Não há dúvidas de que o Rabbit R1 é um marco da inovação. Este pequeno e inteligente “coelho”, que cabe no seu bolso, foi apresentado em uma palestra digna do lançamento do iPhone, confirmando as previsões sobre a multiplicação de assistentes impulsionados por IA generativa (ChatGPT, Bard etc.).
O Rabbit R1 é um assistente virtual que aprende a lidar com suas tarefas digitais. Basta apertar um botão, dar um comando de voz e deixar que os scripts automatizados (chamados de “rabbits”) façam o trabalho por você.
Mas o que é particularmente surpreendente não é que este “pequeno animal” se alimente de IA generativa baseada em LLM. Isso era esperado, só está acontecendo um pouco mais cedo do que imaginávamos. Não, o que realmente faz a diferença é a interconexão desses LLMs com os serviços subjacentes.
A verdadeira revolução do Rabbit R1
De fato, todos imaginávamos que, de maneira muito convencional, esses LLMs se conectariam aos principais serviços da Internet por meio de APIs orientadas para negócios com IA. Este continua sendo o modelo-alvo para um ecossistema em que a IA generativa ocupa o centro do palco, consumindo e compondo os vários serviços (cálculo de rotas, reservas de trens, acesso a contas etc.).
Mas o grande problema com este modelo-alvo é que as empresas estão atrasadas em termos de expor e disponibilizar essas APIs.
Para compensar esse atraso e ainda oferecer um serviço de qualidade, a startup de Santa Monica, empresa-mãe da RabbitR1, que já pré-vendeu mais de 10.000 Rabbit R1s durante a CES (enquanto as previsões feitas aos analistas eram de 500), vai suplementar este LLM com um LAM, um “Modelo de Ação Grande”.
Este LAM é o ingrediente chave do Rabbit.
LAM vs LLM – Entendendo a diferença
Ao contrário dos LLMs, que criam inteligência por meio de armazenamentos de dados e APIs de acesso a serviços, os LAMs são capazes de reproduzir a atividade humana em uma interface convencional (interface WEB, interface de aplicativo).
De certa forma semelhante às ferramentas de screen scraping de antigamente, os proprietários do Rabbit R1 devem confiar suas identidades digitais (código de acesso ao banco etc.) para que os LAMs possam se conectar ao site do banco, consultar saldos de contas e sugerir apenas ofertas de viagem que se encaixem em seu orçamento, por exemplo.
Essa nova forma de acessar serviços deve nos desafiar em vários níveis, porque se essa tecnologia de IA cara (ou seja, GPU) é necessária, é porque:
- Os provedores de serviços não foram rápidos o suficiente para abrir as APIs de seus sistemas principais
- Os poucos serviços que são expostos não são expostos de maneira a serem facilmente descobertos e consumidos por modelos de IA
Será que essas tecnologias LAM estão virando o discurso acadêmico sobre integração de cabeça para baixo e oferecendo um bônus para retardatários e desempenhos fracos que não APIficaram corretamente seus sistemas de informação?
Será que este método usado pelos LAMs seria suficiente para abrir serviços?
Isso seria um mal-entendido de como essas ferramentas funcionam.
A APIficação é mais urgente do que nunca
Os LAMs não são projetados inicialmente para compensar a ausência de APIs de acesso a serviços. Eles são projetados para decompor processos em etapas acionáveis.
O custo de usar essas ferramentas para acessar informações simples, como serviços de contas, é muito mais caro e complexo do que uma simples chamada de API.
O resultado será uma espécie de competição pelo acesso a serviços, com os mais simples sendo priorizados por IAs generativas, que buscarão a rota mais curta para uma resposta mais rápida. E os serviços bem APIficados e bem expostos por meio de um marketplace impulsionado por IA serão inegavelmente mais bem-sucedidos do que aqueles que exigem minutos pesados de CPU para serem ativados.
Portanto, a APIficação dos sistemas de informação deve ser a principal prioridade dos CIOs nos próximos anos. Uma APIficação aberta a desenvolvedores humanos e, claro, a IAs.
Autor
Colaborador: Emmanuel Methivier
Diretor do Programa de Negócios, Axway Catalyst
