Como preparar sua empresa para a adoção de IA por meio de agentes

1. Identifique os principais casos de uso de IA para sua empresa

Parte do valor dos agentes de IA reside na sua capacidade de acelerar praticamente qualquer tipo de processo de negócio, sendo o atendimento ao cliente e o desenvolvimento de software alguns dos casos de uso mais populares para IA agéntica.

Mas é irrealista implantar agentes em todos os domínios de negócios simultaneamente. Em vez disso, a adoção de IA baseada em agentes deve começar pela definição de quais casos de uso ou funções de negócios priorizar. Os líderes empresariais precisam determinar onde os agentes de IA agregarão maior valor, considerando os processos ineficientes ou a escassez de pessoal atualmente em vigor na organização.

Por exemplo, se o departamento financeiro estiver com falta de pessoal, implementar agentes de IA capazes de automatizar tarefas como a gestão de faturas pode ser uma ótima opção a ser priorizada. Se a empresa apresentar baixo desempenho em cibersegurança, pode ser prudente concentrar-se na implementação de agentes para automatizar processos como a detecção e avaliação de ameaças.

2. Avalie a preparação dos dados

Os agentes de IA são tão eficazes quanto as fontes de dados que os alimentam. Sem dados relevantes e de alta qualidade, eles não conseguem agir de forma eficaz. Um agente projetado para automatizar interações de atendimento ao cliente, por exemplo, não funcionará bem se a empresa que o implementa não puder conectá-lo a bancos de dados que contenham informações do cliente e histórico de compras.

Portanto, os líderes devem avaliar a prontidão de suas organizações para a adoção de IA ativa a partir de uma perspectiva de prontidão de dados. Especificamente, as empresas devem considerar o seguinte:

• Que tipos de dados estruturados e não estruturados os agentes de IA podem acessar em domínios de negócios específicos?
• Se os dados contiverem informações em falta, redundâncias, imprecisões ou outros problemas que contribuam para a baixa qualidade.
• Como garantir que os agentes continuem a ter acesso aos dados mais atualizados à medida que as fontes de dados evoluem.

Se os dados da sua empresa não estiverem prontos para IA orientada a agentes, invista na melhoria dos dados antes de implementar agentes de IA.

3. Defina as limitações das capacidades dos agentes

Apenas uma pequena fração das empresas — 6%, de acordo com uma análise recente da Harvard Business Review— relata confiar em agentes de IA para realizar tarefas completamente sozinhos. Isso é compreensível, já que os agentes de IA podem cometer erros, como excluir dados críticos acidentalmente.

Por esse motivo, as empresas devem estabelecer critérios claros sobre o que os agentes poderão ou não fazer. Essas regras podem variar dependendo das funções de negócios ou casos de uso. Por exemplo, os agentes podem receber maior autonomia para tarefas menos críticas, como gerar documentação, enquanto uma empresa pode decidir não confiar processos de maior risco a agentes de IA em uma área como finanças.

4. Decida quando exigir revisão humana das ações dos agentes

Determine quando implementar controles com intervenção humana nos processos da agência. Esses controles exigem que as pessoas revisem e aprovem as ações propostas pelos agentes de IA antes que sejam executadas. Nem todos os fluxos de trabalho da agência deveriam exigir aprovação manual, mas são adequadas para processos que apresentam certo nível de risco para a organização.

Uma empresa, por exemplo, pode não permitir que agentes de IA concluam transações financeiras que excedam um determinado limite em dólares até que um humano as aprove, mas permitir que os agentes realizem transações de menor valor sem aprovação manual.

Guia para se preparar para a adoção bem-sucedida de IA com agentes

Tabela: Chris Tozzi. Criada com Datawrapper.

5. Identificar e monitorar agentes de IA

Quando dezenas ou centenas de agentes de IA operam em sistemas de TI, controlar quais agentes existem e o que eles podem (e não podem) fazer pode se tornar bastante complexo. Para solucionar esse problema, as empresas precisam investir em ferramentas que automatizem o processo de identificação dos agentes de IA e o rastreamento das ações que eles devem executar.

Uma ferramenta fundamental para essa função é uma malha de agentes — uma plataforma que atua como intermediária entre agentes, fontes de dados e modelos de IA. Ao detectar agentes de IA e monitorar as fontes de dados que eles acessam e as ações que executam, as malhas de agentes desempenham um papel crucial na escalabilidade e automatização da identificação e monitoramento de agentes.

