Large Language Models

Principais notícias

1. 1

   Kroger lança assistente de planejamento de refeições com IA para impulsionar compras

   O que aconteceu: A Kroger apresentou um assistente de compras com inteligência artificial que ajuda os clientes a planejar refeições e adicionar itens ao carrinho, marcando a entrada da varejista em ferramentas de comércio impulsionadas por IA para compras de alimentos. Por que importa: O assistente de IA pode ajudar a Kroger a aumentar o tamanho da cesta e o engajamento dos clientes ao simplificar o planejamento de refeições e as compras — um movimento que sinaliza como os varejistas estão recorrendo à IA para aprimorar a experiência na loja e digital e competir conforme as alternativas de e-commerce crescem.

   O que observar: O escopo do lançamento, precificação, disponibilidade no aplicativo e site da Kroger, e se a ferramenta gera ganhos mensuráveis nos gastos e na fidelidade dos clientes indicarão se o planejamento de refeições impulsionado por IA se torna um recurso padrão no varejo de alimentos.

2. 2

   Equipes jurídicas precisam de IA orientada por problemas, não por tecnologia

   O que aconteceu: Kimberly Harlowe, Diretora Sênior de Suporte a Litígios e Tecnologia da Altria, apresentou um framework para que departamentos jurídicos corporativos adotem IA estrategicamente. A abordagem prioriza identificar problemas comerciais específicos antes de selecionar ferramentas, projetar infraestrutura modular para trocar soluções conforme a IA evolui, e escalar por meio de parcerias com counsel externo em vez de automação apenas interna. Por que importa: Quase 87% dos General Counsels relatam uso ativo de IA, mas pouco mais da metade tem um roadmap formal de implementação. Uma estratégia orientada por problemas — começando com vitórias internas de baixo risco, como organizar documentos legados, depois escalando para fluxos de trabalho de counsel externo — ajuda líderes jurídicos a conquistar apoio executivo ancorando argumentos em economia de custos ou capacidade recuperada, não em características de software.

   Pontos de atenção: O framework enfatiza construir uma 'arquitetura plug-and-play' que evita prender departamentos a ecossistemas de fornecedor único, já que soluções de IA mudam a cada seis meses. Casos de alto impacto para counsel externo incluem resumos automatizados de depoimentos e rascunhos de discovery, com sucesso vinculado ao alinhamento de escritórios de advocacia em torno de ferramentas padronizadas e manutenção de revisão humana em cada etapa.

3. 3

   Walmart usa IA para prever perturbações climáticas e redirecionar inventário antes da chegada de tempestades

   O que aconteceu: A Walmart implementa modelos de IA preditiva e aprendizado de máquina que levam em conta padrões meteorológicos históricos e dados em tempo real para prever como o tempo severo afetará sua cadeia de suprimentos. O sistema ajuda os planejadores a reposicionar o inventário, ajustar tempos de trânsito e redirecionar remessas para locais não afetados antes que as perturbações ocorram. A varejista também utiliza um "mecanismo de fulfillment inteligente" para recalcular rotas de entrega durante eventos climáticos e opera um agente de redirecionamento de tempestades no Canadá que cruza previsões de dez dias com fechamentos de rodovias e ferries. Por que é importante: O tempo severo pode aumentar a demanda por itens essenciais (como guarda-chuvas durante chuvas intensas), reduzir a capacidade do centro de distribuição e fechar rotas principais—especialmente em regiões remotas onde cancelamentos de ferries podem ser a única maneira de chegar às lojas. Ao prever esses impactos em vez de reagir a eles, a Walmart consegue manter as entregas no prazo e manter as lojas abastecidas, ao mesmo tempo que protege a segurança dos motoristas durante emergências como incêndios florestais na Califórnia e Colorado.

   Pontos a acompanhar: A Walmart está usando a mesma abordagem de IA para otimizar o design de sua rede a longo prazo, não apenas para lidar com crises climáticas de curto prazo. Indira Uppuluri, SVP de tecnologia da cadeia de suprimentos, observou que a empresa está "aprendendo como melhorar sua cadeia de suprimentos para o longo prazo" por meio de simulações que podem revelar mudanças estruturais em como a rede opera.

4. 4

   Startup de RH PeopleX aposta em transformação organizacional impulsionada por IA

   O que aconteceu: A PeopleX, empresa de tecnologia para recursos humanos, está se posicionando em torno de agentes de IA que reformularão estruturas organizacionais, conforme comentários da liderança da empresa sobre perspectivas para os próximos cinco anos. Por que importa: A mudança em direção a recursos humanos integrados com IA sinaliza que funções de RH — historicamente vistas como administrativas — estão se tornando centrais para como as empresas operam e competem. Isso reflete uma tendência mais ampla em que gestão de talentos e desenho organizacional são considerados prioridades estratégicas, não centros de custo.

   Pontos para acompanhar: As capacidades específicas e o cronograma de implementação dos agentes de IA da PeopleX ainda estão para ser detalhados, mas a visão da empresa sugere que equipes de RH precisarão repensar recrutamento, estrutura e planejamento de força de trabalho nos próximos cinco anos.

5. 5

   Meta e Microsoft enfrentam custos crescentes com IA em meio a tendências de lucro divergentes

   O que aconteceu: Microsoft e Meta divulgaram relatórios de resultados na quarta-feira mostrando que ambas as empresas estão gastando pesadamente em infraestrutura de IA. Microsoft aumentou seus lucros apesar dos custos mais altos, enquanto Meta reportou um declínio acentuado nos ganhos. Por que importa: A divergência na lucratividade sinala diferentes retornos sobre investimento em IA entre os dois gigantes de tecnologia. Para investidores e líderes empresariais acompanhando as tendências de implementação de IA, a capacidade da Microsoft de compensar gastos com IA com crescimento de lucros pode indicar uma monetização mais forte de seu trabalho em IA, enquanto o declínio de ganhos da Meta sugere que a empresa ainda não está realizando retornos financeiros comparáveis de seus investimentos em IA.

   O que ficar atento: A trajetória contínua dos gastos com IA de ambas as empresas e sua capacidade de converter esse gasto em crescimento de receita moldarão o posicionamento competitivo nos mercados de IA corporativa e serviços em nuvem.

6. 6

   6 formatos de implantação de LLM comparados: velocidade versus flexibilidade de hardware

   O que aconteceu: Uma análise técnica de seis formatos de implantação de LLM em produção—Pickle, safetensors, GGUF, ONNX, MLX e TensorRT—cada um com diferentes compromissos entre velocidade de inferência e compatibilidade de hardware. Pickle e safetensors funcionam em qualquer lugar onde Python funciona; GGUF agrupa pesos e tokenizador para máquinas somente CPU; ONNX permite que modelos troquem frameworks; MLX otimiza para silício Apple; TensorRT compila para GPUs NVIDIA específicas para velocidade máxima. Por que importa: Modelos mais rápidos exigem escolhas específicas de hardware incorporadas no arquivo, de modo que um único modelo deve ser reconstruído separadamente para cada chip ou runtime que precisa suportar. As equipes devem escolher até que ponto descer a escada de velocidade versus compatibilidade—negociando latência de inferência contra os tipos de hardware que podem realmente executar o modelo em produção.

   O que observar: O artigo enfatiza manter o formato de implantação tão alto quanto possível no gráfico de velocidade-compatibilidade permitido pelo orçamento de latência, porque cada passo em direção à execução mais rápida reduz o hardware em que pode funcionar. As equipes que implantam LLMs enfrentam um tradeoff constante entre minimizar o tempo de resposta e maximizar a portabilidade.