro ao longo do dia
48:53
aumenta. Tem que estar cansado.
48:56
Viu muitas imagens e não é só imagem que ele vê, né?
48:58
Ele tem que analisar, tem que fazer uma série.
49:01
Então, nessa área médica tem e a generativa ali não, então tem 11
49:06
diagnóstico que o médico vai fazer.
49:08
Aí ele pode usar vários modelos de a ali, por exemplo, que façam
49:13
correlações. Então ele pode, porque nós temos
49:18
uma limitação como humano de juntar variáveis.
49:21
A gente consegue juntar 45 variáveis, mais do que isso,
49:24
fica difícil. Uma máquina pode correlacionar
49:27
60 7080 parâmetros variáveis e dizer, olha, juntando tudo isso,
49:33
aponta para cá. Então, a máquina pode fazer toda
49:36
a análise dessas imagens e mais uma série de coisas que auxilia
49:39
o diagnóstico e diz, olha, existe uma grande chance por
49:43
causa desses dados aqui, combinando análises com exame de
49:46
sangue, exame de sangue daquilo, apontar determinadas coisas.
49:50
Ainda não usei a generativa, usei modelos de a.
49:54
Agora vou pegar esse diagnóstico e obviamente ele é escrito na
49:58
linguagem médica que eu preciso no prontuário médico.
50:00
Tem uma linguagem médica que isso vai para outro médico, mas
50:03
eu preciso também me relacionar com o paciente, com, com o mais
50:07
claro, for a conversa com o paciente, mas ele vai é estar
50:11
aderente ao tratamento. Aí eu posso usar uma iagem
50:14
nerativa para pegar 11. Análise feita por um médico e
50:20
com uso de algumas ferramentas de a de com relações de.
50:24
E gerar um texto em em língua de gente, não em língua de médico.
50:29
E aí facilita entender. Por exemplo, eu estava com um
50:32
problema no joelho, fiz o falei com a ortopedista, me pediu uma
50:37
ressonância, fiz a ressonância e veio aquele diagnóstico, pô, tá
50:41
mal o negócio. Aí peguei, por exemplo, o de
50:44
Psy, passei lá Oo texto do do diagnóstico e explica isso.
50:51
Ele me explicou em linguagem claro, não estava 100% correto
50:54
porque o doutor pedisse, depois eu levei para ele, ele me olhou,
50:57
ó, isso aqui tá errado aqui, tá errado.
50:59
Mas me deu uma tranquilidade, eu falei, eu já sei o que
51:01
conversar, o que perguntar e não ficar esperando, é isso, isso,
51:05
isso dele eu tenho que perguntar, tem que dialogar, aí
51:08
eu compreendi melhor porque que ele tá recomendando aquilo, que
51:11
ele tá fazendo, aquilo, então repara na isso aqui é um caso na
51:15
área médica. Agora, além disso, tem outras
51:18
coisas que eu posso usar, inteligência artificial, falando
51:20
só no setor de medicina, No No hospital, quer dizer, a parte
51:24
clínica. Agora eu tenho UTI, eu tenho que
51:27
alocar UTI, tenho que alocar centro de cirurgia.
51:31
É um modelo de alocação de recursos que eu vou usar modelos
51:34
matemáticos para alocar recursos, como escalonamento de
51:38
como escala de pilotos. Calotei para aquele cirurgião
51:40
para fazer isso. A cirurgia está previsto para 1
51:43
hora, essa outra para meia hora. Então começo a fazer toda esse
51:47
essa combinação. Estou usando machina.
51:49
Melhor mesma coisa é a ligação na parte de hotelaria do
51:55
hospital, né? Que eu junto isso com hotelaria
51:58
para evitar que eu fique com paciente no quarto já com alta.
52:02
Mas não é liberado que o médico só vai chegar lá à tarde.
52:05
Eu consigo rotear melhor. A sequência do médico, ele
52:10
seguir o quarto, a quarto, ele pode fazer um outro roteiro mais
52:14
eficiente. Então a gente aí tem AAA escala
52:19
dos enfermeiros e médicos como escala de tripulação.
