Traçando a fronteira da IA

Tom Godden:
Hello. Bem-vindo ao podcast Executive Insights, oferecido a você pela AWS. Meu nome é Tom Godden. Sou diretor de estratégia empresarial aqui na AWS e hoje estou acompanhado por Matt Fitzpatrick.

Matt, obrigado por participar conosco hoje.

Matt Fitzpatrick:
Obrigado por me receber.

Tom Godden:
Eu que agradeço. Poderia se apresentar brevemente? Explique-nos um pouco mais sobre sua função na McKinsey e, por favor, fale mais sobre a Quantum Black Labs. Adoro o nome.

Matt Fitzpatrick:
Imagine que a McKinsey Engineering tem alguns milhares de engenheiros nas instalações dos clientes, criando modelos, desenvolvendo tecnologia, e o Quantum Black Labs é o tipo de grupo de desenvolvimento de tecnologia que dá suporte a tudo isso.

Pode ser um modelo de retenção ou um mecanismo de recomendação, qualquer coisa em que você possa pensar como uma interface de software que tenha um modelo que leve a uma decisão. Em um contexto de IA generativa, isso pode ser algo como um chat-bot, é o que nossa equipe Quantum Black está fazendo.

Além disso, a Quantum Black Labs oferece todas as ferramentas e o desenvolvimento de produtos que apoiam esses engenheiros avançados.

Tom Godden:
Assim, há muita coisa acontecendo com IA atualmente na McKinsey. Nossos clientes sempre se beneficiam muito com os insights. Eu sigo muito a McKinsey para obter insights. O que você está vendo, no momento mais importante, no espaço da IA?

Matt Fitzpatrick:
Sim, acho que os últimos dois anos foram interessantes. Obviamente, a IA se tornou mais importante para muitas pessoas. Está no topo, é a primeira página de todos os jornais atualmente.

Tom Godden:
É o garoto legal da cidade.

Matt Fitzpatrick:
Mas acho que a realidade tem sido mais desafiadora do que as pessoas esperavam. Acho que muitas pessoas esperavam que fosse mais parecido com um software em que você instalaria um novo sistema ERP e ele funcionaria. E eu acho que, na verdade, é muito mais sobre experimentar e descobrir-

Tom Godden:
Treinamento.

Matt Fitzpatrick:
Treinamento. Então, esse processo pelo qual muitas organizações não tecnológicas mais tradicionais, que usaram apenas software real e talvez alguma modelagem aqui e ali, tentaram se tornar mais grupos de desenvolvimento de tecnologia. Isso significa algo muito diferente. Ninguém iria criar software personalizado há 25 anos com seu próprio mainframe, teria sido muito difícil. Mas acho que, nesse contexto, quando você pensa em aproveitar todas as diferentes tecnologias que você pode combinar para aproveitar, digamos, um modelo de IA de geração, esse é um processo muito diferente da maioria das empresas da Fortune 5000 que nunca construíram antes. Os dados que vemos diriam que cerca de 92% dos modelos atualmente não chegam à produção.

Tom Godden:
Sério?

Matt Fitzpatrick:
Portanto, apenas cerca de 8% do que está sendo construído hoje está sendo usado. E acho que esse tem sido um processo de ajuste difícil para a maioria das empresas tradicionais.

Tom Godden:
Então, vamos clicar duas vezes nisso por um minuto, quais são alguns dos obstáculos? O que está impedindo as pessoas de transformar isso em 80% em vez de 8%?

Matt Fitzpatrick:
Sim, acho que são algumas coisas diferentes. Acho que a mais pronunciada são as alucinações em um contexto de IA generativa. Então, o machine learning é um pouco mais fácil. Você pode dizer: “Aqui está minha variável dependente, preciso de algum nível de precisão” e você pode se sentir confortável com isso. Em um contexto de IA generativa, se você decidir criar um modelo que não tenha necessariamente uma definição clara, como, por exemplo, um chat-bot para discutir que tipo de café alguém gostaria de pedir. Na verdade, é muito difícil definir o que é bom.

