A próxima vantagem competitiva em IA não é o modelo. É o contexto.

No dia 9 de setembro defendi minha tese de doutorado em Inteligência Artificial na UNIRIO. O tema está na fronteira da inteligência artificial que as empresas estão adotando agora: engenharia de contexto.

Deixo a notícia pessoal de lado e vou direto ao que aprendi, porque acho que serve para qualquer negócio em transformação digital.

A IA que as empresas compram hoje é boa em prever. Crédito, preço, triagem de currículo, avaliação de desempenho. Entre as 500 maiores empresas americanas, 97% já usam sistemas automáticos para filtrar candidatos. O problema é que essas máquinas acertam e não explicam. Uma decisão automatizada sem explicação não é uma decisão melhor. É uma decisão incontestável. E o incontestável não corrige erros: acumula.

Construí uma dessas máquinas. Um modelo que estima salários a partir de 66 mil vínculos reais do mercado de TI do Rio. Ele chegou a 99% de precisão. Era bom demais para ser verdade. Foi a explicação, não o placar, que revelou o defeito: uma variável vazava a resposta.

A explicação não é o enfeite do modelo. É o detector de fraude dele.

Depois veio a segunda descoberta. Abri o modelo com a técnica mais avançada de explicabilidade que existe e o resultado era tecnicamente perfeito e inútil para quem decide. Dizia que a experiência de uma pessoa contribuía com "−0,230". Menos 0,230 de quê? A explicação estava escrita para o engenheiro que auditou o modelo, não para o gerente, o candidato ou o RH que vai agir sobre ela. O campo inteiro resolveu o problema de explicar a máquina para seus criadores e declarou vitória.

É aqui que entra a engenharia de contexto. A fronteira da IA não está só em modelos maiores. Está no que você coloca na janela de contexto de um modelo de linguagem: o conhecimento que faz a resposta ser útil para uma decisão específica. Na tese, esse conhecimento veio de cinco profissionais que definem salários no país. Transformei horas de conversa em 18 variáveis de contexto que nenhum banco de dados tinha.

O resultado é o EnriCX, uma camada que fica depois do modelo e da explicação estatística, sem alterar nenhum dos dois, e converte números abstratos em alternativas de decisão com preço: essa experiência vale menos R$ 2.291 por mês e eis o porquê; migrar de setor vale mais R$ 7.411, mas depende de uma vaga; construir senioridade vale mais R$ 5.306 e depende só de você.

Três conclusões para quem lidera negócios

O modelo vai virar commodity. O ativo escasso é o conhecimento tácito dos seus especialistas, que ninguém escreveu ainda. Engenharia de contexto é o método para transformá-lo em sistema.

Explicação é arquitetura de decisão. A qualidade da explicação muda a qualidade do que as pessoas decidem com ela. Quem desenha o sistema responde por isso.

Desconfie de qualquer IA que só mostra acertos. Meu modelo explica cerca de um terço da variação dos salários em reais, e publico esse número. O resto é humano. Quem mostra o erro trata você como adulto.

Agradeço à professora Ana Cristina Bicharra Garcia, pioneira da IA no Brasil, que apontou o caminho quando eu só via a limitação.

Os valores em reais são referências do modelo, não promessas. Saiba mais sobre a pesquisa.