52:22
Também tem modelos preditivos, tem uma série de regras para
52:25
você fazer a escala, então repara toda empresa.
52:30
Pode ter modelos de machine, line de plano e a generativa
52:34
aparece em alguns casos. Mas não em todos.
52:37
Mas outros modelos pode aparecer em outros casos.
52:40
Então, quando a gente fala em a, eu posso dizer que em
52:42
praticamente toda a empresa, quando eu falo em a generativa,
52:46
talvez em alguns poucos casos. Então é por isso é interessante
52:49
separar IA da IA generativa. Como que você imagina?
52:53
O impacto é da IA, né? Então IA generativa IA é nas
52:59
estruturas organizacionais atuais.
53:02
A gente vai precisar de menos pessoas ou de novas funções,
53:05
porque é um assim. É.
53:09
Particularmente, eu vejo esse tema pouco debatido.
53:14
Ou quando é debatido, é sempre com uma agenda, como por
53:19
exemplo, o pessoal do icombinator é vs.
53:23
Pessoal do vale do Silício fazendo aquele alarde de que não
53:27
vamos precisar mais de desenvolvedores, é?
53:31
Agora AIA pode desenvolver softwares e aplicativos com
53:38
apenas uma frase, é e cria 11 coisa, uma histeria que não é a
53:44
realidade, né? Só na bolha é isso, mas Na Na
53:49
realidade, ó César, como que isso impacta as estruturas?
53:53
Porque, por exemplo, no hospital, pô, é numa empresa
53:57
tradicional de seguro. Eu não vejo essa questão de a
54:03
mudando radicalmente essas estruturas organizacionais, não.
54:07
Não, não muda de forma radical. Pode mudar algumas coisas, como
54:10
o próprio uso da computação mudou.
54:13
Quando eu comecei a trabalhar em tecnologia, foi comer
54:15
influência. Então, quando entrou, por
54:18
exemplo, o primeiro sistema de folha de pagamento, a área de de
54:21
folha de pagamento reduziu porque era tudo a mão.
54:24
Aí quando você pega os bancos também, antigamente as agências.
54:30
Você tinha sistemas, rodava em Bete à noite para o dia
54:33
seguinte, ir para as agências numa listagem do do, do dos
54:37
correntistas daquela agência. Então, quando eu IA no banco com
54:41
tirar dinheiro, tirar com cheque, eu vivia a era do
54:44
cheque. Você IA no caixa, passava o
54:46
cheque, Oo caixa, IA lá atrás atrás dele, tinha lá a listagem,
54:51
procurava lá pelo código na correntista, olhava, via o meu
54:56
saldo, via o meu cheque. Riscava ali colocava o novo
55:00
valor, subtraindo aquele valor do cheque.
55:03
Nem dava dinheiro aquela noite era de ser digitado e tudo na
55:07
central ser digitado, processado no dia seguinte, reclamando.
55:10
Aí quando você coloca tecnologia e você coloca, vamos pular para
55:15
hoje aqui todo esse trabalho eu mesmo faço.
55:18
Não é o banco. Então eu vejo o meu saldo, faço
55:22
aplicação e preciso falar com meu gerente de conta e tenho um
55:25
gerente de contas específico. A gente marca 111 vídeo call,
55:30
então agências foram fechadas, diminuíram.
55:34
A automação sempre fez isso. A automação reduz tarefas
55:38
repetitivas, já não, não temos mais ascensoristas dos
55:42
elevadores, não, porque a inteligência artificial
55:44
substituiu. Eu quero um trabalho repetitivo
55:47
de apertar botão, eu mesmo posso apertar o botão.
55:50
Então isso sempre aconteceu, quer dizer, então muitas funções
55:53
vão desaparecer, porque a tecnologia vai evoluindo e vai
55:55
substituindo tarefas repetitivas, mas as tarefas que
55:58
demandam a nossa cabeça ou pensar ou criar as ferramentas
56:03
nos ajudam. Photoshop ajudou muito quem
56:06
trabalha com arte, mas não eliminou o artista.
