s
INTELIGÊNCIA ARTIFICIAL

Agentes de IA, a verdadeira revolução para pequenas e médias empresas

Eles não apenas escreverão e-mails ou criarão conteúdo. Também executarão processos empresariais inteiros de forma autônoma, reduzindo custos em 30%, aumentando a produtividade em até 40%.

Até agora, o papel da Inteligência Artificial em pequenas e médias empresas (PMEs) tem sido relativamente modesto. Essas empresas têm experimentado principalmente ferramentas de IA Generativa, como ChatGPT e Microsoft Copilot, para auxiliar em tarefas como redação de e-mails, respostas a consultas de clientes ou geração conteúdo para Internet. Embora essas ferramentas tenham se mostrado úteis, elas apenas arranharam a superfície do verdadeiro potencial da IA.

Em 2025, PMEs poderão usar agentes de IA que vão além da geração de texto ou imagens. Esses agentes farão coisas — automatizando processos complexos, realizando tarefas e até mesmo iniciando transações sem intervenção humana. Esse salto na tecnologia de IA promete agilizar as operações e dar às empresas menores uma vantagem competitiva anteriormente reservada a grandes empresas.

Em setores que vão de Contabilidade e Atendimento ao Cliente até Assistência Médica e desenvolvimento de software, os agentes de IA ajudarão as PMEs a operar de forma mais eficiente e econômica. De acordo com pesquisa recente da McKinsey, as empresas que implementam a automação de IA na Contabilidade podem esperar uma redução de até 30% nos custos operacionais e um aumento de 20–40% na produtividade.

CADASTRE-SE GRÁTIS PARA ACESSAR 5 CONTEÚDOS MENSAIS

Já recebe a newsletter? Ative seu acesso

Ao cadastrar-se você declara que está de acordo
com nossos Termos de Uso e Privacidade.

Cadastrar

Ao automatizar tarefas como faturamento, reconciliação financeira e pagamentos, os agentes de IA podem liberar um tempo valioso para que as empresas se concentrem no crescimento e na estratégia, em vez de ficarem atoladas em tarefas administrativas. A Accenture, em seu recém-lançado relatório “Technology Vision 2025”, vê a Agentic AI especialmente útil para gerenciar inventário, personalizar o atendimento a pacientes em ensaios clínicos e solucionar problemas com equipamentos industriais. A empresa fez parceria com a Nvidia em sua plataforma AI Refinery para implementar agentes em ambientes de negócios.

Em resumo, para permanecerem competitivas em 2025, as PMEs devem olhar além das tendências atuais e começar a pensar em como os agentes de IA podem mudar suas operações. Lembrando sempre que o real valor da IA está em tornar os humanos mais produtivos e permitir a tomada de decisões orientada por dados. Portanto, é muito menos importante para um modelo de IA estar no topo de todos os benchmarks do que efetivamente capacitar organizações a desbloquear novos níveis de produtividade, agilidade e inovação.

Não por acaso, os fornecedores aparentemente saltaram do desenvolvimento dos mais recentes grandes modelos de linguagem (LLMs) e chatbots de IA para a criação de agentes e action models. Por exemplo, a Salesforce introduziu no ano passado o Agentforce, seu criador de agentes de baixo código. A Microsoft introduziu o Azure AI Agents Service, um centro comunitário que ajuda os desenvolvedores a criar agentes de IA, antes mesmo de seu CEO, Satya Nadella afirmar que as aplicações da forma como conhecemos provavelmente desaparecerão em favor de agentes inteligentes. E a OpenAI quer lançar seu agente de IA autônomo, o “Operator”, este mês.

Há agentes de IA para automatizar vários processos de negócios. No fim de 2024, a Forrester Research listou 400 fornecedores já construindo agentes. O CB Insights mapeou mais de 60 só no segmento industrial. O CEO da Nvidia, Jensen Huang, afirma que os agentes de IA são a nova força de trabalho digital e que o departamento de TI de cada empresa será o departamento de RH dos agentes de IA no futuro.

Onde focar?

Organizações — especialmente, PMEs — precisam se concentrar em tornar os fluxos de trabalho dos agentes fáceis de criar, aprimorar, gerenciar e usar para um público amplo de pessoas de vários níveis técnicos. Simplificar o uso de agentes de IA envolve muito mais do que colocar uma GUI na frente deles e deixar o usuário clicar em seus próprios agentes e fluxos de trabalho. Outro grande desafio está em criar guardrails continuamente aplicados de uma perspectiva de segurança, conformidade, eficiência de custos e precisão para fornecer governança centralizada em muitos fluxos de trabalho de agentes complexos.

