O engenheiro americano Adam Cheyer é um dos criadores da Siri. A assistente pessoal foi comprada pela Apple em 2010, e está presente em todos os iPhones desde o modelo 4S, de 2011.
No currículo, tem ainda a criação da Viv Labs, adquirida pela Samsung em 2016 e base do assistente Bixby. Ele também participou da fundação do Change.org, plataforma de mobilização social, e da Sentient, uma das primeiras plataformas de machine learning distribuído em larga escala. Sua startup mais recente, a GamePlanner.AI, foi comprada pelo Airbnb em 2023.
Cheyer se orgulha de ter construído uma carreira apostando não na tecnologia que estava em destaque no momento, mas na que seria importante nos próximos anos. Em sua previsão para a próxima revolução tecnológica, ele aposta nos óculos de realidade aumentada para substituir as telas.
Sobre o momento atual da inteligência artificial, Cheyer faz uma provocação e diz que os LLMs estão engatinhando na tentativa de executar tarefas como comprar algo ou fazer uma reserva, recursos que a Siri e a Viv já entregavam ao usuário.
Na entrevista a seguir, concedida com exclusividade à Forbes Brasil, Cheyer detalha sua visão sobre a IA, explica por que os robôs humanoides vão demorar mais do que se imagina e conta o que aprendeu trabalhando ao lado de Steve Jobs.
O que diferenciava a Siri e a Viv dos modelos de IA de hoje? O que essas assistentes já conseguiam fazer que os LLMs ainda não conseguem?
Em muitos aspectos, a Siri e a Viv eram, na verdade, mais agênticas do que a maioria dos assistentes de IA baseados em LLMs de hoje.
O aplicativo original da Siri, antes de ser integrado ao iPhone, combinava cinquenta serviços parceiros em uma única experiência conversacional e gráfica. A plataforma foi projetada para ser extensível, permitindo que novos serviços fossem adicionados dinamicamente em tempo de execução.
Os usuários podiam fazer solicitações genuinamente transacionais, como “chame um táxi para a minha casa” (isso antes de o Uber existir) ou “faça uma reserva para quatro pessoas em um determinado restaurante na próxima quarta-feira às 19h30”.
Nos bastidores, a Siri orquestrava múltiplos serviços para atender a uma única solicitação. A maioria das pessoas que usa os LLMs de hoje ainda não experimenta esse nível de orquestração de serviços ao vivo e de integração transacional.
A Viv levou essa visão consideravelmente mais longe ao introduzir uma interface de usuário verdadeiramente adaptativa. Em vez de retornar apenas texto, como a maioria dos sistemas de IA faz hoje, gerava automaticamente uma interface apropriada para qualquer dispositivo com o qual o usuário estivesse interagindo.
Talvez o mais notável seja que a Viv foi o primeiro sistema de IA a gerar dinamicamente código executável para atender a solicitações inéditas dos usuários. Diante de um pedido complexo, a Viv sintetizava um programa que orquestrava múltiplos serviços independentes, não em segundos, como os LLMs de hoje normalmente fazem, mas em 50 milissegundos.
Muitas das ideias hoje associadas aos “agentes de IA”, como uso de ferramentas, orquestração de serviços, memória, personalização, extensibilidade, planejamento dinâmico e execução transacional, já eram princípios centrais de design da Siri e da Viv há mais de uma década.
Qual é a sua visão sobre a onda da IA agêntica? O que ainda falta para que ela realmente funcione?
Na minha visão, há muitas coisas que a atual onda de IA agêntica pode aprender com as tecnologias e a visão tanto da Siri quanto da Viv. Os LLMs de hoje são incríveis em responder a qualquer pergunta de conhecimento. No entanto, suas habilidades de executar ações e transações (reservar, comprar, decidir) são limitadas. Quando as pessoas dizem “o ChatGPT (ou seu agente de LLM favorito) é muito melhor que a Siri”, eu costumo responder: “Ah, é? Com a Siri eu posso dizer ‘Hey Siri, avise a minha esposa que vou me atrasar’ e a Siri envia uma mensagem para ela. O ChatGPT faz isso?” E muitos outros exemplos. As arquiteturas dos sistemas de “saber” e de “fazer” são bem diferentes: uma exige muito conhecimento em cache, e a outra exige APIs ao vivo, autenticação, controle de acesso, fronteiras transacionais e muito mais. Os padrões agênticos de hoje, como MCP, A2A, ACP e outros, não definem essas capacidades necessárias de forma madura.
Outra área em que os LLMs de hoje deixam a desejar é que o padrão de interface que eles oferecem é bastante pobre para a maioria das aplicações, consistindo principalmente em texto e, ocasionalmente, carrosséis de imagens. Imagine planejar uma viagem: você vai querer ver muitos detalhes de cada item, avaliações, mapas ricos e calendários para ajudar no planejamento logístico, além de muitas fotos e vídeos para capturar a sensação emocional do lugar que vai visitar. Alguns bullets de texto não serão suficientes.