Tom Godden:
Pois é. Parece fácil.

Matt Fitzpatrick:
Então, acho que muitas organizações, se você pensar que têm uma centena de pilotos em andamento, elas não têm certeza de qual é a marca de: “Ok, isso passa para a produção, isso funciona”. Então, acho que a definição de dizer: “O KPI que vou medir é essa, e aqui vou limitá-lo, testá-lo e ter certeza de que estou confortável, de que não há risco de acontecer”. Acho que essa foi a maior delas. E você viu alguns problemas públicos muito importantes em que as organizações lançaram um chat-bot que fez algo muito embaraçoso. Então eu acho que esse tem sido de longe o número um.

Tom Godden:
Acho que isso está fazendo com que as pessoas se preocupem com razão, mas reajam um pouco exageradamente. Porque, com razão, eles não querem se tornar aquela empresa sobre a qual se fala nas mídias sociais ou na primeira página do Wall Street Journal.

Matt Fitzpatrick:
Concordo totalmente. A propósito, o interessante disso é que existem maneiras de fazer isso com níveis bastante altos de convicção de que você administrou o risco. Isso significa que você coloca barreiras de proteção em torno de coisas que não podem dizer nada sobre preconceitos, coisas sobre toxicidade. Você pode colocar barreiras de proteção e dizer: “Olha, esse é o resultado que estou procurando, esse limite de recomendações”. Ou se você precisar fazer uma recomendação, como sugerir a compra desse produto ou um preço, você pode realmente fazer com que ela seja regida por um modelo de machine learning muito auditável, claro e transparente e, em seguida, fazer com que o LLM seja o invólucro que é o tipo de embalagem conversacional que envolve isso.

E nesse tipo de paradigma, há muito pouco risco. Você sabe qual será sua recomendação e sabe que pode colocar barreiras de proteção para que ela não diga nada particularmente assustador. Mas, novamente, isso está no contexto de organizações que nunca tiveram que construir algo assim antes. Então eu acho que a curva de aprendizado tem sido difícil.

Acho que os outros componentes são que são necessárias muitas mudanças organizacionais para se sentir confortável com “testar e aprender”. Acho que essa é a outra parte mais difícil disso. Acho que a maioria das organizações que criam tecnologia quer saber que em seis meses ela estará em algo em que elas saibam com certeza como ela funciona.

Tom Godden:
E isso é único porque um ser vivo que respira evolui e muda continuamente à medida que os dados que o alimentam e interagem com ele mudam. E eu acho que essa mentalidade, eu acho que você percebeu, é algo que é tão estranho para tantas pessoas e com razão. Quero dizer, é compreensível, mas acho que eles se assustam um pouco e não sabem para onde ir.

Matt Fitzpatrick:
Completamente. Acho que se você operou em um paradigma de software que funciona ou em modelos altamente previsíveis, como modelos estatísticos básicos, e de repente precisa testar e aprender, isso não é fácil.

Tom Godden:
Surpreenda sua mente.

Matt Fitzpatrick:
E pense até mesmo em algo que, digamos, vai capacitar alguém em sua linha de frente, um representante da Salesforce ou um representante de call center, e na ideia de que essa pessoa precisa tomar uma decisão sobre algo que pode não ser perfeito imediatamente. Novamente, isso é difícil. E acho que o interessante é que, se você se sentir confortável com esse movimento e fizer o treinamento e os testes adequados antes de lançá-lo ao vivo, poderá obter um resultado muito bom, mas não é um músculo que a maioria das organizações tem.

Tom Godden:
Então, eu vou te trazer de volta um pouco. Falamos sobre alguns dos desafios, falaremos um pouco mais sobre isso, mas vamos falar sobre as oportunidades. Então, o que você está vendo as empresas se inclinando e fazendo? Quais são algumas das coisas interessantes? E o outro, Matt, onde está o layout fácil? Quero dizer, me dê a vitória. Qual é a vitória?

