MIT, Anthropic e OpenAI enviaram o mesmo aviso, coloque sua casa de evidências em ordem agora

Três histórias de IA chegaram em cinco dias neste mês, e lê-las consecutivamente me deixou com um zumbido de pavor que não sentia ao ler uma história de tecnologia há anos. Escolher uma história para ficar obcecado enquanto ignora as outras duas desperdiça o momento. O movimento útil é encontrar o padrão subjacente a todos os três e construir a estratégia do próximo trimestre em torno dele, em vez de em torno das manchetes.

3 histórias em 5 dias, aqui está o que aconteceu

Em 8 de setembro, Laurie Sullivan, do MediaPost, escreveu sobre um estudo do MIT Media Lab que usou limites de EEG para comparar a atividade cerebral de pessoas que escrevem ensaios com ChatGPT com pessoas que escrevem sozinhas. O número que ficou com Sullivan, e comigo, foi uma “redução de 32% no esforço mental ativo” entre o grupo assistido por IA, juntamente com uma queda mensurável na conectividade cerebral. O estudo suscitou uma verdadeira resistência científica desde que circulou pela primeira vez, relativamente ao tamanho da amostra e à forma como os resultados deveriam ser lidos, e os próprios investigadores do MIT pediram às pessoas que parassem de descrever os resultados como danos cerebrais.

No dia seguinte, Scott Horsley, da NPR, cobriu um novo modelo econômico interativo que a Antrópico construiu para que qualquer pessoa possa testar suas próprias suposições sobre como a IA remodela o mercado de trabalho. Num extremo, o modelo mostra um ligeiro aumento de produtividade. Por outro lado, o produto interno bruto dispara enquanto “quase 14% dos trabalhadores” perdem os seus empregos para a IA e menos de metade deles encontra novos empregos. Os próprios economistas da Antrópico recusam-se a dizer qual resultado é mais provável. Essa recusa é mais honesta do que a maioria das coisas que os profissionais de marketing de busca ouvem sobre o impacto econômico da IA, e quero dizer isso como um elogio.

Então, em 12 de setembro, Mike Isaac, do New York Times, relatou que o CEO da Anthropic, Dario Amodei, publicou um ensaio de 3.800 palavras pedindo que toda a indústria desacelerasse, e que Sam Altman da OpenAI, Elon Musk da xAI e Demis Hassabis do Google DeepMind assinaram o contrato em poucos dias. Amodei escreveu que “devemos abrandar o ritmo a que melhoramos as capacidades dos modelos de IA” e apelou a auditorias independentes e a regras globais. Cobri a primeira versão deste aviso da Anthropic em junho, quando ainda era uma empresa pedindo à indústria que pisasse no freio. Três meses e um exame cerebral do MIT depois, essa voz solitária fez com que três de seus maiores rivais concordassem.

A parte que ninguém se preocupou em medir

Exclua a emoção e todas as três histórias descrevem o mesmo acontecimento subjacente a partir de três ângulos: o custo da adopção, a forma da perturbação laboral e a própria incerteza da indústria sobre a rapidez com que se moverá. Nenhum deles informa sobre o ritmo com que algo realmente chega ao seu mercado, à sua indústria ou ao seu próprio painel de análise. Essa lacuna, entre a escala do alerta e a velocidade da difusão real, é a parte que ninguém na minha caixa de entrada esta semana se preocupou em medir.

Nicholas Carr descreveu isso em 2008

Já vi esse filme antes, ou pelo menos uma vez sentei-me diante de alguém que o descreveu com mais precisão do que eu conseguia na época. Em 2008, entrevistei Nicholas Carr antes da SES London e da SES New York, alguns meses antes de o The Atlantic publicar seu ensaio “O Google está nos tornando estúpidos?” Carr tinha acabado de publicar The Big Switch, um livro que argumentava que a computação estava a tornar-se um serviço público tal como a electricidade o fez um século antes, e que a mudança das fábricas que geravam a sua própria energia para a ligação a uma rede partilhada reorganizou mais do que a economia. Ele reformulou a aparência do trabalho, quem tinha influência e, eventualmente, o que a mente das pessoas fazia em uma tarde comum.

