Large Language Models. Uma expressão que tem tomado conta de notícias, artigos, publicações em redes sociais, conferências, eventos e conversas em empresas. Muito se fala sobre este tópico, e talvez a culpa seja do ChatGPT. Fala-se sobre aquilo que significa e sobre o impacto que pode ter nos negócios. Porém, faz falta dar um passo atrás e questionar: o que são, efetivamente, Large Language Models? O que fazem? Para que servem? E qual é a sua utilidade no quotidiano empresarial?

Os Large Language Models (LLMs) já estão presentes em muito daquilo que fazemos, mesmo que não nos apercebamos disso, especialmente no que à tecnologia de Inteligência Artificial, e em especial IA Generativa, diz respeito. O mítico e já referido ChatGPT, por exemplo, assenta neste modelo. Já todos fizemos uma pergunta ao ChatGPT e recebemos uma resposta que, a bem ou mal, costuma estar sustentada por dados e que tenta sempre ser imparcial (mesmo que às vezes não o seja - há certas ocasiões em que as prompts levam a um enviesamento da resposta), ou seja, não mostra qualquer tipo de opinião. O curioso neste tipo de interação é que o ChatGPT não procura, na imensidão de dados que tem disponível, a resposta às nossas questões – ao contrário do que se possa pensar. Na verdade, cada palavra é uma sequência lógica da anterior. Isto significa que modelos tipo ChatGPT escrevem frases de acordo com previsões daquilo que fará mais sentido, muitas vezes esticando este propósito ao máximo para terrenos desconhecidos, produzindo as chamadas alucinações. Isto pode ajudar a explicar o porquê de, por vezes, as respostas não fazerem grande sentido, ou até serem pouco desenvolvidas. A máquina também erra, especialmente porque está em constante aprendizagem e evolução.

Isto significa então que um LLM é, numa explicação teórica, um modelo que advém do machine learning e que assenta em técnicas de deep learning de uma infinita quantidade de dados que lhe são transmitidos - por exemplo o ChatGPT treinou esta base de prever a próxima palavra com base nas anteriores em 45 Terabytes de dados. Isto permite que o modelo vá aprendendo e gerando informação, sucessivamente. Na área tecnológica e de IA, estas arquiteturas fazem parte de uma categoria de Modelos de Fundação. Se oferecermos um conjunto de dados, que podem ir desde texto, a imagem, a vídeo, entre outros, aos modelos de fundação, estes vão sendo treinados para transformar aquilo que aprenderam numa linguagem compreensível. Por exemplo, numa pequena escala, por meio de um texto, é possível formar uma imagem. E em grande escala, mediante uma tabela com dados de vendas, é possível otimizar a gestão de marketing de um negócio.

Os LLM são então um caminho para a inovação. Um caminho que deve estar na rota de todos os gestores e decisores de negócios, independentemente do setor. Particularmente porque trazem uma interface textual e linguística coerente para lidar com a inteligência artificial, algo inexistente até aos dias de hoje. Além dos exemplos que apresento em cima, existem muitos outros. Primeiro, os LLM surgem na cadeia de Inteligência Artificial Generativa a realizar transcrições de áudios e vídeos, de forma precisa, o que permite poupar tempo e recursos e focar a produtividade em áreas menos repetitivas e mais criativas, de forma a alcançar resultados cativantes. Além disso, os LLM também criam conteúdo, como artigos de blog, planeamento de redes sociais, texto de publicações ou mesmo artigos de opinião (este, por acaso, não foi escrito por IA; mas confesso que a estruturação do conteúdo foi feita com essa “ajuda” - permitiu-me poupar tempo e ver o tópico de outra perspetiva). A defesa e prevenção de ciberataques também é uma função dos LLM que permite proteger uma organização, através da análise de dados, reconhecimento de padrões e ativação de sinais de alerta (e pode também ser utilizado como revés da medalha, para atacar a segurança de uma organização). Outro exemplo de aplicação de LLM é o desenvolvimento de código, nas mais variadas linguagens de programação, permitindo que profissionais da programação sejam mais eficientes e se possam focar em tarefas mais complexas. Por último, apresento um exemplo ligado à área de negócio e comunicação. Os LLM conseguem analisar o sentimento do público face a determinada organização e tema, permitindo que as marcas consigam redefinir estratégias e melhorar o seu posicionamento, atingindo resultados que, até aí, não esperariam alcançar.

Posto isto, defendo ser essencial que os gestores procurem, continuamente, aprender sobre este tema. A educação e a capacitação para o uso de dados e IA é fundamental para um negócio conseguir “navegar” em ondas cada vez mais desafiantes. A tecnologia está a avançar muito rapidamente, e a sociedade também. É através da educação que se pode dar um uso responsável aos LLM e outros modelos da mesma dimensão. Questões como a privacidade e segurança dos dados não devem ser descuradas pelas organizações e pelos seus líderes e profissionais de tecnologia. A ética deve também fazer parte desta agenda pedagógica. E, claro, a própria aprendizagem sobre aquilo que esta tecnologia consegue fazer. Só assim será possível que nós, enquanto sociedade, consigamos perceber os detalhes por detrás da IA e lidar com ela da melhor forma possível. Tenho defendido, desde sempre, que o acesso a machine learning e à IA em geral deve ser fomentado e a participação cívica de toda a sociedade é essencial. Todos devem ter a oportunidade de aprender mais sobre estas áreas, de as ver “em ação” e de perceber de que forma as podem aplicar no seu próprio contexto, tanto empresarial como pessoal.

Esta revolução tecnológica que vivemos pode parecer, à partida, algo misteriosa. Mas está a fazer oscilar muitos negócios - para o bem, quando correta e estrategicamente utilizada; e para o mal, quando ignorada, negligenciada ou usada de forma nociva. É impossível prever aquilo que ainda virá, a nível tecnológico. Mas confesso um grande entusiasmo pelo potencial inovador que estamos a viver e pelas inúmeras possibilidades de melhorar vidas usando IA. E por aquilo que ainda podemos aprender, convém que conheçamos o que usamos.