Artigo especial do advogado Lin Shanglun: Serão os profissionais que entendem de IA os vencedores na era da IA?

Nestes últimos anos, a IA aplicada à indústria tornou-se praticamente uma tendência dominante, com pessoas a trabalhar na área desde o direito, arquitetura, medicina até às finanças, mas os produtos que realmente conseguem fazer com que os clientes paguem e que se vendem bem são, na verdade, poucos. O advogado Lin Shanglun, desde a falência da regra 80/20, a armadilha dos pontos de dor, a diferença entre 'gerar' e 'organizar', quem deve enfrentar o cliente, até à composição da equipa, desmonta as chaves do porquê de a maioria das IAs industriais não irem longe e de poucas equipas conseguirem realmente vencer.
(Resumo anterior: Artigo especial do advogado Lin Shanglun - Ampliar e Acelerar: A verdadeira capacidade da IA que 99% dos profissionais do direito perderam) (Contexto adicional: A Microsoft investiu 2,5 mil milhões de dólares para criar a 'Frontier Company' e vai enviar 6 mil engenheiros para os escritórios dos clientes, para que a IA realmente se concretize) Índice

Alternar

• Um – A regra 80/20 pode já não ser tão aplicável
• Dois – Não se deixe prender por um único ponto de dor
• Três – A chave está em 'gerar', não em 'organizar'
• Quatro – Quem enfrenta o cliente não pode ser leigo
• Cinco – O verdadeiro ponto decisivo é, na verdade, a 'equipa'

Resumo dos pontos principais

• A maioria das equipas de IA industrial faz a parte técnica de forma razoável, mas acaba por parar à porta do mercado. A chave não está na tecnologia, mas em conseguir 'gerar' em vez de 'organizar'.
• Na era da IA, a regra 80/20 pode falhar, o custo marginal de fazer o conjunto completo cai drasticamente, e fazer apenas os 20% acaba por atrasar-se.
• A verdadeira barreira de proteção recai sobre as 'pessoas': um núcleo técnico que percebe de IA, um especialista do domínio com credibilidade, e um profissional de vendas que conhece os pontos de dor da linha da frente – os três papéis são indispensáveis.

Etiquetas: Lin Shanglun, IA Industrial, IA Generativa, Regra 80/20, Barreira de Proteção

Nestes últimos anos, a IA aplicada à indústria tornou-se praticamente uma tendência dominante. Do direito, arquitetura, medicina às finanças, cada área tem alguém a trabalhar com IA. Mas se observarmos com calma, descobrimos que os produtos que realmente conseguem fazer com que os clientes paguem, que entram com sucesso no mercado e se vendem bem, são realmente poucos.

A maioria das equipas faz a parte técnica de forma razoável, mas acaba por parar à porta do mercado. O que quero discutir é exatamente o que correu mal pelo meio. As seguintes ideias podem explicar porque é que a maioria das IAs industriais não vai longe, enquanto algumas equipas conseguem realmente vencer.

Um – A regra 80/20 pode já não ser tão aplicável

Comecemos por uma ideia fundamental: na era da IA, a regra 80/20 pode já não ser tão aplicável.

A regra 80/20 tem sido há muito o credo da engenharia: usar 20% do esforço para resolver 80% dos problemas. A sua lógica original é que, para escrever qualquer coisa em software, primeiro encontra-se o maior ponto de dor, usa-se a força de engenharia mais rápida para fazer esses 20%, satisfazendo 80% das necessidades, e deixa-se de lado o que é mais complicado.

No passado, isto era razoável. Porque desenvolver uma funcionalidade passava por 'conceção, desenvolvimento, validação, iteração', cada passo era caro, e naturalmente só se fazia os 20% mais críticos.

Mas hoje, essa premissa foi abalada, por duas razões.

