Ao longo da história, os seres humanos desenvolveram ferramentas e sistemas para aumentar e amplificar suas habilidades inatas. Seja na prensa e na linha de montagem, essas inovações nos permitiram alcançar objetivos muito mais complexos do que jamais poderíamos ter alcançado sozinhos. Os empregos mudaram, novas profissões surgiram e as pessoas se adaptaram. Ao longo deste último ano, a taxa de mudança acelerou rapidamente. As tecnologias de nuvem, machine learning e Inteligência Artificial (IA) generativa se tornaram mais acessíveis e tiveram um grande impacto em quase todos os aspectos de nossas vidas, desde escrever e-mails até desenvolver softwares e até mesmo detectar precocemente o câncer. Os próximos anos trarão consigo muito mais inovações em áreas que visam democratizar o acesso à tecnologia e nos ajudar a acompanhar o ritmo cada vez mais acelerado da vida cotidiana; e tudo começa com a IA generativa.
IA generativa torna-se culturalmente consciente
Os modelos de linguagem grande (LLMs) treinados em dados culturalmente diversos ganharão uma compreensão mais matizada da experiência humana e dos complexos desafios da sociedade. Essa fluidez cultural promete tornar a IA generativa mais acessível a usuários em todo o mundo.
A cultura afeta tudo. As histórias que contamos a nós mesmos, a comida que comemos, a maneira como nos vestimos, nossos valores, nossos modos, nossos preconceitos, a maneira como abordamos os problemas e tomamos decisões. A cultura constitui o alicerce sobre o qual cada um de nós existe dentro de uma comunidade. A cultura fornece normas e diretrizes que informam e governam nossos comportamentos e crenças, e esse contrato muda com base em onde estamos e com quem. Ao mesmo tempo, às vezes essas diferenças podem causar confusão e levar a interpretações equivocadas.
No Japão, sorver a sopa enquanto se come macarrão é considerado um sinal de prazer, mas em outras culturas é rude. Nos casamentos tradicionais indianos, as noivas usam lehengas (saias típicas indianas) com desenhos muito elaborados e coloridos, enquanto no Ocidente a tradição é usar um vestido branco. E na Grécia, cuspir no vestido significa atrair boa sorte. Como seres humanos, estamos acostumados a trabalhar entre culturas e, portanto, somos capazes de contextualizar esse tipo de informação, sintetizá-la, adaptar nosso entendimento e responder adequadamente. Então, por que devemos esperar algo menos das tecnologias que usamos e confiamos em nossas vidas diárias? Nos próximos anos, a cultura desempenhará um papel fundamental na concepção, implementação e consumo de novas tecnologias. Esses efeitos serão especialmente evidentes na IA generativa.
Para que os sistemas baseados em LLM tenham um público global, eles devem primeiro atingir o nível de fluência cultural que vem instintivamente para os seres humanos. Em um artigo publicado no início desse ano, pesquisadores do Instituto de Tecnologia da Geórgia demostraram que, mesmo ao fornecer um LLM com avisos em árabe que mencionavam explicitamente a oração islâmica, as respostas geradas recomendavam tomar uma bebida alcoólica com amigos, o que não é culturalmente apropriado. Grande parte dessa situação está relacionada aos dados de treinamento disponíveis. Aproximadamente 46% dos arquivos Common Crawl, que têm sido usados para treinar muitos LLMs, estão em inglês, e uma porcentagem ainda maior do conteúdo disponível, independentemente do idioma, vem da cultura ocidental, com um viés significativo em relação aos Estados Unidos.
Ao empregar as mesmas instruções com um modelo previamente treinado utilizando textos árabes, especificamente para gerar a língua árabe, obtiveram-se respostas culturalmente apropriadas, como tomar chá e café. Nos últimos meses, LLMs não ocidentais começaram a surgir, como o Jais, treinado usando dados em árabe e inglês, o modelo bilíngue Yi-34B chinês/inglês e o modelo Japanese-large-lm, treinado usando extenso conteúdo web em japonês. Esses sinais indicam que novos modelos não ocidentais, culturalmente precisos, abrirão a IA generativa para centenas de milhões de pessoas e terão um impacto de enorme alcance, da educação à saúde.
