O Gartner divulgou as 10 principais tendências tecnológicas estratégicas para 2024. Essas inovações podem levar líderes, gestores e colaboradores mais rapidamente em direção aos seus objetivos de negócios, especialmente na era da IA em rápida evolução. Integre propositalmente algumas selecionadas para ajudar a construir e proteger sua organização digital e, ao mesmo tempo, gerar valor.
Essas tendências tecnológicas estratégicas serão levadas em consideração nas decisões de negócios e tecnologia nos próximos três anos.
O Gartner recomenda que você avalie os impactos e benefícios de cada uma dessas tendências tecnológicas para determinar qual inovação — ou combinação estratégica — terá o impacto mais significativo no sucesso da sua organização. Segue os tópicos das 10 estratégias do documento:
– Gerenciamento de confiança, risco e segurança de IA (AI TRiSM)
A democratização do acesso à IA tornou a necessidade da Gestão de Confiança, Risco e Segurança da IA (TRiSM) ainda mais urgente e clara. Sem barreiras de proteção, os modelos de IA podem gerar rapidamente efeitos negativos agravados que ficam fora de controle, ofuscando qualquer desempenho positivo e ganhos sociais que a IA permite.
AI TRiSM fornece ferramentas para ModelOps, proteção proativa de dados, segurança específica de IA, monitoramento de modelo (incluindo monitoramento de desvio de dados, desvio de modelo e/ou resultados não intencionais) e controles de risco para entradas e saídas para modelos e aplicativos de terceiros.
O Gartner prevê que, até 2026, as empresas que aplicam controlos AI TRiSM aumentarão a precisão da sua tomada de decisão, eliminando até 80% de informações defeituosas e ilegítimas.
– Gerenciamento contínuo de exposição a ameaças (CTEM)
O gerenciamento contínuo de exposição a ameaças é uma abordagem pragmática e sistêmica que permite às organizações avaliar a acessibilidade, exposição e explorabilidade dos ativos digitais e físicos de uma empresa de forma contínua e consistente. Alinhar os escopos de avaliação e remediação do CTEM com vetores de ameaças ou projetos de negócios, em vez de um componente de infraestrutura, traz à tona não apenas as vulnerabilidades, mas também ameaças incorrigíveis.
Até 2026, o Gartner prevê que as organizações que priorizam seus investimentos em segurança com base em um programa CTEM perceberão uma redução de dois terços nas violações.
– Tecnologia Sustentável
A tecnologia sustentável é uma estrutura de soluções digitais utilizadas para permitir resultados ambientais, sociais e de governação (ESG) que apoiam o equilíbrio ecológico e os direitos humanos a longo prazo. A utilização de tecnologias como IA, criptomoedas, Internet das Coisas (IoT) e a computação em nuvem está gerando preocupações sobre o consumo de energia e os impactos ambientais relacionados. Isto torna mais crítico garantir que a utilização da TI se torne mais eficiente, circular e sustentável. Na verdade, a Gartner prevê que, até 2027, 25% dos CIOs verão a sua remuneração pessoal ligada ao impacto tecnológico sustentável.
– Engenharia de Plataforma
Engenharia de plataforma é a disciplina de construção e operação de plataformas de desenvolvimento interno de autoatendimento. Cada plataforma é uma camada, criada e mantida por uma equipe de produto dedicada, projetada para dar suporte às necessidades de seus usuários por meio da interface com ferramentas e processos. O objetivo da engenharia de plataforma é otimizar a produtividade, a experiência do usuário e acelerar a entrega de valor comercial.
– Desenvolvimento Aumentado por IA
Trata-se do desenvolvimento aumentado por IA, é o uso de tecnologias de IA, como GenAI e aprendizado de máquina, para auxiliar engenheiros de software no projeto, codificação e teste de aplicativos. A engenharia de software assistida por IA melhora a produtividade do desenvolvedor e permite que as equipes de desenvolvimento atendam à crescente demanda por software para administrar os negócios. Essas ferramentas de desenvolvimento baseadas em IA permitem que os engenheiros de software gastem menos tempo escrevendo código, para que possam dedicar mais tempo a atividades mais estratégicas, como o design e a composição de aplicativos de negócios atraentes.
– Plataformas de nuvem industriais (ICPs)
Até 2027, o Gartner prevê que mais de 70% das empresas usarão plataformas de nuvem industriais para acelerar suas iniciativas de negócios, contra menos de 15% em 2023. Os ICPs abordam resultados de negócios relevantes para o setor, combinando serviços SaaS, PaaS e IaaS subjacentes. em uma oferta completa de produtos com recursos combináveis. Isso normalmente inclui uma estrutura de dados do setor, uma biblioteca de pacotes de recursos de negócios, ferramentas de composição e outras inovações de plataforma. Os ICPs são propostas de nuvem personalizadas específicas para um setor e podem ser adaptadas às necessidades de uma organização.
As principais tendências tecnológicas estratégicas deste ano destacam as tendências que gerarão disrupções e oportunidades significativas para os CIOs e outros líderes de TI nos próximos 36 meses.
– Aplicativos Inteligentes
O Gartner define Aplicações Inteligentes como adaptação aprendida para responder de forma adequada e autônoma – como uma capacidade. Essa inteligência pode ser utilizada em muitos casos de uso para melhorar ou automatizar o trabalho. Como capacidade fundamental, a inteligência em aplicações compreende vários serviços baseados em IA, como aprendizado de máquina, armazenamento de vetores e dados conectados. Consequentemente, os aplicativos inteligentes proporcionam experiências que se adaptam dinamicamente ao usuário.
Existe uma clara necessidade e demanda por aplicações inteligentes. Vinte e seis por cento dos CEOs na pesquisa Gartner CEO and Senior Business Executive de 2023 citaram a escassez de talentos como o risco mais prejudicial para suas organizações. Atrair e reter talentos é a principal prioridade da força de trabalho dos CEOs, enquanto a IA foi eleita a tecnologia que terá um impacto mais significativo nas suas indústrias nos próximos três anos.
– IA generativa democratizada (GenAI)
A IA generativa a tornar-se-á democratizada pela confluência de modelos massivamente pré-treinados, computação em nuvem e código aberto, tornando estes modelos acessíveis a trabalhadores em todo o mundo. O Gartner prevê que até 2026 mais de 80% das empresas terão usado APIs e modelos GenAI e/ou implantado aplicativos habilitados para GenAI em ambientes de produção, contra menos de 5% no início de 2023.
