Que modelo de IA para que tarefa?

O essencial

Não é o modelo que decide, é a característica que a tarefa exige: exatidão, atualidade, extensão, velocidade ou custo.
Cinco características cobrem o dia a dia do marketing – quem as conhece consegue enquadrar sozinho qualquer nova geração de modelos.
Para a maioria das empresas pequenas chegam dois modelos: um para trabalho longo e exato, outro para tarefas rápidas e baratas em massa.
Mudar de modelo custa tempo – sobretudo porque as instruções e os modelos de trabalho têm de ser reafinados de cada vez.

Os modelos ficam desatualizados mais depressa do que qualquer comparação. O que não fica desatualizado é a pergunta sobre que característica uma tarefa exige – e essa atribuição sobrevive a qualquer geração.

As cinco características

1. Exatidão em instruções longas

Com que fiabilidade são cumpridas dez regras numeradas – incluindo as que estão no meio? Decisiva nas tarefas de verificação e em tudo onde deva ser respeitado um enquadramento de estilo.

2. Acesso ao atual

O modelo consegue procurar e escolhe bem as fontes? Decisiva na pesquisa, na observação da concorrência e em tudo o que aconteceu depois do estado do treino.

3. Extensão processável

Quanto texto pode ser tido em conta de uma vez – e quão bem o início continua a ser considerado quando há muito no fim? Decisiva na verificação de documentos inteiros.

4. Velocidade e custo

Em tarefas de massa – cem textos de produto, cinquenta traduções – a velocidade e o preço determinam se a tarefa faz sequer sentido.

5. Utilização de ferramentas

Com que fiabilidade são efetivamente usadas as ferramentas ligadas, em vez de as respostas serem adivinhadas? Decisiva assim que entram ligações a sistemas próprios.

Atribuição por etapa de trabalho

Etapa de trabalho	Característica mais importante	O que corre mal se faltar
Pesquisa sobre questões atuais	atualidade	dados desatualizados, formulados de forma convincente
Primeira versão de um artigo técnico	exatidão em instruções	o enquadramento de estilo é ignorado, as regras caem
Verificação de um documento longo	extensão	a primeira metade é verificada superficialmente
Tradução para muitas línguas	velocidade e custo	a tarefa torna-se antieconómica
Trabalho com sistemas ligados	utilização de ferramentas	as respostas são adivinhadas em vez de consultadas
Encurtar e reformular	nenhuma em especial	–
Reunir ideias e variantes	nenhuma em especial	–

As duas últimas linhas são mais importantes do que parecem: para uma parte considerável das tarefas diárias, a escolha do modelo é simplesmente indiferente. Quem investe aí tempo na seleção está a otimizar o sítio errado.

Sabia que…?

A razão mais frequente para um mau resultado não é o modelo, é uma instrução que tem demasiada coisa importante no meio. As indicações no início e no fim de um prompt são tidas em conta com mais fiabilidade do que as intermédias – em todos os modelos correntes.

Ou seja, quem tiver a impressão de que um modelo «não cumpre as indicações» deve começar por mover a regra central para o fim. Na prática, isso atua mais vezes do que uma mudança para um modelo maior – e não custa nada.

Porque dois modelos chegam na maioria dos casos

Para as empresas pequenas, a repartição praticável é simples:

Um modelo capaz para o trabalho que interessa. Primeiras versões, verificações, tudo o que tem instruções longas e textos longos. Aqui compensa o preço mais alto, porque a alternativa é retrabalho.
Um modelo rápido e barato para a massa. Traduções, resumos, reformulações, classificações. Aqui conta o débito.

Um terceiro modelo só compensa quando uma tarefa exige uma característica que os dois primeiros não têm – por exemplo uma extensão processável particularmente grande.

Da prática

Mudar de fornecedor custa mais do que a comparação faz supor. Não a utilização – essa é parecida. Mas sim os enquadramentos afinados: documento de estilo, instruções guardadas, modelos de trabalho, ligações, formulações habituais.

Na prática, demora duas a três semanas até um ambiente novo entregar a mesma qualidade do já rodado. Um modelo tem de ser nitidamente melhor, não um pouco melhor, para a mudança compensar – e «nitidamente melhor» só se verifica na tarefa própria, não numa classificação.