Matt Fitzpatrick:
Acho que vamos olhar para trás em cinco a 10 anos e dizer que os dois primeiros anos foram muito mais difíceis do que as pessoas esperavam, mas a mudança daqui a 10 anos será muito maior do que as pessoas esperam de várias maneiras. E eu acho que se você olhar para algumas dimensões diferentes, codificação, desenvolvimento de software, eu acho...

Tom Godden:
Um ótimo caso de uso para procurar.

Matt Fitzpatrick:
Sim, quero dizer, digamos, cinco anos atrás, oito anos atrás, se você quisesse começar uma empresa e criar uma aplicação, você tinha que encontrar alguém para criar uma página da web, o que era realmente complicado de fazer. A ideia de texto para HTML, texto para SQL, como todas essas coisas, democratizará dramaticamente o acesso ao desenvolvimento de novas tecnologias.

E acho que será uma mudança muito positiva para a sociedade, para quem quer abrir uma empresa. Mas isso também tornará os engenheiros muito mais eficazes. Quero dizer, já vemos muitos de nossos engenheiros já usando muita IA generativa quando a estão desenvolvendo. É mais eficiente de várias maneiras do que apenas um repositório de código que você precisa pesquisar. Então, acho que já estamos vendo que estamos na terceira rodada de melhoria do desenvolvimento de software. Mas acho que é muito importante... Essa provavelmente será a área, na minha opinião, que terá o maior impacto nos próximos dois anos.

Tom Godden:
Uma das coisas que eu gosto nisso não é apenas o valor imediato que você obterá por isso, mas também a capacidade mental dos desenvolvedores. E comece quando eles usam a IA generativa para o assistente de codificação e diga: “Bem, eu me pergunto se eu também poderia usar isso no atendimento ao cliente dessa forma”. E isso também mostra que estamos falando sobre aumentar os indivíduos e não substituí-los. Então eu acho que incorporar todas essas coisas e você obtém o benefício e o valor da codificação. Quer dizer, eu digo: “Meu Deus, vá!”

Matt Fitzpatrick:
Concordo plenamente. Bem, pense também nos vários trilhões de softwares legados que existem em todo o mundo. E pense na dor dessas organizações se você tiver um sistema antigo de 20 anos, escrito em uma antiga base de código legada-

Tom Godden:
Posso fazer o upgrade desta versão do .Net para a próxima?

Matt Fitzpatrick:
E é uma experiência horrível para seus clientes. É uma experiência horrível para seus funcionários. E então imagine…

Tom Godden:
E não é diferenciador, certo? É apenas um trabalho que você precisa fazer para que possa começar a trabalhar na realidade.

Matt Fitzpatrick:
E isso é realmente, acho que se você pensar na era digital, isso é o que impediu muitas empresas de realmente se mudarem para essas enormes bases de código legadas.

Portanto, acho que se você puder mudar para um mundo em que possa modernizá-los com mais eficiência e começar a permitir que sua organização se torne mais digital primeiro, isso terá implicações enormes para fazer com que as empresas mais tradicionais se sintam muito mais como empresas de tecnologia. Então, eu acho que essa será uma mudança real de uma forma positiva na forma como as empresas funcionam. Porque qualquer pessoa que tenha um sistema de trinta anos usando o qual está tentando administrar seus negócios sabe que é um processo incrivelmente doloroso de refatorar.

A outra área que eu acho que é material é a experiência do cliente. Então, qualquer coisa relacionada ao alcance do cliente, call centers, e-mails enviados, textos enviados. No momento, esse é um processo bastante doloroso.

Quero dizer, vimos, por exemplo, que a experiência dos call centers é como se as pontuações de MPS na maioria dos call centers não fossem muito boas. A maioria das pessoas não gosta da experiência de esperar 25 minutos em espera. Então imagine um mundo em que, em vez de um fluxo direcional roteado que diz que você só pode falar sobre cobrança ou serviço, você pode conversar e resolver seu problema. Isso significa que, novamente, você reduzirá substancialmente a quantidade de tempo que passa em espera no call center.