Os aplicativos GenAI podem tornar vastas fontes de informações – internas e externas – acessíveis e disponíveis para usuários empresariais. Isto significa que a rápida adoção da GenAI democratizará significativamente o conhecimento e as competências na empresa. Grandes modelos de linguagem (LLMs) permitem que as empresas conectem seus trabalhadores ao conhecimento em um estilo conversacional com uma rica compreensão semântica.
– Força de trabalho conectada aumentada (ACWF)
A força de trabalho conectada aumentada é uma estratégia para otimizar o valor derivado dos trabalhadores humanos. A necessidade de acelerar e dimensionar talentos está impulsionando a tendência ACWF. A ACWF utiliza aplicações inteligentes e análises da força de trabalho para fornecer contexto diário e orientação para apoiar a experiência, o bem-estar e a capacidade da força de trabalho de desenvolver as suas próprias competências. Ao mesmo tempo, o ACWF impulsiona resultados empresariais e impacto positivo para as principais partes interessadas.
Até 2027, 25% dos CIOs usarão iniciativas de força de trabalho conectada aumentada para reduzir o tempo de aquisição de competência em 50% para funções-chave.
– Clientes Máquinas (custobots)
Os clientes-máquina são atores económicos não humanos que podem negociar e adquirir autonomamente bens e serviços em troca de pagamento. Até 2028, existirão 15 mil milhões de produtos conectados com potencial para se comportarem como clientes, com mais milhares de milhões a seguir nos próximos anos. Esta tendência de crescimento será a fonte de triliões de dólares em receitas até 2030 e acabará por se tornar mais significativa do que a chegada do comércio digital. As considerações estratégicas devem incluir oportunidades para facilitar estes algoritmos e dispositivos, ou mesmo criar novos custobots.
Cada uma das tendências está relacionada com um ou mais temas-chave para os negócios: proteger e preservar investimentos passados e futuros, construir as soluções certas para as partes interessadas certas no momento certo e agregar valor ao ambiente em mudança dos clientes internos e externos.
Para saber mais, baixe o e-book: seu guia detalhado para as 10 principais tendências tecnológicas estratégicas do Gartner para 2024.
Fonte: Midjourney: in the middle of the universe and multiverse of AI imagination
“Os próximos 2 a 3 anos de IA definitivamente definirão as próximas 2 a 3 décadas do mundo. Para aqueles em tecnologia: você vive uma vida inteira por um momento como este – não o desperdice. Há décadas em que nada acontece, e semanas quando décadas acontecem.” – Alexandr Wang (Fundador e CEO, SCALE)
Acabou de sair o resultado de uma pesquisa sobre inteligência artificial generativa, 2023 AI Readiness Report da Scale, uma survey com mais de 1.600 executivos e profissionais de aprendizado de máquina (ML) para descobrir o que está funcionando, o que não está e as melhores práticas para as organizações implantarem IA para um impacto real nos negócios. Segue abaixo um texto sobre a parte inicial do relatório, visite o site da Scale para mais informações.
IA generativa dá um salto gigantesco
Grandes saltos nas capacidades da IA Generativa definiram 2022. Em meados de 2022, os modelos de difusão de imagem Dall-E 2 (OpenAI) e Stable Diffusion (Stability AI) conquistaram as manchetes. Muitas novas startups correram para construir seus negócios com base nessas poderosas ferramentas de criação de imagens.
Fonte: Sequoia Capital, via CBinsights
No final de novembro, a OpenAI lançou o modelo de linguagem grande GPT-3.5 e a interface de bate-papo ChatGPT, que rapidamente se tornou um dos lançamentos de tecnologia de maior impacto de todos os tempos. A chave para o impacto desse modelo foi o uso do Aprendizado por Reforço com Feedback Humano (RLHF), uma técnica para alinhar o desempenho do modelo com a intenção humana.
Em março de 2023, a OpenAI lançou o GPT-4, o modelo de linguagem grande mais capaz já criado.
Também alinhado com o RLHF, o GPT-4 passou de forma impressionante em muitos exames projetados para testar a capacidade humana no percentil 90 ou superior, incluindo vários exames AP e o exame da barra. Em dezembro de 2022, a Anthropic anunciou um beta fechado de Claude, um LLM com recursos de bate-papo semelhantes ao ChatGPT e uma abordagem de alinhamento humano baseada em “IA Constitucional”, em que a supervisão humana é fornecida por meio de uma lista de regras ou princípios. Em março de 2023, o Google lançou o Bard, sua IA de conversação baseada no modelo LaMDA do Google. Várias outras empresas também estão construindo grandes modelos de linguagem, incluindo AI21 labs, Carper AI, Stability AI e Cohere. Modelos específicos de domínio também serão desenvolvidos no próximo ano, como o BloombergGPT, um modelo desenvolvido especificamente para casos de uso financeiro. Um número cada vez maior desses modelos será treinado e lançado no próximo ano.
Fonte: Momentum Works report – The future by ChatGPT
Os modelos generativos estão sendo integrados ao Google Workspace e ao Microsoft Office, permitindo grandes ganhos de produtividade para usuários corporativos. Essas ferramentas ajudam você a escrever o primeiro rascunho de um documento, gerar apresentações completas a partir de um único prompt ou analisar e visualizar automaticamente os dados financeiros em uma planilha.
Plataformas de software corporativo como Salesforce estão permitindo que analistas e executivos obtenham novas perspectivas sobre dados usando IA Generativa.
O que é IA generativa?
– Grandes quantidades de dados são coletadas de várias fontes, principalmente dados da Internet. Um modelo é treinado em GPUs, produzindo um modelo básico altamente capaz, mas não alinhado às preferências humanas. – O modelo básico é então ajustado por meio do Aprendizado por Reforço de Feedback Humano (RLHF) para alinhá-los mais de perto com as preferências humanas e, no caso de LLMs, interagir em um formato de conversação ou “chat”. – Os modelos generativos são então capazes de produzir imagens ilimitadas e infinitamente criativas, envolver-se em conversas com usuários, resumir documentos e escrevem código.
As capacidades significativamente aprimoradas dos modelos generativos em 2022 impactaram enormemente as estratégias de IA das empresas, com 65% acelerando suas estratégias existentes ou criando uma estratégia de IA pela primeira vez.
Enquanto a maioria dos entrevistados (60%) está experimentando modelos generativos ou planeja trabalhar com eles no próximo ano, apenas 21% têm esses modelos em produção.
As empresas veem o potencial dos modelos generativos para melhorar seus negócios, mas colocá-los em produção é um desafio.
Para liberar o poder de seus dados e aproveitar ao máximo esses modelos, as empresas precisam de experiência em aprendizado de máquina, infraestrutura de ajuste fino e recursos para executar RLHF em escala.
