Mais de 30% do aumento da procura por API terá origem na IA e em Modelos de Linguagem de Grande Escala

A inteligência artificial e os Modelos de Linguagem de Grande Escala (LLM) serão responsáveis por um aumento de mais de 30% na procura por interfaces de programação de aplicações (API) até 2026.

De acordo com uma investigação da Gartner, que contou com a participação de 459 service providers de tecnologia e que decorreu entre outubro e dezembro de 2023, 83% dos entrevistados revelaram que já implementaram ou estão atualmente a testar a IA generativa no seio das organizações.

Adrian Lee, VP Analyst na Gartner, considera que as consequências da adoção do GenAI “serão generalizadas”, o que implica “o aumento da demanda por API para soluções habilitadas para LLM e GenAI”. Este cenário, prossegue o analista, implica que service providers de tecnologias se movam mais rápido do que nunca “para atender à procura”.

“Os clientes corporativos devem determinar a melhor forma de adicionar o GenAI às ofertas, seja através de API de terceiros ou com modelos de open-source. Com a liderança dos service providers de tecnologia, possibilitam uma conexão natural entre estes clientes corporativos e as suas necessidades de soluções habilitadas para GenAI”, acrescenta Adrian Lee.

A investigação descobriu que metade dos service providers irão proceder a mudanças estratégicas de forma a estenderem as suas principais ofertas de produtos/serviços e a obterem uma solução completa de ponta a ponta.

Até 2026 a previsão aponta para que mais de 80% dos fornecedores independentes de software tenham recursos de GenAI incorporados nas suas aplicações corporativas.

Antes de incorporarem os recusos da IA generativa nos produtos e serviços, os service providers necessitam de:

Documentar o use case e definir o valor da experiência para os utilizadores que tenham o GenAI como parte do produto;
Determinar qual a melhor forma de adicionar o GenAI nas ofertas (através de API e terceiros ou com modelos de open-source) e considerar os custos dos novos recursos;
Resolver e corresponder aos pedidos dos utilizadores através de otimizações que evitem o atrito entre o utilizador e as curvas de aprendizagem;
Analisar os diferentes riscos específicos como os resultados imprecisos, a privacidade de dados e a violação do IP, incluindo barreiras de proteção específicas para cada risco.