Antigo Diretor de Tecnologia da Google Partilha Como Está a Usar a IA para Construir a Sua Empresa de Raiz

Valliappa Lakshmanan é o cofundador e CTO da Obin, uma empresa nativa de IA que cria agentes autónomos para fluxos de trabalho financeiros. Anteriormente, foi Diretor de Soluções de Análise e IA na Google Cloud. Tem também uma vasta experiência na integração de IA.

Sentámo-nos com Lak para compreender como está a construir uma empresa nativa de IA. Eis o que tinha para dizer.

Uma vasta experiência na integração de IA

Sou Lak, cofundador e CTO da Obin. Criamos agentes autónomos de IA que executam fluxos de trabalho financeiros de ponta a ponta.

Comecei a minha carreira como investigador de aprendizagem automática, com foco na previsão de fenómenos meteorológicos severos. Fomos uma das primeiras áreas a criar modelos de aprendizagem automática em tempo real e a implementá-los em produção. Depois, a ascensão da tecnologia de aprendizagem profunda em 2014 levou-me para o setor privado.

Liderei a equipa de soluções de Análise e IA da Google Cloud, trabalhando com muitos clientes a implementar IA em produção. Em seguida, mudei-me para a Silver Lake, uma empresa de capital privado, onde ajudei a criar e executar a estratégia de IA para as empresas do seu portefólio.

Por isso, trago uma vasta experiência tanto na implementação de IA em produção como na reinvenção da forma como as empresas se adaptam às possibilidades da nova tecnologia e tiram partido delas.

Trabalhar com padrões elevados

A Obin tem menos de um ano, mas contamos com uma equipa em rápido crescimento. O desafio de engenharia na criação de agentes autónomos de IA para o setor financeiro consiste em passar da criação de chatbots e copilotos — nos quais os seres humanos controlam cada passo do processo — para um modo em que a IA executa o fluxo de trabalho de ponta a ponta, enquanto os seres humanos analisam e supervisionam.

Isto acompanha de perto a forma como também criamos software — os agentes de IA escrevem a maior parte do código sob a supervisão cuidadosa dos nossos engenheiros.

Trabalhamos com algumas das maiores empresas do setor financeiro nas suas funções mais críticas, pelo que os padrões para a conclusão das tarefas e a precisão são muito elevados.

Como resultado, trabalhamos com o Robin — o nosso sistema de suporte para agentes, que simplifica a criação de agentes para setores regulamentados e garante que cumprem todas as verificações necessárias de conformidade e auditabilidade.

Porque é que as empresas nativas de IA têm vantagem

Partilhas de Valliappa

Desde que consigamos verificar o funcionamento do código e que o código seja suficientemente pequeno, é muito fiável.

Uma vez que a empresa é relativamente nova, tivemos a oportunidade de a construir de forma agentiva. Somos totalmente nativos de IA em todas as nossas funções.

Mais concretamente, utilizamos IA de forma extensiva no desenvolvimento de software. O Claude Code gera quase todo o nosso código inicial. Desde que consigamos verificar o funcionamento do código e que o código seja suficientemente pequeno, é muito fiável. Além disso, temos um bot de revisão Claude no nosso CI/CD para rever cada consolidação e PR. As “vitórias rápidas” e os problemas identificados pelo nosso bot reduziram a carga sobre os revisores de código, permitindo-nos avançar mais rapidamente.

Outra vantagem é já não precisarmos de histórias de utilizador ou de PRDs para criar software. Agora, limitamo-nos a criar protótipos e a iterar.

A IA também gera documentação de conceção a partir do código e utilizamo-la igualmente para reformatar essa documentação para diferentes públicos (segurança, arquitetos de dados, engenheiros de IA, etc.). Podemos selecionar, destacar e reformatar a documentação muito mais rapidamente do que demoraria a um ser humano fazê-lo manualmente.

E, como último exemplo, também criamos apresentações para investidores e vendas utilizando IA.

