Escalar a automação através de agentes de IA

Apesar das diferenças, ambas as formas de inteligência podem coexistir de forma complementar, contribuindo para a criação de valor num ecossistema human-AI. Os agentes de IA podem ser descritos como sendo entidades orientadas para objetivos, que aprendem e evoluem dinamicamente o seu comportamento, permitindo-lhes executar tarefas em ambientes complexos de forma eficaz. É essa automação baseada em objetivos que os difere da automação baseada em tarefas (Robotics Process Automation ou RPA) e da automação baseada apenas na pergunta-resposta (Natural Language Processing ou NLP prompts).

Os agentes de IA destacam-se por não dependerem de instruções explícitas nem produzirem resultados pré-determinados, o que os torna altamente adaptáveis a diferentes contextos. Essa capacidade de receber instruções, elaborar planos e utilizar ferramentas de forma não determinística permite-lhes atuar como participantes ativos no ecossistema digital, interagindo com aplicações, humanos e outros agentes.

O seu poder transformacional manifesta-se na eficiência, ao automatizarem tarefas e operarem continuamente; na adaptabilidade, que lhes permite responder a condições variáveis, aprendendo em tempo real e ajustando processos sem necessidade de intervenção humana; e na escalabilidade, que garante que os agentes conseguem lidar com o aumento das solicitações mantendo o desempenho.

Transpondo para um cenário hipotético, pensemos no recente incêndio no aeroporto de Heathrow que obrigou ao cancelamento de mais de 1300 voos e prejudicou mais de 290 mil passageiros. Um contact center suportado em agentes de IA poderia ter escalado rapidamente a capacidade de resposta, fornecendo informações atualizadas sobre a situação, os impactos e as medidas em curso, de forma mais célere e eficiente. Da mesma forma, seria possível percecionar, através dos vários contactos a ocorrem em simultâneo, quais seriam as principais preocupações dos passageiros e atuar em conformidade.  Este exemplo ilustra como os agentes de IA podem operar em tempo real, encontrar insights importantes e adaptar workflows com pouca ou nenhuma intervenção humana.

Esta combinação de intervenientes humano-agentes IA forma a riqueza do ecossistema humano-IA. No entanto, e embora os agentes de IA tenham um enorme potencial transformador, é essencial que sejam controlados e geridos adequadamente por agentes operacionais. Como refere o CEO da OpenAI, a integração dos agentes de IA nas organizações requer estratégias claras, tecnologia apropriada e uma abordagem cuidadosa para garantir os resultados desejados [Sam Altman blog, “Reflections”, 6 de janeiro 2025].

Para garantir que os agentes de IA operam de forma alinhada com o propósito para o qual foram concebidos, é essencial que o sistema seja confiável e sujeito a monitorização contínua. Isso exige uma framework robusta que estabeleça diretrizes claras para a interação entre humanos, agentes e sistemas, assegurando rigor, transparência, responsabilidade e conformidade regulatória em todas as fases do seu ciclo de vida. A escolha dessa framework deve considerar um conjunto abrangente de capacidades, incluindo orquestração, inteligência dos agentes, controlo, segurança e integração eficaz nas organizações, de modo a mitigar riscos materiais, legais e reputacionais.

Relativamente à capacidade de orquestração, devem ser avaliados aspetos como a gestão da concorrência entre agentes, os padrões de interação multiagente suportados, os mecanismos disponíveis para a distribuição de tarefas e os protocolos oferecidos para resolução de conflitos. No que respeita à inteligência dos agentes, a análise deve abranger desde a seleção dos modelos LLM (Large Language Models), às capacidades de raciocínio em múltiplas etapas, os mecanismos de aprendizagem e adaptação, a retenção de contexto, o grau de transparência na tomada de decisões, e a flexibilidade na integração com ferramentas e API’s externas.

Ao nível do controlo e segurança, é importante considerar a capacidade da framework para impor restrições às ações dos agentes, os métodos existentes para validação das suas decisões, o nível de monitorização disponível e as opções de supervisão humana que permitem manter o controlo operacional e ético do sistema. Por fim, no que no que se refere à integração com as organizações, é essencial avaliar a forma como o modelo se articula com as soluções já existentes, designadamente com os mecanismos de autenticação e autorização, os métodos de invocação de aplicações, passando também pela compatibilidade com sistemas legados, capacidades de processamento e tratamento de dados, e critérios relacionados com os custos de computação.

Assim, seja para explorar agentes de IA ou para escalar a automação, é fundamental ter uma estratégia bem definida, tecnologia apropriada e um modelo de governação robusto. Isso garantirá que as iniciativas com agentes de IA alcancem os melhores resultados e funcionem de forma eficiente, escalável e responsável.