Nos \u00faltimos tempos, v\u00e1rios chatbots como ChatGPT, Claude e Gemini ganharam destaque no reino da intelig\u00eancia artificial. No entanto, essas ferramentas n\u00e3o s\u00e3o o objetivo final para a maioria das empresas. Um n\u00famero significativo de empresas aspira desenvolver Intelig\u00eancia Artificial Geral (AGI) \u2014 tecnologia capaz de raciocinar em n\u00edveis compar\u00e1veis \u200b\u200bou potencialmente superiores \u00e0 intelig\u00eancia humana. No entanto, a jornada para a AGI envolve v\u00e1rios marcos de desenvolvimento.<\/p>\n
Embora os chatbots exibam capacidades impressionantes, sua utilidade \u00e9 um tanto limitada. Sem o elemento de autonomia, os chatbots s\u00f3 podem aumentar a efici\u00eancia e a produtividade at\u00e9 certo ponto. Essa limita\u00e7\u00e3o contribui para sua incapacidade de gerar receitas antecipadas. Essencialmente, os chatbots representam o est\u00e1gio fundamental do avan\u00e7o da IA.<\/p>\n
Essa limita\u00e7\u00e3o \u00e9 o motivo pelo qual as empresas de IA est\u00e3o cada vez mais focando em agentes de IA como a pr\u00f3xima onda de inova\u00e7\u00e3o de IA. Ao contr\u00e1rio dos chatbots tradicionais ou dos bots de suporte automatizados comumente encontrados em sites de neg\u00f3cios, os agentes de IA s\u00e3o projetados para ir al\u00e9m de simples instru\u00e7\u00f5es e podem fazer escolhas independentes.<\/p>\n
Interagir com os bots de suporte ao cliente existentes pode ser frustrante, pois eles geralmente n\u00e3o conseguem resolver problemas de forma r\u00e1pida ou eficiente \u2014 diferentemente dos representantes de suporte humanos. No entanto, o advento de agentes de IA aut\u00f4nomos est\u00e1 definido para transformar essa experi\u00eancia.<\/p>\n
A defini\u00e7\u00e3o de agentes de IA permanece um tanto amb\u00edgua at\u00e9 mesmo entre especialistas, mas sua vis\u00e3o continua a evoluir.<\/p>\n
No entanto, certas caracter\u00edsticas s\u00e3o bem compreendidas. Agentes de IA s\u00e3o projetados como modelos capazes de tomar decis\u00f5es complexas de forma aut\u00f4noma dentro de cen\u00e1rios do mundo real. Eles podem exigir supervis\u00e3o humana ocasional, mas a gama de tarefas que podem executar superar\u00e1 amplamente a dos chatbots atuais.<\/p>\n
Embora chatbots como o ChatGPT possam aumentar a produtividade humana, os agentes de IA t\u00eam o potencial de substituir fun\u00e7\u00f5es humanas, pelo menos para tarefas mais simples.<\/p>\n
Diferenciando-se dos bots de IA generativos existentes que funcionam puramente prevendo a pr\u00f3xima palavra em uma sequ\u00eancia, os agentes de IA possuir\u00e3o a capacidade de pensar criticamente e raciocinar. Um vislumbre dessas capacidades de racioc\u00ednio j\u00e1 foi observado com o modelo o1 da OpenAI.<\/p>\n
No entanto, o racioc\u00ednio \u00e9 apenas uma faceta do que os agentes de IA s\u00e3o projetados para alcan\u00e7ar.<\/p>\n
Uma caracter\u00edstica fundamental dos agentes de IA \u00e9 sua capacidade de perseguir objetivos estabelecidos por humanos sem instru\u00e7\u00f5es constantes, particularmente em ambientes complexos e em constante mudan\u00e7a. Ao contr\u00e1rio dos chatbots atuais que dependem de instru\u00e7\u00f5es passo a passo de humanos, os agentes de IA exigir\u00e3o apenas que o usu\u00e1rio defina o objetivo final.<\/p>\n
