Talvez. Sem dúvida, isso tem aplicações mais amplas do que apenas representar uma ameaça aos mecanismos de busca tradicionais ou escrever redações escolares e textos publicitários.
O que é IA generativa?
A IA generativa é uma aplicação de aprendizado de máquina capaz de criar diversos tipos de conteúdo, como textos, imagens ou áudios, a partir de comandos em linguagem natural. Ela ganhou ampla popularidade com o lançamento do ChatGPT — um projeto da OpenAI —, o que levou a uma explosão de novos usos em diversos setores.
Se você ainda não experimentou o ChatGPT, recomendo que reserve um momento para fazer algumas perguntas a ele. Peça que fale sobre você, por exemplo, ou sobre alguma figura histórica, ou que explique como algo funciona. Embora seja aconselhável ter cautela — o ChatGPT nem sempre está certo —, essa é uma experiência reveladora justamente por ser uma experiência nova.
O que o ChatGPT fez foi fornecer uma prova de conceito para a IA generativa. Ele nos deu uma visão das possibilidades de como poderíamos trabalhar de maneira diferente e, para nós do Escritório do CTO da F5, abriu caminhos interessantes para explorar como essa tecnologia poderia ser aplicada à entrega e à segurança de aplicações.
Do imperativo ao declarativo e ao generativo
Um dos desafios de infraestrutura é configurar a infinidade de dispositivos, serviços e sistemas necessários para disponibilizar e proteger até mesmo uma única aplicação. As organizações utilizam, em média, 23 serviços de aplicação diferentes — sem contar as ofertas “como serviço”.
Agora, nem preciso dizer que configurar um serviço de proteção de aplicações web e APIs é diferente de configurar um simples serviço de balanceamento de carga. Isso significa que os profissionais responsáveis por configurar e operar serviços de aplicações talvez precisem dominar uma dúzia de “linguagens” diferentes.
O setor vem tentando resolver essa questão há anos. Quando as APIs se tornaram o principal meio de configurar tudo, os serviços de entrega e segurança de aplicações não foram exceção. Todos começaram com APIs imperativas, que simplesmente mudaram a forma de emitir comandos. Em vez de digitar comandos em uma CLI, você enviava comandos de API via HTTP.
Logo ficou claro que o imposto das APIs decorrente da dependência de APIs imperativas era alto demais, e o setor migrou para APIs declarativas. Mas, infelizmente, a maior parte do setor decidiu que declarativo significava “configuração como JSON”. Assim, em vez da intenção (essa palavra é importante, lembre-se dela) por trás do modelo declarativo, que é “diga-me o que você quer fazer, e eu farei isso por você”, acabamos com “aqui está a configuração que eu quero; agora faça o trabalho difícil de implementá-la”.
Não é exatamente a mesma coisa, e ainda era necessário o mesmo nível de conhecimento especializado sobre o modelo operacional específico de cada solução. Não tenho certeza de que o setor tenha chegado a um consenso sobre se os balanceadores de carga usavam “pools” ou “farms”, muito menos sobre os detalhes mais complexos de como os servidores virtuais interagem com servidores reais e instâncias de aplicações. Portanto, tudo o que o setor fez com a abordagem declarativa foi transferir dos operadores para o sistema o trabalho no nível dos comandos.
Agora, o que a IA generativa oferece é uma forma de low-code/no-code. Essas soluções são mais confiáveis do que alguns resultados porque se baseiam em especificações bem definidas que orientam a geração dos resultados. Afinal, há poucas maneiras de escrever “olá, mundo”, enquanto há milhões de maneiras de responder a uma pergunta.
Isso significa que eu deveria poder dizer a um modelo treinado: “Ei, quero configurar meu balanceador de carga para dimensionar o Aplicativo A”, e o sistema deveria ser capaz de gerar uma configuração. Mais do que isso, eu deveria poder dizer: “Crie um script para fazer X no sistema Y usando Z” e BAM! Ele deveria não apenas gerar a configuração, mas também a automação necessária para implantá-la no sistema correto.
Olha só. Ele já faz isso.
Certamente, este código não está pronto para produção — nem o IP nem as credenciais são válidos, e ele escolheu Python (que não seria minha primeira, segunda nem terceira opção) —, mas já está 90% pronto, com base apenas em documentação disponível publicamente e em um prompt extremamente simples. Quanto mais detalhado for o prompt, melhores serão os resultados. O script completo gerado abaixo é mais extenso, então incluí apenas o início.