É importante lembrar que língua e cultura não são a mesma coisa. A capacidade de produzir traduções perfeitas não dá a um modelo uma consciência cultural. À medida que milhares de histórias e experiências são integradas a esses modelos, veremos os LLMs começarem a desenvolver uma gama muito mais ampla e global de perspectivas. Assim como os seres humanos aprendem por meio de discussões, debates e troca de ideias, os LLMs precisam de oportunidades semelhantes para expandir suas perspectivas e entender a cultura. Há dois campos de pesquisa que terão um papel fundamental nesse intercâmbio cultural.
O primeiro é o aprendizado por reforço a partir do feedback de IA (RLAIF), no qual os modelos incorporam a entrada de outros modelos. Nesse cenário, diferentes modelos podem interagir entre si e atualizar sua compreensão de diferentes conceitos culturais a partir dessas interações. A segunda é a colaboração por meio de debates multiagentes, em que múltiplas instâncias de um modelo geram respostas, debatem a validade de cada uma e o raciocínio em que se baseiam e, finalmente, chegam a uma resposta consensual, por meio do processo de debate. Ambos os campos de pesquisa reduzem o custo humano de treinamento e ajuste fino de modelos.
À medida que os LLMs interagem e aprendem uns com os outros, eles obterão uma compreensão mais sutil dos complexos desafios da sociedade percebidos por meio de diversas lentes culturais. Esses desenvolvimentos também garantirão que os modelos forneçam respostas mais robustas e tecnicamente precisas em uma ampla gama de tópicos, em áreas como tecnologia. Os efeitos serão muito profundos e poderão ser sentidos em todas as regiões geográficas e comunidades por gerações.
A tecnologia feminina (FemTech) finalmente decola
A saúde das mulheres atinge um ponto de inflexão à medida que o investimento em FemTech aumenta, o atendimento se torna híbrido e uma enorme abundância de dados desbloqueia melhores diagnósticos e resultados para as pacientes. A ascensão da tecnologia feminina, ou FemTech, não beneficiará apenas as mulheres, mas melhorará todo o sistema de saúde como um todo.
A saúde da mulher não é apenas um pequeno nicho de mercado. Só nos EUA, as mulheres gastam mais de 500 bilhões de dólares (2,5 trilhões de reais) por ano em cuidados de saúde. As mulheres representam 50% da população e são responsáveis por 80% das decisões de consumo relacionadas à saúde. No entanto, a base da medicina moderna tem sido masculina por padrão. Até a promulgação da Lei de Revitalização dos Institutos Nacionais de Saúde (NIH) de 1993, as mulheres nos EUA nem sequer haviam sido incluídas na pesquisa clínica. Historicamente, necessidades comuns, como cuidados menstruais e tratamento da menopausa, foram tratadas como tabu e, como as mulheres foram excluídas de exames e pesquisas médicas, seus resultados geralmente foram piores do que os dos homens.
Em média, as mulheres são diagnosticadas com muitas doenças mais tarde do que os homens, e as mulheres têm 50% mais probabilidade de serem diagnosticadas erroneamente após um ataque cardíaco. Talvez o exemplo mais gritante das desigualdades seja encontrado na prescrição de medicamentos, em que as mulheres relatam efeitos colaterais adversos em uma taxa significativamente maior do que os homens. Embora esses dados inicialmente pareçam preocupantes, o investimento em saúde da mulher (ou FemTech) tem aumentado, apoiado pela tecnologia em nuvem e maior acesso aos dados.
Na AWS, trabalhamos em estreita colaboração com startups lideradas por mulheres e testemunhamos em primeira mão o crescimento da FemTech. Só no último ano, o financiamento aumentou 197%. Graças ao maior acesso ao capital, tecnologias como machine learning e dispositivos conectados projetados especificamente para mulheres, estamos enfrentando uma mudança sem precedentes, não apenas na percepção da saúde da mulher, mas também em sua administração. Empresas como a Tia, Elvie e Embr Labs estão demonstrando o imenso potencial de aproveitar dados e análises preditivas para fornecer atendimento individualizado e se conectar com os pacientes onde eles se sentem mais confortáveis, seja em casa e em centros de especialidades.
