IA agêntica:

IA agêntica nas reuniões de lucros corporativos

Apesar de a IA agêntica ser nova para a maioria das empresas, as pesquisas já apontam para um crescente impulso no mundo real. Uma pesquisa recente com pessoas tomadoras de decisão da indústria de tecnologia nos EUA constatou que quase metade já estava adotando agentes de IA em suas empresas, enquanto outras 33% estavam avaliando ativamente soluções de IA agêntica.

No entanto, alguns mitos que cercam a tecnologia, bem como o investimento e os desafios envolvidos, argumentam a favor da cautela na tomada de decisões e na implementação da IA agêntica. Nesta edição da Perspectives, especialistas com experiência prática em IA agêntica compartilham insights sobre como navegar nesse cenário em evolução, e exploram como as empresas podem equilibrar os seus riscos e recompensas.

Até mesmo o que constitui uma IA agêntica – e um agente de IA – ainda está em debate. Mas, em geral, refere-se a modelos baseados em GenIA que podem compreender e trabalhar com problemas complexos e de várias camadas com algum grau de autonomia. 

Como aponta Prasanna Pendse, Global VP de AI Strategy da Thoughtworks, "agente" tem um duplo significado, referindo-se a algo que age no mundo real e tem a capacidade de fazer isso em nome de outros. 

"Os agentes robóticos já existem há muito tempo; pense nos aspiradores de pó Roomba, que aprendem a se adaptar às casas de seus proprietários", diz ele. "A GenIA nos permitiu imaginar o que um robô poderia ser no mundo digital ambíguo, mutável e volátil. A IA agêntica significa que o robô é capaz de lidar com a incerteza por si só, de ser mais resiliente e adaptável às informações que recebe e ainda assim realizar sua tarefa. Outra novidade é que o robô não precisa mais ser físico – ele pode viver na nuvem. É assim que imaginamos a IA agêntica – robôs autônomos na nuvem fazendo coisas por nós, mas ainda não chegamos lá."   

Shayan Mohanty, Head de AI Research da Thoughtworks, aconselha pensar na encarnação atual da IA agêntica como um grande modelo de linguagem alimentado por GenIA, mas com uma camada de código por cima. Isso determina como o modelo lida com os vários elementos de um processo ou sistema e – o que é fundamental – permite que ele faça isso de forma confiável e independente. 

Fornecedoras de soluções de IA agêntica estão prontas para o grande momento

Isso também significa que muito depende do sucesso da IA agêntica. "Para que os fundos de capital de risco consigam liquidar seus investimentos, eles precisam criar a narrativa de que essa é a próxima grande novidade", diz Mohanty.  "As empresas de hardware e nuvem também precisam que esses agentes entrem em operação para que sua computação seja consumida. Todas estão alinhadas em ver o valor potencial; a questão é saber quão fácil e quão caro é realizar esse valor. E, embora isso esteja avançando rapidamente, a resposta ainda é, em grande parte, que tudo ainda está esperando para ser confirmado". 

Um problema é que o esforço de engenharia necessário para concretizar a promessa de autonomia total ainda é alto. Mohanty aconselha as empresas interessadas em usar a IA agêntica a procurar processos regidos por fluxos de trabalho bem definidos com uma sucessão clara de etapas ou estados – em termos de engenharia, "máquinas de estado". 

"Nas interações de suporte a cliente, as pessoas geralmente operam com base em um script que tem uma estrutura de árvore de decisão, que é basicamente uma máquina de estado", explica ele. "Construir um modelo em cima disso e projetar um sistema em torno dele é relativamente simples, pois você está basicamente pegando algo escrito em forma de narrativa e transformando-o em código." 

Para Pendse, os maiores ganhos da IA agêntica são obtidos quando ela acelera tarefas repetitivas e a busca por informações. 

"Digamos que você precise preencher tickets todos os dias, se estiver, por exemplo, trabalhando em um banco analisando solicitações de empréstimo de pessoas ricas", diz ele. "Você precisa entender se essas pessoas estão politicamente expostas, se há riscos de reputação envolvidos em fazer negócios com elas, se os ativos que elas alegam possuir são realmente delas, e tudo isso potencialmente em vários idiomas e jurisdições e com diferentes maneiras de acessar e autenticar dados. A IA agêntica pode automatizar aspectos disso, para ajudá-la a chegar a conclusões e fazer o trabalho com mais eficiência." 

Embora o caminho nem sempre seja simples, Pendse também vê um potencial significativo para empresas quando vários agentes podem trabalhar em conjunto.  

"A realidade sempre ficará aquém de nossas expectativas, mas isso não significa que não haja valor a ser obtido", diz ele. "Normalmente, um único agente é de uso limitado, pois só executará bem uma tarefa; o sonho é um sistema multiagente que possa ser atribuído a várias tarefas complexas. Em seguida, os agentes se coordenam para formular um plano de ação, descobrir quais agentes estão em melhor posição para lidar com cada componente, atribuir funções, verificar o que funciona e o que não funciona, iterar e melhorar até que a tarefa seja concluída."  

