Bem-viiindos! Eu gostaria de iniciar a coluna de hoje, com uma breve história.
A primeira vez que tive a oportunidade de sentar-me em frente a um teclado e monitor, foi por volta de 1989. Era um computador de mesa, TK3000, com tela de fósforo verde, onde meu objetivo era programar a movimentação de um pixel (chamado tartaruga) pela tela para formar figuras, com o uso da linguagem de programação LOGO.
Figura 1: Exemplo de programação em LOGO, referência.
Essa foi minha primeira experiência no mundo maravilhoso da programação, e eu queria mais. Eu estava interessado em criar novas formas, conhecer e aplicar novos comandos, porém tudo que tinha acesso era o conhecimento do instrutor que me ensinava e apoiava no experimento.
Anos depois, presenciei um colega de trabalho usando uma ferramenta com design gráfico para programar. Me aproximei, perguntei e pedi orientações. Recebi algumas dicas e um manual do Visual Basic 3 – linguagem de programação da Microsoft. Pensei: “Ahhh, agora vai!”
Eu não conseguia extrair muito conhecimento do manual, então passei a acessar sites de busca no computador da biblioteca da faculdade, para aprender com sites geocities e fóruns. Foram muitos horários de intervalo acessando a internet, em busca de conteúdo para estudo do VB3, com ajuda dos buscadores da época, Cadê? e Altavista.
Figura 2: site de busca brasileiro, “Cadê?”.
Um belo dia me falaram para pesquisar em outro buscador – Google.com –, que este era mais moderno e eficiente que o Altavista, pois vasculhava a internet inteira mais rapidamente a procura de sites para poder aumentar seu cardápio de opções.
Figura 3: novo site de busca, Google, lançado em 1998.
E realmente foi uma experiência interessante! Eram tantos sites e conteúdo disponíveis. Rapidamente, o Google, se tornou minha porta de entrada para a internet.
“Não existe almoço grátis”
Tão rápida quando a chegada do Google foi a aquisição do Cadê? pela StarMedia e da Altavista pela HP, onde, logo depois ambas foram adquiridas pela Yahoo, que por sua vez foi comprada pela Apollo Global Management, em 2021.
Estava claro que o mercado tinha entendido as oportunidades por trás de bons mecanismos de busca, que tivessem a capacidade de entregar aquilo que as pessoas pesquisavam.
O cenário que se fazia presente começava por receber visitas recorrentes, captura de audiência e algo muito importante, que era conhecer o interesse das pessoas! A navegação na internet a partir dos sites de busca se tornou algo simples e orgânico na experiência de uso, afinal se eu quero pesquisar sobre qualquer assunto, curiosidade, fato, por qualquer motivo, certamente estava ligado a algo que atenderia algum interesse meu.
Muito rapidamente se percebeu que seria possível conectar internautas com interesses de consumo e empresas que ofereciam produtos/serviços em seus sites, aproveitando o potencial interesse das pessoas, que eram capturados, analisados e inferidos a partir de suas pesquisas. E posso garantir que o jovem Gaiotto, dos áureos anos de 1989 e 1997-98 teria adorado ser impactado com links patrocinados entregando conteúdo relevante para seguir em seus estudos em LOGOi e VB3, respectivamente.
Nasce assim a digital advertising (publicidade digital) ou simplesmente Ads.
Com isso, tivemos o lançamento do Google AdWords em 2000, que em 2018 teve o nome alterado para Google Ads. Além disso, tivemos a participação de outros players de mercado, como Amazon Advertising e Facebook Ads.
Dando um salto no tempo, chagamos em 2024, onde as gigantes tecnológicas Alphabet (controladora do Google), Meta (Facebook) e Amazon desempenharam papéis fundamentais nesse crescimento, representando juntas aproximadamente 41% das receitas globais de publicidade. (O GLOBO)
Especificamente, a Alphabet registrou um aumento de 15% em suas vendas no terceiro trimestre de 2024, totalizando US$ 88,3 bilhões. (REUTERS)
A Meta alcançou um faturamento de US$ 40,6 bilhões no mesmo período, representando um crescimento de 19%. (FT.COM)
A Amazon, por sua vez, aumentou suas receitas publicitárias em 19%, atingindo US$ 14,3 bilhões no terceiro trimestre de 2024. (Meio&Publicidade)
O nascedouro da Era da IA em berço de ouro
Inteligência Artificial Generativa, lá vamos nós! Boa parte da história começou com o artigo Attention Is All You Need em 2017 e o lançamento do modelo de linguagem BERT em 2018, como iniciativa open-source.
Com isso a OpenAI entrou em cena, com seu artigo do GPT1 em 2018, GPT-2 em 2019, GPT-3 em 2020 e ChatGPT3.5 em 2022. Sendo que ao final do ano de 2024, já tínhamos inúmeros modelos de linguagem de uso gratuito, distribuição gratuita, open-source e muitos investimentos.