A maioria das empresas não possui os recursos necessários ou mandato para criar seus próprios modelos generativos, portanto, deve depender de terceiros. Das empresas que planejam trabalhar com modelos generativos, a grande maioria procura alavancar modelos generativos de código aberto (41%) ou modelos generativos de API de nuvem (37%), enquanto muito poucas procuram construir seus próprios modelos generativos (22%).
Além disso, 28% estão usando exclusivamente modelos de código aberto, enquanto 26% usam APIs de nuvem (modelos disponíveis comercialmente, como Claude da Anthropic, GPT-4 da OpenAI e Command da Cohere) e apenas 15% estão construindo seus próprios exclusivamente.
Existem vários fatores que as empresas devem considerar ao decidir sobre sua infraestrutura de IA generativa, incluindo sua experiência interna em aprendizado de máquina, orçamento, requisitos de segurança e necessidade de recursos específicos de domínio. Aproveitar um provedor de nuvem é o caminho mais fácil e rápido para obter recursos generativos, mas apresenta maior risco de segurança, menos controle sobre os modelos subjacentes, desempenho de qualidade inferior em tarefas específicas do domínio e pode ser caro.
Os modelos de código aberto fornecem mais controle e são mais baratos, mas exigem mais experiência interna para implantar e ajustar. Empresas que buscam construir seus próprios modelos geradores se beneficiam de maior controle, mas incorrem em maiores custos de coleta de dados, computação e contratação de especialistas em aprendizado de máquina para treiná-los e implantá-los.
61% das empresas estão buscando a IA para ajudar a melhorar a experiência do cliente, 56% para melhorar a eficiência operacional e 50% para aumentar a lucratividade. O foco no foco no cliente beneficia imensamente as organizações, com maior boa vontade do cliente no curto prazo e maior lucratividade no longo prazo.
89% das empresas que adotam IA se beneficiam da capacidade de desenvolver novos produtos ou serviços, 78% delas buscam experiências aprimoradas do cliente e 76% de melhor colaboração entre as funções de negócios. Essas empresas também obtêm maior eficiência e lucratividade nos processos organizacionais. Apesar dos resultados positivos para os adotantes de IA, resultados ainda maiores são possíveis à medida que as empresas aceleram suas estratégias de IA e aumentam seus investimentos em IA.
Os objetivos de uma organização também moldam a eficácia de sua implementação de IA.
As empresas que listam a demanda dos acionistas/investidores como o principal objetivo para a adoção da IA também apresentam os piores resultados em experiência do cliente, receita e lucratividade. Para garantir o sucesso de uma implementação de IA, as organizações devem evitar a implementação de IA apenas para implementar a IA, mas, em vez disso, garantir que os objetivos de uma implementação de IA estejam alinhados com as prioridades da empresa e que a IA seja uma boa solução para um determinado problema.
Uma nova era
Os modelos generativos já estão transformando a forma como criamos arte, entendemos nosso mundo e conduzimos negócios.
Modelos de linguagem grandes nos ajudam a escrever conteúdo como blogs, e-mails ou textos de anúncios de forma mais rápida e criativa. Eles resumem o conteúdo de formato longo para que possamos entender rapidamente as informações mais críticas de relatórios e artigos de notícias. Os modelos de difusão simplificam os fluxos de trabalho de marketing, permitindo que os profissionais de marketing gerem imagens de produtos ilimitadas e infinitamente criativas. Os desenvolvedores usam LLMs para escrever código com mais eficiência e ajudá-los a identificar e corrigir bugs rapidamente. Os chatbots avançados permitem que as empresas melhorem o atendimento ao cliente a um custo menor. Por fim, as organizações estão liberando o poder de suas bases de conhecimento personalizando LLMs com seus dados proprietários para melhor desempenho em tarefas exclusivas de seus negócios.
Agora, veremos alguns termos e tendências importantes para entender essa nova era da IA generativa.
Modelos estão aumentando de tamanho
Com o tempo, os modelos generativos tornaram-se mais capazes à medida que aumentaram de tamanho. O tamanho do modelo geralmente é determinado pelo tamanho do conjunto de dados de treinamento medido em tokens (partes de palavras) ou pelo número de parâmetros (o número de valores que o modelo pode alterar à medida que aprende).
BERT (2018) foi de 3,7 bilhões de tokens e 240 milhões de parâmetros.
GPT-2 (2019) foi de 9,5 bilhões de tokens e 1,5 bilhão de parâmetros.
GPT-3 (2020) tem 499B tokens e 175 bilhões de parâmetros.
PaLM (2022) foi de 780B de tokens e 540 bilhões de parâmetros.
À medida que esses modelos aumentam de tamanho, eles se tornam cada vez mais capazes, fornecendo mais incentivo para as empresas criarem aplicativos de ponta.
Os modelos generativos estão agora mais amplamente disponíveis, pois muitos desenvolvedores de modelos grandes fornecem APIs ou os tornam de código aberto, e as empresas estão adotando rapidamente esses modelos grandes para seus casos de uso de negócios específicos.
Os modelos generativos são treinados em uma grande quantidade de dados da Internet, tornando-os generalistas competentes. Esses modelos podem escrever poesia, resolver quebra-cabeças lógicos e identificar bugs no código.
Embora os modelos generativos sejam ótimos generalistas, eles são péssimos especialistas ao resolver problemas fora de sua distribuição de dados. Como uma parte significativa dos dados é proprietária de organizações individuais, os modelos de linguagem de base ampla não são bem adaptados a esses domínios específicos.
Para melhorar o desempenho nas tarefas específicas de, digamos, uma seguradora, uma empresa de comércio eletrônico ou uma empresa de logística, esses modelos devem ser ajustados e alinhados para se destacar nessas tarefas específicas e fornecer respostas úteis para clientes e funcionários.
Fonte: Sequoia Capital
Aprendizagem por Reforço com Feedback Humano (RLHF) – Embora o Aprendizado por Reforço com Feedback Humano (RLHF) não seja novo para a comunidade de pesquisa, em 2022, ele ganhou popularidade, pois foi um ingrediente crítico para o sucesso do ChatGPT. Em vez de tentar escrever uma função de perda com a qual treinar um modelo, o RLHF envolve solicitar feedback de usuários humanos e treinar um modelo de recompensa nesse feedback. Esse modelo de recompensa definido por humanos é então usado para treinar um modelo básico. Isso também permite o treinamento com muito mais dados, pois o feedback humano é imitado pelo modelo de recompensa, portanto, o tamanho do conjunto de dados agora é limitado apenas por quantos prompts você pode criar. O ajuste de RLHF resulta em modelos mais bem alinhados às preferências humanas, produzindo respostas mais detalhadas e factuais. RLHF também define a “personalidade” e o “humor” do modelo, tornando-o mais útil, amigável e factual do que o modelo base seria de outra forma. Isso significa que obtemos respostas do modelo que parecem mais humanas e menos como falar com uma máquina. O RLHF é um componente crítico para o sucesso dos LLMs recentes e também é fundamental para garantir que as empresas que usam IA generativa obtenham respostas de modelo alinhadas com suas políticas e marcas.
