Gartner aponta que GPT-5 chegou, mas suporte de AI é insuficiente
São Paulo — InkDesign News —
A inteligência artificial (IA), particularmente em grandes modelos de linguagem (LLMs) e abordagens de deep learning, está em uma encruzilhada. À medida que modelos como o GPT-5 da OpenAI se tornam cada vez mais sofisticados, surgem interrogações sobre a infraestrutura necessária para gerenciamento e aplicação eficaz dessas tecnologias.
Tecnologia e abordagem
O GPT-5, mais recente desenvolvimento da OpenAI, apresenta avanços significativos em tarefas de programação e capacidades multimodais, como manipulação de texto, imagens e interações de voz. Arun Chandrasekaran, analista sênior da Gartner, observa que o modelo se torna “muito bom” em codificação, explorando uma oportunidade crescente na engenharia de software empresarial, especialmente em relação a concorrentes como a Anthropic.
“É um modelo muito capaz e versátil, com bom progresso em domínios específicos. Mas, na minha visão, trata-se mais de um progresso incremental do que uma melhoria radical,” afirma Chandrasekaran. Essa avaliação reflete o cenário atual onde os limites de escalabilidade, custos de token e atrasos na inferência impactam a adoção industrial.
Aplicação e desempenho
O GPT-5, disponível com diferentes capacidades de memória – até 128K tokens – possibilita que aplicações, anteriormente dependentes de pipelines complexos, agora integrem grandes conjuntos de dados diretamente, simplificando fluxos de trabalho. Contudo, a necessidade de infraestrutura robusta para suportar chamadas de API em paralelo é crucial para tornar essas aplicações efectivas.
O modelo demonstra uma redução “significativa” nas taxas de alucinação, o que pode minimizar riscos de conformidade e tornar-se mais adequado para usos empresariais. Contudo, isso também pode facilitar abusos, como fraudes mais sofisticadas.
“É vital pilotar e avaliar o GPT-5 em casos de uso críticos, lado a lado com outros modelos, para determinar diferenças em precisão, velocidade e experiência do usuário,” orienta Chandrasekaran.
Impacto e mercado
As empresas estão percebendo que, apesar do entusiasmo sobre o potencial da IA, a infraestrutura necessária para a implementação de inteligência agente ainda não está completamente edificada. As barreiras incluem a falta de integração entre ferramentas de software, a escassez de controles de identidade e a necessidade de garantir que os dados processados sejam confiáveis.
“Ainda estamos muito longe da inteligência geral artificial (AGI),” conclui Chandrasekaran. Para acelerar o progresso, será necessário um “revolução” nas arquiteturas e raciocínios da IA. A expectativa é que, à medida que as empresas ajustem suas governanças e capacitações digitais, a verdadeira inovação em IA se torne uma realidade.
Fonte: (VentureBeat – AI)
