Para empresas que estão tentando entender a melhor maneira de se beneficiar do uso de sistemas baseados em agentes, uma coisa deve ficar clara: há um verdadeiro benefício em otimizar os processos existentes, mas agora, mais do que nunca, é a maior oportunidade de repensar a forma como você cria novos produtos e ofertas para seus clientes e suas próprias equipes e cria uma “vantagem injusta” para sua empresa no mercado.
Ainda é cedo, mas entender como as empresas podem aproveitar os agentes de IA está rapidamente se tornando uma disputa para a diretoria executiva. Aqueles que descobrirem isso agora se diferenciarão da concorrência.
A IA agente está na moda do momento graças a modelos de raciocínio como o OpenAI o1 e o Sonnet 3.7 da Anthropic. Ou seja, é uma extensão da conversa atual sobre IA e muitos dos principais fornecedores de modelos serão parte integrante desse diálogo do setor.
O advento do modelo de raciocínio marca um passo evolutivo na capacidade. Agora, os LLMs podem planejar uma sequência de tarefas voltadas para atingir uma meta - e executá-las. Em contraste, nos últimos anos, desenvolvedores e engenheiros de IA se concentraram em incentivar o raciocínio por meio de outras técnicas (mais complexas), como mistura de especialistas (MoE), geração aumentada de recuperação (RAG) e janelas de contexto estendidas.
Também vemos fornecedores recentes de agentes específicos entrarem no mercado e ainda não provaram ser de nível corporativo. Além disso, vemos algumas empresas que priorizam a IA introduzindo a IA agente como um novo recurso, por exemplo, copiloto, bate-papo e “agente” são formas de usar grandes modelos de linguagem (LLMs).
O caminho para o valor depende do tipo de raciocínio escolhido, juntamente com duas novas alavancas a serem consideradas: autonomia e granularidade. A forma como essas alavancas são implementadas determinará a velocidade de execução e a capacidade de adquirir nova participação no mercado.
Este artigo oferecerá um modelo mental para entender as diferentes abordagens e revelar algumas alavancas importantes, com alguns exemplos da vida real para mostrar o valor da IA agente nos setores de serviços financeiros e energia.
O que são agentes de IA?
Uma rápida atualização. Os LLMs têm dois vetores principais de avanço - especificidade de domínio e autonomia de planejamento de tarefas. A maioria das empresas precisará de algum tipo de equilíbrio entre os dois para maximizar o valor e aproveitar os melhores e mais recentes avanços. Agentes de IA ocupam esse espaço.
O texto abaixo mostra onde está a oportunidade de LLMs para a empresa, onde agentes de IA personalizados têm o mais alto nível de especificidade e autonomia de domínio. Além disso, os casos de uso que realmente alcançam o ROI tendem a não ser interfaces de bate-papo voltadas para o cliente para consumidores. Em vez disso, eles abordam declarações de problemas altamente específicas que têm alguma faceta de repetibilidade — algo que é um sinal de um desafio de escalabilidade. Dario Amodei, CEO da Anthropic, aludiu a uma dinâmica semelhante em um episódio de Garfo rígido, onde Dario aponta para a ideia de que o ROI está além dos produtos voltados para o consumidor aos quais a maioria das pessoas está exposta.
Então, o canto superior direito é o melhor, certo? Resumindo, sim. No entanto, o espaço operacional dentro dos “Agentes de IA personalizados” é, na verdade, amplo, com pelo menos três eixos que você deve ter em seu vocabulário de IA: raciocínio, autonomia e granularidade. Veja abaixo o que você vê ao ampliar a seção personalizada de agentes de IA: três tipos de agentes.
Eles representam as classes de agentes atualmente disponíveis. Cada um tem algo a considerar em relação a essas novas palavras de vocabulário.
Raciocínio
Nos últimos anos, os engenheiros de IA incentivaram o raciocínio por meio de técnicas especializadas, mas agora, com o advento dos modelos de raciocínio, uma forma de raciocínio ocorre dentro do modelo e não fora dele. É importante ressaltar que isso pode ser misturado e combinado conforme o caso de uso exigir. E o mais importante, o raciocínio dentro dos modelos abre as portas para a autonomia.