56:10
Geração de imagem pode me ajudar muito na geração de imagem, mas
56:13
não vai eliminar o meu trabalho, vai me tornar mais produtivo,
56:17
vai me tornar mais eficiente. Posso.
56:19
Pensar em coisas diferentes, juntar tudo isso.
56:23
Então eu diria que algumas funções desaparece, como sempre
56:27
desapareceu. Algumas novas funções vão vão
56:30
aparecer como apareceu hoje. Tem gente que ganha dinheiro com
56:34
o YouTube ou com o YouTube ou com com o Instagram.
56:38
O youtuber que imaginava 1015 anos atrás que eu podia ganhar
56:42
dinheiro com vídeos e hoje? A gente vê isso tranquilamente.
56:48
É uma atividade que já tá na nossa sociedade, né?
56:53
Você tem lá essa essa atividade como como atividade econômica
57:00
normal, né? Já faz parte do nosso dia a dia.
57:03
Você tem desenvolvedores de aplicativos, de, de de
57:06
equipamentos novos, de celulares, né?
57:08
Smartphones, coisas que não existia, né?
57:10
O iPhone surgiu em 2007. Então, EE, esse e todo o nosso
57:14
dia a dia também se transforma em qualquer que seja a
57:16
profissão. Se eu sou um auditor, um
57:18
consultor, não vamos usar tecnologias como sempre usei,
57:20
vamos facilitar mais. Hoje nós estamos fazendo um
57:23
podcast que talvez há 15 anos atrás teria que ser gravado no
57:27
estúdio. A gente está lá junto, que não,
57:31
hoje não precisa. Eu estou no Rio.
57:34
Se você está em São Paulo, São Paulo você está.
57:38
Estamos fazendo como se a gente tivesse no mesmo estúdio,
57:40
conversando num bate-papo. O efeito é exatamente o mesmo e
57:44
quem está assistindo em tudo quanto é lugar não é Amapá, não
57:46
é qualquer lugar. Então mudou a nossa vida, mudou,
57:51
não é o smartphone, a gente tem hoje toda a nossa vida.
57:55
Eu não pego mais uma nota física, eu não entro, não dou há
57:58
muito tempo nota física. A última vez que peguei foi há,
58:03
sei lá, 2 anos atrás, então. E é, essa é uma questão, né?
58:08
Se lembra do apagão agora que teve na ali na península
58:12
ibérica? É a nossa vinda hoje, não é só
58:16
tecnologia, mas a eletricidade, né, para tudo, se ela tivesse um
58:21
apagão agora, nesse instante por isso você vê como é que a coisa
58:25
muda e a gente nem percebe, as estruturas organizacionais mudam
58:28
em relação ao que era 20 anos atrás, a gente nem percebe, não
58:31
é uma mudança de 1 dia pro outro, vai mudando, porque de
58:33
certas coisas vão sendo feitas mais automaticamente.
58:36
A nossa atividade muda, só que a gente cria uma dependência.
58:40
Se hoje estivesse um apagão, vamos pegar aqui, como aconteceu
58:42
lá aqui no nosso dia a dia nesse momento, primeiro a gravação IA
58:45
parar, segundo é aqui em casa, eu tenho as coisas na geladeira
58:51
e no Freezer, dependendo do tempo, IA estragar tudo, então
58:56
teria comida durante alguns dias, poucos dias talvez, né?
59:00
Porque sem sem refrigeração, a nossa comida não, não dura muito
59:05
tempo. Bom, eu não poderia fazer
59:08
compras porque eu não tenho Pix, nem cartão de crédito, porque eu
59:11
não tenho energia, não posso me deslocar porque não tem como
59:14
chamar o Uber, e o Uber não tem como aceitar o pagamento porque
59:17
o sistema não está funcionando. O celular dele pode até ter
59:20
bateria, mas o sistema não funciona.