Disponibilizar equipes de agentes de IA para funcionários humanos permitirá que funções técnicas e não técnicas automatizem iterativamente muitas das tarefas indiretas, demoradas e penosas que eles precisam realizar diariamente. Agentes de IA especializados, cada um com funções e conhecimentos distintos, colaboram em tarefas complexas, incluindo análise de dados, orquestrando integrações sofisticadas, projetando e executando casos de teste e refinando os resultados com base no feedback em tempo real dos seres humanos. O valor real dos agentes de IA vem da orquestração deles para concluir não apenas tarefas, mas processos inteiros.

Lideranças de tecnologia precisarão pensar na gama de controles necessários para gerenciar esse exército de agentes de GenAI, como ciclos de feedback que lhes permitam revisar e refinar o trabalho uns dos outros, programando-os para fazer perguntas diretamente aos gerentes e garantindo uma supervisão humana suficiente.

As organizações, por sua vez, deverão aproveitar os princípios-chave do design e gerenciamento de agentes de IA e sistemas de IA multiagente, que tomam emprestado princípios de composable design, arquitetura de microsserviços e implantação e formação de equipes de recursos humanos.

Linguagem, planejamento, raciocínio, reflexão e capacidade de usar ferramentas, dados e memória: todos esses atributos são essenciais para o funcionamento dos agentes de IA e também para a demonstração de habilidades cognitivas humanas. No reino dos negócios, agentes de IA e trabalhadores humanos têm outras similaridades. Ambos devem ser cuidadosamente selecionados, bem treinados e bem equipados para executar seus trabalhos. E ambos devem ser implantados de forma inteligente e gerenciados consistentemente de maneiras que ajudem a garantir um desempenho eficiente e de agregação de valor.

Não é de surpreender, portanto, que princípios recomendados de design e gerenciamento de agentes de IA ecoem temas familiares de design organizacional e gerenciamento de recursos humanos.

As seguintes abordagens podem auxiliar as empresas a garantirem eficiência e eficácia em toda a sua “força de trabalho” agêntica, segundo a Deloitte.

  • Abordagem orientada por domínio: a maioria dos agentes de IA deve ser originada e/ou projetada com base em requisitos de domínio específicos.
  • Design baseado em funções: os agentes devem ser projetados para desempenhar funções e não tarefas específicas.
  • Equilíbrio correto: encontre o equilíbrio adequado entre o número e o escopo de responsabilidades dos agentes de IA individuais.
  • Acesso controlado a dados, habilidades e ferramentas: ferramentas, dados e habilidades disponibilizados a um determinado agente de IA devem ser limitados àqueles que são essenciais para sua função.
  • Ciclo reflexivo: os agentes devem poder avaliar criticamente seus próprios resultados.

Espera-se que as empresas passem a usar agentes de IA em seus ambientes de três maneiras principais:

  • Superplataformas – representam a próxima geração de aplicativos de negócios de terceiros — como ferramentas de colaboração, gerenciamento de relacionamento com o cliente (CRM) ou soluções de planejamento de recursos empresariais (ERP) — com agentes de IA Generativa integrados. Esses agentes são essencialmente commodities que podem ser rapidamente colocadas em serviço. Uma superplataforma de CRM, por exemplo, pode permitir que um usuário não apenas execute um relatório de vendas, mas se comunique automaticamente com as ferramentas de análise da empresa sem fazer nenhuma programação.
  • Encapsuladores de IA. São essencialmente plataformas intermediárias que permitem que serviços empresariais se comuniquem e colaborem com serviços de terceiros por meio de APIs sem expor seus dados proprietários. Um banco, por exemplo, pode construir um encapsulador habilitado para GenAI em torno de um modelo de risco de crédito orientado por IA desenvolvido internamente. O encapsulador de IA pode então iniciar quaisquer consultas — por exemplo, alavancando o LLM de um fornecedor para gerar fatores de risco com base nos dados do cliente e nas pontuações de crédito do banco. Uma vez construídos, os encapsuladores de IA podem interagir facilmente com qualquer serviço de terceiros, permitindo que a TI troque facilmente de fornecedores quando necessário.
  • Agentes de IA personalizados. Agentes de IA personalizados são desenvolvidos internamente por meio do ajuste fino de um LLM pré-treinado ou usando geração aumentada de recuperação (RAG) com dados proprietários de uma empresa. Por exemplo, a tecnologia empresarial pode alimentar um modelo existente com dados de clientes, transcrições de call center, políticas da empresa e outras informações internas para criar um agente de IA capaz de auxiliar a equipe do call center a responder às perguntas dos clientes.