À medida que o estigma associado às necessidades de saúde das mulheres é removido e o financiamento flui para este setor, veremos as empresas de FemTech continuarem a abordar agressivamente várias condições e necessidades anteriormente ignoradas. Ao mesmo tempo, o acesso das mulheres aos serviços de saúde aumentará dramaticamente graças aos modelos de cuidados híbridos que alavancarão as plataformas médicas online, a disponibilidade de dispositivos de diagnóstico de baixo custo e o acesso a profissionais médicos sob demanda.
Clientes como a Maven provaram ser líderes nesse espaço, apagando as linhas entre a saúde mental e o bem-estar físico, fornecendo todos os cuidados necessários, desde a terapia de casais até os cuidados relacionados à menopausa. À medida que essas plataformas amadurecerem e proliferarem, veremos uma democratização do acesso à saúde. Os novos aplicativos e plataformas de saúde remota facilitarão o acesso a ginecologia e obstetrícia, profissionais de saúde mental e outras especialidades para mulheres em áreas rurais e regiões historicamente carentes. Sistemas de absorventes inteligentes, como o que está sendo desenvolvido pela NextGen Jane, permitirão que as mulheres estabeleçam perfis de saúde uterina e identifiquem potenciais marcadores genômicos de doenças, que podem compartilhar facilmente com profissionais de saúde.
Outros wearables fornecerão aos usuários e seus médicos uma abundância de dados longitudinais de saúde para analisar. Embora mais de 70% das mulheres atualmente não recebam tratamento para os sintomas da menopausa, o aumento da educação, a disponibilidade de dados e soluções não invasivas melhorarão drasticamente os resultados e o impacto irá muito além do atendimento ginecológico.
Por exemplo, na preparação para a Copa do Mundo Feminina, aproximadamente 30 atletas sofreram lesões no ligamento cruzado que encerraram sua participação. Como no caso da medicina tradicional, a formação das mulheres baseava-se no que funcionava para os homens, sem particular consideração pelas diferenças fisiológicas. Como resultado, as mulheres têm seis vezes mais chances de sofrer lesões no ligamento cruzado e 25% menos chances de se recuperar totalmente e retornar aos gramados. Esta é outra área em que a compreensão dos dados específicos de saúde das mulheres terá um grande impacto, não só na prevenção de lesões, mas também na melhoria da saúde das atletas em geral.
Esse é um divisor de águas na atenção à saúde da mulher. O acesso a uma riqueza de dados diversos, combinado com tecnologias de nuvem, como visão computacional e aprendizado profundo, reduzirá os erros de diagnóstico e ajudará a minimizar os efeitos colaterais dos medicamentos que atualmente afetam desproporcionalmente as mulheres. A endometriose e a depressão pós-parto receberão a atenção que merecem. Finalmente veremos a assistência à saúde da mulher passar das margens para a primeira fila. Dado que as equipes lideradas por mulheres são mais propensas a resolver uma ampla gama de problemas de saúde do que as exclusivamente masculinas, veremos como a FemTech beneficiará não apenas aquelas que se identificam como mulheres, mas elevará todo o sistema de saúde como um todo.
Assistentes de IA redefinem a produtividade dos desenvolvedores
Os assistentes de IA evoluirão de geradores de código básico para se tornarem professores e colaboradores incansáveis que fornecerão suporte durante todo o ciclo de vida de desenvolvimento de software. Esses assistentes explicarão como sistemas complexos funcionam em linguagem simples, sugerirão melhorias altamente focadas e assumirão tarefas repetitivas, permitindo que os desenvolvedores se concentrem nas partes de seu trabalho com o máximo impacto.
