Dia desses quis fazer um balanço de minhas finanças e alguns (poucos, ok?) investimentos e apesar de encontrar certo prazer no uso combinado de tabela no computador e caderno na mesa, confesso que resolvi, pela economia de tempo, recorrer às LLM para isso.
Decidi então pedir ao Claude para que fizesse um balanço sobre minhas finanças com base em alguns extratos que enviei na janela de contexto. Não me recordo exatamente do prompt mas provavelmente foi algum simples e enxuto como "analise esses dados e faça um relatório financeiro sobre eles".
Para minha grande surpresa, o Claude simplesmente criou - ao longo de cinco minutos e cobrando-me 10% dos meus tokens do dia - uma página em html interativa com todos os meus dados e múltiplas possibilidades de personalizações e seleções que nunca passaram pela minha cabeça.
A página era bonita, funcional e me permitiu ver gastos de forma realmente interativa. Mas o acontecimento levou-me à inexorável pergunta: até quanto exatamente essas IAs podem chegar?
E não quero parecer alarmista demais, mas afirmo que não importa o quão otimista sua resposta seja, ela provavelmente está errada. E está errada porque ainda assim deve subestimar a capacidade dessas máquinas binárias em organizar seus zeros-e-uns de maneiras absolutamente impensáveis.
Chegará - em breve, temo - um tempo em que qualquer coisa poderá ser feita (desenvolvida) por qualquer pessoa com a ajuda de IA, através de comandos cada vez mais simples. Seja um site, uma música ou mesmo uma pessoa.
Hoje em dia temos artistas de sucesso e mesmo influencers que não são mais pessoas reais. Há não muito tempo, realidades como essa eram absolutamente wellsianas, impensáveis para o homem comum.
Com esse avanço na capacidade generativa das IAs, surge a pergunta: quando qualquer pessoa puder criar praticamente qualquer coisa, o que tornará as coisas especiais?
Parece exagero, mas não consigo não-pensar aqui no paradoxo do asno de Buridan. Quando as pessoas tiverem tantas - mas tantas, tantas - opções para escolhas, como decidir por qual delas optar?
Quando a "execução" de algo deixa de ser escasso, o que sobra é realmente saber o que executar. Pensando sobre meu balanço financeiro, por exemplo, a página que o Claude gerou era, sim, bonita e funcional mas... Mas e seu conteúdo? Ora, só pude confiar no conteúdo que me foi apresentado porque eu tinha uma noção prévia do que esperar daqueles números. E ainda assim, ele pode ter errado em uma ou outra vírgula e alterado algo que eu mesmo não tenha percebido.
Curiosamente, esse problema já tem nome na literatura. É conhecido como fronteira irregular - ou jagged frontier - termo que nasce da observação de que LLMs tendem a comportar-se de forma absolutamente brilhante em determinadas tarefas ao mesmo tempo que desempenha de forma pífia em outras, sem deixar claro exatamente onde está o limite. Fábio Akita mencionou esse fenômeno enquanto provocava-nos sobre uma observação ainda mais curiosa: a IA parece ser muito boa em raciocinar sobre coisas que já existem, mas falhar substancialmente em coisas realmente inéditas.
O pesquisador Erik Brynjolfsson estudou 5179 atendentes de suporte ao cliente que ganharam um assistente de IA. Notou que a produtividade global deles subiu em média 14%. Como a média em estatística nem sempre quer dizer muita coisa, estratificou os resultados por grupos e percebeu que a produtividade para determinadas tarefas subiu até 34% entre os jovens e praticamente nada entre os profissionais mais experientes.
Será que a IA na verdade então apenas difunde as coisas que os melhores já fazem? Isso soa bastante democrático, não? Ao mesmo tempo, desloca um pouco a pergunta prévia: se todos chegam a ser bons o suficiente, o que então distinguirá alguém afinal?
Difícil dizer, é verdade.
Em outro trabalho, os autores testaram algo interessante: pediram para escritores criarem contos sendo que alguns deles o fariam com ideias sugeridas por uma IA. Os contos criados com auxílio de LLMs foram avaliados como mais criativos, mas não-supreendentemente os textos ficaram bem mais parecidos entre si.
E existe ainda um outro detalhe: ter acesso à IA não quer dizer saber usá-la. Não basta saber o que pedir, é essencial saber desconfiar de algumas respostas e diferenciar devidamente um bom resultado de um resultado preguiçoso.
Talvez o diferencial que as pessoas eventualmente buscarão seja justamente essa espécie de mapa de saber acompanhar o raciocínio das IAs e mais ainda analisar seus dados de forma humana. Saber inspirar-se no que os LLMs dizem mas conseguir colocar um pouco de si próprio naqueles resultados. Afinal, a execução fica cada vez mais fácil, mas o conteúdo... o conteúdo ainda deve ser humano, não?
De novo relembro do html do Claude. Bonito. Funcional. Presumidamente preciso.
Presumidamente... Acho que é justamente nessa palavrinha que mora todo o problema. Confesso que não confirmei cada um dos dados dali, apenas os aceitei pela sensação subjetiva - e humana - de que nenhum deles ali me surpreendia. Mas será que isso é suficiente? Se a confiança no resultado vem de minha familiaridade com os dados, o que me protegeu de um suposto erro foi minha experiência prévia e não a ferramenta per se.
Talvez seja mesmo esse o diferencial quando todo mundo puder fazer tudo: a responsabilidade não apenas de ver um resultado e supor que está correto, mas sim de saber o porquê daquilo.
-- Esse texto ainda será revisado.