Espera-se também que frameworks de agentes novos ou aprimorados e plataformas de desenvolvimento reduzam a barreira de entrada. Esses frameworks fornecem protocolos de comunicação padrão, políticas de governança, gerenciamento de ciclo de vida e monitoramento para implantações de múltiplos agentes. Como resultado, as equipes podem construir, treinar e implantar coletivos de agentes sem reinventar a roda para cada componente do sistema.

Principais tipos de agentes de IA

Aqui está um detalhamento dos tipos de agentes que a empresa pode adotar:

1️⃣ Agentes LLM Básicos

📌 Para quando a empresa só precisa de uma solução direta e sem drama.

O que eles fazem: Pegam uma entrada simples, cospem uma resposta coerente. É isso.

Casos de uso:

– Escrever e-mails ou blogs.

– Respondendo a perguntas simples.

Exemplo: Peça para redigir um blog sobre IA na área da saúde e pronto, você terá um primeiro rascunho aceitável. Fácil.

2️⃣ Agentes CoT (Cadeia de Pensamento)

📌 Os pensadores excessivos do mundo da IA.

O que eles fazem: Dividem tarefas complexas em raciocínio lógico passo a passo. Ótimo para quando a empresa precisa do “como” por trás da resposta.

Casos de uso:

– Análise de documentos jurídicos.

– Resolução de problemas matemáticos de várias etapas.

Exemplo: Revisar um contrato legal cláusula por cláusula e dizer por que você provavelmente não deveria assiná-lo.

3️⃣ Agentes RAG (Geração Aumentada por Recuperação)

📌 Porque às vezes, até a IA precisa pesquisar coisas no Google.

O que eles fazem: buscam informações relevantes de fontes externas e as combinam com recursos generativos.

Casos de uso:

– Suporte personalizado ao cliente.

-Gestão do conhecimento.

Exemplo: Puxar pesquisas médicas sobre uma doença rara e gerar uma recomendação de tratamento detalhada.

4️⃣ Agentes ReAct (Raciocínio e Ação)

📌 Os multitarefas que agem e pensam (adoramos um rei eficiente).

O que eles fazem: Integram o raciocínio com a tomada de decisão em tempo real. Perfeito para resolução de problemas dinâmicos e em tempo real.

Casos de uso:

– Chatbots interativos.

– Gerenciamento de problemas da cadeia de suprimentos.

Exemplo: perceber a escassez de estoque, reordenar produtos e ajustar com base em dados em tempo real, tudo de uma só vez.

5️⃣ Agentes de Planejamento

📌 Os mentores estratégicos (pense em IA e grande mestre de xadrez).

O que eles fazem: Criam planos de ação para otimizar metas de longo prazo, adaptando-se às mudanças à medida que avançam.

Casos de uso:

– Fluxo de trabalho de negócios.

– Estratégia de negócios.

Exemplo: Planejar a rota de direção mais segura e eficiente para um veículo autônomo.

Como um agente de IA autônomo pode ser usado?

Os agentes podem dar suporte a casos de uso de alta complexidade em todos os setores e funções de negócios, particularmente para fluxos de trabalho que envolvem tarefas demoradas ou que exigem vários tipos especializados de análise qualitativa e quantitativa. Fazem isso dividindo recursivamente fluxos de trabalho complexos e realizando subtarefas em instruções especializadas e fontes de dados para atingir a meta desejada. O processo geralmente segue estas quatro etapas:

  1. O usuário fornece instruções: Um usuário interage com o sistema de IA dando um prompt em linguagem natural, muito parecido com o que alguém faria para instruir um funcionário confiável. O sistema identifica o caso de uso pretendido, pedindo ao usuário esclarecimentos adicionais quando necessário.
  2. O sistema de agente planeja, aloca e executa o trabalho: O sistema de agente processa o prompt em um fluxo de trabalho, dividindo-o em tarefas e subtarefas, que um subagente gerente atribui a outros subagentes especializados. Esses subagentes, equipados com o conhecimento e as ferramentas de domínio necessários, aproveitam “experiências” anteriores e expertise de domínio codificada, coordenando-se entre si e usando dados e sistemas organizacionais para executar essas atribuições.
  3. O sistema de agente melhora iterativamente a saída: Durante todo o processo, o agente pode solicitar entrada adicional do usuário para garantir precisão e relevância. O processo pode concluir com o agente fornecendo a saída final ao usuário, iterando em qualquer feedback compartilhado pelo usuário.
  4. O agente executa a ação: O agente executa todas as ações necessárias no mundo para concluir completamente a tarefa solicitada pelo usuário.