Primeiro, a IA tornou 'fazer engenharia de software' demasiado fácil. No passado, uma equipa de três pessoas, a tratar de regulamentos, calcular volumetria, integrar desenhos, demorava tempo e custava dinheiro para produzir uma avaliação de viabilidade de desenvolvimento de terrenos. Agora, com a IA a reconstruir, uma pessoa consegue fazer o trabalho de três, e os custos caem drasticamente. Já que o custo de fazer o conjunto completo é muito baixo, continuar a prender-se à regra 80/20 e fazer apenas os 20% acaba por atrasar-se.

Segundo, e mais facilmente ignorado: a regra 80/20 é muitas vezes mal aplicada. Pensas que os 80% de necessidades que captaste são de facto funções que toda a gente usa, mas 'ter esta necessidade' não é o mesmo que 'aqui há um ponto de dor'. O verdadeiro ponto crítico que leva alguém a querer pagar, a querer ser substituído pela IA, provavelmente não está dentro desses 80% que captaste. O resultado é um monte de coisas 'com necessidade, mas sem dor'.

Portanto, na era da IA, a abordagem talvez deva ser invertida: aproveitar o facto de 'a engenharia poder rapidamente transformar-se num produto', e fazer as necessidades o mais completas possível de uma só vez. Quando o custo de fazer o conjunto completo já é muito baixo, não há muita razão para fazer apenas parte.

Dois – Não se deixe prender por um único ponto de dor

Atrás disse para fazer completo, aqui acrescento uma ideia aparentemente contraditória, mas na verdade complementar.

Ao entrar no mercado, de facto é preciso escolher o 'ponto mais doloroso' para começar, isso é certo, o ponto de dor é a faca mais afiada. Mas demasiados produtos entram e depois param por aí.

Por exemplo, fazer uma 'análise de viabilidade de terrenos' é de facto o ponto mais doloroso para os promotores imobiliários, e o maior benefício. Mas se parar por aí, é como limitar-se a uma pequena parte do negócio da arquitetura. Na realidade, a cadeia de valor de um arquiteto é longa: desenvolvimento de terrenos na fase inicial, renovação urbana na fase intermédia, supervisão de construção na fase final, até relatórios diários de obra e relatórios de progresso podem ser assumidos pela IA. E o crucial é que, uma vez construído o motor principal, o custo marginal de fazer mais estas coisas é surpreendentemente baixo.

O mesmo se aplica ao direito. Um bom sistema de IA jurídica não se limita a fazer apenas 'documentos judiciais', que é o que mais dói, mas também faz contratos, revisão de conformidade de textos, relatórios de audiências, pedidos de PI, tudo junto.

Por outras palavras: use o ponto mais doloroso como entrada, mas não pare na entrada. Assuma toda a cadeia de valor, para não limitar o seu próprio teto.

Três – A chave está em 'gerar', não em 'organizar'

Este é o ponto mais central.

Muitas IAs industriais são, no fundo, apenas ferramentas de organização de dados: digitalizam documentos, reorganizam legendas, no fundo são modelos pré-definidos. E este tipo de trabalho pode ser feito com os modelos mais básicos, até os departamentos públicos o fazem, não constituindo qualquer barreira de proteção.

Muitas ferramentas deste tipo no mercado estão, na verdade, ligadas a modelos locais muito fracos, especializados em organização de texto e reconhecimento de imagem, sem nunca entrarem no núcleo da 'geração'. Os relatórios produzidos são apenas dados inseridos em modelos fixos.

O que realmente tem valor é usar a compreensão linguística mais forte para fazer julgamentos profundos e geração.

Aquele relatório de viabilidade de terrenos não pode ser apenas alinhar o registo predial e o mapa cadastral; tem de ler simultaneamente três conjuntos de regulamentos (construção, incêndio, renovação urbana), integrar texto, regulamentos e desenhos num documento que faça o arquiteto concordar: '98% está correto, só preciso de fazer pequenos ajustes'.

Este tipo de resultado nunca pode ser alcançado com modelos pré-definidos, só um verdadeiro núcleo generativo o consegue. E esta é precisamente a maior diferença entre modelos de consumo e IA profissional: um está a organizar dados, o outro está a gerar resultados para profissionais.

