A IA vai sumir de vista como a eletricidade
Há mais de uma década, Kevin Kelly compara a IA à eletricidade. Em um ensaio de 2014 na Wired, ele escreveu que a IA “vai dar vida a objetos inertes, assim como a eletricidade fez há mais de um século. Tudo que antes eletrificávamos, agora vamos cognitizar.” Ele previu que ela seria “quase invisível, exceto quando falha,” e que “como todas as utilidades, a IA será extremamente tediosa.”
Seu ensaio mais recente, Swarm Intelligence, coloca uma data nisso: daqui a 50 anos, a maior parte da IA será invisível. Ele imagina “zilhões de pequenas IAs interagindo entre si” formando algo como uma atmosfera, e escreve que “a IA é tão predominante que nos tornamos cegos a ela.” A história da eletricidade confirma isso, e também mostra o que as empresas precisaram mudar antes que a nova energia desse retorno.
Quando a eletricidade era o assunto
Há cem anos, as pessoas falavam sobre eletricidade do jeito que falamos sobre IA hoje. Elas instalavam fiação elétrica em suas casas e queriam o país inteiro eletrificado, depois compravam ferros elétricos, máquinas de lavar e aspiradores de pó, enquanto as fábricas se reconstruíam em torno de motores elétricos. Hoje, a eletricidade só vem à tona em uma festa quando a luz acaba, ou quando alguém está discutindo sobre a construção de um data center perto de sua cidade. A eletricidade é hoje tão banal e tão dada como certa que as pessoas achariam estranho se você a trouxesse à conversa por qualquer outro motivo.
A IA é o assunto de todo mundo agora: agentes pessoais, o que ela está fazendo com os empregos, os lançamentos e startups da semana, a energia que esses data centers consomem. Daqui a 50 anos, a IA será tão banal quanto a eletricidade é hoje, e a conversa de coquetel terá seguido em frente.
O retorno levou quarenta anos
O economista Paul David contou a história empresarial da eletricidade em um artigo de 1990, The Dynamo and the Computer. Em 1899, os motores elétricos forneciam menos de 5% da energia mecânica nas fábricas americanas. Eles ultrapassaram a metade no início da década de 1920, quatro décadas depois que a primeira usina central de energia foi inaugurada.
As primeiras fábricas eletrificadas usavam o que David chama de “transmissão em grupo” (“group drive”). Um grande motor a vapor girava um longo eixo suspenso, com correias descendo dele até cada máquina. Os donos colocavam motores elétricos onde antes ficava o motor a vapor e mantinham os eixos e as correias. Os ganhos vieram com a “transmissão unitária” (“unit drive”), um motor em cada máquina. Sem o eixo de transmissão, as fábricas podiam ser construções de um único andar com claraboias, e os donos podiam organizar as máquinas na ordem em que o trabalho fluía. David descobriu que o crescimento da capacidade dos motores nas fábricas explica estatisticamente cerca de metade do crescimento mais rápido da produtividade na manufatura durante a década de 1920.
IA em transmissão em grupo
Kelly compara a IA à própria eletricidade. Dentro de uma empresa, a IA funciona mais como o motor, e onde você coloca o motor importa.
Uma janela de chat à margem, onde alguém cola uma pergunta, é transmissão em grupo: um grande motor, com uma pessoa fazendo o papel da correia. O trabalho se move do jeito que sempre se moveu. Alguém lê o e-mail, decide que é importante, redigita a parte útil no CRM ou em um chamado, e o atribui.
A transmissão unitária tira a IA da janela de chat e a leva para dentro do trabalho, com um agente em cada ponto onde o trabalho chega. Esse é o enxame de Kelly dentro de uma única empresa, muitas pequenas IAs cada uma fazendo uma tarefa, como ler a mensagem de um cliente, atualizar o CRM ou agendar o retorno.
Todo motor precisa de uma usina
A eletrificação das fábricas acelerou depois de 1914 a 1917, escreve David, quando as tarifas das concessionárias caíram e as usinas centrais passaram a fornecer mais energia do que os geradores próprios das fábricas. Ele atribui a difusão da transmissão unitária às novas fábricas construídas em locais onde podiam comprar sua eletricidade. Cada máquina tinha seu próprio motor, e todo motor funcionava com o mesmo fornecimento.
Um enxame de agentes também precisa de um fornecimento, e para os agentes isso é o que a empresa sabe. Um agente que despacha o pedido de um cliente precisa do novo endereço do escritório dele, que apareceu na assinatura de e-mail da semana passada. Um agente que planeja entregas precisa da data em que um fornecedor se mudou, mencionada em uma conversa no Slack. Esses fatos costumam aparecer primeiro em uma mensagem, bem antes de alguém atualizar um sistema de registro. Kelly escreve que essas IAs vão “armazenar memória entre si.” Dentro de uma empresa, essa memória é a usina: um Brain do qual cada agente se abastece, mantido atualizado a partir das mensagens que a empresa já recebe.
A analogia falha em um ponto útil. A energia flui em uma única direção, e uma usina não aprende nada com as máquinas que alimenta. Um Brain melhora à medida que os agentes registram de volta o que aprendem.
Kelly também escreve que “nenhuma instituição, corporação ou governo isolado conseguirá controlar o ambiente do enxame.” Dentro de uma empresa, o trabalho chega por e-mail e por chat, por meio de ferramentas de mais de um fornecedor, então o Brain precisa se abastecer de todas elas.
O que estamos construindo
O this+that lê as mensagens que uma empresa já recebe em Gmail, Outlook, Slack, Microsoft Teams e Google Chat, assim que cada uma chega. Ele as transforma em tarefas, mantém os contatos atualizados, e guarda o que aprende em um Brain do qual os workflows leem e no qual escrevem de volta, com uma pessoa aprovando cada atualização.
Olhe para onde sua empresa usa IA hoje. Se for uma janela na qual as pessoas colam coisas, você está rodando em transmissão em grupo.