Na prática, portanto, aparentam ser um divisor de águas para muitos processos. No entanto, devemos lembrar que sua aplicabilidade ainda é limitada. Existem riscos associados à confiabilidade, uso malicioso e à ameaça de ataques cibernéticos.

Lembre: alguns dos agentes de IA já são usados ​​e implementados por empresas para tarefas como resolução de problemas complexos, planejamento de tarefas, automatização de tarefas e muito mais. Agentes inteligentes podem ajudar na escrita de código e análise de dados, trabalhar como assistentes virtuais e operar em várias linguagens. É por isso que eles podem ser aplicados em muitas indústrias diferentes.

Indústria Uso de agente autônomo Vantagens
Automação em casa Ajuste inteligente de temperatura ou luz, câmeras de segurança inteligentes Eficiência energética e maior segurança
Assistência médica Ferramentas de diagnóstico e sistemas de monitoramento de pacientes Personaliza planos de tratamento, diagnóstico mais rápido, melhor atendimento ao paciente
Finanças e serviços bancários Sistemas de detecção de fraudes, algoritmos inteligentes Melhor gestão de risco e segurança, melhor tomada de decisão
Atendimento ao Cliente Chatbots para suporte, assistentes inteligentes para consultas complexas Atendimento 24 horas, ampla disponibilidade, respostas rápidas, assistência personalizada
Transporte veículos autônomos e drones de entrega Redução de erros humanos, aumento da segurança nas estradas, serviços de entrega eficientes
Fabricação Produção automatizada, equipamento robótico Maior precisão, produtividade e segurança

Mas esses são apenas alguns exemplos de sua implementação.

Como capturar valor?

Para capturar o real valor dos agentes de IA as empresas terão que pensar de forma mais ampla em vários vetores. O primeiro vetor diz respeito à escala dos próprios agentes de IA. É possível permitir que centenas de agentes operem de forma independente com supervisão humana. Agentes de IA especializados, cada um com funções e conhecimentos distintos, colaboram em tarefas complexas, incluindo análise de dados, orquestrando integrações sofisticadas, projetando e executando casos de teste e refinando os resultados com base no feedback em tempo real dos seres humanos.

O próximo vetor de expansão está relacionado à escala do trabalho que os agentes realizam. O valor real dos agentes de IA  vem da orquestração deles para concluir não apenas tarefas, mas processos inteiros de desenvolvimento de software. Os usuários  precisarão pensar na gama de controles necessários para gerenciar esse exército de agentes de IA gen, como ciclos de feedback que lhes permitam revisar e refinar o trabalho uns dos outros, programando-os para fazer perguntas diretamente aos gerentes e garantindo uma supervisão humana suficiente.

O último vetor está relacionado ao valor propriamente dito. Os agentes de IA têm o potencial de redefinir radicalmente a relação custo-benefício da modernização de sistemas e da redução da dívida tecnológica. Profissionais de tecnologia precisarão identificar os maiores e mais complexos problemas tecnológicos – aqueles que custam centenas de milhões de dólares, têm cronogramas de vários anos e são responsáveis por grandes parcelas de dívidas técnicas – e se concentrar no desenvolvimento de soluções de IA Generativa para eles.

Como selecionar o agente mais apropriado?

Encontrar o agente de IA autônomo certo é a chave para os benefícios futuros da empresa. Há alguns elementos que precisam ser considerados.

Para escolher o agente de IA certo para sua empresa, é preciso saber as necessidades específicas do seu negócio. Definir o escopo de tarefas que o agente pode lidar.

Depois de saber suas necessidades específicas, comece a pesquisar opções disponíveis para agentes autônomos de IA, seus custos e capacidades. Compare diferentes opções e explore seus possíveis usos para sua organização. Finalmente, combine capacidades específicas, como processamento de linguagem natural, aprendizado de máquina, etc.) com seus requisitos.

Quando tiver selecionado seu agente, considere se ele pode ser facilmente integrado aos seus sistemas existentes ou ferramentas de desenvolvedor. Pense também sobre o futuro e o crescimento da empresa. Certifique-se de encontrar um agente que possa ser escalável com as crescentes demandas dos usuários.

