O mundo da IA generativa está evoluindo tão rapidamente que, a cada poucos dias, vemos startups lançando novos aplicativos alimentados por modelos de linguagem grandes (LLMs). A última tentativa de monetizar a inteligência artificial vem da Mindverse AI, uma startup de Cingapura que está construindo uma interface API, ou o que o fundador Fangbo Tao chama de “camada de aterramento” para empresas, para criar agentes inteligentes com sua própria memória vertical e diferentes conjuntos de habilidades usando LLMs.
Os agentes de IA semelhantes ao ChatGPT do Mindverse já garantiram os primeiros usuários, incluindo uma plataforma não revelada dentro do ecossistema do Alibaba; Cider, startup de moda apoiada pela a16z, que está pilotando o assistente virtual; e Hooked, uma plataforma de educação web3 que utiliza o agente de IA da startup para orientar os usuários em seu site.
Dada a tração e a empolgação dos investidores em relação à IA conversacional, não é surpresa que o Mindverse esteja se aproximando da conclusão de uma rodada de financiamento da Série A de US $ 10 milhões. Os investidores provavelmente estão tranquilos com a experiência de Tao trabalhando em sistemas de IA em gigantes da tecnologia na China e nos EUA.
Assistente virtual do Mindverse para sites de comércio eletrônico. Fonte: Mindverse AI
A última rodada da Mindverse, que arrecadou US$ 7 milhões, avaliou-a em US$ 45 milhões e foi liderada pela Sequoia China com a participação da Linear Capital, K2 Venture, Yinxinggu Capital e Plug and Play.
Mindverse está essencialmente fornecendo uma plataforma que permite aos clientes construir rapidamente agentes inteligentes especializados para diferentes domínios. Isso é o que acontece quando um usuário acessa um site de comércio eletrônico com tecnologia Mindverse: ele será recebido por um chatbot que absorveu todos os dados de inventário do site. Digamos que o comprador pergunte algo como: “O que devo vestir para minhas férias na praia?” O bot vasculhará os produtos e mostrará algumas opções.
Conversando de maneira humana, o agente de compras também é capaz de explicar as diferenças dos produtos e sugerir mais alternativas caso o usuário não fique satisfeito com suas primeiras recomendações — o que significa que o bot pode aprender com conversas em tempo real.
Da mesma forma, um site de reservas de hotéis pode usar o Mindverse para criar um guia virtual que recomende lugares para ficar com base em informações simples como: “Estou planejando uma viagem para São Francisco com minha esposa”. Os locais mostrados levarão em consideração os interesses do marido e da esposa, em vez dos pontos turísticos universais.
Essa forma de interface com os dados da web, disse Tao, é fundamentalmente diferente da era pré-generativa da IA.
“No passado, os usuários interagiam com fontes de dados por meio de software e aplicativos, ou GUI [graphical user interface]. O que estamos fazendo agora é adicionar um agente ou copiloto para auxiliar a GUI… treinando a IA para aprender de forma autônoma a API, documentos, fontes de dados e instruções que a alimentamos para que o agente possa obter conjuntos de habilidades específicos para os cenários de negócios e fornecer orquestração dinâmica daqueles baseados na intenção complexa do usuário”, explicou.
O CEO e fundador da Mindverse AI, Fangbo Tao, explica como a IA generativa transforma a maneira como interagimos com os dados da web. Imagem: Mindverse
“A maior diferença é que os algoritmos de recomendação existentes dependem fortemente de dados do passado e você não pode especificar suas necessidades”, continuou ele. “O que você clica ou compra determina o que você vê. Através [generative AI]por outro lado, você pode ter ativamente uma interação de ida e volta com o agente de IA que pode digerir sua intenção.”
Isso não significa que os algoritmos de recomendação se tornarão obsoletos. Os agentes do Mindverse podem, de fato, comparar suas recomendações com as dos algoritmos que aprendem com dados anteriores. Uma maneira de integrar as duas soluções é inserir os algoritmos antigos no agente como uma API, para que o aplicativo possa aprender com o comportamento anterior dos usuários. Na verdade, quaisquer recursos convencionais por trás do software – além da recomendação e da pesquisa – podem ser inseridos em agentes de IA como habilidades de API, apontou o fundador.
“Mas o agente de IA atua em um nível superior. Ao conversar com os usuários, ele pode usar melhor os recursos de recomendação e pesquisa para planejar a melhor maneira de usar os dados de back-end”, disse Tao.