A startup TypeSafe AI, que pretende automatizar tarefas fazendo um modelo produzir probabilidades em vez de texto ou código, captou US$ 870 milhões. Na rodada de investimentos, a empresa foi avaliada em US$ 7,5 bilhões. A rodada foi liderada pela Andreessen Horowitz, com participação da Sequoia e da investidora já existente DCVC.

Contexto

O modelo Jev, da TypeSafe AI, ganhou popularidade rapidamente nas semanas após seu lançamento, em 15 de setembro. A empresa afirma que um terço das empresas da Fortune 500 já usa o Jev. Essa é uma declaração da companhia sobre a escala de adoção empresarial; ela não especifica o que considera “adoção”.

O Jev se baseia na arquitetura Transformer (uma estrutura de modelo de IA que processa informações de entrada), mas não é um grande modelo de linguagem (LLM, na sigla em inglês, um modelo treinado com grandes volumes de dados linguísticos e usado principalmente para lidar com texto). Em vez de texto, o Jev produz probabilidades, que a TypeSafe AI chama de “decisões calibradas”. A empresa afirma que o Jev é muito mais rápido do que os LLMs e usa muito menos tokens (unidades de texto processadas pelo modelo).

Essa diferença está ligada ao uso que a TypeSafe AI propõe para o modelo. A empresa afirma que o Jev foi concebido para automatizar tarefas, em vez de gerar texto ou código. O cofundador Diogo Almeida disse ao TechCrunch que, como os computadores usam uma linguagem diferente da dos seres humanos, ter proficiência em linguagem humana não é útil para a automação.

A TypeSafe AI foi fundada em 2024 por Sasha Sheng, ex-engenheira de pesquisa da Meta, e Eric Gaffney, engenheiro e empreendedor. Almeida também é apresentado como cofundador; anteriormente, trabalhou como pesquisador na OpenAI. A direção do Jev — automatizar tarefas empresariais em vez de gerar texto — ajuda a explicar por que a empresa vem chamando atenção tanto por sua grande captação de recursos quanto por suas alegações de adoção empresarial.

O que essa notícia significa

A notícia mostra que, na avaliação de uma IA empresarial, não importa apenas quão naturalmente ela gera texto: o formato de saída mais adequado para executar uma tarefa específica também pode ser um fator importante. No entanto, uma rodada de investimentos e uma avaliação da empresa não equivalem a comprovar de forma independente o desempenho do modelo.

Por exemplo, uma empresa que esteja considerando automatizar a leitura de documentos e a classificação do conteúdo em categorias predefinidas pode avaliar se a geração de frases é realmente necessária e se uma saída em forma de probabilidades atende às necessidades do trabalho. Esse é um exemplo hipotético; a reportagem não informa quais resultados o Jev obteve em tarefas específicas.

A velocidade e o menor uso de tokens, assim como a afirmação de que um terço das empresas da Fortune 500 usa o modelo, são alegações da empresa. A reportagem não apresenta verificação independente de desempenho nem critérios específicos de uso que as sustentem.

Fatos confirmados e o que ainda não se sabe

Fatos confirmados

  • A TypeSafe AI desenvolveu o Jev, captou US$ 870 milhões e foi avaliada em US$ 7,5 bilhões.
  • A rodada foi liderada pela Andreessen Horowitz, com participação da Sequoia e da investidora já existente DCVC.
  • O Jev se baseia em Transformer, mas não é um LLM; em vez de texto, produz probabilidades.
  • A TypeSafe AI descreve o Jev como um modelo mais adequado à automação de tarefas do que à geração de texto ou código.

O que ainda não se sabe

  • A reportagem não informa como a empresa pretende usar os US$ 870 milhões captados.
  • Não foi possível confirmar se há resultados de verificações independentes de desempenho que sustentem as alegações da empresa sobre a velocidade do Jev e seu uso de tokens.
  • Não se sabe quais critérios de uso foram aplicados nem quantas empresas estão incluídas na afirmação de que um terço das empresas da Fortune 500 usa o modelo.

O que os leitores devem verificar

  • Se estiver considerando adotar o Jev, a empresa deve primeiro distinguir se a tarefa exige geração de texto ou se é adequada à automação que usa probabilidades.
  • Ao avaliar as alegações da empresa sobre velocidade e uso de tokens, é preciso verificar os parâmetros de comparação, as condições de medição e se houve verificação independente.
  • Para avaliar casos de adoção empresarial, é importante conferir o que a empresa entende por “uso” e qual é o papel efetivamente desempenhado pelo modelo no trabalho.