Autonomia
A autonomia pode ser medida aproximadamente em graus de liberdade. Uma versão de um agente tem muitos graus de liberdade: acesso a todas as APIs e arquivos da sua empresa e também acesso à web. Você deve confiar nesse agente altamente privilegiado, que é uma qualidade que pode ser regulada por graus mais baixos de liberdade. Um agente com menos autonomia pode ter acesso limitado a APIs, arquivos e à Internet. Pode ser monitorado de forma mais robusta por meio de mecanismos de registro e explicabilidade. Novamente, assim como o raciocínio, a autonomia é outro vetor sobre o qual construir sua abordagem de IA agente corporativa.
Granularidade
Mais uma vez, a granularidade é outro eixo com o qual brincar. Os humanos têm raciocínio e autonomia. Eles também têm especialização, que é um caminho para a confiança. Um agente pode se especializar em áreas específicas e se conectar com outros agentes que também são altamente especializados, reunindo-se para realizar ações individuais que, coletivamente, se resumem em ações comunitárias conduzidas por IA.
A oportunidade e o risco
A oportunidade apresentada ao mercado é:
- alavancam modelos de raciocínio e autonomia que, em princípio, exigem menos desenvolvimento do que técnicas comparáveis, acelerando a inovação e o lançamento de produtos e serviços.
- introduza autonomia nos sistemas de IA para que eles possam fazer mais trabalhos pesados, liberando tempo do engenheiro e dando a eles uma maior função de supervisão e arquitetura.
- experimente a granularidade dos agentes para mitigar os riscos que você herda usando uma ferramenta probabilística e, mais especificamente, os riscos que você introduz por meio de modelos de raciocínio e autonomia, permitindo a explicabilidade em um processo autônomo, aumentando a adoção e a facilidade de governança.
Esses riscos podem ser vistos como equivalentes aos riscos de qualquer funcionário. No entanto! Isso não quer dizer que um agente de IA seja igual a um funcionário. Do ponto de vista prático, não acreditamos que os sistemas de IA evoluirão na empresa dessa maneira.
Do ponto de vista ético, corremos o risco de nos enfraquecer! Sem falar que precisamos cumprir a carga regulatória que exige supervisão humana.
Dizemos intencionalmente “e” em vez de “versus” porque a dinâmica entre oportunidade e risco neste contexto ocorre paralelamente, ou seja, à medida que aproveitamos a maior oportunidade concedida por meio de raciocínio e autonomia, vemos a necessidade de mitigação de riscos aumentar.
Embora haja risco, também vemos recompensas
O amplo valor agregado que os modelos de raciocínio e, portanto, a IA agente, trazem para a mesa é que eles podem planejar várias etapas que, de outra forma, poderiam exigir mais esforço de desenvolvimento, por exemplo, técnicas que incentivam o raciocínio. Isso captura a imaginação, pois aumenta o grau de liberdade que a IA pode possuir, auxiliando sua capacidade de atingir metas mais complexas. Lembre-se de que a meta pode ser mais restrita do que o hype pode sugerir - neste momento.
Isso não deve fazer com que os líderes esperem o momento certo para experimentar e utilizar sistemas baseados em agentes. Os primeiros usuários, naturalmente, estarão mais bem equipados para se adaptar à medida que a tecnologia e as tendências do mercado mudarem, devido às suas bases técnicas e à compreensão de como aplicar a IA agente em suas organizações.
Como qualquer aula de tecnologia, haverá entusiasmo, decepção e, em seguida, refinamento em relação ao ROI. Como líderes e administradores organizacionais, pode ser um desafio passar do hype para o ROI sem enfrentar a decepção que prejudica a inovação.
A chave para evitar essa falha será articular, muito bem, seus desafios como um negócio. Isso informa a estratégia, que informará como a Agentic AI pode oferecer suporte. Como você pode ver acima, existem muitas alavancas a serem acionadas e, portanto, várias arquiteturas em potencial.
No entanto, qualquer arquitetura que você projete, ela deve estar alinhada à sua estratégia. Uma vez que você está nesse caminho, o próximo grande obstáculo é um pouco diferente.