Proatividade \u00e9 outro recurso essencial; agentes de IA n\u00e3o devem esperar por avisos, como os chatbots t\u00edpicos fazem.<\/p>\n
Al\u00e9m disso, um aspecto fundamental dos agentes de IA \u00e9 sua capacidade de aprender com feedback. Esses agentes podem evoluir continuamente e melhorar seu desempenho sem precisar de interven\u00e7\u00e3o humana; eles aprendem com suas experi\u00eancias.<\/p>\n
Como os agentes de IA operam<\/strong> Imagine um agente de IA lidando com um problema do cliente. Em vez de simplesmente aderir a um script r\u00edgido, ele pode recuperar informa\u00e7\u00f5es como o ID de refer\u00eancia do cliente, acessar documentos internos relevantes e fazer mais perguntas para entender melhor a situa\u00e7\u00e3o antes de oferecer solu\u00e7\u00f5es. Se necess\u00e1rio, ele pode escalar o assunto para um supervisor humano para aprova\u00e7\u00e3o. Por fim, se a resolu\u00e7\u00e3o se mostrar imposs\u00edvel, ele pode redirecionar o cliente para um representante humano.<\/p>\n O suporte ao cliente \u00e9 apenas um dom\u00ednio onde se espera que os agentes de IA prosperem, mas eles provavelmente surgir\u00e3o em v\u00e1rios outros campos, como o desenvolvimento de software.<\/p>\n As previs\u00f5es indicam que, nos pr\u00f3ximos tr\u00eas anos, um n\u00famero significativo de empresas empregar\u00e1 agentes de IA para tarefas de codifica\u00e7\u00e3o, relegando desenvolvedores humanos principalmente a fun\u00e7\u00f5es de revis\u00e3o.<\/p>\n V\u00e1rias organiza\u00e7\u00f5es est\u00e3o desenvolvendo sistemas ag\u00eanticos para aprimorar fluxos de trabalho internos, passando dos est\u00e1gios de Prova de Conceito para Piloto. Embora automatizar tarefas com agentes n\u00e3o seja um conceito novo, a integra\u00e7\u00e3o de IA permitir\u00e1 que esses agentes lidem com uma variedade maior de tarefas com maior flexibilidade.<\/p>\n Muitas empresas j\u00e1 est\u00e3o implantando agentes de IA para v\u00e1rias fun\u00e7\u00f5es internas, com algumas como a Agentforce da Salesforce oferecendo vers\u00f5es preliminares para empresas. Em apenas alguns anos, os agentes de IA podem substituir completamente a equipe tradicional de call center.<\/p>\n Al\u00e9m disso, muitas empresas provavelmente adotar\u00e3o um sistema multiagente, em que agentes distintos executar\u00e3o fun\u00e7\u00f5es especializadas, mantendo a comunica\u00e7\u00e3o e a colabora\u00e7\u00e3o.<\/p>\n O escopo dos agentes de IA se estende al\u00e9m dos neg\u00f3cios; aplicativos de assistente pessoal tamb\u00e9m est\u00e3o sendo reformulados com recursos de IA. Um agente de IA ideal funcionaria de forma semelhante a um assistente humano, gerenciando compras, organizando viagens ou agendando reuni\u00f5es, com a capacidade de interagir com v\u00e1rias ferramentas, incluindo pesquisas na web e outros sistemas de IA.<\/p>\n Al\u00e9m disso, os agentes de IA devem ser multimodais, como demonstrado pelo Projeto Astra do Google em sua recente confer\u00eancia I\/O, capazes de processar entradas de \u00e1udio, imagens e v\u00eddeo.<\/p>\n Vale ressaltar que n\u00e3o existir\u00e1 um \u00fanico tipo de agente de IA; contextos diferentes exigir\u00e3o conjuntos de habilidades variados.