Tavakoli: Acho que é por dois motivos. Primeiro, você deve se concentrar nos resultados, não nas ferramentas. O número de pessoas que dizem: “Estamos atrasados. Preciso colocar vários agentes em funcionamento. Preciso provar que consigo trabalhar com IA.” Você não ganha pontos por dizer que eu defendi a IA, certo?

Em vez disso, o que você realmente precisa descobrir é: Qual é o resultado comercial que eu quero alcançar? E geralmente isso significa "Tenho um processo existente que quero automatizar e tornar muito mais eficiente" ou "Há um novo conjunto de funcionalidades que quero lançar", e a IA é o que desbloqueia e torna isso possível.

A segunda coisa é que todos ficaram muito entusiasmados com a IA e a associaram aos LLMs e à questão de qual modelo usar. E, honestamente, o mais importante no mundo empresarial é uma IA de alta qualidade, precisa e confiável. E isso depende muito de: "Você tem seu ambiente de dados organizado e possui uma estratégia de governança?"

Não se trata apenas do modelo; trata-se de todas as outras peças. Como se obtém precisão? Como você o governa? Como você descobre como colocar isso em produção e como medir seus resultados? E também, como fazer isso em um espaço que está evoluindo rapidamente? A maioria das pessoas com quem você conversa e que lançaram um aplicativo de IA há apenas seis meses dizem que, se fossem recriá-lo hoje, o fariam de forma completamente diferente, porque existem novos produtos no mercado.

Tavakoli: A receita atual é um esquema em pirâmide. Na camada mais básica, você precisa de uma série de infraestruturas, e essas infraestruturas são os chips. Essa é uma área onde não haverá muitas empresas, porque a barreira de entrada é muito alta.

Além disso, você tem os provedores do modelo de fundação. Começamos com muito e fomos reduzindo o número de modelos, principalmente por causa do capital necessário para treiná-los.

A última camada são os aplicativos que estão por cima. E hoje, como ainda é cedo, isso não é um valor enorme — embora a Databricks tenha recentemente ultrapassado US$ 1 bilhão em receita anualizada de IA, então não é troco de pinga.

Se avançarmos cinco anos no tempo, a pirâmide será muito mais massiva e se inverterá. Uma parcela muito maior da receita virá de aplicativos que utilizam IA para transformar o que as pessoas fazem. E nesse cenário, não acredito que haja um vencedor que leve tudo.

Tavakoli: Ninguém gosta dessa resposta. Mas muitos processos nos quais você gasta muito dinheiro não são nada atraentes. Vou te dar um exemplo. Você é uma companhia de seguros. Você recebe toneladas e toneladas de formulários de reclamação, e a quantidade de energia e frustração gasta em pensar: "Como faço para pegar todos esses formulários e extrair as informações de que preciso?" Como faço para inserir isso em um formulário de análise para que eu possa gerar insights e, com base neles, tomar medidas? Ninguém fica animado com isso — exceto a pessoa que está sentada lá, irritada porque seu reembolso demora três meses para ser processado. Mas se agora eu consigo fazer algo que levava meses e que agora é feito a uma fração do custo — de forma automatizada — isso é um caso de uso realmente empolgante.

Ou você é um fabricante de semicondutores e possui algo capaz de detectar anomalias de forma inteligente e melhorar seu rendimento em 0,1% — mais uma vez, quando foi a última vez que alguém se empolgou com o rendimento de uma fábrica? Mas isso significa muito dinheiro.

Enormes em produtividade, enormes em custo, não são o tipo de coisa que as pessoas associam a mudanças drásticas. Acho que esses são casos de uso de IA bastante entediantes. É possível obter melhorias significativas com IA, e é isso que temos observado com nossos clientes.

Tavakoli: A resposta que sempre dou é a seguinte: seguindo essa lógica, se tivéssemos dito: "Ei, quando os caixas eletrônicos surgiram, ou quando os computadores surgiram, foram transformações enormes — será que muita gente perderia o emprego?"

Existem certas atividades que as pessoas realizam hoje que serão automatizadas pela IA. No entanto, em muitas dessas questões, apenas para garantir a qualidade, ainda é desejável a intervenção humana. E a premissa fundamental é que, ao automatizar essas tarefas, surge também um conjunto totalmente novo de demandas para realizar coisas que antes eram impossíveis de fazer. Por exemplo, agora que temos caixas eletrônicos e serviços bancários online, surgiram novas funções no comércio eletrônico que jamais imaginaríamos existir no passado, e essas funções geram muitos empregos e aumentam a produtividade.

Com o aprimoramento de habilidades e o treinamento, embora as responsabilidades específicas do trabalho mudem, haverá toda uma nova classe de responsabilidades em que as empresas precisarão de pessoas para liderar. Portanto, acredito que haverá um aumento na demanda por mão de obra. Então, a questão principal é: "Como você aprimora suas habilidades?"

Tavakoli: Sim e não. Sim, estamos numa bolha de IA. Não, isso não altera os planos.

Muitas vezes me fazem a pergunta oposta, que diz: "A IA é transformadora ou é superestimada?" E minha resposta para isso é sim. Acho que as pessoas ainda não entendem completamente a IA, e por isso a resposta para qualquer pergunta é: a IA vai resolvê-la. Dei uma volta e vi uma placa que dizia "Lava-rápido com inteligência artificial". E eu fico tipo, não faço a mínima ideia do que isso significa. Agora tudo é movido a inteligência artificial. Há sempre aquele pico de entusiasmo que inevitavelmente diminui à medida que definimos quais são os casos de uso reais de que as pessoas precisam. Acho que nem todas as empresas que atuam atualmente no setor de IA conseguirão sobreviver.

O motivo pelo qual isso não altera os planos da Databricks é que a IA é excelente e acreditamos que ela será importante no futuro, e obviamente temos investido muito nela nos últimos 12 anos. Mas uma parte essencial do nosso negócio também é a área de dados, como transformação de dados e fluxos de trabalho operacionais, que são comprovados, definitivamente não estão isolados e estão em crescimento. Do ponto de vista da Databricks, você se adapta às necessidades dos clientes. E já vimos essa mudança da euforia exagerada para os principais casos de uso e resultados importantes, e temos apoiado essa transição.