O maior desafio para os CIOs é promover e adquirir as habilidades necessárias para criar, melhorar e manter esses sistemas. Isso, junto com a novidade dos modelos de raciocínio e o alinhamento aos desafios de negócios, é o motivo pelo qual vemos um abismo entre organizações de nível corporativo e aquelas que operam no canto superior direito — atualmente não há ninguém.
Como os primeiros usuários estão usando a IA agente
A realidade é que a maioria das empresas está experimentando vários casos de uso e uma transformação por atacado impulsionada por agentes está longe.
O valor que as empresas podem obter dos sistemas baseados em agentes dependerá da força de dois fatores: suas bases de dados e o conjunto de habilidades e a alfabetização da força de trabalho. As empresas podem experimentar POCs de complexidade crescente e, em seguida, desenvolver sua maturidade, ou vice-versa. No entanto, não recomendamos simplesmente usar modelos para resolver seu problema. Considere primeiro ou paralelamente qual nível de maturidade você tem nas bases de dados — adotar modelos de raciocínio não indica maturidade, mas colocar a IA em produção sim.
A maioria dos nossos clientes tem alguma forma de IA em produção, tendo construído bases por meio do alinhamento da estratégia de produto e da capacitação da plataforma de dados que eles continuam fortalecendo e aprimorando. Alguns estão experimentando com agentes especialistas e outros com agentes de raciocínio mais complexos, com alguns já em produção.
Aqui estão dois exemplos de destaque que estamos ajudando a criar em serviços financeiros e energia e serviços públicos:
IA agente na gestão patrimonial
Gerar comentários de mercado personalizados é caro e demorado para os consultores. A solução da Indicium AI automatiza esse processo, usando agentes para resumir e refinar o conteúdo de feeds de notícias confiáveis, enquanto um humano valida a saída final. Essa abordagem aumenta a satisfação do cliente e aumenta a participação na carteira, impulsionada pela personalização. Em um mercado financeiro competitivo, o cliente aprimorou a análise de risco do portfólio. Ao incorporar agentes autônomos em sua plataforma de investimento, os consultores podem identificar tendências de mercado mais rapidamente e melhorar o desempenho do portfólio por meio de ajustes em tempo real.
A longo prazo, essa tecnologia poderia ser expandida para incluir o reequilíbrio automatizado do portfólio com base nos sinais do mercado, permitir que os consultores cubram uma gama mais ampla de produtos ou ações e oferecer aos clientes portfólios mais diversos para atender às necessidades individuais dos clientes e aos perfis de risco.
IA agente na construção
Criamos e implementamos um sistema de resposta de lances baseado em agentes para aumentar a eficiência na elaboração de propostas, aumentar a velocidade, reduzir custos e melhorar a qualidade do conteúdo. O sistema utiliza informações de toda a organização e aprimora as respostas às propostas, tornando-as mais eficientes na produção e elevando a qualidade das respostas.
Agentes especializados em gerar e depois validar as respostas fornecem um primeiro rascunho inicial necessário para os autores técnicos, que podem então produzir propostas com mais eficiência e maior qualidade. Ao reduzir a supervisão humana, isso será aumente a produtividade em 30% e, com o aumento da satisfação no trabalho, reduza os custos multimilionários de desistência de funcionários.
Navegar no mundo da IA agente para empresas não é fácil. Não há uma solução única ou um roteiro claro. O sucesso depende da compreensão das escolhas que moldarão seu caminho para o valor e de combiná-las com o apetite de risco e as metas específicas de sua empresa.
O quão ambiciosa e tolerante a riscos sua organização é desempenha um papel importante. À medida que esses fatores aumentam, aumenta também o impacto potencial da cultura e das operações de sua empresa no uso bem-sucedido da IA agente. Portanto, é crucial adotar uma abordagem cuidadosa e deliberada desses aspectos.
Isso significa criar uma cultura de inovação e aprendizado, na qual os funcionários são incentivados a experimentar novas ferramentas e processos de IA. Isso também pode significar repensar as formas tradicionais de trabalhar para atender às capacidades e necessidades exclusivas dos sistemas de IA agentes.
No final das contas, a adoção bem-sucedida da IA agente nos negócios é um desafio complexo que exige visão estratégica, sensibilidade cultural e agilidade operacional. Não se trata apenas de implementar novas tecnologias; trata-se de transformar sua organização para prosperar em um futuro impulsionado pela IA.