<\/p>\n Apesar dos avan\u00e7os significativos, alcan\u00e7ar agentes totalmente aut\u00f4nomos apresenta in\u00fameros desafios.<\/p>\n Para se qualificarem como verdadeiramente \u00fateis e aut\u00f4nomos, os agentes de IA devem reduzir drasticamente suas taxas de erro. Atualmente, os sistemas de IA s\u00e3o altamente suscet\u00edveis a imprecis\u00f5es, que precisam ser reduzidas para menos de 1% para facilitar a ado\u00e7\u00e3o generalizada. Alcan\u00e7ar uma redu\u00e7\u00e3o para menos de 10% pode ser relativamente simples, mas refin\u00e1-la ainda mais ser\u00e1 mais desafiador.<\/p>\n Al\u00e9m disso, no cen\u00e1rio de suporte ao cliente discutido anteriormente, um obst\u00e1culo cr\u00edtico \u00e9 garantir que um agente de IA possa determinar quando encaminhar um problema para um humano em vez de tentar resolv\u00ea-lo teimosamente de forma independente, o que pode levar ao aumento de custos.<\/p>\n A compreens\u00e3o contextual apresenta outro obst\u00e1culo. Ao imaginar o uso de chatbots de IA para tarefas de codifica\u00e7\u00e3o, suas limita\u00e7\u00f5es atuais se tornam aparentes; eles lutam para produzir c\u00f3digo de formato longo devido a restri\u00e7\u00f5es de contexto.<\/p>\n A seguran\u00e7a e o controle de acesso tamb\u00e9m devem ser abordados para realizar totalmente o potencial dos agentes de IA. Com maior autonomia, vem o risco aumentado, necessitando de salvaguardas para garantir que os agentes de IA executem apenas a\u00e7\u00f5es autorizadas e acessem informa\u00e7\u00f5es permitidas.<\/p>\n Al\u00e9m disso, problemas como inje\u00e7\u00e3o r\u00e1pida apresentam vulnerabilidades de seguran\u00e7a que devem ser gerenciadas.<\/p>\n Os recursos necess\u00e1rios para dados de treinamento e poder computacional tamb\u00e9m apresentam desafios. No entanto, de acordo com algumas das declara\u00e7\u00f5es de Sam Altman, pode haver solu\u00e7\u00f5es potenciais para o problema de dados de treinamento j\u00e1 em andamento.<\/p>\n As empresas de IA est\u00e3o trabalhando diligentemente para alcan\u00e7ar um futuro ag\u00eantico, e muitos desses desafios devem ser resolvidos em um futuro pr\u00f3ximo. Por exemplo, o Google est\u00e1 atualmente facilitando uma janela de contexto de 2M e est\u00e1 progredindo em dire\u00e7\u00e3o ao contexto infinito.<\/p>\n Assim, embora a IA possa n\u00e3o operar atualmente nos n\u00edveis que esperamos, o futuro pode chegar mais cedo do que o previsto. As empresas precisam se preparar para a integra\u00e7\u00e3o de agentes de IA em suas opera\u00e7\u00f5es. Se voc\u00ea acredita que levar\u00e1 anos at\u00e9 que a IA possa lidar com compet\u00eancia com as responsabilidades que voc\u00ea supervisiona, reconsidere. Os agentes de IA est\u00e3o no horizonte, e \u00e9 essencial desenvolver novas habilidades para se adaptar a essa realidade emergente. Muitas empresas est\u00e3o prontas para iniciar a integra\u00e7\u00e3o de agentes de IA j\u00e1 no ano que vem, apresentando tomada de decis\u00e3o aut\u00f4noma, proatividade, adaptabilidade e capacidade de operar em cen\u00e1rios complexos e perseguir metas definidas.<\/p>\nUsos potenciais<\/h2>\n
Desafios atuais enfrentados pelos agentes de IA<\/h2>\n