O financiamento em IA Generativa ultrapassou US$ 56 bilhões em 2024, de acordo com dados da S&P Global Market Intelligence. Isso foi quase o dobro de 2023, quando as empresas de IA Generativa atraíram aproximadamente US$ 29 bilhões.
Considerando as evoluções e apetite das corporações envolvidas com IA Generativa, independente do seu papel no mercado, podendo ser:
- Criadoras de tecnologia, software ou hardware;
- Desenvolvedores de soluções com uso;
- Vendedores de produtos e serviços.
A conta precisa fechar e ainda não é tão óbvio quais são os possíveis caminhos para geração de negócios e receitas relevantes.
Mesmo sabendo que modelos de negócio estão surgindo e evoluindo, ainda não são suficientes para atingir os resultados financeiros esperados pelos investidores. Como por exemplo:
1. Licenciamento e Assinaturas
- API e uso corporativo: assinatura ou modelos pay-per-use para acesso via API;
- Assinaturas de produtos SaaS: acesso pago mensalmente pelos usuários para interação com os modelos de linguagem e serviços relacionados.
2. Consultoria e Serviços de Customização
- Treinamento e Fine-tuning: ajustes de LLMs em casos específicos de negócio, cobrando pela consultoria e uso computacional;
- Soluções ponta a ponta: integração de LLMs em fluxos internos (RH, suporte, marketing etc.) de empresas de grande porte.
3. Plataformas Cloud e Infraestrutura
- Infraestrutura e Hosting: Cloud Computing, por exemplo, ganham ao hospedar modelos e oferecer serviços de computação e armazenamento;
- Ferramentas de Desenvolvimento: fornecimento de ambientes de experimentação (notebooks, pipelines, bancos de dados) integrados aos LLMs.
4. Marketplaces e Ecossistemas de Extensão
- Plug-ins e Apps: recebimento de parte da receita gerada por desenvolvedores que criam extensões e soluções sobre a plataforma (ex.: extensões);
- Parcerias Estratégicas: monetizar com empresas de CRM, ERP ou marketing que buscam integrar o LLM em seus produtos.
5. Licenciamento de Modelos Pré-treinados
- Empresas que não podem (ou não querem) treinar modelos do zero pagam para usar modelos de base ou modelos verticalizados / especializados (por indústria);
- Software Embarcado: uso de LLM em dispositivos (edge AI) ou embarcados, cobrando por cada licença instalada.
6. Parcerias e Ecossistemas
- Investimentos e Joint Ventures: fundos de investimentos ou grandes corporações injetam capital para impulsionar novas funcionalidades e recebem retorno via participação societária ou royalties;
- Alianças com Provedores de Tecnologia: acordos de co-desenvolvimento com fabricantes de hardware para otimizar modelos, dividindo lucros.
7. Receitas de Publicidade e Dados
- Curadoria e Venda de Insights: uso dos dados gerados pelas interações para fornecer relatórios de mercado ou inteligência competitiva (sempre considerando privacidade e compliance);
- Modelos com Advertising (Ads): empresas de busca podem embutir anúncios no serviço de LLM, durante seu uso na derivação de conteúdo sob demanda.
Na prática, a diversificação de receitas depende da estratégia de cada empresa, desde modelos mais abertos como APIs com gratuidade e open-source, podendo chegar a opções premium como customização e consultoria especializada. O grande ponto é equilibrar a monetização com a ampla adoção dos modelos, garantindo valor para clientes e parceiros. Entretanto, eu gostaria de destacar o item 7, acima mencionado, com uma pequena nuance de alteração. Considerando tudo que citei até aqui, essa será minha previsão para os próximos anos:
– Mecanismos de busca a parti das plataformas de IA Generativa, que permitem, além de solicitação de derivação de conteúdo de pré-aprendizado, todo conhecimento, acesso as empresas e seus produtos e serviços a partir da internet.
E que venham novos mecanismos de busca
Como dito, mesmo com os 7 itens e seus subitens que citei, englobando oportunidades de geração de receita para os grandes players de IA Generativa, particularmente, penso que nada se comparará ao potencial que a análise e mapeamento dos interesses das pessoas que usam suas ferramentas de modelo de linguagem (LLMs) podem gerar como receita.
Todos os dias, milhares de pessoas interagem, a partir de diálogos escritos e falados com esses modelos de linguagem. Indicam quais resultados foram bons (good response), quais foram ruis (bad response) e até mesmo, indicam o que se esperava como resultado, descrevendo mesmo que superficialmente, aquilo que poderá ser usado para ajustar as próximas interações.