59:23
Eu também não posso pagar o táxi, vou no supermercado, só
59:26
vai aceitar dinheiro, eu não tenho mais dinheiro, então como
59:30
é que eu vou comprar? Tenho que ir no caixa, mas o
59:32
caixa já não funciona, tem energia, então?
59:36
Não sei o que eu faço. Então a nossa vida, dependendo
59:40
da tecnologia e da eletricidade como nunca, e isso vem ao longo
59:45
do tempo. Então, ao longo do tempo, no
59:48
futuro, cada vez mais mudanças vão acontecer.
59:51
Mas não são mudanças repentinas. As coisas mudam devagar.
59:57
E lembrando que o mundo é diferente, pode ser que mude
1:00:00
mais rápido num país e mais lentamente em outros países.
1:00:04
Aqui, por exemplo, no Brasil, você em qualquer pequeno
1:00:07
restaurante, você paga via cartão de crédito a mesa, você
1:00:14
chama o garçom e ele vem a maquininha, você vai ali na
1:00:17
Itália, né? Eu tive Na Na Itália
1:00:19
recentemente pagar cartão de crédito, tem que ir no caixa.
1:00:23
Poucos restaurantes você tem a maquininha, poucos, a maioria
1:00:27
você vai ter que ir no caixa, já é cartão, não é onde no caixa,
1:00:30
por favor. E a Itália, não estamos falando
1:00:32
de um país. No interior da África central,
1:00:35
quer dizer, então o mundo é diferente, a cultura é
1:00:39
diferente. Na França, pouca gente usa o
1:00:41
WhatsApp. Eu tenho amigos franceses que
1:00:43
você manda o WhatsApp Pra Ele e leva uma semana pra responder.
1:00:46
Ele não tem o hábito como nós temos de chegou, você já
1:00:48
responde. Então o mundo é diferente.
1:00:51
Se a gente não entender essas mudanças, se ficar dentro de uma
1:00:54
bolha, a nossa percepção de realidade muito diferente, então
1:00:57
as mudanças organizacionais vão acontecer, vão como sempre
1:01:00
aconteceram, mas gradualmente. Tirando o papo de vcins, né?
1:01:05
De é vai mudar tudo, vai precisar de gente não pegar
1:01:09
daquele aquela frase que você falou como a como a única frase,
1:01:13
o sistema vai fazer tudo, vamos tirar a máquina, vamos botar uma
1:01:16
pessoa. Paulo chega para mim e diz,
1:01:20
tauron, eu quero um sistema assim, assado.se, vira, eu vou
1:01:26
fazer da minha cabeça que provavelmente não é o que você
1:01:29
tá pensando. Eu vou te entregar um sistema
1:01:30
belíssimo que não funciona, cara, não tem nada a ver.
1:01:34
Então, se eu não consigo, eu falo eu como uma numa frase que
1:01:39
você me fala, e são 2 pessoas que tem um, né razoável
1:01:43
conhecimento. Por que que a máquina vai fazer
1:01:46
isso? Não tem como compreender o que
1:01:50
está por trás do que você falou, a intenção que está por trás.
1:01:54
Você não vai explicar a linha ali, você não vai ficar meia
1:01:57
hora falando, até porque meia hora falando eu já não entendi
1:01:59
mais nada, você vai dar uma frase muito subtendido muito.
1:02:03
Muita perceção de, de, de de conhecimento que obviamente eu
1:02:07
não tenho. Você acha que eu tenho.
1:02:10
E então é um papo de de investidor mesmo, pra conseguir
1:02:15
mais gente, pra colocar dinheiro pra portar.
1:02:17
Grana 22 perguntas pra gente se encaminhar pro pro pro final do
1:02:22
do episódio uma aula é com o César aqui que é a primeira.
1:02:28
Saiu uma polêmica que que muita gente falou, mas de repente saiu
1:02:33
um pouco ali do ninguém discute muito que é sobre segurança.
1:02:38
É aparentemente muitas pessoas dentro da open i tem é criticado
1:02:46
a questão de segurança. Parece que o processo de de de
1:02:50
segurança da open i tem ficado defasado com o passar do tempo.
1:02:55
Aparentemente a mentalidade comercial.