ChatGPT – ChatGPT é uma aplicação que usa um grande modelo de linguagem que foi ajustado especificamente para a tarefa de geração de texto conversacional. O ChatGPT foi treinado com RLHF e dados em formatos de diálogo para permitir que ele atue como um chatbot conversacional. O ChatGPT rapidamente se tornou um dos lançamentos de produtos mais impactantes de todos os tempos, alcançando 1 milhão de usuários em apenas cinco dias e atualmente com mais de 100 milhões de usuários. O ChatGPT foi lançado inicialmente com GPT-3.5, mas agora também inclui GPT-4 para assinantes do ChatGPT plus. Esses modelos são altamente capazes de responder perguntas, gerar conteúdo e resumir. Embora esses modelos forneçam respostas mais robustas, informativas e criativas do que seus antecessores, o verdadeiro avanço para a adoção foi sua capacidade de manter conversas com humanos. A capacidade de interagir com os modelos de forma intuitiva aumentou a acessibilidade dos modelos para que qualquer pessoa possa utilizá-los.
Engenharia de Prompt – 2022 também viu a proliferação de uma nova função para as equipes de aprendizado de máquina, o “engenheiro de Prompt”. Embora os modelos generativos sejam competentes em gerar a saída desejada para casos de uso de negócios, o prompt certo é necessário para otimizar a eficácia do modelo. Os engenheiros de prompt criam cuidadosamente as entradas de linguagem natural para obter respostas mais consistentes e confiáveis dos modelos, para que as saídas do modelo possam ser usadas em aplicativos de negócios. Em vez de escrever uma consulta SQL, esses engenheiros elaboram prompts de linguagem natural refinados. Por exemplo, ao integrar aplicativos com LLMs, as respostas variadas do modelo podem interromper a integração se não forem formatadas corretamente. Digamos que você esteja criando um aplicativo que lida com dados financeiros. A entrada de um usuário pode estar relacionada aos ganhos do quarto trimestre de uma determinada empresa. Os engenheiros de prompt ajudam a modelar respostas para resolver desafios de negócios com maior precisão, eficiência e qualidade. Eles também garantem que as respostas estejam alinhadas com as diretrizes e a voz da marca de uma organização. Eles também são essenciais para encontrar vulnerabilidades em modelos usando técnicas de injeção imediata e ajudando a resolver essas vulnerabilidades antes que um funcionário ou cliente o faça. Essa função é altamente valiosa para garantir a implementação bem-sucedida de modelos generativos nas organizações.
O que esperar em 2023
Maior investimento em IA
Como a IA generativa agora é mais capaz e amplamente disponível, as empresas a estão incorporando rapidamente em suas operações. 72% das empresas aumentarão significativamente seus investimentos em IA a cada ano nos próximos três anos.
Capacidades crescentes de modelos generativos
Muitas organizações agora estão construindo seus próprios grandes modelos generativos. Esses modelos estão sendo incorporados aos mecanismos de pesquisa e combinados com outras ferramentas, incluindo bases de conhecimento internas, para se tornarem poderosas ferramentas de negócios. Esses modelos também se tornarão multimodais, o que significa que poderão consumir e gerar textos, imagens e vídeos, tornando-os ainda mais úteis do que são hoje.
Você pode fazer upload de um catálogo de produtos com imagens e texto para um modelo multimodal, e ele reconhecerá produtos específicos, escreverá descrições de produtos, preencherá atributos ausentes e gerará novas imagens para enriquecer seu catálogo de produtos automaticamente.
Acessibilidade generalizada de modelos generativos
Assim como a nuvem, os modelos generativos amplamente acessíveis representam uma mudança de paradigma para as empresas.
Incorporar esse tipo de IA rapidamente se tornará o status quo, e aqueles que demoram a adotar serão deixados para trás.
Dados proprietários revelarão o poder dos modelos generativos
Por si só, os modelos generativos básicos são ferramentas valiosas. Emparelhados com os dados proprietários de uma empresa, eles se tornam fortes diferenciadores, melhorando a experiência do cliente, o desenvolvimento de produtos e a lucratividade.
Tendências de adoção
Os líderes empresariais identificaram que a IA é fundamental para o futuro de suas empresas e procuram adotá-la o mais rápido e com o maior impacto possível. Examinamos essa tendência e fornecemos insights sobre as melhores práticas.
59% das empresas consideram a IA crítica ou altamente crítica para seus negócios no próximo ano e 69% nos próximos três anos. Os recursos e a disponibilidade crescentes da IA generativa acelerarão a adoção da IA.
Como as empresas veem a IA como mais crítica para o sucesso futuro de seus negócios, elas estão aumentando os investimentos em IA nos próximos três anos. 72% das empresas planejam aumentar seus investimentos em IA a cada ano nos próximos três anos.
As empresas estão gastando menos tempo e esforço em aplicativos tradicionais de visão computacional e, em vez disso, concentrando-se em LLMs e IA generativa. Das empresas que fazem investimentos significativos em IA, 52% estão investindo pesadamente em LLMs, 36% em modelos visuais generativos e 30% em aplicativos de visão computacional.
Com os recursos recentemente popularizados dos LLMs, as empresas mudaram rapidamente suas estratégias de IA para aproveitar o poder da IA generativa.
Conforme mencionado anteriormente, as empresas que adotam a IA estão obtendo resultados positivos de experiências aprimoradas do cliente, a capacidade de desenvolver novos produtos ou serviços e melhorar os produtos existentes e a colaboração aprimorada entre as funções de negócios.
Em geral, as empresas que adotam a IA estão alcançando resultados positivos em quase todas as categorias. Como qualquer programa de tecnologia, o sucesso dos programas de IA depende da capacidade de implementar IA e alinhar os esforços de implementação com metas organizacionais mensuráveis.
Quais recursos as empresas acham que têm o suficiente para implementar com sucesso suas estratégias de IA? Quais recursos estão faltando?
As empresas que consideram a IA crítica para seus negócios indicam que têm o suporte executivo, a estratégia, a visão e o orçamento necessários para implementar com sucesso a estratégia de IA de sua empresa. No entanto, essas empresas geralmente carecem do conhecimento, software e ferramentas necessárias para alcançar o sucesso.