Porque é que gerir trabalhadores de IA apresenta desafios

Cada um dos nossos engenheiros é, na prática, um gestor de engenharia que supervisiona uma equipa de trabalhadores de IA. Graças a esta abordagem, reduzimos o tempo de implementação de funcionalidades e a qualidade do código melhorou efetivamente devido a um melhor tratamento de erros.

No entanto, a velocidade de implementação apresentou um desafio. Agora, temos de gerir cuidadosamente os ambientes de desenvolvimento para permitir testar as funcionalidades.

Porque os artefactos de IA exigem novos processos de revisão

Com o aumento dos artefactos criados por IA — código, ficheiros de configuração, documentos, pipelines, etc. — é importante que os líderes tecnológicos expandam a sua capacidade de revisão. Pode e deve criar verificações de correção para cada artefacto.

Eis um exemplo: pode comparar as informações de um aviso de pagamento com avisos de pagamento anteriores relativos ao mesmo negócio, mutuário, etc.

É preferível antecipar as verificações de correção a descobrir um problema no artefacto gerado por IA em tempo de execução!

E depois, naturalmente, utilizar pontos de controlo de revisão humana.

Onde os seres humanos ainda têm de estar presentes no desenvolvimento de software com IA

Quando se trata de código, existe uma divisão clara entre aquilo de que a IA trata e aquilo de que os seres humanos tratam.

Atualmente, todos os commits e PRs recebem uma revisão preliminar por IA. No entanto, são os seres humanos que efetuam as fusões finais dos PRs. Um engenheiro sénior continua a rever todos os PRs relativamente à arquitetura.

A fronteira está em tudo o que envolve contexto para além do código-fonte. Isto significa, por exemplo, que os seres humanos têm de tratar de tudo o que esteja relacionado com as partes interessadas e a complexidade regulamentar.

Porque é que a experiência no domínio é importante na integração da IA

A IA funciona melhor em áreas nas quais tem conhecimentos profundos. É importante saber o que significa algo ser "bom", para que possa iterar com o modelo até este ter um bom desempenho.

Nas áreas em que não temos experiência, os resultados da IA tendem a ser superficiais.

Eis um exemplo. Sem qualquer configuração adicional, a IA não funcionou bem para gerar os resumos dos nossos negócios. Não conseguiu lidar com informações contraditórias nos documentos de origem e, muitas vezes, concentrou-se nas afirmações mais extremas em vez das mais importantes. No caso de informações não fundamentadas, a IA não viu informação suficiente sobre mercados privados para detetar as nuances. E, como não éramos especialistas nessa área, tivemos dificuldade em atualizá-la.

Partilhas de Valliappa

É importante saber o que significa algo ser “bom”, para que possa iterar com o modelo (de IA) até este ter um bom desempenho.

Porque é que os líderes tecnológicos devem ter cuidado ao automatizar processos existentes

Quando se trata de automatização, não automatize os seus processos atuais. Em vez disso, utilize a IA para eliminar os passos intermédios e chegar diretamente ao resultado final.

Por exemplo, considere os passos que segue para criar um diapositivo do PowerPoint. É tentador fazer com que a IA siga exatamente esses passos, mas, em última análise, um diapositivo é XML + imagens. A IA pode gerá-lo sem seguir os seus passos. Esta ideia também se aplica aos processos empresariais — pode criar uma fatura sem utilizar o sistema atual de criação de faturas. Basta chamar as APIs de back-end relevantes para obter os preços e as quantidades corretos.

Porque é que a IA pode criar sobrecarga cognitiva

Eis uma das maiores desvantagens que observei nos líderes tecnológicos: a velocidade a que as ferramentas de IA funcionam cria uma sobrecarga cognitiva significativa.

Para reduzir a sobrecarga, instituímos um período de "reflexão profunda" de duas horas todas as tardes. Quanto à questão de saber se ajudará, ainda não há uma conclusão.

Acompanhe-nos

Pode acompanhar Valliappa Lakshmanan no LinkedIn ou consultar a Obin.

Mais entrevistas com especialistas a caminho no Clube dos CTOs!