A Inteligência Artificial generativa está transformando a forma de trabalhar dos profissionais de Marketing. A ascensão das ferramentas avançadas de IA oferecem ao setor uma ampla gama de soluções que impactam diversas frentes na rotina profissional, da análise de dados às tomadas de decisões e criações de conteúdos.
Em palestra ao CMO Summit, Marcel Saraiva, Gerente de vendas da divisão Enterprise na Nvidia, ressaltou que, dada a natureza de sua atuação, os profissionais de Marketing devem estar especialmente atentos às nuances oferecidas pela IA generativa. “Em alguns casos, estes profissionais serão os usuários das ferramentas de IA e não os desenvolvedores destas soluções. Portanto, é preciso conhecer a fundo a tecnologia para identificar as melhores ferramentas de apoio à jornada”, disse.
Embora os profissionais de Marketing estejam do lado do usuário no cabo de guerra descrito pela Inteligência Artificial, alguns, cujos conhecimentos sobre IA são mais refinados, possuem habilidades para explorar os recursos mais avançados das ferramentas utilizadas ou, em alguns casos, para criar prompts e códigos capazes de levar a máquina de IA à níveis superiores, que muito favorecem estratégias pautadas pela personalização.
Genérico ou Customizado?
Neste panorama, Saraiva destaca pontos que devem ser levados em consideração por profissionais que desejam extrair o máximo das ferramentas de IA generativas. “O primeiro, mais tradicional, é a utilização de ferramentas de mercado, ferramentas que já estão prontas, que são ferramentas genéricas. Se uma ferramenta genérica lhe atende, não faz sentido criar a sua própria ferramenta de Marketing específica para resolver um problema”, pontua.
O Gerente destaca que os modelos genéricos acompanham bem o trabalho feito a partir de dados genéricos, voltados para estratégias pouco específicas em termos de personalização, que não exigem grandes investimentos. “A vantagem desse tipo de modelo é que você tem rápido acesso, permitindo o trabalho imediato. Além disso, o custo é baixo, e como muitas pessoas estão usando, eles [fornecedoras como Open IA, Google e Microsoft] conseguem diluir o custo”, explica.
Por outro lado, ferramentas genéricas são incapazes de conhecer especificamente os objetivos ou desafios na mira das empresas. Por isso, casos que requerem soluções mais específicas dependem da customização dos modelos de IA. Neste cenário, conceitos de Machine Learning são bastante indicados para o treinamento de ferramentas cada vez mais “conscientes” sobre os problemas enfrentados por uma organização.
Para exemplificar a diferença entre os modelos genéricos e os modelos customizados, Saraiva convidou os ouvintes a imaginarem como um modelo customizado poderia ajudar uma empresa a comunicar informações específicas a 100 mil colaboradores. “Essa empresa poderia criar um modelo de linguagem próprio para os funcionários, um sistema interno que os permita perguntar sobre os benefícios do plano de saúde ou quando será paga a próxima parcela do décimo terceiro baseado no acordo sindical da empresa. Os modelos genéricos não conseguem ter acesso a informações tão específicas”, afirma.
Fatores de escolha
Para o Gerente, a tomada de decisão entre os modelos genéricos e os mais avançados deve considerar uma série de perguntas relacionadas aos impactos proporcionados por cada um. “Qual é o impacto disso no seu negócio? Os funcionários atenderão melhor? Ficarão mais satisfeitos? Seremos capazes de eliminar etapas do processo que reduzirão nossos custos em X milhões? Seremos capazes de automatizar estes processos? O propósito, ou seja, saber por qual motivo vamos apostar em modelos avançados e como vamos fazer isso é o que justificará – ou não – um potencial investimento”, elenca Saraiva.
Ao longo da palestra, o termo investimento não foi utilizado por acaso. O executivo ressalta que, quanto mais customizado for o modelo de IA utilizado por uma empresa, maiores serão os custos.
Logo, cálculos sobre o custo-benefício de uma potencial aquisição ou desenvolvimento de ferramentas devem estar na mesa na hora de tomar uma decisão. “Se um projeto custa 10 milhões e trará um retorno de apenas um milhão, é melhor usar o modelo genérico. O custo-benefício deve ser muito bem avaliado para que não tenhamos decepções em projetos de IA”, finaliza.
Leia também: Riscos e benefícios gerados pela expansão da Inteligência Artificial