Em 2021, previ que a IA generativa começaria a desempenhar um papel fundamental na forma como o software é produzido. Isso aumentaria as habilidades dos desenvolvedores, ajudando-os a criar códigos mais seguros e confiáveis. Agora estamos vendo exatamente como essa situação está se tornando mais generalizada, graças ao acesso a ferramentas e sistemas capazes de gerar todos os tipos de funções, classes e testes baseados em instruções de linguagem natural. De fato, na Pesquisa de Desenvolvedores 2023 da Stack Overflow, 70% disseram que já estavam usando e planejando usar ferramentas baseadas em IA em seus processos de desenvolvimento.
Os assistentes de IA do futuro não apenas entenderão e escreverão código, mas serão colaboradores e professores incansáveis. Nenhuma tarefa irá drenar sua energia, e eles nunca ficarão impacientes por terem que explicar o mesmo conceito e repetir uma tarefa, não importa quantas vezes forem perguntados da mesma coisa. Com tempo e paciência infinitos, eles darão suporte a todos os membros da equipe e contribuirão para todas as tarefas, desde a revisão do código até a estratégia do produto.
As linhas entre gerentes de produto, engenheiros front-end e back-end, administradores de banco de dados (DBAs), designers de interface UI/UX, engenheiros de DevOps e arquitetos serão borradas. Com uma compreensão contextual de sistemas inteiros, não apenas módulos isolados, os assistentes de IA poderão oferecer recomendações que aumentarão a criatividade humana, como transformar um diagrama esboçado em um guardanapo em uma estrutura de código, gerar modelos a partir de documentos de requisitos e recomendar a melhor infraestrutura para um propósito específico (por exemplo, estruturas sem servidor vs. estruturas em contêineres).
Esses assistentes serão altamente adaptáveis, personalizados ao nível de cada indivíduo, equipe ou empresa. Eles serão capazes de explicar o funcionamento interno de sistemas distribuídos complexos, como o Amazon S3, de forma simples, tornando-os ferramentas educacionais inestimáveis. Os desenvolvedores juniores poderão aproveitar seus recursos para se atualizar rapidamente em uma infraestrutura desconhecida. Os engenheiros seniores poderão empregá-los para entender rapidamente novos projetos e bases de código e começar a fazer contribuições significativas. Onde anteriormente poderia levar várias semanas para entender completamente o impacto futuro de uma alteração de código, os participantes poderão avaliar as modificações instantaneamente, resumir seus efeitos em outras partes do sistema e sugerir possíveis alterações adicionais.
Já estamos começando a ver algumas das partes mais tediosas do desenvolvimento de software moderno eliminadas para os desenvolvedores: escrever testes de unidade, código padrão e depuração de bugs; tarefas que muitas vezes são consideradas “extras” e muitas vezes deixadas de lado. Esses assistentes poderão redesenhar e migrar aplicativos tradicionais em sua totalidade, por exemplo, fazendo upgrade do Java 8 para o 17 e decompondo um sistema monolítico em microsserviços. Ainda assim, não devemos nos enganar: Os desenvolvedores ainda precisarão planejar e avaliar os resultados. Mas esses assistentes ajudarão a vasculhar estudos acadêmicos e escolher o algoritmo mais apropriado para cada sistema distribuído, determinar a melhor maneira de passar de uma abordagem baseada em backup primário para uma implantação ativa-ativa e até mesmo entender o impacto na eficiência geral de cada recurso individual para desenvolver modelos de custo.
Como resultado, haverá mais trabalho do que nunca. Livres do fardo pesado e indiferenciado de atualizar versões Java, os desenvolvedores podem se concentrar no trabalho criativo que realmente impulsiona a inovação.
Nos próximos anos, as equipes de engenharia se tornarão muito mais produtivas, desenvolverão sistemas de maior qualidade e encurtarão os ciclos de lançamento de software, à medida que os assistentes de IA passarem de uma novidade para uma necessidade em toda a indústria de software.
A educação evoluirá para corresponder à velocidade da inovação tecnológica
O ensino superior, por si só, não consegue acompanhar as mudanças tecnológicas. Surgirão programas de treinamento orientados pela indústria, baseados em habilidades, que se assemelharão mais à trajetória de profissionais especializados. Essa mudança para a aprendizagem contínua beneficiará tanto os indivíduos como as empresas.