Cada vez mais, as pessoas entendem que terão melhor resultado com o uso sentenças mais detalhadas, traduzidas em frases que explicam aquilo que se espera como resposta, ou seja, passam a deixar palavras-chaves de lado e começam a criar prompts zero-shot, no mínimo.
Até então tínhamos como principais opções o Google, Amazon, Yahoo e Facebook que em 2017, uma pesquisa demonstrou que 55% dos brasileiros achavam que o Facebook era a internet – Olhar Digital. Com este cenário que trago algumas iniciativas de empresas como a brasileira Maritaca.ai com Maritalk, Perplexity.ai, OpenAI (antes SearchGPT), Microsoft Bing e o Google.
Nota: para que eu possa trazer soluções comparáveis, me mantendo com foco nos mecanismos de busca, não irei citar redes sociais, a exemplo de Facebook e TikTok.
Em toda as pesquisas usei a mesma sentença:
– “Como escolher meu mecanismo de pesquisa?”
Acessei a URL do site via browser em modo privado (inPrivate), para evitar informações de sessão, onde:
Figura 4: Para utilizar a Maritalk – https://chat.maritaca.ai/ , da brasileira Maritaca.ia, foi necessário autenticar com meu e-mail.
Figura 5: Para utilizar a Perplexity – https://www.perplexity.ai/ , não foi necessário autenticar com meu e-mail.
Figura 6: Para utilizar o ChatGPP – https://chatgpt.com/ , da OpenAI, foi necessário autenticar com meu e-mail.
Figura 7: Para utilizar o Microsoft Bing – https://www.bing.com/ , não foi necessário autenticar com meu e-mail.
Figura 8: Para utilizar o Google – https://www.google.com/ , não foi necessário autenticar com meu e-mail.
Vamos partir para critérios de avaliação?
Ao avaliar um mecanismo de busca que utiliza modelo de linguagem integrado, vale considerar critérios que observem a experiência de uso. Abaixo quero trazer alguns pontos pontos-chave:
Relevância e Precisão:
- Verificar se as respostas fornecidas são coerentes com a intenção da pesquisa;
- Mensurar a taxa de cliques úteis (CTR) e tempo gasto na página para avaliar a pertinência das respostas;
- Exemplo: um usuário pesquisa “receita de bolo de cenoura” e obtém imediatamente instruções claras, além de variações e dicas.
Contextualização e Compreensão Conversacional:
- Avaliar se o modelo de linguagem mantém o contexto ao longo da interação de pesquisa, lembrando perguntas anteriores, mantendo a coerência e contexto;
- A capacidade de “entender” referências implícitas e fornecer respostas sem necessidade de repetição do usuário é um diferencial.
Velocidade e Escalabilidade:
- A latência na resposta afeta diretamente a experiência de uso.
- Os modelos de linguagem precisam manter a geração de respostas rápidas para uma boa UX, principalmente em picos de acesso.
Atualização e Fonte de Dados Confiável:
- Garantir que o modelo consulte fontes recentes e verifique autenticidade; isso é importante para dados sensíveis ou com prazos de validade (notícias, cotações).
- Exemplo: ao perguntar sobre estatísticas de vacinação, o mecanismo deve acessar dados atualizados de autoridades de saúde ou parceiros confiáveis.
Clareza e Transparência:
- Explicitar quando o modelo de linguagem está “inventando” ou tendo “alucinações”;
- Caso haja incerteza ou limitação de dados, sinalizar isso para o usuário, evitando confusão ou desinformação;
- Exemplo: ao não encontrar uma resposta exata, o mecanismo informa que não possui dados suficientes e sugere caminhos alternativos.
Capacidade de Análise e Síntese:
- Além de listar links, deve resumir informações de diversas fontes, apresentando uma resposta unificada e contextualizada;
- Oferecer uma visão geral do tema, destacando pontos de importância como: vantagens, desvantagens, estatísticas, etc.
Design e Interface de Conversação:
- A UX deve ser intuitiva, permitindo que o usuário faça perguntas adicionais e refine o escopo de busca sem fricção;
- Botões de ação ou sugestões de perguntas contextuais ajudam a guiar a conversa.
Confiabilidade e Segurança
- Garantir a proteção de dados, evitar vazamento de informações sensíveis e fornecer mecanismos de reporte de conteúdo inadequado e estar em conformidade a LGPD (Lei Geral de Proteção de Dados).
Critérios como esses oferecem uma visão abrangente para avaliar a qualidade e o impacto real de um mecanismo de busca integrado a modelos de linguagem.
Quando aplico os critérios acima, fico positivamente impressionado com os resultados, que pode mostrar um futuro promissor com a potencial concorrência entre as Big Techs da GenAI.
Entretanto, deixo aqui minha preocupação.
– O que será da privacidade e falsa percepção de controle quanto ao ímpeto de consumir um produto, serviço e conteúdo?