A rede não chegou a todos os lugares ao mesmo tempo

O cofundador da Anthropic, Jack Clark, disse à NPR que espera que a tecnologia em si continue a melhorar rapidamente, mas que a sua difusão real através da economia será mais lenta e confusa do que a indústria da IA ​​assume. Esse é o argumento da eletrificação de Carr, reafirmado pela empresa que construiu a tecnologia que Carr descreveu antes de ela existir. A rede não chegou a todos os lugares ao mesmo tempo em 1908, e a IA também não chegará a todos os lugares ao mesmo tempo em 2026. Carr não estava fazendo previsões sobre chatbots. Ele estava a descrever um padrão que se repete sempre que uma tecnologia de uso geral passa de novidade para utilidade, e que se repete novamente, dentro do prazo, quer a indústria da IA ​​queira ou não admitir que está a seguir um guião centenário.

Minha opinião nua e crua é que Carr estava mais certo do que seus críticos de 2008 lhe deram crédito, e que os profissionais de marketing de busca estão prestes a reaprender sua lição da maneira mais difícil. O erro desta semana seria tratar três manchetes pessimistas como motivo para pânico, e o erro oposto seria considerá-las uma propaganda exagerada da mídia. Ambos ignoram o trabalho real, que é descobrir onde você se situa pessoalmente na curva de difusão descrita por Clark, e não onde se situa a média do setor.

Então, o que você faz com três manchetes pessimistas e um livro centenário, se você é a pessoa que dirige a estratégia orgânica de uma marca ou agência?

Audite primeiro seu próprio pipeline

Comece tratando seu próprio pipeline de conteúdo como o marco zero para a descoberta do MIT, antes que o Google ou um concorrente faça isso por você. Extraia o último quarto de qualquer coisa que sua equipe produziu com forte assistência de IA e execute-o por meio de uma leitura humana para as informações sobre as quais escrevi antes, fontes escassas, ritmo de parágrafo uniforme, reivindicações sem nenhuma pessoa identificada por trás delas. Se o seu próprio resultado mostrar os sintomas de dívida cognitiva descritos por Sullivan, então suas classificações e sua taxa de citação de IA provavelmente também mostrarão isso.

Meça sua própria curva, não a média do setor

Em seguida, pare de planejar seu próprio roteiro com base nos números de adoção de IA em todo o setor. O argumento de difusão de Clark significa que a estatística agregada na apresentação de slides de outra pessoa não diz quase nada sobre a curva real da sua vertical. Obtenha seu próprio tráfego de referência de IA e parcela de citações mensalmente, da maneira que venho incentivando os leitores a fazer durante todo o verão nesta batida Citation Share of Voice, e construa seu orçamento em torno de sua própria inclinação medida, não do modelo nacional da Anthropic ou do comunicado de imprensa de um concorrente.

Coloque sua casa de evidências em ordem agora

Finalmente, coloque seu banco de evidências em ordem agora, enquanto a indústria ainda discute se deve ou não desacelerar. Se o apelo da Amodei por auditorias externas e regras globais ganhar alguma força, e esta semana sugere que sim, as marcas e editores que já apresentam recursos humanos verificáveis, especialistas nomeados e dados verificáveis ​​serão aqueles em que os reguladores e as plataformas de IA confiam por padrão. Aqueles que executam rascunhos de modelos de IA cheios de afirmações não verificáveis ​​estarão lutando para se atualizar sob as regras para as quais tiveram anos de aviso para se preparar.

Para onde vamos e já chegamos? Mais lento do que as manchetes mais barulhentas sugerem, e mais rápido do que os céticos mais lentos querem admitir, que é exatamente o que Nicholas Carr disse aos profissionais de marketing de busca em Londres e Nova York há 18 anos, quando quase ninguém naquelas salas, inclusive eu, estava pronto para ouvir isso como um aviso sobre exames cerebrais e perdas de empregos, em vez de uma resenha de livro.

Mais recursos:

Imagem em destaque: Natalya Kosarevich/Shutterstock