Hello, Hello!
A arquitetura da IA hoje reforça a tese do Platypus
(tempo de leitura do e-mail: 3 a 4 minutos)
Em poucos meses, duas das leituras mais relevantes sobre inteligência artificial chegaram praticamente à mesma conclusão. Jensen Huang, fundador e CEO da Nvidia, durante sua apresentação em Davos, e Pat Grady, um dos principais investidores da Sequoia Capital, na abertura do AI Ascent, partiram de perspectivas diferentes para explicar o mesmo fenômeno. O mais interessante é que ambos esclarecem por que desenhamos o Platypus da forma como desenhamos. 
Jensen Huang propõe enxergar a inteligência artificial como um stack composto por cinco camadas. Na base estão energia, semicondutores e infraestrutura computacional. Depois surgem os modelos fundacionais e, no topo, as aplicações que, segundo ele, concentrarão a maior parte do valor econômico desta nova plataforma. A lógica não é nova. Computador pessoal, internet, mobile e cloud também reconstruíram toda a infraestrutura antes de criarem uma nova geração de empresas. A diferença é a velocidade. Algumas centenas de bilhões de dólares já foram direcionadas para data centers, chips e geração de energia, enquanto as projeções apontam investimentos de trilhões de dólares até o fim desta década.
A apresentação da Sequoia parte do mesmo desenho, mas procura responder a uma pergunta diferente. O que torna esta transformação distinta das anteriores? A resposta começa pelo tamanho da oportunidade. Durante aproximadamente quinze anos, a computação em nuvem praticamente dobrou o mercado endereçável de software, que passou de US$ 350 bilhões para cerca de US$ 650 bilhões. Ao incorporar serviços, a inteligência artificial amplia esse horizonte para algo entre US$ 3 e 10 trilhões.
O que vai muito além da dimensão do mercado e da velocidade da evolução tecnológica. Ela está na natureza da transformação.
Internet, mobile e cloud revolucionaram a forma como distribuímos informação. A inteligência artificial muda a forma como a informação é processada. Estamos diante de uma revolução de computação, e não apenas de comunicação. Isso significa que a própria base tecnológica sobre a qual empresas são construídas muda continuamente.
Pat Grady resume esse movimento com uma analogia interessante. Durante anos construímos cavalos cada vez mais rápidos, capazes de tornar pessoas cerca de 40% mais produtivas. Depois, chegaram os automóveis. A mudança deixa de ser sobre velocidade e passa a ser sobre a alteração da natureza do trabalho, da produtividade e da própria organização dentro das empresas.
O que nos leva a um novo desafio. A cada poucos meses, novas capacidades de processamento ampliam o que pode ser desenvolvido com dados e aumentam o risco de uma startup construir algo que rapidamente passe a fazer parte da própria infraestrutura. Ao mesmo tempo, as pessoas continuam mudando em um ritmo muito mais lento do que o da tecnologia. Como dizem os Rolling Stones, old habits die hard.
É desse hiato de velocidade que nasce um dos conceitos mais interessantes apresentados pela Sequoia. Pat Grady chama de Diffusion Gap a distância entre o que a tecnologia já tornou possível e o que consumidores e empresas conseguem efetivamente incorporar ao seu cotidiano. Quanto maior essa distância, maior tende a ser a oportunidade de criação de valor.
Essa ideia conversa diretamente com uma das lentes que utilizamos para construir o Platypus. Nossa tese olha para as diferentes camadas da inovação e, principalmente, a rapidez com que cada uma delas é adotada. É por isso que combinamos gestores especializados em infraestrutura, tecnologias de fronteira, aplicações corporativas e aplicações voltadas ao consumidor. Uma vez que cada uma dessas camadas exige competências distintas, ciclos de amadurecimento e de difusão diferentes, sem contar seus próprios critérios de avaliação.
O AI Ascent terminou com uma frase que sintetiza toda essa discussão. O homem é a medida de todas as coisas. Nenhuma tecnologia possui valor por si só. O valor surge quando ela melhora a experiência humana e alcança adoção em escala.
O mercado ainda está olhando demais para quem está construindo inteligência artificial e menos para quem conseguirá acelerar sua adoção. Historicamente, as maiores empresas de cada ciclo nasceram exatamente nessa ponte.