1:02:58
É do saautman tem é prevalecido em frente à questão de segurança
1:03:05
e a questão ao do propósito da open i, né?
1:03:08
De criar 11 inteligência ali, como que que que que você vê
1:03:13
essa questão de segurança é? Me parece que a gente começou a
1:03:18
ir pra um caminho meio estranho. Bom, tem a segurança dos dados
1:03:21
da empresa, que hoje também é muito frágil.
1:03:24
É assim, política de segurança. Realmente consistente, anão ser
1:03:29
em raríssimas empresas. Alguns setores, como finanças,
1:03:32
têm uma preocupação maior. Não é porque credibilidade é
1:03:37
essencial para o setor financeiro.
1:03:38
Você não confia no banco, o banco?
1:03:39
Fábio, mas outros setores, não quer dizer, tem uma certa margem
1:03:44
de, eu diria assim, de complacência, que é errado, mas
1:03:48
enfim, aí dá vazamento para proteger.
1:03:53
E quando você usa modelos que estão em ambiente de nuvem?
1:03:57
O cara capta dados, treina dados com um Monte de coisas, abre
1:04:03
mais uma, digamos, amplia o espaço de ataque, tem dados
1:04:08
seus, talvez estejam em lugares que não deveriam estar.
1:04:11
Então essa é uma preocupação quando você implementa a
1:04:13
governança de arte em que você está olhando.
1:04:15
Ah, legal, eu vou usar um modelo de linguagem, de marca de
1:04:20
linguagem para essa aplicação, mas eu vou usar que modelo?
1:04:24
Modelo, que público, que pode de alguma forma.
1:04:27
Trabalhar com meus dados? Não que ele vai armazenar os
1:04:29
dados, ele não armazena, transforma em sintoques e junta
1:04:31
lá naquele outro conjunto de dados.
1:04:33
Seu dado não está especificamente lá.
1:04:35
Você aparece o seu dado só em determinadas situações.
1:04:40
Por exemplo, você tem uma frase ou um pedaço do texto que tem
1:04:44
palavras muito específicas. Se você fizer um prompt, por
1:04:47
coincidência juntando essas palavras para resposta.
1:04:54
Ele probabilisticamente, vai se concentrar nessa área e vai
1:04:57
trazer aquele texto, porque aquelas palavras são ligadas ao
1:05:00
texto. Mas não é porque você ele gravou
1:05:02
isso, é porque naquela situação específica, pelo prompt, surgiu
1:05:07
aquela situação e dependendo de quem fez o prompt, pode ser
1:05:10
alguém que use isso de uma forma inadequada, não que ele copiou
1:05:14
os dados. Essa é uma questão que você tem
1:05:16
que se preocupar, não, eu vou usar o modelo público ou o
1:05:18
modelo que vai não vai usar meus dados.
1:05:22
Se não vai usar meus dados também.
1:05:23
Tem uma outra questão, o modelo não foi, não vai ser treinado
1:05:28
para usar esses dados. Nas outras vezes eu tenho sempre
1:05:30
que alimentar esses dados, porque o modelo ele ele não
1:05:33
aprende em tempo real. É uma coisa muito comum é é esse
1:05:37
engano, Ah, eu estou aprendendo com AEA, aprende comigo, não OEA
1:05:41
não aprende com você aquela transação ou agora o ChatGPT
1:05:45
algumas funções, armazena os os, os os prompts durante algum
1:05:50
tempo. Mas só aquilo, mas é o modelo
1:05:52
continua o mesmo. Para o modelo ser retreinado
1:05:55
custa muito dinheiro de tempos em tempos que ele retreina.
1:05:59
Então aquele aprendizado não é um aprendizado, não é, tem uma
1:06:01
vida curta, ele não, não é aprender, então você tem sempre
1:06:07
fornecer os dados, os dados e dados, então ele não aprende
1:06:10
conhecer. Então isso é contrabalançar a
1:06:14
situação, quer dizer, Ah, vou usar o modelo aberto, vou usar o
1:06:17
modelo fechado, custo benefício, mas.
