Atenção, Contexto e Profundidade de Pensamento
No filme A Rede Social, há uma cena em que o personagem de Mark Zuckerberg é questionado por um advogado se ele estava prestando atenção na conversa.
Ele responde algo como: “Sim, estava prestando atenção, mas não 100%. Apenas o suficiente para essa conversa.”
Essa cena ilustra algo que todos nós vivenciamos no dia a dia: nem toda tarefa exige o máximo da nossa capacidade mental.
Existem tarefas simples, que conseguimos resolver com uma parte da nossa atenção, e tarefas complexas, que exigem foco total.
Aqui já começa uma diferença, pois a IA sempre presta atenção, mas existe um parâmetro diferente.
No caso dos humanos, existe um fator adicional: nós nos distraímos.
Mudamos de tarefa, interrompemos o que estamos fazendo, e essa troca de contexto tem um custo.
A IA não se distrai, ela não alterna entre tarefas por conta própria.
E a troca de tarefas para a IA não tem o mesmo custo de troca de atenção que tem para os humanos.
Estima-se que um ser humano pode levar vários minutos para recuperar o foco total após uma interrupção.
Não é só uma questão de atenção, é uma questão de continuidade de pensamento.
Quando você dá uma tarefa para a IA, ela está, naquele momento, utilizando toda a capacidade disponível.
Mas isso não significa que todo “pensamento” da IA tem a mesma profundidade.
Podemos pensar em dois tipos de pensamento da IA:
- Pensamentos rasos: respostas rápidas, pouca elaboração, análise superficial.
- Pensamentos profundos: respostas detalhadas, bem estruturadas, com maior desenvolvimento.
O que determina essa profundidade não é apenas a inteligência do modelo de IA, mas também de dois fatores: quanto de informação a IA consegue considerar e quanto espaço ela tem para desenvolver o raciocínio.
É aqui que entram dois conceitos importantes: contexto e tokens.
A IA trabalha com uma “janela de contexto”, que é tudo o que cabe na “cabeça” da IA naquele momento: a pergunta que você fez, as instruções que você deu, o histórico da conversa, os documentos que você forneceu.
Tudo isso ocupa espaço, e esse espaço é limitado.
Esse limite é medido em tokens, que são os pedaços de texto que a IA usa para processar informação.
Ou seja, tokens representam o espaço disponível, enquanto contexto é como esse espaço é utilizado.
Agora, o ponto mais importante para você como gestor: quando você usa IA, você não está apenas escolhendo a inteligência.
Você também está, na prática, decidindo quanto espaço aquela IA vai ter para “pensar” e quanto ela vai desenvolver a resposta.
É como se você estivesse comprando “pensamentos”.
Você pode fazer muitas tarefas simples, com respostas rápidas, ou investir em respostas mais profundas, mais elaboradas.
Vamos pensar em dois exemplos:
- Uma tarefa simples: classificar se um feedback de cliente é positivo ou negativo.
Essa é uma tarefa de baixa complexidade.
Nesse caso, você não precisa de um modelo extremamente inteligente, nem de muito contexto, nem de respostas longas.
- Uma tarefa complexa: analisar uma estratégia jurídica, financeira ou operacional.
Aqui você precisa de mais contexto, mais elaboração, mais espaço para raciocínio.
A profundidade precisa acompanhar a complexidade do problema.
No entanto, mesmo para tarefas complexas, nem sempre a melhor solução é usar um único agente muito inteligente com muita atenção.
Em muitos casos, pode ser mais eficiente dividir a tarefa entre vários agentes, montando equipes multidisciplinares de IA, como veremos mais adiante neste livro.
É aquela ideia de que duas cabeças (ou várias) pensam melhor do que uma.
Aqui entra um ponto estratégico importante.
Assim como você não contrata apenas doutores para todas as funções da sua empresa, você também não precisa usar sempre a inteligência mais cara para todas as tarefas.
Muitas vezes, você pode usar inteligências mais simples, com menos contexto, para tarefas específicas, e reservar inteligências mais avançadas, com mais contexto e mais elaboração, para tarefas críticas.
Esse é um jogo de otimização.
Você está equilibrando custo, qualidade e velocidade, e isso varia muito de acordo com o processo.
Em tarefas recorrentes, você pode testar, medir e otimizar.
Pode descobrir qual nível de inteligência usar, quanto contexto fornecer, quanto desenvolvimento de resposta é necessário, e ajustar isso ao longo do tempo.
Não existe uma regra única.
É prática, teste e ajuste.
Outro ponto importante: mesmo as IAs mais caras, em muitas situações, ainda são extremamente baratas quando comparadas ao custo humano.
Mas também existem tarefas em que a IA ainda não substitui o humano.
Por isso, mais importante do que tentar encontrar uma regra fixa, é entender o modelo mental.
Você está trabalhando com inteligência, contexto e profundidade de pensamento, e sua função como gestor é orquestrar esses elementos da forma mais eficiente possível.
Pense nisso como gerenciar o fluxo de água.
Você tem diferentes qualidades de água (níveis de inteligência) e diferentes quantidades de água (tokens, espaço para pensamento).
Sua missão é direcionar a água certa, na quantidade certa, para cada tarefa.
Às vezes, você vai precisar de um grande volume de água de qualidade mediana (muitos tokens de uma IA mediana).
Outras vezes, você vai precisar de pouca água, mas de alta pureza (poucos tokens de uma IA avançada).
E em alguns casos, você vai precisar de muita água de alta qualidade (muitos tokens de uma IA avançada).
O segredo está em entender a necessidade de cada tarefa e alocar os recursos de forma estratégica.