E sua capacidade de entrar em contato com seus clientes para falar com eles será uma grande mudança. No momento, se você enviar um e-mail externo, na maioria das vezes é uma carta-modelo sobre um evento. Mas imagine se esse e-mail enviado souber coisas sobre a conta da pessoa, ele pode realmente oferecer a ela uma oferta personalizada. Eu acho que é uma pergunta muito material.

O outro que eu acho muito importante é o que eu chamaria de gestão do conhecimento. Então, pense em qualquer organização que tenha enormes quantidades de dados, seja, digamos, uma empresa de processamento de reclamações ou uma empresa de conserto de automóveis, mas que tenha muitas informações que, na verdade, não estão organizadas ou estruturadas de forma alguma. Então, muitas vezes, a roda é reinventada toda vez que algo é feito. E acho que não há memória institucional, eu diria. Acho que é algo em que vemos muito interesse e que será muito transformador.

Tom Godden:
Há um ótimo exemplo no site da AWS sobre uma empresa — elevadores, escadas rolantes, esse tipo de coisa — e eles criaram uma excelente solução de IA na AWS para voltar ao histórico de todos os registros de serviços que ocorreram. Então, enquanto você está tentando consertar essa escada rolante ou esse elevador em um local, em vez de reinventar a roda, por que você não pode voltar ao histórico de todas as chamadas de serviço que já existiram e dizer qual é a maneira de fazer a triagem disso? E esse é apenas um exemplo e acho que há muitos a serem aproveitados para isso.

Matt Fitzpatrick:
Acho que as chamadas de serviço são um dos melhores exemplos disso. Quero dizer, se você pensar em como quase todas as organizações do mundo funcionam agora com chamadas de serviço, a menos que tenham um sistema de call center realmente sofisticado, elas têm um indivíduo para tomar uma decisão, fazer uma avaliação, que pode ou não estar correta, e então isso não é armazenado ou usado de forma alguma. Portanto, todos nós, como sociedade, lidamos com muito mais problemas em relação a diagnósticos incorretos em qualquer ponto de serviço. E acho que isso também será muito positivo.

Tom Godden:
Então, vivemos, em 2023 e 2024, talvez um pouco do entusiasmo da IA generativa, da empolgação, mas um pouco do entusiasmo que veio com ela. Acredito, e acho que acreditamos fortemente aqui na AWS, que, com o passar do tempo, veremos quase todas as aplicações aumentadas pela IA e pela IA generativa. Mas, considerando isso como pano de fundo, como podemos ainda ajudar os líderes a racionalizarem ao apresentarem casos de negócios sobre IA generativa para não exagerarem? Para que você encontre o valor correto. Como você aconselha as pessoas a avançarem nisso?

Matt Fitzpatrick:
Então, isso explica um pouco por que apenas 8% estão sobrevivendo agora. E eu acho que a incerteza do sucesso é uma parte complicada no processo de desenvolvimento de casos de negócios aqui. O que quero dizer com isso é que digamos que você queira instalar um novo sistema de software para realizar qualquer processo, como despesas, certo? No momento, você criaria um caso de negócios e saberia exatamente o fluxo de trabalho que ele executará e teria muita confiança. Portanto, é um processo muito simples criar um caso de negócios para isso. Mas imagine que seu caso de negócios se baseia em 12 coisas diferentes nas quais você poderia usar sua organização:

Tom Godden:
Resolva para N, sim.

Matt Fitzpatrick:
Onde cinco deles podem funcionar e sete deles podem não funcionar. E eu acho que você realmente precisa mudar a forma como o desenvolvimento de casos de negócios funciona para se parecer muito mais com capital de risco. Não acho que isso signifique que apenas um em cada dez trabalha. Acho que isso significa que você precisa se sentir confortável experimentando, experimentando 10, 12, 14 coisas diferentes e, com o tempo, obterá cinco que funcionam no primeiro lote. E no próximo lote, você receberá 10 que funcionam. Você também não investirá grandes quantias para desenvolver cada um.

A meu ver, considere o gerenciamento do conhecimento, os mesmos dados que você usa para aquela chamada de serviço como exemplo, você provavelmente pode usar para contact centers, você provavelmente pode usar para produção de documentos sobre como foi a chamada, todo esse tipo de coisa. E assim você acabará com 5, 6, 7 casos de uso vinculados ao que você criou e que funcionou.