Novamente, ainda não está pronto para ser implementado, mas está muito mais próximo de ser funcional e levou literalmente menos de quinze segundos para ser gerado, sem que eu precisasse fornecer nenhum treinamento.
Da geração à automação
Mas isso é a parte fácil. Eu também deveria poder dizer: “Ah, a propósito, faça o deploy.” E a ferramenta deveria fazer isso enquanto tomo meu café da manhã. E talvez até cantar uma musiquinha para mim.
Mas espere, tem mais! E se depois eu também puder dizer a um sistema de IA generativa: “Ei, os usuários de Green Bay estão fazendo muitos acessos e o desempenho caiu. Clone o Aplicativo A e transfira-o para o nosso site em Milwaukee.”
E ele faz isso. Porque, nos bastidores, tudo isso é apenas uma rede de APIs, configurações e comandos que podem ser — e hoje muitas vezes são — automatizados por scripts. Esses scripts geralmente são parametrizados, o que corresponde, de forma aproximada, aos parâmetros do meu prompt de IA: Green Bay, Milwaukee, Aplicativo A. Portanto, o que muda é o gerador e a velocidade com que isso pode ser gerado.
Costumo dizer que a IA e a automação são multiplicadores de força. Isso porque a tecnologia não sabe o que precisa fazer; nós sabemos. Mas a IA e a automação conseguem fazer isso com muito mais rapidez e eficiência, ampliando efetivamente a produtividade, acelerando a geração de valor e liberando o tempo dos especialistas para que se concentrem em decisões e projetos estratégicos. E, com o tempo, a IA pode aprender conosco, ampliando ainda mais nossa capacidade e revelando novas possibilidades.
Isso não é mais ficção científica, mas uma realidade da ciência da computação.
A IA generativa viabilizará o AIOps de que precisamos
Muitas das soluções de AIOps atuais se concentram exclusivamente em fornecer os insights que faltam a 98% das organizações.
Elas resolvem os problemas de ontem, não as necessidades de amanhã.
Mesmo as plataformas de AIOps capazes de atuar com mais autonomia — como os serviços de segurança — dependem muito de configurações preexistentes e respostas bem estruturadas. Normalmente, elas não usam IA para permitir que as operações sejam executadas com mais autonomia nas diferentes camadas de entrega e segurança de aplicações. Elas usam IA para analisar dados e revelar insights que nós, seres humanos, não temos capacidade ou tempo para descobrir. Mas, muitas vezes, é aí que sua atuação termina, pelo menos nas camadas acima da rede e em problemas de segurança bem compreendidos.
É aí que a IA generativa pode assumir o controle, e é por isso que estou totalmente empenhado em investigar até onde podemos levar essa tecnologia para tornar a entrega e a segurança de aplicações “ridiculamente fáceis”.
Bem-vindo à ponta do iceberg da IA.
Sobre o autor
Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.
Mais publicações de Lori Mac VittiePublicações relacionadas no blog
O estado da maturidade digital empresarial: a transformação digital ainda não terminou
Explore como a IA impacta as empresas, as aplicações da IA generativa, as estratégias para modernizar as operações de TI e os benefícios da maturidade digital com a F5.
Como a IA generativa acelera a transformação digital
Veja como a IA generativa impulsiona a transformação digital nas empresas, acelerando tendências como a integração de APIs, os desafios dos modelos operacionais de TI híbrida e a adoção de AIOps.
Seis capacidades técnicas para acelerar a transformação digital
As arquiteturas empresariais atuais carecem dos fatores necessários de agilidade, escalabilidade, segurança e observabilidade, essenciais para impulsionar a mudança tecnológica. No entanto, estas seis capacidades fundamentais ajudarão as empresas a gerenciar riscos e desafios ao longo de sua transformação digital.
Inverter a API é a transformação digital de que as empresas precisam para participar e competir em uma economia de APIs
As organizações detêm um valor latente — na forma de APIs internas — que precisam explorar para competir em uma economia de APIs. Embora os desafios técnicos e de segurança possam desestimular algumas delas, as empresas precisam reconhecer que inverter suas APIs permitirá liberar o valor da organização como plataforma.
A modernização da TI começa pela infraestrutura
O hardware e o software evoluíram rapidamente desde os primórdios da internet, mas, para aproveitar ao máximo os benefícios resultantes dessa evolução, as organizações precisam avaliar e modernizar sua infraestrutura e a entrega de aplicativos. Acelere os esforços de modernização com a nova F5 rSeries.