Conforme definido pela McKinsey & Company, as malhas de agentes funcionam como um "paradigma arquitetônico composto, distribuído e independente de fornecedores que permite que múltiplos agentes raciocinem, colaborem e ajam de forma autônoma em uma ampla gama de sistemas, ferramentas e modelos de linguagem — com segurança, em escala e projetado para evoluir com a tecnologia".

6. Mitigar os riscos de gestão de custos dos agentes

O desenvolvimento de agentes de IA pode ser caro. E o custo pode ser ainda maior quando se considera o preço das instruções que eles enviam aos modelos de IA. Para evitar que os agentes de IA consumam os orçamentos corporativos, é crucial estabelecer estratégias de controle de custos desde o início do processo de planejamento.

Uma forma de reduzir os custos de desenvolvimento é usar agentes ou frameworks de IA de código aberto, que geralmente são gratuitos. Além disso, as malhas de agentes podem ajudar a gerenciar os custos operacionais da IA ativa. Elas permitem a interceptação das comunicações entre agentes e modelos de IA e a remoção de dados desnecessários para reduzir os custos de ativação.

Algumas malhas também podem redirecionar solicitações para modelos de menor custo — uma medida inteligente de economia, já que o custo por solicitação (ou, mais especificamente, por token, as unidades de dados que compõem as solicitações) pode variar significativamente entre diferentes modelos. Para consultas mais simples, um modelo de menor custo pode ter o mesmo desempenho que o modelo mais caro que um agente tenta usar inicialmente.

7. Avalie os fornecedores de IA com agentes

Para a maioria das empresas, desenvolver agentes de IA e ferramentas de gerenciamento de agentes, como malhas de agentes, do zero é inviável. Um caminho mais rápido e simples para a adoção de agentes é colaborar com fornecedores terceirizados especializados no desenvolvimento e suporte das ferramentas necessárias.

Para isso, as empresas devem avaliar cuidadosamente o panorama dos fornecedores de agentes e analisar os seguintes critérios principais:

• Qual o nível de maturidade tecnológica do agente do fornecedor?
• Há quanto tempo o fornecedor está no mercado e qual o nível de confiança que seus clientes depositam na capacidade da empresa de dar suporte às suas ferramentas para agentes a longo prazo.
• Que tipos de dados do cliente o provedor ou seu software podem acessar e como ele mitiga os riscos de segurança e privacidade associados a esses dados?
• Se o fornecedor cumprir as principais normas que a empresa deve observar.

8. Desenvolva sua estratégia de gestão de força de trabalho

Embora seja cedo demais para dizer exatamente como os agentes de IA afetarão a força de trabalho, a Goldman Sachs Research prevê que entre 6% e 7% dos empregos humanos se tornarão obsoletos quando as empresas adotarem agentes de IA para executá-los.

Ao mesmo tempo, a tecnologia de agentes criará a necessidade de novos tipos de funções humanas, como aquelas relacionadas à gestão e segurança de agentes de IA. Portanto, as empresas devem avaliar como os agentes de IA afetarão suas equipes e adaptar suas estruturas de negócios, estratégias de recrutamento e retenção de funcionários de acordo.

9. Otimizar processos de negócios

A maioria dos processos de negócios que as organizações implementam atualmente data da era pré-agências. Para maximizar o valor gerado por agentes de IA, as empresas precisarão reestruturar muitos de seus processos.

Imagine que um agente de IA consiga acelerar uma parte de um fluxo de trabalho em 1.000%, mas que humanos ainda executem manualmente outras partes que precisam ser feitas em paralelo. Para gerar valor real, a empresa precisaria redesenhar todo o processo, acelerando as tarefas paralelas ou concluindo-as em momentos diferentes. Caso contrário, o resultado poderia ser uma situação em que a parte do fluxo de trabalho controlada pelo agente é executada muito mais rapidamente, enquanto o tempo total do fluxo de trabalho permanece constante.

Sobre o autor: Chris Tozzi é escritor freelancer, consultor de pesquisa e professor de TI e sociedade. Anteriormente, trabalhou como jornalista e administrador de sistemas Linux.