Tom Godden:
Adoro este. E eu aconselho as pessoas o tempo todo a fazerem com que esse caso de uso resumido do documento funcione, mas depois use-o em RH, use-o em finanças. Você vai ter que ajustá-lo e treinar um pouco o modelo, mas você está 80% ou 90% do caminho certo.

Matt Fitzpatrick:
Essa tem sido a parte mais difícil dos casos de negócios. Você não está adotando um paradigma em que levará dois anos e é um caso de negócios monolítico que, no final, está pronto. Na verdade, você é mais um paradigma de “Preciso obter quatro componentes de dados diferentes para esse caso de uso. Todos esses componentes de dados são modulares, posso usá-los em outros quatro casos de uso. Então, na verdade, meu desenvolvimento de caso de negócios é: ‘Parece valer a pena desenvolver recursos suficientes e justificar o início, pois será útil para as coisas repetidamente?’” E com o tempo, em três, cinco anos, você fará múltiplos do seu investimento. Talvez não esteja no primeiro.

Tom Godden:
Então, Matt, vamos fingir que sou CIO, como ex-CIO, então não é difícil fingir. E digamos que eu esteja diante de uma circunstância em que quero que algo seja único, personalizado para mim, mas também que seja barato, certo? Esse não é sempre o paradigma? Como está a McKinsey, como você está abordando aconselhar as pessoas a construir versus comprar? Quando você o constrói, você pode personalizá-lo. Custa muito mais. Quando você o compra, teoricamente mais barato, menos personalizado. Eu, como CIO, estou preso no meio agora. Me ajude. Que conselho você dá?

Matt Fitzpatrick:
Sim, você sabe, eu tenho essa visão de que, na verdade, a definição de construir versus comprar se tornou muito distorcida na forma como pensamos sobre isso como qualquer organização de tecnologia. Aqui está o que quero dizer com isso. Há 10 anos, a definição de construir versus comprar significava comprar: eu tiro algo da prateleira e funciona e me custa uma certa quantia. E no caso de construção, para construir, eu literalmente teria que montar um computador mainframe. Eu tenho que construir todo o meu código em grande parte do zero, geralmente em, talvez isso tenha sido há 15 anos, mas…

Tom Godden:
Construa tudo.

Matt Fitzpatrick:
Você está realmente construindo algo do zero e seu investimento será enorme.

Tom Godden:
Agradecemos que você diga isso porque essa é um pouco a estratégia da AWS. Ajude a realizar esse trabalho indiferenciado.

Matt Fitzpatrick:
Bem, se eu tiver uma visão ampla, não com nenhum provedor de tecnologia em particular, hoje, “construir” significa que eu crio uma instância na nuvem. Eu uso vários componentes modulares. Eu pego o código do GitHub, repositórios de código com informações. Eu uso seis ou sete componentes prontos para uso que me permitem pagar algo por uma fração do custo que usamos há 10 anos, o que é realmente útil e personalizado para minha organização.

Então, há três anos, eu estava trabalhando com um jogador que estava debatendo a compra de um produto pronto para uso, era um grande gestor de ativos e eles precisavam reconstruir seu sistema de crédito. E o debate deles era se eu compro uma plataforma de crédito pronta para uso ou construo uma? E não, essa não é uma empresa de tecnologia. Há 10 anos, a ideia de construir uma plataforma de crédito teria parecido absolutamente insana.

Tom Godden:
Os alarmes estão tocando.

Matt Fitzpatrick:
Mas quando eles analisaram isso, o que eles acabaram percebendo foi que, se eu comprasse isso, precisaria de um investimento muito importante para personalizar o esquema de dados de acordo com a plataforma de crédito disponível no mercado. E então eu vou precisar de telas que pareçam... Eles tinham um sistema interno que estavam tentando substituir quando fizeram isso. Seria necessário muito investimento para personalizar o sistema de prateleira para que ficasse como eles queriam. Seria necessário muito investimento para mapear os dados para ele. E então, na hora em que terminaram...

