Jeffrey Katzenberg comandou os estúdios da Disney na época de O Rei Leão, cofundou a DreamWorks (de Shrek) e, há dez anos, investe em startups de tecnologia no Vale do Silício. Poucas pessoas conhecem tão bem os dois lados da briga entre Hollywood e as empresas de IA.

Ele conta que, há alguns meses, um fundador de startup mostrou no seu escritório uma cena de animação feita com IA, bem iluminada e bem composta. No mesmo dia, uma artista que ele conhece há trinta anos viu um vídeo parecido e mandou uma mensagem: "É o nosso fim?". Ele respondeu: "Com certeza não."

Não é a resposta de quem acha que nada vai mudar. Em 2023, Katzenberg previu que a IA cortaria em até 90% o tempo e o custo de uma animação de primeira linha (na edição #7, falamos do Critterz, feito em nove meses com ferramentas da OpenAI). O argumento dele é outro: essas brigas nunca foram decididas pela tecnologia. Foram decididas pelos termos em que ela pôde ser usada.

Em 1906, John Philip Sousa, o compositor mais famoso dos EUA na época, publicou um texto chamado "A ameaça da música mecânica". Ele avisava que o fonógrafo (o avô do toca-discos) substituiria a habilidade e a alma humanas. Parece uma briga contra a máquina. Não era.

Segundo Katzenberg, a briga era por dinheiro: as máquinas tocavam as composições de Sousa e os fabricantes não pagavam um centavo a ele. A campanha ajudou a criar a lei de direitos autorais americana de 1909. Sousa não parou o fonógrafo. Mudou as condições em que o fonógrafo podia usar o trabalho dele.

Katzenberg já esteve do outro lado dessa história. Quando assumiu a animação da Disney, nos anos 80, um longa exigia 125 mil desenhos pintados à mão, e mudar uma cena custava meses.

Para sair do impasse, a equipe foi aos arquivos da empresa ouvir o próprio Walt Disney: gravações, anotações e storyboards em que ele explicava como trabalhava. O que chamou a atenção foi o que não estava lá. "Não ouvimos uma palavra sobre lápis ou pincéis", escreve Katzenberg. Walt adorava tecnologia e chegou a inventar equipamento próprio, mas media um filme por uma coisa só: a plateia acreditou que o personagem estava vivo?

Traduzindo: o princípio era fixo, a ferramenta podia mudar. Daí nasceu o CAPS, sistema criado com a Pixar que trocou a pintura manual pelo computador e tornou possíveis cenas como o estouro da manada de O Rei Leão. Segundo ele, a tecnologia não tirou nada do artista, e sim ampliou a tela.

O autor não esconde o custo. Na DreamWorks, Katzenberg encerrou a animação desenhada à mão: alguns artistas fizeram a transição e produziram o melhor trabalho da carreira, outros nunca conseguiram. Foi assim também quando o som chegou ao cinema e dezenas de milhares de músicos que tocavam ao vivo nas salas perderam o emprego. "Eles não eram tolos", escreve. "Eles estavam certos."

Mas, se a tecnologia vem de qualquer jeito, o que sobra para negociar? Para Katzenberg, a IA de hoje raciocina muito bem em cima do que já existe, mas não cria no sentido de tentar dizer algo a alguém. É estatística, não alma. Ele admite que essa distância talvez desapareça um dia. Por enquanto, é dela que saem os dois recados do texto:

É como faltar à assembleia do condomínio em protesto contra a obra. A obra acontece do mesmo jeito, só que o rateio foi decidido sem você. "Discutir ferramenta contra não-ferramenta é uma armadilha", resume Katzenberg.

Diogo Almeida trabalhou na OpenAI e é um dos inventores do RLHF, a técnica de treino que deu origem ao ChatGPT: pessoas dão nota para as respostas do modelo, e ele aprende a repetir as mais bem avaliadas. Hoje ele comanda a TypeSafe AI, startup que saiu do anonimato em setembro. Em conversa com Ben Horowitz e Martin Casado, da a16z, resumiu o próprio trabalho numa pergunta: cadê a automação?

Os modelos resolvem matemática avançada e, nas palavras dele, ainda não dão conta de um drive-thru. A OpenAI tenta automatizar atendimento ao cliente desde 2020. Mas se a IA é tão inteligente, por que a automação não veio? A resposta de Almeida: a IA foi treinada para conversar com gente, não para trabalhar dentro de software.

