A adoção de AI Agents está revolucionando o cenário empresarial ao transformar sistemas digitais em colaboradores virtuais capazes de realizar tarefas complexas e adaptáveis. Graças a avanços dos LLMs, como os Large Action Models (LAMs), também conhecidos como Large Agentic Models, agentes não se limitam apenas a fornecer informações; agora, podem planejar, executar e ajustar suas atividades em tempo real, colaborando com humanos e, principalmente, outros agentes de IA, para cumprir objetivos operacionais com agilidade e precisão.
Conceitos como Multi AI Agent e Agentic Mesh estão ganhando força ao promoverem a criação de ecossistemas que permitem a agentes autônomos se encontrarem, colaborarem, interagirem e realizarem transações de forma segura, eficiente e confiável. A ideia é permitir que os agentes de IA trabalhem coletivamente, alavancando suas capacidades únicas para melhorar o desempenho e a eficiência.
A Microsoft, por exemplo, acaba de lançar um sistema multiagente inovador, o Magnetic-One, projetado para lidar com tarefas complexas e abertas em ambientes baseados em arquivos e na web. Ele utiliza uma arquitetura exclusiva onde um agente "Orchestrator" central direciona quatro agentes especializados: WebSurfer, FileSurfer, Coder e ComputerTerminal. Esta divisão de trabalho permite um fluxo de trabalho adaptável, embora não esteja livre de risco de comportamentos inesperados em operações autônomas. O framework é de código aberto e está disponível para pesquisadores e desenvolvedores, inclusive para fins comerciais.
Este é um conteúdo exclusivo para assinantes.
Cadastre-se grátis para ler agora
e acesse 5 conteúdos por mês.
É assinante ou já tem senha? Faça login. Já recebe a newsletter? Ative seu acesso.
O lançamento dos interaction models pela Thinking Machines redefine a fronteira entre homem e máquina. Mas cuidado: a tecnologia que resolve o gargalo técnico pode ser a mesma que atrofia as habilidades sociais do seu time.
Pesquisa do MIT SMR e do BCG responde: não! Painel com 31 especialistas globais indica que a supervisão humana em IA exige mais do que verificar outputs: exige julgamento em todo o ciclo de vida dos sistemas.
Em menos de um ano, a taxa de sucesso em testes de autorreplicação saltou de 6% para 81%. O tempo médio de detecção nas empresas ainda é de 10 dias.
Uma onda de organizações que demitiu em nome da IA está refazendo o caminho, só que agora com custos 27% maiores, equipes que perderam a confiança na liderança e o conhecimento institucional que foi embora junto com os funcionários
Mais da metade dos CEOs ouvidos pelo BCG diz que seus conselhos confundem narrativa midiática com realidade operacional da IA; 60% acreditam que estão sendo pressionados a agir rápido demais
A empresa, que investe em educação de colaboradores e clientes sobre IA, se apoia em uma cultura construída ao longo de cinco décadas para se tornar diferencial num mercado em consolidação.
Aproveite nossas promoções de renovação
Clique aquiPara continuar navegando como visitante, vá por aqui.
Cadastre-se grátis, leia até 5 conteúdos por mês,
e receba nossa newsletter diária.
Já recebe a newsletter? Ative seu acesso