Tom Godden:
Qual é o jogo final?

Matt Fitzpatrick:
Eles estavam basicamente construindo um novo sistema nesse tipo de sistema pronto para uso. Então, a outra opção era pegar todas as ferramentas modernas existentes, ferramentas de dados modernas, infraestrutura de nuvem, tudo isso, e simplesmente montar um sistema. E isso acabou sendo louco o suficiente para não ser mais caro do que usá-lo.

E estamos vendo isso cada vez mais. Acredito que a IA generativa vai realmente acelerar isso, pois uma das coisas que mais gosto no ecossistema dela é a interoperabilidade de todas as diferentes aplicações. Ninguém está construindo isso para dizer: “Você só pode usar o nosso”. Todo mundo está dizendo que você pode participar do melhor da categoria. E assim que qualquer nova tecnologia for lançada, você poderá participar dela. Então, a questão é: se você cria uma nova aplicação de crédito hoje e compra algo e, em seguida, surge uma nova ferramenta interessante de IA generativa, você não pode usá-la. Na verdade, você tem mais dívidas de tecnologia usando a plataforma de crédito pronta para uso de dez anos do que faria se construísse uma pilha perene interoperável moderna e permitisse o uso de todos os componentes modernos.

Eu direi que o número de empresas que se sentiram confortáveis com a construção, como você pode chamá-la hoje, é muito maior do que há cinco anos. E é tudo o que a nuvem e a infraestrutura de investimento permitem que ele seja muito mais rápido.

Tom Godden:
Então, Matt, você fez muitas transformações, liderou muitas, viu muitas coisas. A McKinsey fala muito sobre reprogramar as organizações para que possam fazer isso. O que você está vendo são modelos bem-sucedidos de como as pessoas estão abordando esse aspecto cultural para ajudar a ter sucesso à medida que avançamos para essa IA generativa?

Matt Fitzpatrick:
Acho que algumas coisas diferentes foram fundamentais para isso. Uma delas é deixar bem claro quais casos de uso realmente importam e podem mover a agulha. Acho que, novamente, se você considerar que, há 10 anos, sua organização de tecnologia não estava realmente falando com sua organização comercial, isso é um fracasso infalível. Você precisa de uma visão clara de qual é a minha visão? Quais são os 10 casos de uso que vou testar? Como minhas equipes de tecnologia e de negócios trabalharão juntas para testar e aprender? Todo esse processo é um novo músculo. Acho que o conjunto de habilidades que mais nos interessa atualmente é o que você pode chamar de conjunto de habilidades de tradutor ou alguém que tenha conhecimento digital, mas também entenda o negócio. Eu trabalhei com vários clientes imobiliários, por exemplo, e alguém que entende tanto de tecnologia quanto do setor imobiliário é muito mais valioso do que alguém que entende um ou outro.

Acho que você precisa ter um vínculo entre a organização de tecnologia e as equipes de negócios para que o que está sendo construído seja viável e esteja relacionado ao que os usuários corporativos desejam. Então, acho que as habilidades do tradutor se tornam muito importantes.

Também acho que você precisa pensar muito em requalificação ou, pelo menos, no conjunto de habilidades técnicas de sua organização de engenharia. Por exemplo, se você tem uma organização de engenharia que não sabe como usar Python ou mesmo coisas um pouco mais novas, como Rust, será mais difícil tirar proveito de muitas das ferramentas modernas de IA generativa. Então, o que isso pode levar é uma espécie de reciclagem, requalificação, coisas assim ou novas contratações, mas você terá que aumentar sua organização de engenharia tradicional.

Tom Godden:
Um pouco antes você disse que, daqui a uns 10 anos, vamos olhar para esses dois primeiros anos com um pouco mais de atenção. Onde estaremos daqui a 10 anos? Para onde estamos indo?

Matt Fitzpatrick:
Essa visão é positiva e, claro, tem causado muita discussão sobre o que pode acontecer daqui a 10 anos, mas vou dar uma visão positiva.