Embora os líderes tenham identificado a necessidade de adotar a IA, a execução dessas estratégias é difícil, sutil e fortemente dependente de experiência. O campo está se movendo tão rapidamente que é difícil acompanhar o ritmo do avanço. Pessoas altamente talentosas com experiência em IA generativa simplesmente não estão disponíveis para a maioria das organizações. Da mesma forma, selecionar, padronizar e atualizar o software e as ferramentas associadas à IA generativa, MLOps e até DevOps é um desafio para empresas sem equipes dedicadas para acompanhar essas mudanças, pois as pilhas de tecnologia necessárias estão em constante evolução.
Considerações finais
O relatório mostra claramente a importância da IA para as organizações, apresenta um panorama da situação atual e do que nos espera em 2023 e nos próximos anos. Além do que foi apresentado aqui, o relatório completo mostra diversos casos de uso por setor econômico e o ciclo de vida de aprendizado de máquina nas empresas.
“Web3, uma nova iteração da World Wide Web baseada na tecnologia blockchain, que incorpora conceitos como descentralização e economia baseada em tokens, ou ainda, um ecossistema online descentralizado habilitado pela tecnologia blockchain, que conecta pessoas, lugares e coisas, sejam elas físicas ou digitais. A promessa é de uma internet centrada no usuário, interoperável, transparente e segura que pode criar novas economias, novas classes de produtos e novos serviços.”
1. O básico da Economia de Tokens
1.1 Uma nova Web surgindo: Web3
Enquanto o Web2 foi uma revolução de front-end – cuja interface com o usuário permitia somente navegação e leitura/escrita como em sites de e-commerce e mídia social, a Web3 é uma revolução de back-end – que introduz uma camada de estado universal. É um conjunto de protocolos liderados pela blockchain, que pretendem reinventar a forma como a Internet é conectada no back-end, combinando a lógica da Internet com a lógica do computador.
A Internet que usamos hoje armazena e gerencia dados em servidores de instituições confiáveis. Na Web3, os dados são armazenados em várias cópias de uma rede P2P (par-a-par ou ponto-a-ponto), e as regras de gerenciamento são formalizadas no protocolo e garantidas pelo consenso da maioria de todos os participantes da rede, muitas vezes (mas nem sempre) incentivados com um token (que representa um ativo ou direito de acesso) de rede para suas atividades.
Ao contrário dos aplicativos centralizados executados em um único computador, os aplicativos descentralizados (Dapps) são executados em uma rede P2P de computadores. Eles existem desde o advento das redes P2P. Os aplicativos descentralizados não precisam necessariamente ser executados em uma blockchain.
Tanto a criptomoeda Bitcoin como a tecnologia blockchain subjacente não surgiram do nada. Elas estão enraizadas no início da história do computador e da Internet, construídas em décadas de pesquisa sobre redes de computadores, criptografia e teoria dos jogos.
1.2 Segurança dos Tokens: Criptografia
Criptografia é a prática e o estudo da comunicação segura na presença de terceiros. O objetivo é criar sistemas de informação que sejam resilientes contra espionagem, manipulação e outras formas de ataque.
A criptografia em blockchain é usada para identificar com confiança todos os atores da rede e permite a transparência das interações, mantendo a privacidade de todos os atores da rede.
A criptografia de chave pública é usada para provar a identidade de alguém com um conjunto de chaves criptográficas: uma chave privada e uma chave pública, que em combinação com uma transação cria nossa assinatura digital. Essa assinatura digital prova a propriedade de nossos tokens (criptomoedas ou outros ativos digitais) e nos permite controlá-los por meio de um software chamado “carteira” (wallet).
Semelhante a uma assinatura manuscrita, uma assinatura digital é usada para verificar se você é quem diz ser. Na blockchain do Bitcoin e em outras como a do Ethereum, as assinaturas digitais são funções matemáticas que fazem referência a um endereço de carteira específico que gerencia seus tokens em uma blockchain.
Uma função de hash é um algoritmo matemático que pode pegar qualquer tipo de entrada, como um texto (string), um arquivo de texto ou um arquivo de imagem, e o compila em uma string de saída de tamanho fixo chamada hash. É uma função unidirecional, o que significa que a única maneira de recriar os dados de entrada originais (mensagem) do hash é tentar todas as entradas possíveis para ver se elas produzem uma correspondência. Embora isso seja possível, é demorado e, portanto, caro.
“Proof-of-Work” é o mecanismo de consenso usado na Rede Bitcoin para garantir que as transações enviadas pela rede sejam válidas. O objetivo desse mecanismo é evitar o gasto duplo de tokens e ataques ao sistema, assumindo que todos os atores da rede podem ser potencialmente corruptos. Os hashes são usados para criar um quebra-cabeça matemático, que os atores da rede (nodes) precisam resolver para criar um bloco de transações verificadas. Esse processo é chamado de “mineração” e os “nós de mineração” precisam competir entre si para gerar um bloco válido de transações. Eles precisam realizar um trabalho computacional para resolver o quebra-cabeça, e é por isso que esse processo é chamado de “prova de trabalho”.
1.3 Bitcoin, Blockchain e outros: Gestão de Tokens
Blockchain é um livro-razão compartilhado e distribuído onde cópias imutáveis e criptografadas das informações que são armazenadas em diversos computadores (nodes) da rede. Tais informações neste livro-razão geralmente consistem de blocos de registros de transações feitas. Qualquer registro envolvido não pode ser alterado retroativamente, sem a alteração de todos os blocos subsequentes.
Todos os participantes (nodes) da rede têm acesso igual aos mesmos dados em tempo real. As transações executadas na rede são transparentes para todos os atores e podem ser rastreadas até sua origem.
O livro razão, armazenado em todos os computadores da rede P2P, garante que cada unidade de valor seja transferida apenas uma vez. Ele atua como um notário digital e um carimbo de data/hora publicamente verificável.
Ao contrário dos bancos de dados distribuídos, as blockchains permitem o controle distribuído, onde diferentes partes que não confiam umas nas outras podem compartilhar informações sem a necessidade de um administrador diferente.
Isso permite que contratos inteligentes imponham lógica de negócios e regras de governança por meio de consenso e podem ser vistos como o próximo nível de automação.
