Os Large Language Models (LLMs) estão mudando a forma como as empresas trabalham – de maneiras às vezes surpreendentes.
Antes dos LLMs, as empresas geralmente tinham pouca escolha a não ser lidar manualmente com dados não estruturados – ou colocá-los de lado por falta de recursos.
Considere algo como consultas de clientes tratadas por agentes humanos.
Provavelmente há um tremendo insight estatístico nesse volume de dados, mas processá-los manualmente a partir de chamadas de voz ou e-mails traz tanto processamento de dados, quanto mais o esforço de transformá-los em alguma forma de dados estruturados, que seria uma tarefa herculana.
E há também o trabalho manual de um cliente que exige um agente do cliente esperando para atender sua chamada.
Mas os LLMs estão mudando o cenário – a inteligência artificial criou uma nova geração de chatbots, que respondem aos clientes como a primeira linha de suporte, com respostas rápidas, qualificadas e abrangentes, resultando em custos mais baratos, maior rotatividade de resposta e maior satisfação do cliente.
Os chatbots não são novos, mas existem há cinco anos e geralmente não eram muito úteis, muitas vezes como duas pessoas conversando entre si por meio de um software de tradução.
Esse sistema ainda existe e continuará a existir. Acontece que os programas de software agora podem aprender rapidamente como os seres humanos se comunicam através da linguagem, seus padrões, nuances, tons, estrutura e muito mais, e interagir com você em uma linguagem que você entende. O mundo da linguagem natural.
Os LLMs estão tornando tudo isso possível.
Antes dos grandes modelos de linguagem
- Antes dos grandes modelos de linguagem, as empresas manipulavam manualmente os dados estruturados e criavam análises ou relatórios a partir deles. Foi um processo demorado, tedioso e sujeito a erros.
- Havia pouca ou nenhuma maneira de analisar dados não estruturados, como e-mails, mídias sociais e vídeos.
- As consultas dos clientes não eram tratadas com tanta eficiência por serem um processo manual. Compreender e responder à consulta levou tempo.
Depois de grandes modelos de linguagem
- Grandes modelos de linguagem permitiram que as organizações analisassem rapidamente grandes volumes de dados e fornecessem insights e análises.
- Como grandes modelos de linguagem podem imitar interações em linguagem natural, os chatbots são implantados para interagir com os clientes como a primeira linha de suporte. Os chatbots interagem numa linguagem natural com a qual os clientes se identificam; eles estão disponíveis 24 horas por dia, 7 dias por semana e – na maioria das vezes – podem fornecer a maior parte das informações de que um cliente pode precisar.
- Você pode direcionar consultas em linguagem natural para os bancos de dados que retornam as respostas. Isto tem sido uma vantagem para os executivos que não interagem via SQL.
- As organizações agora podem entender dados estruturados e não estruturados.
- Modelos de linguagem grande podem analisar o tom da linguagem do usuário e responder de acordo. Isso permite que as organizações entendam o comportamento e as emoções do cliente.
Estudo de caso: Sistema de recomendação da Netflix
Com mais de 17.000 títulosa Netflix atende a todas as preferências de visualização de conteúdo.
No entanto, quando você se coloca no lugar de um assinante, pode ser uma experiência avassaladora tentar encontrar o que você ama em meio a essa gigantesca biblioteca de conteúdo.
A Netflix tenta resolver isso com aprendizado de máquina potencializando seu sistema de recomendação.
Por exemplo, você tende a assistir séries e filmes da web do gênero terror, geralmente em espanhol.
O sistema de recomendação anota tudo relacionado à sua visualização – padrões, tipos, tempo de visualização, gostos e desgostos, e seleciona uma lista de conteúdo dedicada e a apresenta a você.
Como isso faz o que faz? O aprendizado de máquina envolve o consumo constante de dados dos assinantes sobre comportamento, preferências, gostos e desgostos, gêneros e muito mais.
Ele consome dados continuamente e encontra insights sobre o comportamento e as escolhas de cada assinante, juntamente com as características dos espectadores em um grupo demográfico semelhante.
É um método contínuo e em evolução que se mantém mesmo que o assinante demonstre uma mudança de preferência. O que é essencial neste contexto é como os grandes modelos de linguagem têm ajudado as ferramentas de business intelligence da Netflix.
Limitações dos LLMs
As limitações dos grandes modelos de linguagem devem ser vistas no contexto da melhoria das ferramentas de inteligência de negócios.
Modelos de linguagem grandes podem não compreender o contexto dos dados. Por exemplo, a palavra ‘casca’ pode ser usada em diferentes contextos, desde a casca da árvore para o cachorro que latiu para o homem. Isso é muito arriscado porque pode levar a informações e relatórios incorretos.
Também existem preocupações sobre a ética e o potencial preconceito nas respostas dos LLMs.
O resultado final
Os LLMs têm muito a ganhar; dependendo de como são tratados, podem redefinir completamente a inteligência de negócios.
O trabalho manual pode ser transferido para um servidor e os dados não estruturados podem ser analisados de forma abrangente sem a necessidade de mil pessoas.
Traços, características e insights sobre seus clientes e práticas de negócios podem ser trazidos de volta a você em linguagem natural, com o peso do pensamento profundo (artificial) por trás disso.
Embora existam obstáculos ou limitações a serem lembrados, é um novo poder para as empresas.