Então, passamos muito tempo no celular. Pense em quanto tempo você passa no celular e a quantidade de relatórios e documentos em que as pessoas passam a vida, é muita coisa, né? Todos têm milhares de relatórios de clientes, planilhas e todo esse tipo de coisa, além de uma a duas horas de tempo de tela por dia, geralmente olhando para baixo e não para o mundo real. Agora imagine um mundo em que isso seja substituído. Inclusive, muito disso está relacionado à prevalência de diferentes aplicações ou ferramentas que você usa para gerenciar reservas de voos ou qualquer componente diferente de sua vida. Você tem uma aplicação diferente para fazer isso.

Agora imagine um mundo onde você não precisa de mil aplicações ou planilhas. Você vai usar um óculos ou algo assim, como os que já usa, e vai começar a ver alertas nesses óculos enquanto anda por aí. Eles já existem, não é nada revolucionário. Mas aí você o emparelha com o assistente virtual em seu ouvido. E agora, digamos que você seja um CEO nesse mundo, em vez de ler 17 relatórios diferentes todos os dias que mostram coisas diferentes e tudo mais, você está apenas perguntando ao seu assistente:

Tom Godden:
Resuma isso. Desconte para mim.

Matt Fitzpatrick:
Você está dizendo: “Mostre-me minhas vendas na Europa e como elas se dividem por cliente e esses cinco cortes”. E você vê isso dentro de seus óculos e então você passa e diz: “Oh, isso é um anúncio interessante. Quem fez isso? “ Você pode realmente começar a interagir com o mundo. A ficção científica costuma ser o melhor indicador disso e há vários indícios disso que você vê no mundo da ficção científica-

Tom Godden:
Isso ou o Simpson está certo?

Matt Fitzpatrick:
Exatamente. Exatamente. Mas na ficção científica, você tem vários tipos de bibliotecários ou personagens com os quais você interage e que, na verdade, começam a fornecer as informações de que você precisa sempre que precisar. Acho que essa é a visão otimista de que isso realmente dá a todos nós muito mais vezes em nosso dia. Imagine se você passasse todo o tempo que passa sentado no trânsito agora e estivesse sentado em um carro sem motorista, operando em um mundo onde você pode pedir qualquer informação que quiser. Isso cria muitas oportunidades para iniciar novos negócios, criar novos produtos e acho que será muito empolgante.

Tom Godden:
Então, para finalizar, qual é o seu único conselho para alguém prestes a começar essa jornada? Você tem muita experiência nisso. Qual é a única lição que você dá a eles?

Matt Fitzpatrick:
Eu tenho um conselho muito específico. Há um estudo interessante que li recentemente que, com o advento da IA generativa, você realmente viu um menor interesse pela ciência da computação. Você viu um pico interessante em que, basicamente, em 2006, a ciência da computação realmente cresceu. E então existe um certo pessimismo de que haverá menos interesse nisso porque a IA generativa resolverá tudo isso. Acho que isso está mais longe da verdade. Na verdade, acho que uma mente de engenharia encontrará centenas de maneiras de tirar proveito disso. Então, meu conselho para qualquer um...

Tom Godden:
Minha esposa ficará feliz com isso.

Matt Fitzpatrick:
Bem, meu conselho para quem está pensando sobre isso é: pense em maneiras de estudar e aprender mais sobre isso.

Então, se isso significa que você trabalha há 20 anos e está pensando em voltar ao aprendizado avançado em uma idade mais avançada ou está na faculdade, em todos esses casos, um conjunto de habilidades de engenharia se torna uma característica de tudo. E sua capacidade de realmente criar coisas a partir disso, mesmo que nem sempre seja você quem escreve teclas práticas, codifica, evoluirá enormemente com o tempo. Então esse seria meu comentário principal.

Tom Godden:
Adoro fazer isso porque sempre aprendi algo novo. Eu aprendi muito com você aqui hoje. Matt, muito obrigado por sua participação. Muito obrigado.

Matt Fitzpatrick:
Obrigado, Tom, por me receber.

Ouça agora

Ouça agora

Ouça agora