Rumo ao momento 2
Cientistas, historiadores e economistas há muito estudam as condições ótimas que criam uma explosão cambriana de inovação. Na IA generativa, alcançamos uma maravilha moderna, a corrida espacial da nossa geração.
Este momento levou décadas para ser criado. Seis décadas da Lei de Moore nos deram a potência computacional para processar exaflops de dados. Quatro décadas de internet (aceleradas pela COVID) nos deram trilhões de tokens em dados de treinamento. Duas décadas de computação móvel e em nuvem deram a cada humano um supercomputador na palma de nossas mãos. Em outras palavras, décadas de progresso tecnológico se acumularam para criar as condições necessárias para a IA generativa decolar.
A ascensão do ChatGPT foi a faísca que acendeu o pavio, liberando uma densidade e fervor de inovação que não víamos há anos — talvez desde os primeiros dias da internet. A excitação ofegante era especialmente visceral no “Cerebral Valley”, onde pesquisadores de IA alcançaram status de rockstar e casas de hackers estavam lotadas a cada fim de semana com novos agentes autônomos e chatbots de companhia. Pesquisadores de IA se transformaram do proverbial “hacker na garagem” em unidades de forças especiais comandando bilhões de dólares em computação. A impressora arXiv se tornou tão prolífica que pesquisadores pediram, brincando, uma pausa em novas publicações para que pudessem se atualizar.
Mas rapidamente, a excitação da IA se transformou em histeria limítrofe. De repente, toda empresa era um “copiloto de IA”. Nossas caixas de entrada ficaram cheias de propostas indiferenciadas para “IA Salesforce”, “IA Adobe” e “IA Instagram”. A rodada de sementes de pré-produto de US$ 100 milhões retornou. Nós nos encontramos em um frenesi alimentar insustentável de arrecadação de fundos, guerras de talentos e aquisição de GPU.
E, com certeza, as rachaduras começaram a aparecer. Artistas, escritores e cantores desafiaram a legitimidade da propriedade intelectual gerada por máquinas. Debates sobre ética, regulamentação e superinteligência iminente consumiram Washington. E talvez o mais preocupante, um sussurro começou a se espalhar no Vale do Silício de que a IA generativa não era realmente útil. Os produtos estavam muito aquém das expectativas, como evidenciado pela terrível retenção de usuários. A demanda do usuário final começou a estagnar para muitas aplicações. Isso era apenas mais um ciclo de vaporware?
O verão de descontentamento da IA fez os críticos dançarem alegremente, lembrando os primeiros dias da internet, quando em 1998 um economista famoso declarou: “Até 2005, ficará claro que o impacto da Internet na economia não foi maior do que o da máquina de fax”.
Não se engane — apesar do barulho, da histeria e do ar de incerteza e descontentamento, a IA generativa já teve um começo mais bem-sucedido do que o SaaS, com >$ 1 bilhão em receita somente de startups (o mercado de SaaS levou anos, não meses, para atingir a mesma escala). Alguns aplicativos se tornaram nomes conhecidos: o ChatGPT se tornou o aplicativo de crescimento mais rápido com um ajuste particularmente forte de produto-mercado entre estudantes e desenvolvedores; o Midjourney se tornou nossa musa criativa coletiva e foi relatado como tendo alcançado centenas de milhões de dólares em receita com uma equipe de apenas onze; e o Character popularizou o entretenimento e o companheirismo da IA e criou o aplicativo “social” do consumidor que mais desejávamos — com os usuários gastando duas horas em média no aplicativo.
No entanto, esses primeiros sinais de sucesso não mudam a realidade de que muitas empresas de IA simplesmente não têm adequação entre produto e mercado ou uma vantagem competitiva sustentável, e que a efervescência geral do ecossistema de IA é insustentável.
Agora que a poeira baixou um pouco, achamos que seria um momento oportuno para dar um zoom e refletir sobre a IA generativa: onde estamos hoje e para onde possivelmente estamos indo.
Rumo ao Ato Dois
No primeiro ano do lançamento da Generative AI — o nosso “Ato 1” — fomos impulsionados pela tecnologia. Descobrimos um novo “martelo” — os modelos base — e liberamos uma onda de aplicativos inovadores que eram demonstrações impressionantes de novas tecnologias legais.
Agora acreditamos que o mercado está entrando no “Ato 2” — focado nas necessidades dos clientes. O Ato 2 resolverá problemas humanos de ponta a ponta. Esses novos aplicativos diferem dos lançamentos iniciais, pois tendem a usar modelos base como parte de uma solução mais abrangente, ao invés de serem a solução inteira. Eles introduzem novas interfaces de edição, aprimorando os fluxos de trabalho e as saídas. Geralmente, são multimodais.
O mercado já está começando a transição do “Ato 1” para o “Ato 2”. Exemplos de empresas que estão entrando nesse novo ato incluem Harvey, que está desenvolvendo LLMs personalizados para escritórios de advocacia de elite; Glean, que está rastreando e indexando nossos espaços de trabalho para tornar a IA Generativa mais relevante no ambiente profissional; e Character e Ava, que estão criando companheiros digitais.
Mapa de Mercado
Nosso mapa de mercado de IA generativa atualizado está abaixo.
Diferente do mapa do ano passado, organizamos este mapa por caso de uso, em vez de por modalidade de modelo. Isso reflete duas tendências importantes no mercado: a evolução da IA generativa de uma ferramenta tecnológica para soluções e casos de uso reais, e a natureza cada vez mais multimodal das aplicações de IA generativa.