Blockchain baseia-se na ideia de redes P2P e fornece um conjunto de dados universal em que todos os atores podem confiar, mesmo que não se conheçam ou não confiem uns nos outros. Pessoas e instituições que não se conhecem ou confiam umas nas outras e que residem em países diferentes, sujeitas a diferentes jurisdições e que não possuem acordos juridicamente vinculativos entre si, agora podem interagir pela Internet sem a necessidade de terceiros confiáveis, como bancos, plataformas de Internet ou outros tipos de instituições de compensação.
Ideias em torno de redes P2P seguras por criptografia têm sido discutidas no meio acadêmico em diferentes estágios evolutivos desde a década de 1980. No entanto, antes do surgimento do Bitcoin, nunca houve uma implementação prática de uma rede P2P que conseguisse evitar o problema do gasto duplo, sem a necessidade de intermediários confiáveis garantindo a troca de valor.
O “problema do gasto duplo” refere-se ao fato de que na Internet atual, o dinheiro digital, na forma de um arquivo, pode ser copiado, e cópias desse mesmo arquivo digital poderiam ser enviadas de um computador para vários outros computadores ao mesmo tempo.
Mecanismos de consenso, como “prova de trabalho“, permitem o controle distribuído. Eles são baseados na combinação de incentivos econômicos e criptografia. A teoria dos jogos aplicada é usada para recompensar os atores da rede com um token de rede nativo. Este mecanismo de recompensa é projetado de forma que seja economicamente inviável enganar a rede. Isso torna extremamente difícil falsificar o blockchain, devido à imensa quantidade de poder de computação que seria necessário para fazê-lo. Ao contrário de blockchains públicos e sem permissão, em blockchains com permissão, todos validadores são membros de um consórcio.
A tecnologia de livro-razão distribuído (DLT) surgiu como um termo abrangente usado para descrever tecnologias que distribuem registros ou informações entre todos aqueles que os utilizam, seja de forma privada ou publicamente.
2. Contratos Inteligentes e Redes Tokenizadas
2.1 Contratos Inteligentes
Um contrato inteligente é um software autoaplicável gerenciado por uma rede P2P de computadores. Contratos inteligentes fornecem uma estrutura de coordenação e execução de acordos entre os participantes da rede, sem a necessidade de contratos legais tradicionais. Eles podem formalizar as relações entre pessoas e instituições e os bens que possuem pela Internet, sem a necessidade de intermediários confiáveis.
O termo “contrato inteligente” foi cunhado pela primeira vez por Nick Szabo em 1996 e precede o desenvolvimento de blockchains. Ainda era o início da Web quando Szabo apontou que a revolução digital não apenas criaria novas instituições, mas também formalizaria as relações econômicas e sociais.
Casos de uso de contratos inteligentes variam de simples a complexos. Eles podem ser usados para transações econômicas simples, como enviar dinheiro de A para B, registrar qualquer tipo de propriedade e direitos de propriedade, como registros de imóveis e propriedade intelectual, ou gerenciar o controle de acesso inteligente para a economia compartilhada. A forma mais complexa de um contrato inteligente é uma organização autônoma descentralizada (DAO). Os contratos inteligentes também podem ser usados para criar tokens.
Os contratos inteligentes têm o potencial disruptivo em muitos setores. Os casos de uso podem ser encontrados em bancos, seguros, energia, governo eletrônico, telecomunicações, indústria musical e cinematográfica, artes plásticas, mobilidade, educação e muito mais.
Oráculos são serviços de software que localizam e verificam ocorrências do mundo real e submetem essas informações a um contratos inteligentes, acionando automaticamente mudanças de estado na blockchain. A principal tarefa dos oráculos é fornecer esses valores ao contrato inteligente de maneira segura e confiável. Esses fluxos de dados são provenientes de software (aplicativo de Big Data) ou de hardware (Internet das Coisas).
2.2 Economia Institucional das Redes Tokenizadas
Blockchain e contratos inteligentes são tecnologias de governança que podem minimizar os dilemas existentes principal-agente das organizações e os riscos morais subsequentes. Os tokens de redes distribuídas fornecem uma nova forma de incentivos para alinhar interesses automaticamente na ausência de terceiros.
Dilemas principal-agente ocorrem quando o agente de uma organização tem o poder de tomar decisões em nome ou impactar o principal – outra pessoa ou entidade na organização. Exemplos disso podem ser administradores que atuam em nome de acionistas ou políticos que atuam em nome de cidadãos. Em tais configurações, o risco moral ocorre quando uma pessoa assume mais riscos do que normalmente faria, porque outra pessoa arca com o custo desses riscos. Esse dilema geralmente aumenta quando há uma assimetria de informação subjacente em jogo.
Governança refere-se às regras, normas e ações de como as pessoas interagem dentro de uma comunidade ou organização por meio de leis, normas, força ou linguagem. As regras de governança de uma organização ou grupo de pessoas passam a regular o processo de tomada de decisão entre todas as partes interessadas envolvidas.
As redes tokenizadas podem interromper as estruturas de governança tradicionais e desafiar as formas atuais de como a sociedade se organiza. Elas prometem uma coordenação mais descentralizada e espontânea pela Internet entre usuários que não se conhecem ou não confiam uns nos outros, geralmente chamadas de organizações descentralizadasautônomas(DAOs).
Desde o surgimento da Internet, surgiu uma vasta gama de tribos distribuídas da Internet, que culmina nas plataformas de mídia social de hoje. As redes tokenizadas da Web3 introduzem uma nova camada de governança, com a DAO como um novo organismo social para a Internet. Redes descentralizadas autônomas representam organismos vivos dinâmicos governados por protocolos executáveis por máquinas.
Uma DAO pode ser formalizado por um contrato inteligente. Os casos de uso variam de simples a complexos. A complexidade depende do número de partes interessadas, bem como do número e complexidade dos processos dentro dessa organização que serão regidos pelo contrato inteligente. Dependendo do propósito e das regras de governança da organização, esses casos de uso podem se assemelhar a empresas ou nações.
Os protocolos Blockchain são comparáveis à constituição e às leis governamentais dos estados-nação. Semelhante a uma rede blockchain pública e sem permissão, os estados-nação também têm um código, a constituição, que é pública e de código aberto. A diferença significativa é que as redes tokenizadas são autoaplicáveis.
2.3 Governança e Redes Tokenizadas
A governança no contexto de uma rede tokenizada como uma blockchain pública refere-se ao processo de obtenção de consenso social sobre a evolução do protocolo.
O consenso em torno de atualizações de protocolo pode ocorrer off-chain ou on-chain.
Os primeiros protocolos Blockchain, como Bitcoin e Ethereum, dependem de uma suposição simplista de “código é lei” e têm um governo social bastante espontâneo e não bem institucionalizada camada de governança que acontece “fora da cadeia“. Vários projetos de blockchain mais recentes introduziram vários modelos de “governança on-chain“, onde os mecanismos de governança são uma parte integral do protocolo.
