Modelos abertos da Nvidia levam agentes à empresa e ao PC

Novos modelos da Nvidia permitem criar agentes de IA em infraestrutura empresarial e em computadores locais, com mais controle sobre dados e implantação.

Os modelos abertos da Nvidia foram apresentados para executar agentes de inteligência artificial em dois ambientes: centros de dados das empresas e computadores compatíveis. A proposta é dar às organizações mais controle sobre implantação e adaptação dos modelos e permitir que algumas tarefas sejam processadas localmente, sem envio à nuvem. Isso pode ampliar as opções de automação, mas exige avaliar custos, segurança e capacidade técnica.

O que muda com os modelos abertos da Nvidia?

A Nvidia anunciou modelos de pesos abertos voltados a agentes, sistemas de IA capazes de realizar tarefas em várias etapas e acionar ferramentas, como busca na web ou processamento de documentos. “Pesos abertos” significa que os parâmetros treinados do modelo podem ser acessados e usados para implantação e adaptação, conforme as condições de uso. O termo não deve ser confundido automaticamente com software totalmente aberto em todos os seus componentes.

Para empresas, a principal novidade é a possibilidade de adaptar um modelo aos próprios processos e executá-lo na infraestrutura escolhida. Em vez de depender exclusivamente de um serviço externo de IA, uma organização pode avaliar a operação em seus próprios centros de dados. Isso pode oferecer mais autonomia, embora também transfira para a empresa responsabilidades de implantação, manutenção e proteção.

O modelo Super VL foi apresentado para cargas empresariais e tarefas que podem incluir compreensão de documentos, contabilidade financeira, experimentos científicos, análise de sinistros de seguros e segurança. A Nvidia afirma que, após ajuste para tarefas específicas de agentes, ele conclui determinadas atividades mais rapidamente que modelos concorrentes. Essa é uma alegação da fabricante, condicionada ao tipo de tarefa e à forma de ajuste; não é garantia de desempenho superior em qualquer aplicação.

A empresa também citou organizações como Skydance, EY, Ramp, CrowdStrike e Perplexity entre as usuárias do Super VL. Para quem avalia a tecnologia, a lista indica interesse de diferentes setores, mas não substitui testes próprios: o resultado depende dos dados, das integrações e dos critérios de qualidade de cada operação.

Como os agentes podem apoiar o atendimento?

Em uma operação de atendimento, um agente pode ajudar a localizar informações, resumir documentos ou encaminhar uma solicitação para a ferramenta adequada. Em tese, um modelo adaptado ao vocabulário e aos procedimentos da empresa pode apoiar atividades repetitivas e liberar a equipe para casos que exigem julgamento humano. A adoção, porém, precisa começar por um fluxo bem delimitado, com regras para quando a automação deve pedir ajuda.

O ajuste posterior, também chamado de pós-treinamento, é uma etapa que refina o comportamento de um modelo depois do treinamento inicial. A empresa pode usá-lo para adequar respostas a tarefas e padrões específicos, mas precisa definir quais dados serão utilizados e como serão avaliados. Informações incompletas ou exemplos inadequados podem levar o agente a responder de forma incorreta ou inconsistente.

• Escolha um processo específico: comece por uma tarefa frequente, com etapas e resultados que possam ser verificados.
• Determine os limites do agente: defina o que ele pode consultar, quais ações pode executar e quando deve transferir o caso a uma pessoa.
• Teste antes de ampliar: compare as respostas com critérios definidos pela equipe e acompanhe erros, tempo de atendimento e necessidade de revisão.
• Planeje a operação: considere infraestrutura, integração com sistemas existentes, atualização do modelo e suporte técnico.

Esses cuidados ajudam a transformar a possibilidade tecnológica em uma decisão de negócio. Um agente não melhora automaticamente o atendimento: seu valor depende de resolver uma necessidade concreta sem criar mais etapas para clientes e funcionários.

O que os modelos locais significam para privacidade e custo?

Além do Super VL, a Nvidia apresentou dois modelos menores da família Bolt, pensados para execução local em computadores com os chips indicados pela empresa. O Nemotron 3.5 Bolt 74B-A9B 24GB foi descrito como uma opção para tarefas locais com várias etapas, uso de ferramentas e navegação na web. Já o Bolt E4B é voltado a agentes de conversa e tem porte menor.

Executar um modelo localmente significa processar a tarefa no próprio computador, em vez de enviar cada solicitação a um serviço remoto. A Nvidia propõe esse formato para delegar atividades cotidianas sem encaminhar essas cargas à nuvem. Para empresas e profissionais que lidam com informações sensíveis, isso pode aumentar o controle sobre onde os dados são processados, mas não elimina a necessidade de proteger o dispositivo, os acessos e os próprios arquivos.

Também não é possível presumir que o processamento local seja sempre mais barato. A conta depende do equipamento, do consumo de energia, da manutenção e do volume de uso, além da comparação com alternativas em nuvem. Antes de comprar computadores ou alterar sistemas, vale testar a qualidade do modelo nas tarefas reais e calcular o custo total da operação.

Na data do anúncio, a Nvidia informou que o Super VL e o Bolt 74B-A9B já estavam disponíveis, enquanto o Bolt E4B chegaria mais tarde naquele mês. Os modelos locais foram associados a computadores com o chip Nvidia RTX Spark e a estações de trabalho DGX Spark. A compatibilidade do equipamento e as condições de implantação devem ser confirmadas antes de qualquer investimento.

Perguntas frequentes

O que são modelos de pesos abertos?

São modelos cujos pesos, ou parâmetros treinados, podem ser acessados para uso e adaptação conforme as condições definidas pelo fornecedor. Isso não significa necessariamente que todos os dados, ferramentas e componentes do sistema sejam abertos.

Os modelos locais garantem privacidade?

Não. O processamento no computador pode reduzir o envio de tarefas à nuvem, mas a proteção ainda depende de controles de acesso, segurança do dispositivo e gestão dos dados.

Qual modelo Bolt pode ser mais adequado?

O Bolt 74B-A9B foi apresentado para tarefas locais com várias etapas, ferramentas e navegação na web. O Bolt E4B é direcionado a agentes de conversa; a escolha depende do equipamento compatível e do uso planejado.

Uma pequena empresa pode usar esses modelos?

É possível avaliar a adoção, mas o modelo mais adequado depende de infraestrutura, orçamento, volume de tarefas e suporte disponível. Um piloto em um processo delimitado ajuda a medir se a solução entrega benefício antes de expandir o uso.

Se sua empresa considera automatizar o atendimento, comece mapeando uma tarefa repetitiva e os dados envolvidos. Depois, teste a solução com critérios claros de qualidade, segurança e custo antes de ampliar a operação.

Fonte: techcrunch.com

Imagem gerada por inteligência artificial.

Texto produzido com auxílio de inteligência artificial a partir da reportagem original indicada em Fonte.