Contexto da pesquisa
Chicago — InkDesign News — Pesquisadores da Universidade de Chicago e do Argonne National Laboratory conduziram um estudo pioneiro sobre o uso de inteligência artificial generativa (IA) em ambientes científicos, com foco em modelos de linguagem grandes (LLMs) e seu impacto na produtividade e segurança do trabalho.
Método proposto
A pesquisa analisou o uso do Argo, um chatbot interno baseado em LLMs que acessa modelos da OpenAI via interface segura, sem armazenar dados dos usuários. Foram utilizados métodos quantitativos por meio de telemetria automática e qualitativos via entrevistas e questionários, para mapear o uso em ambientes operacionais e científicos.
A ferramenta Argo opera como copiloto, auxiliando em geração de texto, códigos e revisão, e como agente de fluxo de trabalho automatizando processos complexos. A coleta de dados envolveu análise das interações, acompanhando a adoção e formando uma base para avaliação do desempenho e segurança do modelo.
Resultados e impacto
O estudo identificou que menos de 10% dos funcionários utilizaram Argo mensalmente, com uso equilibrado entre trabalhadores científicos e operacionais. O modelo auxiliou na automação de tarefas como análise de dados, visualização científica, busca em bancos de dados, e gerenciamento de projetos.
“A ciência é uma área onde a colaboração homem-máquina pode levar a avanços significativos para a sociedade.”
(“Science is an area where human-machine collaboration can lead to significant breakthroughs for society.”)— Kelly Wagman, Doutoranda em Ciência da Computação, Universidade de Chicago
Preocupações dos usuários incluíram confiabilidade do modelo e risco de alucinações, bem como segurança e privacidade dos dados. Em resposta, foram recomendadas políticas claras e treinamentos para uso responsável da IA.
“Sem diretrizes claras, haverá muita variabilidade no que as pessoas consideram aceitável.”
(“Without clear guidelines, there will be a lot of variability in what people think is acceptable.”)— Marshini Chetty, Professora de Ciência da Computação, Universidade de Chicago
O Argo representa uma abordagem segura e controlada para adoção de IA generativa em ambientes sensíveis, com métricas de uso, feedback constante e adaptação baseada em evidências para mitigar riscos.
As próximas etapas incluem o desenvolvimento de fluxos de trabalho automatizados mais sofisticados e ampliação do treinamento para aumentar a adoção e integração da IA em processos científicos e administrativos.
Este estudo oferece insights relevantes para outras organizações com necessidades similares, como universidades e instituições financeiras.
Veja mais conteúdos relacionados em machine learning e deep learning.
Fonte: (TechXplore – Machine Learning & AI)
