Negócios

Inteligência Artificial no Brasil: inovação, potencial e aplicações reais das novas tecnologias

Nos primeiros três meses do ano, as startups brasileiras que fazem uso intensivo de inteligência artificial captaram mais de US$ 110 milhões em 38 rodadas

Bianca Martinelli, da Alexia Ventures: o que vemos no Brasil e na América Latina são empreendedores desenvolvendo camadas de aplicação em cima de LLMs (Alexia Ventures/Divulgação)

Bianca Martinelli, da Alexia Ventures: o que vemos no Brasil e na América Latina são empreendedores desenvolvendo camadas de aplicação em cima de LLMs (Alexia Ventures/Divulgação)

Da Redação
Da Redação

Redação Exame

Publicado em 15 de junho de 2024 às 09h00.

*Bianca Martinelli é sócia da Alexia Ventures, fundo early-stage que investe em empresas de software e inteligência artificial na América Latina

Muitas vezes somos questionados na Alexia Ventures sobre o diferencial competitivo das startups brasileiras de Inteligência Artificial (IA) em comparação com as de mercados como os EUA e outras economias desenvolvidas. Será que veremos empreendedores brasileiros criando inovações globais no campo da IA?

É fato que muitas inovações centrais em IA, como os grandes modelos de linguagem (LLMs), são desenvolvidas em países desenvolvidos, especialmente no Vale do Silício, devido ao acesso a enormes recursos computacionais e investimentos significativos em P&D. Simplificando, é muito difícil competir com empresas como OpenAI, Google e Meta na construção de modelos de linguagem, ou com Google Cloud, Microsoft Azure e AWS em armazenamento de dados na nuvem, ou sequer com Nvidia e AMD em hardware.

No Brasil, apesar do crescimento no investimento em startups de IA, os recursos ainda são mais limitados, exigindo que as startups sejam mais estratégicas e focadas em soluções práticas que ofereçam retorno rápido sobre o investimento. O que vemos no Brasil e na América Latina são empreendedores desenvolvendo camadas de aplicação em cima de LLMs, utilizando uma combinação de tecnologia, fluxos de processo e interfaces diferenciadas para criar soluções adaptadas às necessidades locais.

Nos primeiros três meses do ano, as startups brasileiras que fazem uso intensivo de inteligência artificial captaram mais de US$ 110 milhões em 38 rodadas, de acordo com a plataforma Sling Hub. Já as nativas de IA, aquelas com tecnologia proprietárias, receberam US$ 35 milhões, volume obtido em em sete rodadas. 

Exemplos de casos de uso em startups brasileiras em 2024

  • “Máquinas do tempo” - Aplicações que economizam tempo ao liberar pessoas de tarefas onerosas são como verdadeiras "máquinas do tempo", como carinhosamente apelidou um dos empreendedores do nosso portfólio. Automação de processos burocráticos através de ferramentas no-code combinadas com LLMs pode transformar tarefas administrativas no Brasil, onde a burocracia é um desafio significativo. Isso se aplica a indústrias como a jurídica, ou equipes de vendas e atendimento ao cliente. Chatbots e assistentes virtuais podem ser adaptados para o mercado brasileiro, incorporando nuances culturais e linguísticas locais
  • Personalização - O setor de fintech no Brasil tem se beneficiado enormemente da IA, com startups oferecendo serviços financeiros mais acessíveis e personalizados. Modelos preditivos baseados em dados transacionais permitem que bancos saibam quais produtos financeiros oferecer e o melhor momento para isso. Equipes de marketing utilizam IA para criar campanhas altamente personalizadas, transformando a forma como as empresas se conectam com os clientes e aumentando a eficácia das estratégias de aquisição
  • Eficiência e otimização de recursos - Startups de agtech têm aplicado IA para aumentar a eficiência agrícola, monitorando safras e otimizando o uso de recursos através de visão computacional e machine learning. Algoritmos de IA aplicados a dados da cadeia produtiva permitem que o varejo preveja melhor a demanda de produtos, reduzindo despesas e desperdícios
  • Substituição de ações existentes - aplicações que substituem ações já realizadas, sem necessidade de precisão absoluta na saída, são particularmente atraentes. Esses sistemas funcionam como co-pilotos, permitindo que humanos revisem e ajustem as saídas da IA, garantindo qualidade e relevância. Este modelo é aplicável em setores como jurídico e financeiro, em que a automação de tarefas repetitivas pode liberar profissionais para atividades mais estratégicas. Embora haja uma visão de médio prazo de termos agentes 100% autônomos baseados em Large Actionable Models (LAM), essa ainda não é uma realidade imediata.

Fatores para competitividade no mercado de IA

  • Dados Próprios - O acesso a dados proprietários e confiáveis é crucial para o sucesso de qualquer startup de IA. Com eles, as empresas podem treinar modelos de IA que são altamente personalizados e adaptados às suas necessidades específicas. Isso permite criar soluções mais precisas e eficientes e gerar uma melhoria contínua dos modelos. Também permitem um controle maior sobre informações sensíveis e confidenciais, garantindo a conformidade com regulamentos de privacidade e segurança 
  • Ferramental para Inteligência Artificial -  Há um grande potencial no desenvolvimento de ferramentas para IA, como análise de qualidade e roteamento de modelos. Essas ferramentas são essenciais para garantir que as aplicações de IA sejam eficientes e eficazes, proporcionando uma base sólida para a expansão e evolução da IA na região

  • Capitalização das empresas de IA -  Startups que conseguem se capitalizar efetivamente serão mais competitivas. As empresas que tiverem maiores recursos e acesso ao melhor talento e tecnologia sairão na frente, executando mais rapidamente e melhor

Embora empreendedores de IA no Brasil enfrentem desafios em termos de acesso a financiamento e infraestrutura comparados a mercados desenvolvidos, eles podem se beneficiar de um pool de talento local, permitindo uma alavancagem de custos para criar soluções com aplicações locais, regionais e até globais.

Gerenciamento de expectativas

Embora IA tenha um grande potencial transformador, sua implementação eficaz exige tempo, investimentos em infraestrutura e capacitação de talentos. IA não é uma solução mágica para todos os problemas empresariais; deve ser integrada estrategicamente e com ética, reconhecendo respectivas limitações. Empresas e stakeholders provavelmente precisarão adotar uma abordagem realista e informada, focando em resultados sustentáveis e mensuráveis no curto, médio e longo prazo versus expectativas não muito reais de melhorias imediatas.

Acompanhe tudo sobre:Inteligência artificial

Mais de Negócios

As 15 cidades com mais bilionários no mundo — e uma delas é brasileira

A força do afroempreendedorismo

Mitsubishi Cup celebra 25 anos fazendo do rally um estilo de vida

Toyota investe R$ 160 milhões em novo centro de distribuição logístico e amplia operação