Para empresas que buscam entender a melhor forma de se beneficiar de sistemas baseados em agentes, uma coisa deve estar clara: há ganhos reais na otimização de processos existentes, mas, mais do que nunca, a maior oportunidade está em repensar como criar novos produtos e ofertas para clientes e equipes interna, construindo uma vantagem competitiva difícil de replicar no mercado.

Ainda estamos nos estágios iniciais, mas compreender como as empresas podem aproveitar agentes de IA já se tornou uma corrida para C-levels. Quem entender isso agora irá se diferenciar da concorrência.

A IA agêntica está no centro das atenções, impulsionada por modelos com capacidade de raciocínio como o OpenAI o1 e o Sonnet 3.7 da Anthropic. É uma evolução da conversa atual sobre IA, e muitos dos principais fornecedores de modelos fazem parte desse debate no setor.

O surgimento dos modelos de raciocínio marca um avanço na capacidade tecnológica. Agora, modelos de linguagem conseguem planejar uma sequência de tarefas orientadas a um objetivo, e executá-las. Nos últimos anos, desenvolvedores e engenheiros de IA incentivaram o raciocínio por meio de técnicas mais complexas, como mistura de especialistas (MoE), geração aumentada por recuperação de informações (RAG) e ampliação de janelas de contexto.

Também observamos o surgimento de fornecedores focados exclusivamente em agentes, que ainda precisam comprovar robustez em ambientes corporativos. Além disso, algumas empresas nativas de IA passaram a oferecer IA agêntica como novo recurso, como copilotos, chats e “agentes”, todos baseados em modelos de linguagem de grande porte.

O caminho para gerar valor depende do tipo de raciocínio adotado e de dois novos elementos: autonomia e granularidade. A forma como esses elementos são implementados determinará a velocidade de execução e a capacidade de conquistar participação de mercado.

Este artigo apresenta um modelo mental para entender as diferentes abordagens e explorar esses elementos, com exemplos práticos que demonstram o valor da IA agêntica nos setores de serviços financeiros e energia.

O que são agentes de IA?

Um breve panorama. Modelos de linguagem evoluem em dois eixos principais: especialização por domínio e autonomia no planejamento de tarefas. A maioria das empresas vai precisar equilibrar esses dois aspectos para maximizar valor e aproveitar os avanços mais recentes. É nesse espaço que os agentes de IA se posicionam.

Raciocínio

Nos últimos anos, engenheiros incentivaram o raciocínio por meio de técnicas especializadas. Com os modelos de raciocínio, parte desse processo passa a ocorrer dentro do próprio modelo, em vez de depender apenas de estruturas externas. Esses recursos podem ser combinados conforme a necessidade do caso de uso. E, principalmente, o raciocínio interno abre espaço para maior autonomia.

Autonomia

A autonomia pode ser entendida como graus de liberdade. Um agente pode ter amplo acesso a APIs, arquivos corporativos e até à internet. Esse agente altamente privilegiado exige confiança, que pode ser regulada por meio da redução desses graus de liberdade.

Um agente com menor autonomia pode ter acesso restrito a sistemas e dados, além de ser monitorado de forma mais rigorosa por mecanismos de registro e explicabilidade. Assim como o raciocínio, a autonomia é um eixo estratégico na construção de uma abordagem corporativa para IA agêntica.

Granularidade

A granularidade é outro eixo relevante. Humanos possuem raciocínio, autonomia e especialização, sendo esta última um fator essencial para gerar confiança. Um agente pode se especializar em áreas específicas e colaborar com outros agentes também especializados, atuando de forma coordenada. A soma dessas ações individuais pode resultar em um sistema coletivo orientado por IA.

Oportunidades e riscos

As oportunidades para o mercado incluem:

1. Aproveitar modelos de raciocínio e autonomia que, em princípio, exigem menos desenvolvimento do que técnicas equivalentes, acelerando inovação e lançamento de produtos e serviços.
2. Introduzir autonomia em sistemas de IA para assumir tarefas mais complexas, liberando engenheiros para funções de supervisão e arquitetura.
3. Ajustar a granularidade dos agentes para mitigar riscos associados ao uso de ferramentas probabilísticas e à autonomia, permitindo maior explicabilidade e facilitando governança e adoção.

Os riscos podem ser comparáveis aos de qualquer colaborador humano. No entanto, isso não significa que um agente de IA seja equivalente a um funcionário. Do ponto de vista prático, não acreditamos que sistemas evoluam dessa forma nas organizações.

Sob o ponto de vista ético, há riscos de extrapolação indevida. Além disso, a regulação exige supervisão humana.

Falamos em oportunidade e risco, porque ambos caminham em paralelo. À medida que ampliamos o uso de raciocínio e autonomia, a necessidade de mitigação de riscos também aumenta.

