Gartner prevê que, até 2027, as empresas usarão três vezes mais modelos de IA pequenos e específicos para tarefas do que Grandes Modelos de Linguagem para fins gerais

15/04/2025 09h01 - Atualizado há 6 horas

O Gartner, Inc. prevê que, até 2027, as empresas implementarão modelos de Inteligência Artificial (IA) pequenos e específicos para tarefas, com um volume de uso pelo menos três vezes maior do que o dos Grandes Modelos de Linguagem (LLMs) de uso geral. 
 
Embora os LLMs de uso geral ofereçam recursos de linguagem robustos, sua precisão em respostas diminui em tarefas que exigem um contexto específico de domínio do negócio.  

 
“A variedade de tarefas nos fluxos de trabalho de negócios e a necessidade de maior precisão estão impulsionando a mudança para modelos especializados ajustados para funções específicas ou dados de domínio”, diz Sumit Agarwal, Vice-Presidente e Analista do Gartner. “Esses modelos menores e específicos para tarefas fornecem respostas mais rápidas e usam menos poder computacional, reduzindo os custos operacionais e de manutenção.” 
 
As empresas podem personalizar os LLMs para tarefas específicas, empregando Geração Aumentada de Recuperação (RAG) ou técnicas de ajuste fino (fine-tuning) para criar modelos especializados. Nesse processo, os dados corporativos tornam-se um diferencial importante, exigindo preparação, verificações de qualidade, controle de versões e gerenciamento geral para garantir que os dados relevantes sejam estruturados para atender aos requisitos de ajuste fino. 
 
“À medida que as empresas reconhecem cada vez mais o valor de seus dados privados e os insights derivados de seus processos especializados, é provável que comecem a monetizar seus modelos e a oferecer acesso a esses recursos a um público mais amplo, incluindo seus clientes e até mesmo concorrentes”, diz Agarwal. “Isso marca a mudança de uma abordagem protetora para um uso mais aberto e colaborativo dos dados e do conhecimento.” 
 
Ao comercializar seus modelos proprietários, as empresas podem criar novos fluxos de receita e, ao mesmo tempo, promover um ecossistema mais interconectado.  
 
Implementação de modelos de IA pequenos e específicos para tarefas  
As empresas que desejam implementar modelos de IA pequenos e específicos para tarefas devem considerar as seguintes recomendações: 
 
- Modelos-piloto contextualizados: Implemente modelos pequenos e contextualizados em áreas em que o contexto de negócios é crucial ou em que os LLMs não atenderam às expectativas de qualidade ou velocidade de resposta. 
- Adotar abordagens compostas: Identifique casos de uso em que a orquestração de um único modelo não seja suficiente e, em vez disso, empregue uma abordagem composta que envolva vários modelos e etapas de fluxo de trabalho. 
- Fortaleça os dados e as habilidades: Priorize os esforços de preparação de dados para coletar, selecionar e organizar os dados necessários para o ajuste fino dos modelos de linguagem. Simultaneamente, invista no aprimoramento de pessoal em grupos técnicos e funcionais, como arquitetos de IA e de dados, cientistas de dados, engenheiros de IA e de dados, equipes de risco e conformidade, times de compras e especialistas de negócio (SMEs) para conduzir essas iniciativas com eficácia. 
 
Temas como Inteligência Artificial e outros que moldam as prioridades para líderes de dados, analytics e IA e mostram como eles podem aproveitar os mais recentes desenvolvimentos e tendências para acelerar os negócios serão destaque na Conferência Gartner Data & Analytics 2025, que será realizada nos dias 28 e 29 de abril, no Sheraton São Paulo WTC Hotel.  
Os clientes do Gartner podem saber mais em “Predicts 2025: AI-Powered Analytics Will Revolutionize Decision Making”. Saiba como garantir que seus dados estejam prontos para uso nas iniciativas específicas de IA que você planeja realizar no roteiro complementar Gartner AI-Ready.  

Notícia distribuída pela saladanoticia.com.br. A Plataforma e Veículo não são responsáveis pelo conteúdo publicado, estes são assumidos pelo Autor(a):
MARIANA MIRRHA SANTOS
[email protected]