Ao escolher um agente, esteja ciente de suas limitações técnicas, como sua incapacidade de lidar com problemas que exigem uma compreensão do mundo real. Às vezes, também pode ser difícil entender um processo de tomada de decisão tratado pelo agente. É preciso ter certeza de que o agente trabalha dentro de estruturas legais e éticas o tempo todo, especialmente em termos de vieses em IA.

É essencial escolher cuidadosamente o agente de IA autônomo para sua organização para garantir que sua empresa possa aproveitá-lo ao máximo.

Desemprego?

Qualquer avanço tecnológico vem acompanhado do medo natural de substituação de empregos e/ou desemprego generalizado. Agentes de IA, sem dúvida, assumirão tarefas repetitivas, mas isso não deve ser visto como uma ameaça à força de trabalho. Pelo contrário, a IA servirá como uma ferramenta para aumentar o potencial humano.

Proprietários de pequenas empresas podem aliviar essas preocupações oferecendo programas de treinamento para ajudar os funcionários a adotar essas novas tecnologias. Aqueles que se adaptam e aprendem a trabalhar junto com a IA se tornarão mais valiosos para suas empresas.

O Gartner sugere que 70% das PMEs que adotarem agentes de IA verão um aumento na satisfação dos funcionários, pois essas ferramentas permitem que a equipe se concentre em um trabalho mais significativo e criativo em vez de tarefas monótonas.

O futuro do trabalho será caracterizado por equipes híbridas de funcionários biológicos e digitais.

“Acreditamos que, em 2025, poderemos ver os primeiros agentes de IA ‘se juntarem à força de trabalho’ e mudarem materialmente a produção das empresas”, afirmou Sam Altman em uma postagem de blog na semana passada.

Vale ver também

  • Como usar a plataforma Crew AI para criar multiagentes de IA sem necessidade de programação.

  • Existem várias maneiras de construir um agente de IA do zero. Uma delas é usando Python ou React, por exemplo. Outra é usar alguns dos muitos frameworks específicos disponíveis hoje. O Crew AI é considerado um dos melhores frameworks para criação de aplicação multiagentes. Divide o mercado com PhidataOpenAI SwarmLangGraphMicrosoft AutogenVertex AILangflowLlamaIndexMulti-Agent Orchestrator e Semantic Kernel. Esses frameworks permitem a adição de documentos específicos (json, pdf, ou um site) como bases de conhecimento, a capacitação dos agentes de IA com ferramentas personalizadas e sua integração a sistemas externos para execução de operações como pagamentos on-line, pesquisas na web, chamadas de API, consultas de banco de dados, envio de e-mails, etc.

Agentes, o eldorado da IA corporativa

Inteligência Artificial

Agentes, o eldorado da IA corporativa

A revolução da Inteligência Artificial tem o potencial de elevar a eficiência corporativa, integrando grandes modelos de linguagem com dados e interfaces de usuário para transformar o modo como trabalhamos.

Agentes de IA serão dominantes em 2025

Inteligência Artificial

Agentes de IA serão dominantes em 2025

Conforme a maturidade da empresa, sistemas Multiagentes estarão em todo lugar a toda hora.

De LLMs a Agentes de IA: Como 2025 redefinirá a Inteligência Artificial

The Shift 360°

De LLMs a Agentes de IA: Como 2025 redefinirá a Inteligência Artific...

Saiba por que este será o ano de maior avanço na integração de IA em negócios e na vida cotidiana

Agentic AI e a nova era das simulações

Inteligência Artificial

Agentic AI e a nova era das simulações

O futuro não é a IA prevendo comportamentos, mas simulando-os. Empresas estão criando gêmeos digitais dos clientes — com personalidades, comportamentos e padrões de decisão — para testar estratégias de negócios.

Por Evandro Barros *
Agentic AI: Um novo mercado, de US$ 10 trilhões

Inteligência Artificial

Agentic AI: Um novo mercado, de US$ 10 trilhões

As empresas de IA estão indo atrás dos lucros do setor de serviços, remodelando como pensamos a automação.

Confiante nas transações autônomas?

Inteligência Artificial

Confiante nas transações autônomas?

Não demora e teremos agentes de IA pagando contas, comprando e investindo. Como esses agentes provarão sua identidade para agir em nosso nome, sem a nossa intervenção direta, garantindo segurança e privacidade?