Além disso, acrescentamos um novo grupo de desenvolvedores de LLM que representa os fornecedores de computação e ferramentas que as empresas estão utilizando para criar e implementar aplicativos de IA generativa em produção.
Revisitando Nossa Tese
Nosso ensaio original apresentou uma tese sobre a oportunidade de mercado para a IA generativa e uma hipótese sobre como o mercado evoluiria. Como nos saímos?
Onde Erramos:
Velocidade dos Avanços: As coisas evoluíram rapidamente. No ano passado, previmos que levaria quase uma década para alcançar a geração de código de nível profissional, vídeos com qualidade de Hollywood ou fala de qualidade humana que não soasse mecânica. No entanto, uma rápida observação das vozes do Eleven Labs no TikTok ou do festival de cinema de IA da Runway deixa claro que o futuro chegou em alta velocidade. Até mesmo modelos 3D, jogos e música estão evoluindo rapidamente.
Gargalo na Oferta: Não previmos a extensão em que a demanda dos usuários superaria a oferta de GPUs. O gargalo para o crescimento de muitas empresas rapidamente se mostrou ser o acesso às GPUs mais recentes da Nvidia, não a demanda do cliente. Longos tempos de espera se tornaram comuns, e um modelo de negócios simples emergiu: pagar uma taxa de assinatura para pular a fila e acessar modelos melhores.
Falta de Separação Vertical: Acreditávamos que haveria uma separação entre as empresas da “camada de aplicação” e os provedores de modelos base, com as primeiras se especializando em produto e UI e as segundas em escala e pesquisa. Na prática, essa separação ainda não aconteceu de forma clara. De fato, os aplicativos mais bem-sucedidos voltados para o usuário foram integrados verticalmente.
Competição Acirrada e Resposta Rápida dos Líderes: No ano passado, algumas categorias do cenário competitivo estavam superlotadas (notavelmente geração de imagens e redação), mas, em geral, o mercado era um campo aberto. Hoje, muitos segmentos têm mais competição do que oportunidade. A resposta rápida dos líderes do setor, como Duet e Bard do Google e Firefly da Adobe, intensificou a concorrência. Mesmo na camada de modelos base, estamos vendo clientes configurarem sua infraestrutura para serem agnósticos entre diferentes fornecedores.
Vantagens Competitivas nos Clientes: Previmos que as melhores empresas de IA generativa poderiam gerar uma vantagem competitiva sustentável por meio de um ciclo virtuoso de dados: mais uso → mais dados → melhor modelo → mais uso. Embora isso ainda seja verdade em certos domínios, os “fossos de dados” estão se mostrando instáveis. Em vez disso, os fluxos de trabalho e as redes de usuários parecem estar criando fontes mais duráveis de vantagem competitiva.
Onde Acertamos:
IA Generativa é Real: De repente, todo desenvolvedor estava trabalhando em um aplicativo de IA generativa e todo comprador corporativo estava exigindo isso. O mercado manteve o apelido de “IA generativa”, e talentos e dólares de capital de risco fluíram para o setor. A IA generativa até se tornou um fenômeno da cultura pop, com vídeos virais como “Harry Potter Balenciaga” e a música imitação de Drake “Heart on My Sleeve” do Ghostwriter, que se tornou um sucesso nas paradas.
Primeiros Aplicativos Matadores: O ChatGPT foi o aplicativo mais rápido a atingir 100 milhões de MAU, fazendo isso organicamente em apenas 6 semanas. Em contraste, o Instagram levou 2,5 anos, o WhatsApp levou 3,5 anos e o YouTube e o Facebook levaram 4 anos para atingir esse nível de demanda do usuário. Outros aplicativos, como o Character AI (tempo médio de sessão de 2 horas), o Github Copilot (55% mais eficiente) e o Midjourney (centenas de milhões de dólares em receita), também demonstram o surgimento de aplicativos de sucesso.
Desenvolvedores São Cruciais: Empresas que priorizam desenvolvedores, como Stripe ou Unity, mostram que o acesso ao desenvolvedor abre casos de uso inimagináveis. Nos últimos trimestres, vimos de tudo, desde comunidades de geração de música a casamenteiros de IA e agentes de suporte ao cliente de IA.
Evolução dos Fatores de Forma: As primeiras versões de aplicativos de IA eram largamente autocompletadas e primeiros rascunhos, mas esses fatores de forma estão crescendo em complexidade. A introdução do panning e preenchimento de câmera da Midjourney ilustra como a experiência do usuário generativa de IA está se tornando mais rica. Os fatores de forma estão evoluindo de produtividade individual para nível de sistema e de humano no loop para sistemas de agente orientados à execução.
Debates sobre Direitos Autorais, Ética e Pavor Existencial: O debate sobre esses tópicos foi intenso. Artistas, escritores e músicos estão divididos: alguns criadores estão indignados com o lucro de trabalhos derivados, enquanto outros abraçam a nova realidade da IA (como a proposta de compartilhamento de lucros de Grimes). As regras são opacas: o Japão declarou que o conteúdo usado para treinar IA não tem direitos de propriedade intelectual, enquanto a Europa propôs regulamentação pesada.
Onde Estamos Agora? O Problema do Valor da IA Generativa
A IA generativa não carece de casos de uso ou demanda do cliente. Os usuários anseiam por IA que torne seus trabalhos mais fáceis e seus produtos de trabalho melhores, e é por isso que se aglomeram em aplicativos em massa recorde, apesar da falta de distribuição natural.