O mundo da inteligência artificial (IA) está evoluindo rapidamente, especialmente com o surgimento de ferramentas de IA generativa. Grandes modelos de linguagem (LLMs) como o ChatGPT têm o potencial de automatizar ou acelerar qualquer tarefa que exija o reconhecimento e geração de conteúdo textual com níveis de qualidade muitas vezes indistinguíveis do texto gerado por humanos. Esses LLMs estão em estágios iniciais, então a saída muitas vezes carece de contexto e requer revisão humana. Isso melhorará rapidamente à medida que o modelo for treinado com mais dados.
Na indústria jurídica, os casos de uso prospectivos de IA generativa para departamentos jurídicos corporativos e escritórios de advocacia são abundantes. As oportunidades mais significativas a curto prazo provavelmente serão otimizar processos internos. Exemplos incluem gerar lembretes sobre segurança, conformidade e resumo de informações em contratos comerciais; incorporar a IA generativa em soluções de eDiscovery existentes; criação de modelos; e elaboração de pareceres.
Assim como com qualquer nova tecnologia, as implicações do uso de LLMs são uma preocupação importante na indústria jurídica. Existe um desejo por uma compreensão mais profunda de como essa tecnologia funciona para determinar casos de uso ideais e limitar riscos. A engenharia de prompts e a formulação de problemas são duas áreas que precisam ser exploradas mais a fundo, pois esses processos estão abrindo caminho para modelos melhor treinados.
Engenharia de Prompts
A engenharia de prompts refere-se ao processo de entender e aprimorar as perguntas que um usuário faz a um sistema de IA ou LLM para obter resultados ideais. A capacidade de otimizar as perguntas leva a uma saída melhor com a quantidade mínima de interação de perguntas e respostas. Os usuários descobriram que fazer perguntas sem ser estratégico pode levar a uma saída genérica ou incorreta. Líderes da indústria nessa área estão ajudando a formular esses prompts, o que será valioso e limitará o risco nos casos de uso jurídico mencionados anteriormente.
Melhores práticas surgiram sobre como fazer perguntas de forma estratégica. Isso inclui orientar as ferramentas para informar o usuário sobre o que mais é necessário para realizar uma determinada tarefa ou resolver um problema; aplicar uma estrutura específica a um problema; ou agir como se fosse uma pessoa em uma determinada profissão. Prompts assim ajudam a direcionar os LLMs para os dados certos, gerar resultados mais personalizados e serem refinados ao longo do tempo por meio de discussões. Por exemplo, usar o prompt “atue como se fosse um tutor para o exame da Ordem” guiará a ferramenta para dados de treinamento específicos dessa área. Ter mais contexto permite que os bots gerem respostas mais personalizadas e diminuam o risco de receber informações falsas.
A rápida evolução dos modelos de IA leva a uma diminuição na necessidade de prompts ao longo do tempo. Isso continuará a ocorrer e permitirá que os sistemas aprendam em um ritmo mais rápido. Conforme o avanço ocorre, esses sistemas podem até ser capazes de criar seus próprios prompts. Desafios linguísticos também podem surgir, já que a engenharia de prompts requer um foco forte na linguagem usada para formular as perguntas. Mesmo uma pequena nuance linguística pode alterar a saída. Alguns profissionais da indústria acreditam que a necessidade de engenharia de prompts não é tão significativa quanto inicialmente entendido, devido a esses motivos.
Formulação de Problemas
A formulação de problemas é uma habilidade que alguns analistas acreditam ser a verdadeira área de necessidade quando se trata de aprove itar e treinar sistemas de IA. Isso requer uma compreensão sólida do problema que precisa ser resolvido para identificar a entrada correta. Esse processo difere da engenharia de prompts, que se concentra nas capacidades de uma ferramenta específica para determinar as melhores perguntas a fazer.
Junto com a engenharia de prompts, a formulação de problemas é uma área em desenvolvimento. Para aprimorar essa habilidade, várias competências se tornam importantes. Isso inclui a capacidade de diagnosticar um problema de forma sucinta, decompor problemas complexos, reformular questões e pensar nas restrições necessárias para direcionar um sistema de IA. Com questões jurídicas complexas, isso requer acesso à expertise certa e tecnologias adequadas.
Conclusão
Por enquanto, é importante monitorar os desenvolvimentos tanto na engenharia de prompts quanto na formulação de problemas. Mesmo que focar no problema se torne mais convencional, os prompts permanecerão um ativo valioso para usar ferramentas de IA de maneira mais eficaz. Esses dois processos provavelmente se entrelaçarão no futuro. Ter um parceiro que seja pioneiro nessas áreas permitirá que departamentos jurídicos corporativos e escritórios de advocacia decidam sobre casos de uso apropriados, sejam estratégicos, usem essas ferramentas com segurança e mantenham a marketabilidade.