Como quem avalia o modelo é uma pessoa, ele ficou ótimo em produzir o que pessoas gostam de ler: texto bem escrito, educado e convincente.

Só que software não lê redação. Um sistema precisa de uma resposta em formato fixo (aprovar ou recusar, categoria A, B ou C) e precisa que ela venha certa sempre. Quando alguém tenta encaixar um modelo de linguagem num sistema, ele nem sempre obedece ao formato, e a saída acaba indo para um humano, que lê e decide (o chat), ou para outra IA, que lê e tenta de novo (o agente).

Traduzindo: a IA sempre precisa de alguém lendo o que ela escreveu. E automação é justamente o que roda sem ninguém lendo.

E os agentes de programação, como Claude Code, Codex e Cursor? Para Almeida, eles escrevem mais rápido o mesmo tipo de software que já existia. Casado traz um dado da a16z: numa empresa grande, a alteração média que um programador envia para o código tem cerca de dez linhas. Automatizar isso ajuda, mas não dá ao software nenhuma capacidade nova.

O resultado, diz Almeida, é que o software mudou pouco em dez anos. Na edição #20, Brian Chesky partia da mesma constatação e apontava a imaginação como gargalo. Almeida dá outro diagnóstico: o gargalo é a confiabilidade.

O Jev, primeiro modelo da TypeSafe, não escreve nada. O programador descreve a situação em linguagem natural, define as respostas possíveis, e o modelo devolve a escolha junto com o grau de certeza.

Pense na triagem de um pronto-socorro. O enfermeiro não escreve um laudo sobre cada paciente: coloca uma pulseira verde, amarela ou vermelha, e o hospital inteiro se organiza a partir daquela cor. O Jev quer ser essa pulseira dentro do software. Este e-mail é reclamação, pedido ou spam? E, quando a certeza é baixa, o programador pode mandar o caso para uma pessoa.

Segundo a empresa, o modelo chega a ser 200 vezes mais rápido e 400 vezes mais barato que os modelos de ponta. Mas o que Almeida diz vender é confiabilidade: "inteligência parecida toda vez", a ponto de o programador confiar sem testar cada caso. Sobre seus casos de uso preferidos, ele responde algo como: "não sei se funcionam. Quero que rodem em segundo plano sem precisar chamar ninguém." Parece pouco. Mas é a diferença entre uma demo e um sistema.

Quando os agentes de programação surgiram, as ações das empresas de SaaS (software vendido por assinatura, como CRM e ERP) despencaram: se a IA escreve código, qualquer um poderia copiar esses produtos. Almeida aposta no contrário. Para ele, essas empresas talvez estejam entre as maiores vencedoras, porque sabem quais tarefas o cliente repete todo dia e já têm a base de usuários para receber a melhoria.

O próprio Almeida põe o freio: diz que não sabe se o modelo está pronto para tudo o que já foi prometido em nome da IA e que prefere automatizar o trabalho fácil antes do difícil. O objetivo declarado é simples de dizer e difícil de entregar: tecnologia que faz o que você quis dizer.

O dinheiro parado na conta corrente não rende quase nada. Nos EUA, a média é de 0,1% ao ano. O banco empresta esse dinheiro cobrando juros bem maiores e fica com a diferença.

Só que o mesmo saldo poderia render muito mais. O gráfico da nota mostra contas de fintechs, como SoFi e Revolut, pagando de 3,3% a 5%. Em US$ 10 mil, é a diferença entre ganhar US$ 10 e US$ 500 por ano. Quase ninguém muda de conta porque dá trabalho. Um agente de IA não tem esse problema.

Torsten Slok, economista-chefe da Apollo (uma das maiores gestoras de investimentos do mundo), publicou uma nota curta com uma pergunta: e se assistentes como o Muse, da Meta, começarem a mover sozinhos o dinheiro das pessoas pra conta que rende mais?

Se todo mundo fizer isso, os bancos perdem o dinheiro barato que usam pra emprestar. Slok chamou o cenário de corrida bancária agêntica: muita gente tirando o dinheiro do banco ao mesmo tempo, sem pânico nenhum, só porque o assistente achou uma taxa melhor.

Na prática, tem algumas razões para isso não acontecer:

Obrigado por ler o AI Around the Horn.

Perdeu alguma edição? Recupere todos os posts anteriores aqui.