A inteligência artificial já impacta de forma concreta o mercado de trabalho, criando um novo modelo profissional baseado em projetos, especialização e flexibilidade.

Pesquisa recente realizada pelo WEF (Fórum Econômico Mundial) indica que a IA, apesar do temor quanto à obsolescência de empregos tradicionais, deve criar 170 milhões de novas funções nos próximos anos, resultando em um aumento líquido de 78 milhões de cargos até 2030.

A exemplo da plataforma Vetto AI, que conecta especialistas de projetos de inteligência artificial, com remunerações que podem chegar a R$600 por hora, conforme a complexidade das atividades.

A empresa atua na camada de pós-treinamento e avaliação crítica de modelos, onde os especialistas participam de desafios reais, como revisão e avaliação de prompts, identificação de falhas, testes adversariais, análise de cenários complexos e validação técnica de respostas geradas por sistemas avançados.

O especialista em Inteligência Artificial e Machine Learning, Diego Nogare, discorre sobre duas diferentes técnicas que usam a capacidade humana para roteirizar mecanismos de IA: o Ground Truth e o Crowd Sourcing.

Mas afinal como são esses processos?

O Ground Truth, segundo o especialista, é uma atividade de rotulagem humana, que opera como uma peça importante para o aprendizado supervisionado (técnica de Machine Learning onde o treino do modelo conhece a resposta variável previamente). “Neste tipo de atividade, seres humanos atuam como responsáveis por analisar e rotular o que estão vendo, diminuindo nuances contextuais, ambiguidades culturais ou padrões visuais que o algoritmo ainda não consegue responder com exatidão”, detalha.

A popularização da IA se expande para processos diversos que envolvem a rotulação de dados de radiografias, contratos jurídicos, fotos, imagens etc. “É neste momento que são atribuídos metadados estruturados, capazes de transformar a subjetividade da percepção humano em características que servirão de dados para o treinamento”, explica Nogare.

Já o Crowd Sourcing se define como uma técnica aplicada à rotulagem de dados e funciona como um orquestrador do processamento distribuído. Nesta modalidade, a tarefa de anotação é fragmentada, paralelizada e realizada entre várias pessoas (ou grupo de pessoas) espalhados pelo mundo.

“Isso funciona como um mecanismo de regularização estatística contra vieses culturais e geográficos, já que a resposta só deverá ser “considerada verdadeira” se ela aparecer em muitas respostas dos rotuladores. Se a resposta para uma mesma origem diverge entre as pessoas que trabalham como rotuladores, não há uma verdade absoluta e aquele rotulo não é considerado útil”, afirma.

Esta técnica, explica Nogare, garante que o “ruído” das percepções individuais se cancelem, e só o rótulo de “verdade absoluta” apareça.

Em meio às diferentes atividades de rotulagem humana, um outro termo que ganhou mais holofote ao ser associado aos processos de IA Generativa é o Human-in-the-Loop.

Embora mais antiga que as modalidades citadas, a técnica funciona como mecanismo para transformar incerteza estatística (que é a saída do algoritmo) em conhecimento supervisionado, utilizando um ser humano para atuar como um curador do conteúdo. “O humano atua diretamente na resposta do modelo computacional, validando a saída do algoritmo ou corrigindo o erro”, exemplifica o especialista.

A abordagem de Human-in-the-Loop para a curadoria dos dados operacionaliza a integração do Crowd Source como uma rede de rotuladores distribuídos, com o Ground Truth que ajudam a estabelecer a verdade nas decisões onde a incerteza estatística do modelo existe. “Isso faz com que a inteligência humana coletiva não seja apenas como “rotulagem”, mas também um mecanismo de regularização de viés, onde diversas perspectivas espalhadas pelo planeta convirjam para uma verdade única que será utilizada no sistema computacional”, conclui.