1:06:20
Cada caso é um caso e a política de governança de a que vai
1:06:23
definir é que tipo de modelo você deve usar e quais são os
1:06:26
cuidados você tem que usar ou escolher determinado tipo de
1:06:28
modelo. Qual conselho você daria para
1:06:30
alguém se manter relevante e competitivo nos próximos 5 anos
1:06:35
diante do avanço da IA? É, eu acho que o do avanço de
1:06:37
qualquer tecnologia AIA hoje é a tecnologia que a gente mais
1:06:40
discute. Mas é, você tem que sempre tem
1:06:44
uma visão da onde você quer chegar na sua visão estratégica
1:06:47
e a identificar. Das ondas tecnológicas, qual
1:06:51
onda é, você vai pegar, você não pode pegar todos.
1:06:55
Eu falo na prática que eu fui sofista durante muito tempo,
1:06:57
moro no Rio, morando em Ipanema sofá, no arpador, no Recreio.
1:07:03
Você vê aquela série, né, do, do, de ondas.
1:07:05
Você tem que escolher melhor onda, porque depois tem que
1:07:08
voltar remando, o problema não é pegar onda e depois vou pagar
1:07:11
remando e você tem que escolher o ponto legal, né?
1:07:13
O point. Você entra cedo demais ou tarde
1:07:16
demais, você vai perder onda, vira vácuo, essas coisas todas,
1:07:19
mesma coisa você aplica ao ambiente de negócios.
1:07:22
Eu tenho que ter uma certa certeza que eu vou surfar onda
1:07:28
adequadamente. Vou escolher aquela que é mais
1:07:31
adequada para mim, tamanho, tipo de homem e manobra que eu quero
1:07:35
fazer. E está no Ponto Certo e está no
1:07:38
Ponto Certo. Ele está letrado no assunto,
1:07:41
conhecer a potencialidade da tecnologia, as suas limitações.
1:07:44
Saber onde aplicar. Então eu tenho que estar
1:07:47
acompanhando a evolução do mercado, a tecnologia que faz
1:07:51
parte do nosso dia a dia e está antenado com isso.
1:07:55
Mas não fica mergulhando ou pegando qualquer onda que de
1:07:58
repente você pega onda errada, aí vem as melhores ondas, depois
1:08:02
você perdeu, porque até você voltar contra a rebentação, você
1:08:06
perdeu as melhores. Ondas, os links de tudo que o
1:08:09
que o César mencionou, o estudo. Do do Google, que resultou no
1:08:14
ChatGPT vai estar aqui na descrição.
1:08:16
O link do LinkedIn vai estar aqui na descrição também é do do
1:08:21
César. Mais links que o César quiser
1:08:23
divulgar, a gente vai colocar aqui na descrição do do
1:08:26
episódio. E você que ouviu até aqui, por
1:08:28
favor, siga César taurion no LinkedIn porque tem conteúdos
1:08:33
riquíssimos riquíssimos sobre um olhar com olhar é.
1:08:39
Muito mais neutro e consenso crítico sobre AIA do que a
1:08:45
maioria dos conteúdos que a gente tem visto por aí.
1:08:49
E é isso. O César trouxe uma perspetiva
1:08:52
valiosa sobre como AIA pode ser aplicada de forma estratégica e
1:08:56
responsável nas organizações. E ele destacou a importância de
1:09:00
além do hype e focar em resultados tangíveis.
1:09:03
Aprendizados práticos e uma visão crítica sobre as reais
1:09:07
capacidades da inteligência artificial.
1:09:10
Se esse episódio te trouxe novos insights, compartilhe com alguém
1:09:13
que também possa se beneficiar dessa conversa.
1:09:16
E eu espero que o César volte mais vezes aqui no PG, certo
1:09:20
César? Paulo, obrigado.
1:09:23
Foi um prazer estar aqui e eu gostaria muito de voltar outras
1:09:26
vezes. Aguardo os seus convites.
1:09:29
É isso, até a próxima. Beijos, tchau, fui.