Por fim, não há uma visão clara para a dinâmica de negócios de como um ecossistema será executado na IA de hoje. Com a web, tínhamos SEO, links patrocinados, banners e mais. Com a revolução mobile, a app store dava suporte à descoberta segundo certas regras de marketplace, e os provedores podiam monetizar usando compras dentro do aplicativo, apps pagos, assinaturas e mais. Quando um LLM recomenda um determinado lugar, como você sabe se ele foi pago para sugerir aquele resultado? Como você pode enviesar os resultados em favor das marcas de certos provedores de que você gosta? Como as necessidades de negócio dos fornecedores serão atendidas? Tudo isso ainda está sendo resolvido no mundo da IA.
Os LLMs de hoje fizeram um progresso tremendo em inteligência, mas inteligência sozinha não basta. Para alcançar seu pleno potencial, os agentes de IA também vão precisar de arquiteturas maduras para ações e transações ao vivo, experiências de usuário ricas, interoperabilidade confiável e ecossistemas de negócios sustentáveis que funcionem tanto para o consumidor quanto para o provedor.
Você apontou 2035 como o ano em que a realidade aumentada se tornará mainstream. O que está por trás dessa previsão? E como você vê o mercado de óculos inteligentes hoje?
Observei um padrão em como e quando ocorrem mudanças na forma como as pessoas interagem com computadores, que eu chamo de “Teoria do 10+”.
Em 1984, o computador pessoal, com mouse e interface gráfica, chegou à mesa de todo mundo.
Em 1995, 10+1 anos depois, os navegadores web, como o Internet Explorer e o Netscape, que permitiram às pessoas acessar recursos computacionais e dados espalhados pelo mundo.
Em 2007, 10+2 anos depois disso, os smartphones permitiram às pessoas se levantar de suas mesas e computar de qualquer lugar usando aplicativos e interfaces multitoque. O ano seguinte completou o paradigma com a abertura da App Store, da Apple, que ajudou a escalar a computação móvel para todos os setores e negócios.
Há mais de uma década venho dizendo que, em 10+3 anos a partir de 2008, ou seja, em 2021, surgiria uma nova forma de interação chamada assistente de IA conversacional. O GPT 3.0 foi lançado em maio de 2020, e a versão 3.5, também chamada de ChatGPT, foi lançada em novembro de 2022; então, se você dividir a diferença, minha previsão foi certeira.
Se o padrão continuar, a próxima grande mudança deve ocorrer 10+4 anos depois de 2021, portanto em 2035. E, como você mencionou, minha previsão é que será o ano em que todos os dispositivos com tela dos quais dependemos (smartwatches, celulares, televisões, computadores e até painéis de LED) serão substituídos por dispositivos de realidade aumentada, como óculos ou lentes de contato capazes de projetar imagens digitais com as quais é possível interagir diretamente no seu campo de visão, como se fossem objetos reais.
Hoje, o mercado de óculos inteligentes é incipiente, focado principalmente em gravação de vídeo, reprodução de áudio e acesso à IA, e não em projeção de realidade aumentada (AR).
Os dispositivos que de fato focam em AR, como o Apple Vision Pro, têm algumas experiências atraentes, mas não estão prontos para a adoção em massa, pois são pesados demais, a duração da bateria é curta demais e a interação com o usuário não é refinada ou poderosa o suficiente.
No entanto, assim como a Siri apresentou ao mundo a noção de conversar com dispositivos, a ser refinada para a adoção em massa pelo ChatGPT uma década depois, acredito que dispositivos como o Oculus e o Apple Vision Pro são a prole de uma nova geração de dispositivos de AR que se tornarão mainstream em 2035.
Você tem outras previsões sobre o futuro com base no que está vendo na tecnologia hoje?
Muitos especialistas esperam que a IA física, como robôs humanoides, seja a próxima grande onda da tecnologia de consumo. Acho que isso vai acontecer em algum momento, mas eles estão errados quanto ao cronograma. Minha previsão é que os robôs vão demorar muito mais do que muitos esperam para se tornarem uma parte significativa do dia a dia.
A destreza humana é assombrosamente complexa. Nossas mãos realizam sem esforço tarefas que são incrivelmente difíceis para robôs, como passar uma linha na agulha, descascar uma cebola, dobrar roupa, amarrar cadarços ou cortar lenha. Replicara precisão, a adaptabilidade e a coordenação continua sendo um dos maiores desafios de engenharia da robótica.
