A maioria dos modelos de inteligência artificial que usamos hoje foi treinada com texto e imagem. Mas o mundo real funciona com planilhas, bancos de dados e decisões em tempo real. Um pesquisador do MIT está construindo a ponte entre esses dois mundos — e os resultados já estão sendo usados por empresas Fortune 500.
Além do texto: IA que entende dados tabulares
O professor Devavrat Shah, do Laboratório de Sistemas de Informação e Decisão (LIDS) do MIT, desenvolveu um sistema que usa dados tabulares como entrada — o formato de linhas e colunas que preenche planilhas e bancos de dados corporativos. A partir desses dados estruturados, o sistema fornece planejamento em tempo real em larga escala.
Enquanto a maioria dos sistemas de IA para previsão e tomada de decisão tem se proliferado nos últimos anos, muitos carecem das informações detalhadas e específicas sobre a própria organização — o que limita sua utilidade prática.
“Em certo sentido, com uma quantidade pequena de recursos computacionais, você pode fazer muito mais do que imaginava”, explica Shah. O segredo está em métodos que conseguem lidar com decisões a cada segundo usando recursos computacionais limitados — o oposto da abordagem que exige datacenters gigantescos para cada inferência.
Da pesquisa ao mercado: Ikigai Labs
Shah levou sua pesquisa do laboratório para o mercado ao co-fundar a Ikigai Labs, uma startup que aplica esses métodos de IA baseada em dados tabulares para clientes Fortune 500. Os casos de uso incluem:
- Cadeia de suprimentos: previsão de demanda e otimização de inventário em tempo real
- Varejo: planejamento de sortimento e precificação dinâmica
- Planejamento financeiro: projeções e análise de cenários com dados estruturados da empresa
Por que isso importa agora
A pesquisa de Shah ataca um problema fundamental da adoção empresarial de IA: modelos genéricos não conhecem o seu negócio. Um LLM pode escrever um e-mail ou resumir um documento, mas não consegue prever com precisão quantas unidades do produto X você vai vender em março considerando os últimos 5 anos de dados da sua operação, sazonalidade, campanhas de marketing e rupturas na cadeia de suprimentos.
A abordagem do MIT inverte a lógica: em vez de adaptar o negócio ao modelo, o modelo se adapta aos dados estruturados que a empresa já possui — planilhas, ERPs, históricos de vendas. Com recursos computacionais reduzidos, é possível gerar decisões em tempo real que antes exigiam dias de análise humana.
Para o mercado brasileiro, onde pequenas e médias empresas raramente têm acesso a infraestrutura de IA pesada, a promessa de métodos eficientes em termos computacionais é particularmente relevante.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