Ainda me lembro dos ciclos de desenvolvimento de software do passado, quando um produto podia passar mais de 5 anos na fase de desenvolvimento antes de chegar às mãos de um cliente. Essa abordagem era aceitável durante a década de 1990, mas no mundo de hoje, esse software teria se tornado extremamente obsoleto antes mesmo de começar a funcionar. Devido ao acesso à computação em nuvem, à expansão de uma cultura de melhoria contínua e à adoção generalizada de uma abordagem baseada em produtos minimamente viáveis, os ciclos de desenvolvimento de software foram encurtados e o impacto foi muito significativo. As empresas estão trazendo produtos para o mercado mais rápido do que nunca, e os clientes estão adotando novas tecnologias em uma velocidade que antes era inimaginável. Mas, até agora, esse volante veloz da tecnologia e dos negócios não incluía o domínio do ensino superior.
A educação é radicalmente diferente em todas as partes do mundo, mas sempre foi geralmente aceito que um diploma universitário é essencial, tanto para que as empresas possam contratar os melhores candidatos, quanto para que os indivíduos consigam uma dessas posições. Isso era especialmente verdade no setor tecnológico, mas agora começamos a ver o modelo ruir, tanto ao nível dos indivíduos como das empresas. Para os estudantes, os custos estão aumentando, e muitos estão questionando o valor de um diploma universitário tradicional quando têm a formação prática na ponta dos dedos.
Para as empresas, as novas contratações ainda exigem treinamento específico no trabalho. À medida que mais e mais indústrias exigem que seus funcionários se especializem, a lacuna entre o que é ensinado nas instituições de ensino e o que as empresas estão procurando tem crescido. Semelhante ao processo de desenvolvimento de software nas décadas anteriores, chegamos a um ponto de inflexão na educação tecnológica e já estamos começando a ver que o que antes era treinamento personalizado no trabalho para alguns indivíduos está evoluindo para um treinamento baseado em habilidades e orientado pela indústria para muitos.
Há anos que vemos vários sinais dessa mudança. Empresas como a Coursera, que inicialmente se concentrava nos consumidores, fizeram parcerias com empresas para ampliar suas ofertas de melhoria e reconversão de capacidades. A popularidade dos cursos de aprendizagem continuou a aumentar, porque os empregadores podem especializar-se na formação e os aprendizes podem ser pagos enquanto aprendem.
Mas agora, as próprias empresas estão começando a investir seriamente em educação baseada em habilidades em larga escala. Na verdade, a Amazon acaba de anunciar que já treinou 21 milhões de estudantes de tecnologia em todo o mundo e parte desse sucesso foi graças a programas como o Curso de Aprendizagem em Mecatrônica e Robótica e o AWS Cloud Institute. Todos esses programas ajudam os alunos a adquirir as habilidades necessárias para se candidatar a posições sob demanda em diferentes estágios de suas carreiras, sem o compromisso de um programa educacional tradicional de vários anos.
Devemos ter em mente que esse conceito tem precedentes. Quando pensamos em profissionais qualificados, como eletricistas, soldadores e carpinteiros, a maior parte de suas habilidades não foi adquirida em sala de aula, mas passou de alunos a aprendizes, diaristas e, possivelmente, mestres do ofício. Aprender no trabalho é uma tarefa contínua e existem caminhos bem definidos para melhorar as capacidades. Esse estilo de formação contínua, baseado na curiosidade e na aprendizagem, é um bom presságio tanto para os indivíduos como para as empresas.
Nada disso implica que os títulos tradicionais estão indo embora. Não se trata de escolher entre opções exclusivas, mas de ampliar as possibilidades. Ainda haverá áreas na tecnologia em que esse tipo de aprendizado acadêmico se mostra vital. Mas, ao mesmo tempo, haverá setores em que o impacto da tecnologia supera o dos sistemas educacionais tradicionais. A fim de atender às demandas das empresas, veremos uma nova era de oportunidades de treinamento lideradas pela indústria que não podem ser ignoradas.