Quatro – Quem enfrenta o cliente não pode ser leigo

Segue-se um aspeto que muitas equipas técnicas ignoram, mas que é bastante fatal: quem deve enfrentar o cliente.

Para vender IA a clientes de serviços profissionais, é preciso reconhecer uma coisa: eles são o grupo mais exigente – advogados, arquitetos, médicos, empresários. Enviar um engenheiro para falar com eles sobre 'bases de dados vetoriais' tem efeito limitado; a outra parte rapidamente perceberá que não conhece esta área.

Quem realmente deve estar à frente do cliente é um profissional da área que perceba de IA. Ele consegue discutir com o cliente como otimizar cada processo do caso, lidar com os detalhes do caso, e até demonstrar no local como fazer diretamente uma parte do trabalho.

Por exemplo: um arquiteto que percebe de IA vai falar com um promotor imobiliário, consegue descrever cada processo de desenvolvimento do promotor com mais detalhe do que o próprio cliente conhece, e depois demonstrar no local: 'o meu produto de IA consegue fazer tudo isto'. Este é o verdadeiro momento decisivo.

Cinco – O verdadeiro ponto decisivo é, na verdade, a 'equipa'

Por fim, é preciso admitir uma coisa: a tecnologia é demasiado fácil de copiar.

O que consegues fazer, outros também conseguem fazer em poucas semanas. Por isso, a barreira de proteção acaba por recair sobre as 'pessoas'.

As equipas de IA industrial morrem mais facilmente em três situações:

Primeiro, o líder não está à altura. Se a pessoa à frente não tem verdadeira voz na indústria, não tem licença, não tem experiência prática, é apenas um nome, será posto em xeque no primeiro desafio com o cliente. A forma de falar, o profissionalismo, a aparência – tudo está a ser avaliado pelo cliente. Afinal, estes produtos visam convencer um grupo de profissionais astutos.

Segundo, quem entra não é a figura central. Querer entrar no mercado da construção mas só contratar um representante de vendas de desenvolvimento de terrenos, em vez de um arquiteto verdadeiramente registado e com reputação. O cliente perceberá logo à primeira conversa que a equipa não tem substância.

Terceiro, dependência excessiva da engenharia. A equipa é exclusivamente técnica, produz um produto muito forte mas não o vende, porque ninguém consegue 'traduzir' o valor do produto para o cliente.

E há ainda uma camada mais profunda de dificuldade: mesmo que a equipa encontre um especialista qualificado, ele pode não estar disposto a envolver-se.

Um arquiteto de topo, um bom advogado, já têm a sua própria profissão ocupada e lucrativa. Pedir-lhes que gastem tempo a perceber IA, bases de dados vetoriais, e até ao ponto de conseguirem convencer clientes externamente, é muito difícil. Mesmo que lhes sejam dadas ações, a intensidade de colaboração real é muitas vezes limitada.

Portanto, a combinação ideal são três papéis indispensáveis:

• Núcleo técnico que percebe de IA
• Especialista do domínio com peso
• Profissional de vendas que conhece os pontos de dor da linha da frente

E estes três tipos de pessoas devem conseguir apresentar-se juntos e dizer ao cliente a frase com mais peso:

Até a nossa própria profissão já foi substituída pela IA que nós próprios criámos.

Perguntas Frequentes

Porque é que a maioria das IAs industriais não se vendem?

A maioria dos produtos limita-se a organizar dados e a usar modelos pré-definidos, sem entrar no núcleo de julgamento profundo e geração, podem ser feitos com os modelos mais básicos, não constituem uma barreira de proteção, e frequentemente confundem 'ter necessidade' com 'ter dor', produzindo um monte de coisas 'com necessidade mas sem sensação de dor'.

Que papéis são necessários numa equipa de IA industrial?

Três papéis são indispensáveis: um núcleo técnico que percebe de IA, um especialista do domínio com voz na indústria, e um profissional de vendas que conhece os pontos de dor da linha da frente – e devem ser capazes de se apresentar juntos perante os clientes profissionais mais exigentes e explicar claramente o valor do produto.