- "Agentes de IA" evoluíram rapidamente de experimentos tecnológicos para o mainstream nos últimos 18 meses, e os primeiros usuários relatam resultados impressionantes, como redução de custos, economia de tempo e aumento de produtividade
- Essa inovação oferece uma mudança fundamental na automação de tarefas complexas, mas ainda existem limitações, desafios e perguntas sem resposta
O que são agentes de IA?
- Agentes de IA são sistemas de software que usam ferramentas, memória e outros sistemas de IA para planejar, coordenar e executar tarefas complexas
- Funcionam de forma semelhante à humana: definem um objetivo, o dividem em etapas menores e o executam
- Graças aos avanços dos grandes modelos de linguagem (LLMs) e da IA generativa (gen AI), conseguem atingir objetivos por meio de planejamento, execução, avaliação e iteração, usando inteligência, ferramentas e memória
Um sistema simples de agente de IA
- Pergunta de um amigo: "Seria possível criar um app que ofereça passagens aéreas mais baratas para destinos com o clima ideal?"
- Isso também seria possível com código tradicional, mas os agentes de IA oferecem uma abordagem mais interessante com linguagem natural
- Exemplo de recomendação de viagem com linguagem natural:
- Coleta das preferências do usuário: o usuário informa em linguagem natural suas preferências de clima e local de partida. O LLM interpreta a entrada, identifica as ferramentas necessárias e decide como executar a tarefa
- Busca de destinos: usa a ferramenta "find_destinations" para procurar destinos adequados com base em dados climáticos de 200 cidades nos últimos 12 meses
- Busca de voos: pesquisa dados de voos e informações de preço para os destinos
- Geração da recomendação: combina os dados das etapas 2 e 3 e gera a recomendação final em linguagem natural
Sistemas avançados de agentes de IA
- Com LLMs mais poderosos, os agentes de IA conseguem lidar também com tarefas mais complexas
- Principais casos de uso:
- Desenvolvimento de software: agentes de IA que constroem e mantêm software. Devin, Cursor, Replit, GitHub Copilot (agora com 1,8 milhão de assinantes), entre outros
- Atendimento ao cliente: agentes de IA que lidam com solicitações de clientes. A IA da Klarna substituiu o trabalho de 700 funcionários e economizou $40m em custos em 2024
- Vendas e marketing: agentes de IA que automatizam prospecção comercial e marketing. O marketing com IA generativa da KFC e do Taco Bell elevou o engajamento dos consumidores em dois dígitos
Áreas de oportunidade
- Diversas startups estão desenvolvendo produtos inovadores com agentes de IA
- Exemplos de aplicações:
- Saúde: OpenClinic – sistema de apoio a médicos
- Treinamento de robôs: innate – plataforma para treinar robôs
- Assistente pessoal: Khoj – atua como um segundo cérebro do usuário
- Design de interiores: Rastro – funciona como um designer de interiores personalizado
- Caso de sucesso: HappyRobot
- Automatiza chamadas telefônicas e comunicação em empresas de logística
- Tem mais de 50 clientes e já entrega benefícios visíveis. Tempo médio de chamada 50% menor, custos operacionais reduzidos em 1/3
- Exemplos de tooling
- Construção de agentes no-code: Gumloop – cria agentes de IA sem escrever código
- Sistema de pagamento por telefone: Protegee – permite pagamentos telefônicos seguros via agentes
- Testes de segurança: uso de agentes de IA de "red team" para fazer testes de estresse automáticos da segurança e do alinhamento de sistemas
Limitações atuais
- Apesar do grande entusiasmo em torno dos agentes de IA, é importante reconhecer os limites atuais e definir expectativas realistas
- Alguns problemas podem ser resolvidos em um futuro próximo, mas outros talvez persistam no longo prazo
- Limitações técnicas: problemas de confiabilidade dos LLMs, dificuldade em planejar objetivos longos, possibilidade de acúmulo de erros
- Os grandes modelos de linguagem (LLMs), o cérebro dos agentes de IA, enfrentam problemas de confiabilidade
- Fenômeno de "alucinação (hallucination)": geração de informações incorretas
- Falta de capacidade para planejamento e raciocínio de longo prazo
- Ao conectar múltiplas tarefas, há risco de acúmulo de erros
- Ex.: um processo de 10 etapas com 90% de precisão por etapa atinge apenas 35% de confiabilidade final (90%^10)
- Desafios operacionais: integração de dados, problemas de segurança e dificuldade para lidar com informações sensíveis
- A interação com outros softwares, o tratamento de informações sensíveis e decisões autônomas (ex.: executar pagamentos) exigem alto nível de integração e segurança
- Questões de privacidade e segurança de dados
- A infraestrutura de conexões e as proteções para sustentar esses sistemas ainda são insuficientes
- Confiança social: a falta de confiança e impactos como redução de empregos podem atrasar a adoção em larga escala
- Espera-se que leve tempo até que a sociedade confie nos agentes de IA e os adote amplamente
- Além de problemas de confiabilidade e segurança, há preocupações com perda de empregos e disrupção na forma de trabalhar
- Mesmo que a automação total seja possível em algumas áreas, isso não significa necessariamente que seja desejável
Perguntas em aberto
- Os agentes de IA têm potencial para transformar a economia, mas, à medida que esses sistemas se tornam mais inteligentes e mais amplamente utilizados, surgem várias questões ainda não resolvidas
- Questões técnicas
- O futuro será centrado em agentes de IA especializados em domínios específicos, ou sistemas de agentes de uso geral altamente capazes serão viáveis?
- Continuaremos usando LLMs com natureza probabilística, ou será necessário um sistema de planejamento mais determinístico?
- Que critérios devem ser usados para avaliar desempenho? Desempenho equivalente ao humano ou superior?
- Impacto sobre pessoas e trabalho
- Quanta intervenção humana será necessária e em que pontos ela deixará de ser importante?
- Qual será o impacto dos agentes de IA sobre o emprego e o mercado global de trabalho?
- Modelos de negócio e questões comerciais
- Como produtos de agentes de IA devem ser precificados? Por tarefa, por tempo ou pelo valor gerado?
- Que tipos de trabalho criativo antes impossíveis poderão surgir com agentes de IA?
- Ex.: usar um sistema de agentes para sintetizar milhares de avaliações de produtos e tornar possível um trabalho que humanos não conseguiriam fazer
- Regulação e gestão de riscos
- Como os sistemas de agentes devem ser regulados? Como resolver questões de privacidade e segurança?
- Se um sistema de agentes falhar e causar danos, quem será responsável?
- Há muitas outras questões a explorar
- Agora é hora de experimentar a tecnologia diretamente
- Recomenda-se imaginar concretamente o futuro, distinguindo hype de realidade, e observar como agentes de IA podem melhorar o trabalho e o lazer
1 comentários
Ultimamente, tem se falado muito sobre agentes de IA.