A Thoughtworks ajudou a implementar esse sistema em uma grande empresa de tecnologia, projetado para melhorar a compreensão e a otimização das alocações de GPU em um ambiente de computação intensiva. Com base na telemetria de vários sistemas diferentes, "esses agentes precisam descobrir, com base nas perguntas feitas, onde encontrar as respostas e reuni-las de forma acessível e com precisão", explica Kulkarni.  

A Thoughtworks também colaborou com a Bayer, empresa farmacêutica global, para desenvolver agentes que atuam como assistentes de pesquisa no meticuloso processo de descoberta de medicamentos. Os requisitos de pesquisa são significativos e, muitas vezes, envolvem a busca de conhecimento pré-clínico interno e outras fontes de evidências que podem ser encontradas em estudos semelhantes. No entanto, o volume de informações é tão extenso que nenhum ser humano pode acessar ou lembrar de todas elas de forma realista.

Os agentes projetados pela Thoughtworks vasculham rapidamente os dados de estudos anteriores, permitindo que as fabricantes de medicamentos acessem informações relevantes de forma eficiente e acelerem a tomada de decisões. “De certo modo, é a memória assistiva de todo o conhecimento pré-clínico gerado pela Bayer”, diz Kulkarni. "O envolvimento dos agentes no processo acelera significativamente o tempo de decisão." 

Esse é um exemplo de como a IA agêntica pode economizar não apenas tempo, mas também custos substanciais, ajudando a evitar a repetição desnecessária de testes ou a mitigar riscos em programas de desenvolvimento de medicamentos com base em dados. "Encontrar as informações certas, no lugar certo, na hora certa, é crucial nesse contexto", diz Pendse. 

Os agentes do sistema foram desenvolvidos para lidar com consultas complexas, sintetizar respostas e verificar se todas as informações necessárias estão disponíveis antes de apresentá-las à usuária no formato necessário.

"Antes, as pessoas cientistas de dados precisavam executar várias consultas SQL que levavam dias ou semanas para produzir insights que agora são gerados em segundos", diz Kulkarni. O sistema também provou ser capaz de sinalizar discrepâncias ou inconsistências de dados em anotações de estudos que, de outra forma, poderiam passar despercebidas.

A Thoughtworks (juntamente com a Bayer) também está implantando um assistente de escrita multiagente. Um agente atua como pesquisador, acessando milhares de relatórios anteriores e o banco de dados pré-clínico. Quando uma usuária precisa gerar um relatório com base nesses estudos específicos, o primeiro agente determina quais informações devem ser extraídas. Em seguida, outro agente sintetiza essas informações em um relatório adaptado ao formato desejado e ao público-alvo. Um terceiro agente analisa e verifica os fatos do relatório, garantindo precisão antes de ser finalizado. Essa abordagem colaborativa simplifica os relatórios e aumenta a confiabilidade.

"Vejo um enorme potencial na expansão do uso de assistentes de escrita multiagentes. Ao aproveitar esses agentes, podemos liberar recursos para que nossas cientistas se concentrem em tarefas importantes em vez de redigir documentos. Essa tecnologia aumenta significativamente nossa capacidade de gerenciar e sintetizar grandes quantidades de dados, garantindo que geremos relatórios precisos e abrangentes com eficiência", diz Annika Kreuchwig, Senior Data Scientist de Preclinical Development da Bayer.

O poder e a ampla capacidade dos sistemas multiagentes são a razão pela qual eles são uma das principais áreas de pesquisa do Thoughtworks AI Labs, onde especialistas estão tentando resolver alguns dos desafios relacionados a eles.

A edição mais recente  do Barômetro de Confiança, da empresa de relações públicas Edelman, destaca o uso comercial da IA como uma área em que a confiança pública está em falta e que tem o potencial de alimentar mais queixas. Isso ressalta a necessidade de as empresas agirem com cuidado. 

"Se você tem um agente que está habilitado, implícita ou explicitamente, para executar várias ações que afetam vários sistemas, é importante poder confiar nele", diz Mohanty. "Se ele estiver reservando férias para você, saber que ele não vai levá-la à falência é algo importante. E se ele virar à esquerda em algum ponto do processo e acidentalmente reservar tudo em um jato particular? A parte da confiança está faltando no momento – até mesmo as pessoas da área acadêmica ainda não decidiram sobre as métricas com as quais devemos nos preocupar." 

Uma das primeiras áreas problemáticas com as quais muitas empresas se deparam é a privacidade e a segurança, considerando que dados são essenciais para a criação de sistemas de IA competentes. 

"Muitas vezes, quando os modelos estão em treinamento, eles precisam de acesso a dados específicos", observa Kulkarni. "Se a sua empresa tiver informações pessoais armazenadas onde não deveriam estar, o agente poderá obter acesso a todas elas e inserir esses dados no processo de treinamento." 