Dependendo do protocolo, existem certas verificações e balanços em vigor, onde mineradores e detentores de tokens que executam nós completos podem adotar ou não as alterações propostas. As partes interessadas em uma rede tokenizada podem ser resumidas como (1) mineradores, (II) desenvolvedores, (III) usuários executando nós completos, (IV) usuários que não executam nós completos e (V) o ecossistema de negócios que pode atuar como um formador de mercado como corretoras, comerciantes, etc.
A questão de quanta coordenação pode ser feita “on-chain” versus “off-chain” não está resolvida. A questão não é qual abordagem é melhor, mas como podemos aplicar de forma significativa uma combinação de ambas as abordagens para resolver o processo de tomada de decisão em grandes ambientes multistakeholder. Supõe-se que uma certa quantidade de coordenação on-chain torna a coordenação global mais fácil, mas não resolve o fator humano.
3. Economia de Tokens
3.1 Tokens
Tokens criptográficos referem-se a ativos ou direitos de acesso, gerenciados por um contrato inteligente e um livro-razão distribuído (DLT) subjacente. Eles são acessíveis apenas pela pessoa que possui a chave privada desse endereço e só podem ser assinados usando essa chave privada.
Tokens podem representar qualquer coisa, desde uma reserva de valor até um conjunto de permissões no mundo físico, digital e jurídico. Eles facilitam a colaboração entre mercados e jurisdições e permitem uma interação mais transparente, eficiente e justa entre os participantes do mercado, a custos baixos. Os tokens também podem incentivar um grupo autônomo de pessoas a contribuir individualmente para um objetivo coletivo. Esses tokens são criados mediante a comprovação de um determinado comportamento.
Tokens não são uma coisa nova e existem desde muito antes do surgimento do blockchain. Tradicionalmente, os tokens podem representar qualquer forma de valor econômico. Os tokens também são usados na computação, onde podem representar um direito de realizar alguma operação ou gerenciar direitos de acesso. Uma forma mais tangível de tokens de computador são os códigos de rastreamento que você obtém para rastrear sua encomenda com serviços postais ou QRcodes (tickets) que fornecem acesso a um trem ou avião.
O termo “token” é simplesmente uma metáfora. Ao contrário do que a metáfora pode sugerir um token não representa um arquivo digital que é enviado de um dispositivo para outro. Ao invés disso, refere-se a ativos e/ou direitos de acesso que são gerenciados coletivamente por uma rede de computadores, uma rede blockchain ou outro livro-razão distribuído.
Os tokens criptográficos representam um conjunto de regras, codificadas em um contrato inteligente – o contrato token. Cada token pertence a um endereço blockchain. Esses tokens são acessíveis por meio de um software, uma carteira que se comunica com o blockchain e gerencia o par de chaves público-privadas relacionadas ao endereço do blockchain. Somente a pessoa que possui a chave privada desse endereço pode acessar os respectivos tokens.
Essa pessoa pode ser considerada o proprietário ou guardião desses tokens. O proprietário pode iniciar a transferência do ativo assinando com sua chave privada, que por sua vez gera uma assinatura digital. Quem perder a chave privada, perderá o acesso aos seus fundos.
A identificação de diferentes propriedades de um token pode ser usada como uma primeira etapa para ajustar uma estrutura de classificação futura e também usada para técnicas de modelagem ao desenvolver o token. As perspectivas mais importantes das quais podemos deduzir as propriedades de um token são: (1) técnica; (11) dos direitos; (III) da fungibilidade (IV) da transferibilidade; (V) de durabilidade; (VI) regulatória (VII) de incentivo; (VIII) da oferta; e (IX) de fluxo de token.
Embora muitos tokens emitidos nos primeiros anos de blockchains e vendas de tokens representassem tokens fungíveis, temos os tokens não fungíveis (NFTs) muito diversificados que podem exceder em muito o impacto dos tokens nativos de blockchain ou outros tokens fungíveis.
Enquanto os tokens fungíveis são idênticos e intercambiáveis (exemplo: criptomoedas), os tokens não fungíveis são únicos por natureza (exemplo: representações digitais de obras de arte), com propriedades variadas que podem ser distinguidas umas das outras.
3.2 O Futuro do Dinheiro
Em uma economia de mercado baseada na divisão do trabalho e dinheiro emitido por órgãos governamentais, o papel do dinheiro é facilitar a troca de bens e serviços. Isso torna a troca econômica muito mais eficiente do que as economias de troca, evitando ineficiências de tais sistemas, como o problema da “coincidência de desejos”.
O dinheiro provou ser uma tecnologia eficiente para intermediar a troca de bens e serviços, fornecendo uma ferramenta para comparar valores de objetos diferentes. Tem diferentes funções e propriedades: (1) meio de troca; (II) medida de valor e unidade de conta em que a dívida pode ser denominada; e como (III) reserva de valor.
Para cumprir suas várias funções, o dinheiro deve ter certas propriedades, que incluem (I) liquidez, (II) fungibilidade, (III) durabilidade, (IV) portabilidade, (V) cognoscibilidade e (VI) estabilidade. Ele também precisa de algumas (VII) medidas incorporadas para evitar a falsificação.
Nas economias modernas, o tipo de dinheiro dominante é a chamada (I) moeda fiduciária. Prévio à existência de moedas fiduciárias modernas, tínhamos (II) moeda-mercadoria e (III) dinheiro representativo.
Embora o Bitcoin tenha sido originalmente projetado com o objetivo de criar dinheiro P2P sem bancos, a tecnologia blockchain subjacente que faz isso acontecer provou ser uma porta de entrada para um novo tipo de criação de valor econômico. Incentiva contribuições individuais para um objetivo público: uma rede de pagamento P2P. É um token e uma rede de pagamento.
Tokens de protocolo como Bitcoin ou Ether são necessários para pagar transações em suas respectivas redes. Eles representam o “curso legal” da rede, necessário para pagar pelos serviços de rede. A remessa P2P é a infraestrutura pública que a Rede Bitcoin fornece. As taxas de transação para essas remessas precisam ser pagas com tokens BTC. A computação P2P é a infraestrutura pública que a Rede Ethereum fornece. As taxas de transação para cálculo de contratos inteligentes precisam ser pagas com o token nativo, ETH. O armazenamento de arquivos P2P é a infraestrutura pública que, por exemplo, a Rede Sia oferece. As taxas de transação para serviços de armazenamento de arquivos precisam ser pagas com o token nativo, SIA ou outro token de serviços de armazenamento.