Como se verifica na tarefa própria

As classificações medem tarefas padronizadas. A vossa tarefa não é nenhuma delas. Uma comparação própria aproveitável precisa de quatro coisas:

Três tarefas reais do dia a dia, não perguntas de teste. De preferência aquelas em que já conhecem o bom resultado.
O mesmo prompt, palavra por palavra. Senão estão a comparar formulações em vez de modelos.
Uma avaliação fixa. Definir de antemão como reconhecem «melhor» – por exemplo: regras cumpridas, sem dados inventados, extensão certa.
Duas rondas por modelo. A dispersão entre duas respostas do mesmo modelo é muitas vezes maior do que a diferença entre dois modelos.

Prompt

Ajuda-me a determinar a escolha de modelo adequada às nossas
etapas de trabalho. Não recomendes fornecedores – ordena por
características.

As nossas tarefas:
[lista das tarefas recorrentes, uma por linha, com a frequência
aproximada por mês]

As nossas condições:
- Orçamento para ferramentas de IA por mês: [valor]
- Há dados pessoais envolvidos? [sim / não / em parte]
- Temos ligações a sistemas próprios? [sim / não]
- Trabalhamos em várias línguas? [línguas]

Tarefas:
1. Atribui cada uma das nossas tarefas exatamente a uma
   característica principal: exatidão em instruções longas /
   atualidade / extensão processável / velocidade e custo /
   utilização de ferramentas / nenhuma em especial.
2. Indica as tarefas em que a escolha do modelo é indiferente –
   são aquelas em que não devemos investir tempo.
3. Diz-me se dois modelos nos chegam, e para que serve cada um.
4. Concebe uma comparação própria: três tarefas reais da minha
   lista, uma avaliação fixa, quantas rondas.

Não indiques nomes de modelos nem classificações.

Conclusão

A pergunta útil não é «qual é o melhor modelo», é «que característica esta tarefa exige». Cinco características cobrem o dia a dia do marketing, e para boa parte das tarefas a resposta é: nenhuma em especial.

Dois modelos – um para o trabalho exigente, outro para a massa – chegam à maioria das empresas pequenas. E antes de mudar, compensa a tentativa mais barata: pôr a regra central no fim do prompt.

Perguntas frequentes

Que modelo de IA serve para que tarefa?

Depende da característica exigida: a pesquisa sobre questões atuais precisa de acesso à pesquisa web, as primeiras versões e as verificações precisam de exatidão em instruções longas, a verificação de documentos inteiros precisa de grande extensão processável, as traduções em muitas línguas precisam de velocidade e baixo custo, e o trabalho com sistemas ligados precisa de utilização fiável de ferramentas.

De quantos modelos diferentes precisa uma empresa pequena?

Dois chegam na maioria dos casos: um capaz para primeiras versões, verificações e instruções longas, e um rápido e barato para a massa – traduções, resumos, classificações. Um terceiro só compensa quando uma tarefa exige uma característica que nenhum dos dois cobre.

Porque é que o modelo não cumpre as minhas indicações?

Muitas vezes não é do modelo, é da posição da instrução. As indicações no início e no fim de um prompt são tidas em conta com mais fiabilidade do que as do meio. Mover a regra central para o fim atua, na prática, mais vezes do que mudar para um modelo maior.

Compensa mudar para um modelo novo?

Só se for nitidamente melhor, não um pouco melhor. A mudança custa duas a três semanas até o documento de estilo, as instruções guardadas, os modelos de trabalho e as ligações estarem outra vez rodados. Se «nitidamente melhor» se aplica, só o mostra uma comparação nas tarefas próprias – não uma classificação genérica.

Como se comparam modelos na tarefa própria?

Com três tarefas reais do dia a dia em vez de perguntas de teste, o mesmo prompt palavra por palavra, uma avaliação definida de antemão – por exemplo: regras cumpridas, sem dados inventados, extensão certa – e duas rondas por modelo. A segunda ronda é importante: a dispersão dentro de um modelo é muitas vezes maior do que a diferença entre dois.