Há risco, mas também recompensa

O principal valor dos modelos de raciocínio e da IA agêntica é a capacidade de planejar múltiplas etapas que antes demandariam maior esforço de desenvolvimento. Isso amplia o grau de liberdade da IA e sua capacidade de atingir objetivos mais complexos, ainda que esses objetivos possam ser mais restritos do que o discurso mais entusiasmado sugere.

Isso não deve levar líderes a adiar experimentações. Organizações pioneiras estarão mais preparadas para se adaptar conforme a tecnologia e o mercado evoluírem, graças à base técnica construída e ao entendimento prático de aplicação.

Como toda tecnologia, haverá entusiasmo inicial, frustração e, por fim, amadurecimento rumo ao retorno sobre investimento. O desafio das lideranças é avançar da expectativa ao valor real sem permitir que a frustração comprometa a inovação.

A chave está em definir com clareza os desafios da empresa, e a estratégia deve orientar a arquitetura de IA agêntica. Há diversos elementos a considerar e múltiplas arquiteturas possíveis.

Qualquer que seja a arquitetura escolhida, ela precisa estar alinhada à estratégia. A partir daí, surge outro grande desafio.

O maior obstáculo para CIOs é desenvolver e atrair talentos capazes de construir, aprimorar e manter esses sistemas. A novidade dos modelos de raciocínio e a necessidade de alinhamento ao negócio explicam a distância entre organizações preparadas para operar em nível corporativo e aquelas que ainda não atingiram esse patamar.

Como os primeiros adotantes estão utilizando IA agêntica

A realidade é que a maioria das empresas ainda está experimentando casos de uso específicos. Uma transformação completa orientada por agentes ainda está distante.

O valor extraído dependerá de dois fatores principais: a maturidade das bases de dados e o nível de qualificação da força de trabalho. Empresas podem começar com provas de conceito progressivamente mais complexas ou evoluir simultaneamente suas capacidades.

Não recomendamos simplesmente aplicar modelos sobre problemas existentes. Avalie primeiro, ou em paralelo, o nível de maturidade das suas bases de dados. Adotar modelos de raciocínio não é sinônimo de maturidade. Colocar a IA em produção é.

A maioria dos nossos clientes já possui IA em produção. Com base em alinhamento entre estratégia de produto e dados estruturados em plataformas robustas, seguem fortalecendo e evoluindo suas iniciativas. Alguns experimentam agentes especializados; outros trabalham com agentes de raciocínio mais complexos, inclusive já em produção.

Dois exemplos relevantes nos setores de serviços financeiros e energia:

IA agêntica na gestão de patrimônio

A produção de comentários personalizados sobre o mercado é custosa e demorada. A solução da Indicium AI automatiza esse processo por meio de agentes que resumem e refinam conteúdos de fontes confiáveis, com validação humana no resultado final.

Essa abordagem aumenta a satisfação do cliente e amplia a participação de carteira por meio de personalização. Em um mercado financeiro competitivo, também aprimora a análise de risco dos portfólios. Ao incorporar agentes autônomos na plataforma de investimentos, assessores identificam tendências com maior rapidez e ajustam carteiras em tempo real.

No longo prazo, a tecnologia pode evoluir para rebalanceamento automatizado de portfólio com base em sinais de mercado, ampliar a cobertura de ativos e oferecer carteiras mais diversificadas conforme perfil de risco.

IA agêntica na construção

Desenvolvemos e implementamos um sistema baseado em agentes para elaboração de propostas, aumentando eficiência, reduzindo custos e elevando a qualidade dos conteúdos.

O sistema utiliza informações de toda a organização para aprimorar respostas a licitações. Agentes especializados geram e validam versões iniciais, permitindo que redatores técnicos finalizem as propostas com mais agilidade e qualidade. Ao reduzir a necessidade de supervisão humana, espera-se aumento de produtividade de 30% e redução significativa de custos com rotatividade de colaboradores.

Navegar pelo universo da IA agêntica não é simples. Não existe solução única ou roteiro definitivo. O sucesso depende de compreender as decisões que moldam o caminho até o valor e alinhá-las ao apetite de risco e aos objetivos estratégicos da organização.

Quanto maior a ambição e tolerância ao risco, maior será o impacto da cultura organizacional e das operações na adoção bem-sucedida. Isso exige uma cultura de inovação e aprendizado, na qual colaboradores sejam incentivados a testar novas ferramentas e processos. Pode também demandar revisão de formas tradicionais de trabalho para incorporar as capacidades específicas dos sistemas agênticos.

No fim, adotar IA agêntica com sucesso é um desafio complexo que requer visão estratégica, sensibilidade cultural e agilidade operacional. Não se trata apenas de implementar tecnologia, mas de transformar a organização para prosperar em um futuro orientado por inteligência artificial.