Além disso, os modelos de IA de hoje entendem a linguagem notavelmente bem porque foram treinados com enormes quantidades de texto. Mas os robôs precisam de uma compreensão profunda do mundo físico. Eles precisam de “modelos de mundo” que capturem a dinâmica, as texturas e a física dos objetos do cotidiano, como uma toalha se dobra, como uma porta gira, como um copo escorrega quando está molhado ou quanta força é necessária para segurar um pêssego maduro sem machucá-lo. Construir esses modelos vai exigir vastas quantidades de experiência visual e física do mundo real, e ainda estamos nos estágios iniciais dessa jornada.
Eu não tenho dúvidas de que robôs domésticos serão uma realidade em algum momento, mas, ao contrário do progresso rápido que vimos com a IA generativa, acredito que a robótica vai avançar de forma mais gradual. Primeiro, precisamos resolver não só questões de inteligência, mas também de percepção dessa máquinas.
Você cofundou empresas de sucesso. Que conselho daria a alguém que quer abrir a própria empresa?
O que mais me ajudou ao longo da minha carreira empreendedora foi resistir à tentação de correr atrás do que quer que esteja empolgando todo mundo. Em vez disso, procurei identificar o que iria importar daqui a vários anos e, então, me esforcei para chegar lá primeiro.
Tive a sorte de ajudar a lançar a primeira assistente virtual mainstream, a Siri. Muitas outras vieram depois, incluindo Cortana, Alexa e Google Assistant. Fui membro fundador do Change.org, a primeira rede social em larga escala focada em mudança social, que hoje atende quase 600 milhões de membros em 197 países. Também cofundei a Sentient, uma das primeiras plataformas de machine learning distribuído em larga escala, com mais de dois milhões de CPUs e GPUs trabalhando juntas para treinar redes neurais e algoritmos genéticos. E, na Viv Labs, construímos o primeiro assistente de IA capaz de gerar dinamicamente código executável para atender a solicitações inéditas dos usuários, uma ideia que se tornou central para a atual revolução da IA aplicada à programação.
Olhando para trás, o fio condutor não foi escolher a tecnologia mais quente do momento. Foi tentar antecipar para onde a tecnologia estava indo e construir para esse futuro antes que ele se tornasse óbvio.
Hoje, milhares de empresas estão construindo sobre essencialmente os mesmos modelos de fundação, o que torna cada vez mais difícil se diferenciar. Meu conselho aos empreendedores é desenvolver um framework para prever para onde a tecnologia está indo, identificar os problemas que vão importar daqui a vários anos e começar a construir essas soluções hoje.
Quando todos os outros perceberem que é para lá que o mundo está indo, você já estará lá.
Você também é mágico. Como isso influenciou a sua vida profissional?
Costumo dizer que mágicos e empreendedores fazem exatamente a mesma coisa: ambos imaginam algo que parece impossível, mas altamente desejável, e então trabalham de trás para frente para descobrir a ciência, a engenharia e a execução necessárias para tornar essa visão real. Seja criar um dispositivo com o qual você pode conversar e que realiza tarefas, seja inventar um método para voar por um palco, o processo criativo é notavelmente parecido.
As técnicas de apresentação que aprendi como mágico também me ajudaram a inspirar investidores, parceiros e clientes. Steve Jobs fazia isso com maestria. Quando apresentou o iPod nano, ele não focou em velocidade de processamento, capacidade de memória ou tabelas comparativas. Em vez disso, criou um momento de “não pode ser”.
Ele começou dizendo: “O iPod sempre foi sobre carregar 1.000 músicas no bolso”, enquanto a imagem de uma calça jeans aparecia na tela. Então perguntou: “Você já se perguntou para que serve aquele bolsinho na parte de cima do bolso da sua calça jeans?” A plateia inteira pensou: “Não pode ser”. Então ele enfiou a mão naquele bolsinho e tirou de lá o iPod nano.
Essa é exatamente a mesma técnica que os mágicos usam quando dizem: “Você assinou uma carta e a rasgou em pedaços. Agora olhe dentro daquele envelope ali…” A plateia instantaneamente pensa: Não pode ser — minha carta não pode estar restaurada dentro daquele envelope. Criar esse momento de impossibilidade antes da revelação é o que torna inesquecíveis tanto a mágica quanto os grandes lançamentos de produto.
Qual é a lição mais valiosa que você aprendeu trabalhando com Steve Jobs e que ainda guia você hoje?
Aqui vão duas lições que se destacam para mim: Steve Jobs nunca se demorava no que havia realizado no passado. Ele era implacavelmente focado nas grandes coisas que poderia construir no futuro.
E ele criou na Apple uma cultura centrada na iteração constante e em uma obsessão pelos detalhes para fazer de cada produto a melhor experiência possível. Toda segunda-feira era dia de demonstração em toda a empresa. Quando uma demo era aprovada por um gerente, ela entrava na agenda do gerente daquele gerente, e assim sucessivamente, subindo toda a cadeia até chegar ao Steve. Por meio de feedback e discussão contínuos em todos os níveis da organização, os produtos eram refinados e polidos de um jeito que muitas empresas simplesmente não fazem.