São Paulo — InkDesign News — A crescente adoção de inteligência artificial (IA) nas empresas está se desdobrando em um debate significativo entre modelos de código aberto e fechados, especialmente com o aumento dos LLMs (Modelos de Linguagem de Grande Escala) e das tecnologias de deep learning.
Tecnologia e abordagem
Na última década, a dicotomia entre tecnologias de código aberto e fechadas se intensificou no campo da IA. Modelos como o GPT da OpenAI e os sistemas da Anthropic ocupam um espaço predominante entre os modelos fechados, enquanto alternativas como o Llama da Meta e o Granite da IBM representam a crescente oferta de soluções de código aberto.
Esses modelos variam em estrutura e acesso. Os modelos de código fechado, por exemplo, mantêm código, dados de treinamento e pesos do modelo não disponíveis publicamente. Em contrapartida, os modelos de código aberto disponibilizam código livremente, permitindo personalizações e adaptações mais profundas.
“Open-source models podem fornecer maior controle, flexibilidade e opções de personalização” — Rohan Gupta, Principal, Deloitte
Aplicação e desempenho
As diferenças entre modelos abertos e fechados também se manifestam em sua aplicabilidade. Embora modelos fechados ofereçam suporte técnico robusto e integração simplificada, eles frequentemente limitam o nível de ajustes que uma organização pode realizar. O custo total de propriedade (TCO) se torna um fator crítico, com as empresas precisando avaliar não apenas o preço do modelo, mas também os custos de infraestrutura, engenharia e manutenção.
“A implementação de modelos abertos pode exigir considerável esforço de engenharia para garantir performance e segurança” — Praveen Akkiraju, Managing Director, Insight Partners.
Impacto e mercado
A escolha entre código aberto e fechado não é meramente uma questão de custo; envolve também a eficácia na estratégia empresarial. Segundo especialistas, o ideal é desenvolver uma abordagem de portfólio estratégico que maximize o uso de diferentes modelos conforme as necessidades específicas de cada caso de uso. Empresas devem considerar a orquestração de modelos para que a seleção se torne invisível ao usuário final.
“A principal pergunta torna-se: qual mix de modelos melhor atende às demandas específicas do seu fluxo de trabalho?” — David Guarrera, Generative AI Leader, EY Americas.
À medida que avançam, as organizações devem auditar suas cargas de trabalho, avaliando capacidades de engenharia e experimentando com plataformas de orquestração. Isso prepara o terreno para um futuro onde a seleção de modelos se torna um aspecto automático da utilização de IA.
Fonte: (VentureBeat – AI)
