Os SLMs são desenvolvidos especificamente para as necessidades do departamento ou agência que os utilizará. Os dados são armazenados de forma segura fora do modelo e só são acessados quando consultados. Prompts cuidadosamente projetados garantem que apenas as informações mais relevantes sejam recuperadas, fornecendo respostas mais precisas. Usando métodos como recuperação inteligente, pesquisa de vetores e aterramento de fontes verificáveis, podem ser construídos sistemas de IA que atendam às necessidades do setor público.
Assim, a próxima fase da adopção da IA no sector público poderá ser trazer a ferramenta de IA para os dados, em vez de enviar os dados para a nuvem. O Gartner prevê que até 2027, modelos pequenos e especializados de IA serão usados três vezes mais do que LLMs.
Capacidades de pesquisa superiores
“Quando as pessoas do setor público ouvem falar de IA, provavelmente pensam no ChatGPT. Mas podemos ser muito mais ambiciosos”, diz Xiao. “A IA pode revolucionar a forma como o governo pesquisa e gerencia as grandes quantidades de dados que possui.”
Olhar além dos chatbots revela uma das oportunidades mais imediatas da IA: pesquisa drasticamente melhorada. Tal como muitas organizações, o setor público possui montanhas de dados não estruturados – incluindo relatórios técnicos, documentos de aquisição, atas e faturas. A IA de hoje, no entanto, pode fornecer resultados provenientes de mídias mistas, como PDFs legíveis, digitalizações, imagens, planilhas e gravações, e em vários idiomas. Tudo isso pode ser indexado por sistemas baseados em SLM para fornecer respostas personalizadas e redigir textos complexos em qualquer idioma, garantindo ao mesmo tempo que os resultados sejam legalmente compatíveis. “O setor público possui muitos dados e nem sempre sabe como utilizá-los. Não sabe quais são as possibilidades”, diz Xiao.
Ainda mais poderosa, a IA pode ajudar os funcionários do governo a interpretar os dados que acessam. “A IA atual pode fornecer uma visão completamente nova de como aproveitar esses dados”, diz Xiao. Um SLM bem treinado pode interpretar normas jurídicas, extrair insights de consultas públicas, apoiar a tomada de decisões executivas baseadas em dados e melhorar o acesso público a serviços e informações administrativas. Isto pode contribuir para melhorias drásticas na forma como o sector público conduz as suas operações.
A promessa da linguagem pequena
O foco nos SLMs muda a conversa do quão abrangente o modelo pode ser para o quão eficiente ele é. Os LLMs incorrem em custos significativos de desempenho e computacionais e exigem hardware especializado que muitas entidades públicas não podem pagar. Apesar de exigirem algumas despesas de capital, os SLM consomem menos recursos do que os LLM, pelo que tendem a ser mais baratos e a reduzir o impacto ambiental.