Atualmente, a maioria dos tokens não cumpre uma das propriedades mais importantes do dinheiro: estabilidade de valor e, até certo ponto, fungibilidade. A usabilidade também é um problema como uma barreira de entrada para a potencial adoção em massa, pois ainda há muitos problemas em relação à escalabilidade da infraestrutura de blockchain e usabilidade da carteira. Sem melhor usabilidade, os tokens não podem cumprir seu papel como um meio de troca amplamente aceito.
3.3 Tokens Estáveis
A estabilidade do valor é uma das funções mais importantes do dinheiro para servir como meio de troca. O objetivo dos tokens estáveis é fornecer uma reserva de valor, unidade de troca e unidade de conta representada por um token criptográfico, que mantém um valor estável em relação a um preço-alvo, como EUR, USD ou Real.
O objetivo do Bitcoin era criar dinheiro eletrônico P2P. Enquanto o protocolo subjacente introduziu um algoritmo de consenso inovador, o protocolo define apenas uma política monetária que simplesmente regula e limita a quantidade de tokens cunhados ao longo do tempo. O protocolo não fornece um algoritmo econômico sofisticado que garanta a estabilidade de preços.
Assim como desenvolver um algoritmo de consenso seguro exigiu décadas de pesquisa e desenvolvimento, uma quantidade equivalente de rigor acadêmico é necessária quando se trata de desenvolver aspectos de política monetária de dinheiro eletrônico P2P. No entanto, não há necessidade de reinventar a roda. Há muito que se pode aprender com a macroeconomia e décadas de experiência com políticas monetárias definidas por governos e bancos centrais tentando alcançar a estabilidade da moeda – tanto o que fazer quanto o que não fazer.
Tokens de protocolo de última geração são impraticáveis para pagamentos do dia a dia. Sem um meio de troca estável que possa ser gerenciado pelo blockchain subjacente, nenhuma parte de um contrato inteligente pode confiar no preço denominado de um determinado token. Essa falta de estabilidade de preços levou ao surgimento de tokens estáveis nos últimos anos. Seu objetivo é remover a extrema volatilidade dos preços para abrir caminho para o uso comercial de tokens.
Tokens estáveis são blocos de construção indispensáveis para uma economia próspera de tokens; de outra forma, contratos inteligentes e aplicativos descentralizados continuarão sendo fenômenos marginais, pois representam um alto risco para ambas as partes de um contrato inteligente, o comprador e o vendedor. As empresas provavelmente não aceitarão tokens em grande escala, se seu valor puder cair drasticamente em um curto período de tempo. Elas precisariam cobrir deltas de preços enquanto os pagamentos estão sendo processados. Salários ou quaisquer outros pagamentos recorrentes, como aluguel, pagamentos de serviços públicos etc., não podem ser denominados ou planejados de forma confiável com tokens instáveis.
Tipos de tokens estáveis: (1) tokens estáveis garantidos por ativos; (II) tokens estáveis garantidos ou (III) Ações de senhoriagem.
3.4 Tokens de Negociação, Trocas Atômicas e DEX
Enquanto blockchains e outros ledgers distribuídos permitem a transferência de tokens com intermediários, eles permitem apenas a remessa P2P de seus próprios tokens. Como os tokens criam apenas um blockchain específico, esses tokens não podem se mover entre as redes por motivos de interoperabilidade. A compra e venda de tokens ainda requer provedores de serviços centralizados.
As corretoras online oferecem serviços para quem deseja comprar e vender tokens. Elas agem como intermediários confiáveis e parecem ter se tornado os novos portais que decidem quais tokens são negociados e quais não.
As corretoras atuam como formadoras de mercado. Elas influenciam o destino de um token decidindo em incluí-los ou não.
A maioria das corretoras hoje são centralizadas (CEX), o que significa que elas atuam como intermediárias entre compradores e vendedores de tokens. Elas permitem a compra e venda simples de tokens, também contra moedas fiduciárias, e fornecem fácil criação de carteira e gerenciamento de contas, incluindo a proteção de chaves privadas.
Cuidado! As corretoras centralizadas são um serviço importante nesta nova economia de tokens, mas têm pontos únicos de falha, sendo vulneráveis a hack, má administração, volatilidade de volume ou censura.
A interoperabilidade geral do blockchain pode ser uma solução para esse problema. trocas (swaps) atômicas são outra solução, com viabilidade mais imediata.
As swapsatômicas permitem a negociação entre cadeias P2P e podem ser executados diretamente entre blockchains separados, de carteira para carteira, sem um intermediário confiável como as corretoras. Eles usam um tipo de contrato inteligente chamado HTLC (hash time-locked contract) para proteger a transação, certificando-se de que ambas as partes da negociação cumpram os requisitos da transação.
As trocas atômicas não resolvem o problema da “coincidência de desejos“. Elas beneficiarão apenas as pessoas que conhecem outra pessoa que está disposta a comprar a quantidade exata de tokens que você está vendendo, pela quantidade exata de tokens que deseja comprar, exatamente ao mesmo tempo. A probabilidade de isso acontecer para investidores de varejo é bastante baixa. As trocas descentralizadas, no entanto, poderiam resolver ambos os problemas.
Corretoras descentralizadas (DEX) são aplicativos descentralizados executados em um livro-razão distribuído, onde as pessoas que desejam trocar tokens podem postar os tokens que desejam vender, contra tokens que outros desejam vender. Elas tentam combater todas as desvantagens das corretoras centralizadas, mantendo-se fiéis à ideologia descentralizada da Web3. Isso permitiria que estranhos trocassem tokens sem a necessidade de uma autoridade central nos assentamentos.
Uma corretora totalmente descentralizada faria uso de trocas atômicas ou tecnologia semelhante, com uma camada de descoberta adicional que permite a negociação entre dois proprietários de tokens casuais que não se conhecem e, de outra forma, não saberiam como se encontrar. No entanto, a maioria das corretoras autoproclamadas descentralizadas está longe de ser totalmente descentralizada.
Considerações Finais
A economia de tokens é uma realidade que tem acontecido e evoluído muito rapidamente, ela faz parte de uma rede descentralizada P2P suportada por blockchain e outras tecnologias. Ela possibilita junto com contratos inteligentes, aplicações descentralizadas, e outros recursos uma nova Web, conhecida como Web3, mais segura, mais confiável e mais focada nos indivíduos.
O texto deste artigo trata-se de uma tradução adaptada dos resumos dos capítulos do livro “Token Economy: How Blockchain and Smart Contracts Revolutionize the Economy” de Shermin Voshmgir, 2019.
Blog do Nei 