Pendse também aponta que a IA agêntica pode trazer riscos de percepção. "Se você disser que vai demitir muitas pessoas, ou se suas colaboradoras sentirem que seus empregos estão ameaçados, isso quase certamente afetará o moral e a produtividade delas", diz ele. 

Ao usar a IA agêntica, algumas desvantagens são inevitáveis. A questão é se o risco é aceitável ou se vale a pena o retorno, e a resposta pode depender das circunstâncias. 

"Pode ser sim, se estiver sendo implantado no back office, mas não no contexto do suporte a cliente ou no front end do seu site, onde você interage com o público e possíveis clientes", diz Mohanty. 

"Cada organização tem seu próprio perfil de risco e apetite", acrescenta. "Os serviços financeiros e farmacêuticos, por exemplo, costumam ser mais conservadores, mas, curiosamente, também são os mais avançados em termos de experimentação com IA agêntica, porque não querem ser pegos de surpresa. Há muitos testes, mas nada foi implementado em grande escala porque os riscos são muito, muito difíceis de quantificar no momento." 

"Ainda há uma lacuna de avaliação, em termos de saber se a IA está fazendo o que deveria fazer e se é confiável ou não", concorda Pendse. "No setor, não há uma resposta certa ou uma maneira de chegar a esse ponto. Algumas de nossas pesquisas estão concentradas em encontrar os fundamentos matemáticos disso, de modo que seja possível atribuir um número ao risco, para que não dependamos da interpretação para dizer se é real ou não."   

Por enquanto, Pendse aconselha as empresas a adotarem uma estrutura de risco para a IA agêntica, muito parecida com as que são vistas em outras funções críticas. 

"Pense nisso como um gráfico, com a probabilidade no eixo y e o impacto no eixo x, em que você traça cada decisão ou evento em termos de probabilidade e gravidade", explica ele. "Se houver uma grande probabilidade de algo dar errado ou se isso tiver um impacto enorme – como um vazamento de dados que poderia custar 4% de sua receita anual ou resultar na prisão de alguém – isso provavelmente deve ser evitado. A segurança tem mais a ver com o local onde a IA é usada e com os controles que são implementados do que com a própria IA." 

Frameworks podem ajudar as empresas a mapear os riscos de IA

"Você pode chegar rapidamente a uma solução simplista que tenha uma boa aparência", diz Pendse. "Mas o desafio está em levar isso para produção e fazer com que ela seja dimensionada de forma econômica, precisa e confiável. É provável que isso exija conjuntos de habilidades que você não enfatizou antes. De repente, você precisa entender de estatística, cálculo, equações diferenciais e álgebra linear." 

Uma solução óbvia é buscar novos talentos, mas, por motivos de custo e outros, isso raramente é tão fácil quanto parece. 

"Quando você contrata novas pessoas que trazem habilidades especializadas, precisa mantê-las ocupadas e engajadas, com o número certo de projetos", ressalta Pendse. "Isso requer orçamentos, vinculados a casos de uso comercial com ROI que, nesse contexto, pode ser ambíguo. Por isso, é provável que a resposta seja uma combinação de capacitação de pessoal interno, contratação, uso de prestadores de serviços e apenas a compra de produtos finalizados." 

"Comprar versus construir" é um dilema clássico da tecnologia, "e, francamente, é a razão pela qual empresas como a Thoughtworks existem", diz Mohanty. "O mercado está evoluindo muito rapidamente, portanto, é uma questão de comprar hoje e potencialmente ficar preso a um contrato de um ano, durante o qual todo o mercado pode mudar. As águas da IA estão muito agitadas no momento."  

A construção, por sua vez, precisa ser feita de forma relativamente flexível, permitindo que soluções ou componentes sejam retirados ou inseridos à medida que surgem novas inovações – mas isso remete diretamente à questão do talento e da capacidade. "Fazer isso requer contexto", diz Mohanty. "Isso requer alguém que já esteve lá e fez isso, o que, francamente, está faltando em grande parte do setor." 

O surgimento repentino da DeepSeek e as questões que ela levantou sobre os produtos – e os modelos de preços – dos principais operadores globais de IA serviram como um lembrete oportuno de que a maioria das fornecedoras "está tentando vender uma visão específica do mundo que pode mudar em um futuro próximo, quando houver um salto significativo na capacidade dos modelos", observa Mohanty. 

"Se você comprar um produto pronto para uso, dependerá de como a fornecedora está desenvolvendo o produto e de sua visão do produto", concorda Kulkarni. "Mas se você construir, poderá definir sua própria trajetória. À medida que os modelos na base melhoram, seu sistema melhora automaticamente, de modo que seu ROI provavelmente aumentará drasticamente com o tempo. Se você estiver falando de um caso de uso personalizado para a sua empresa, se quiser automatizar um processo comercial específico, provavelmente deverá pensar em investir em um software personalizado."  

Os maiores benefícios que a IA agêntica traz, de acordo com colaboradoras