Em janeiro de 2025, o Capgemini Research Institute deve lançar oficialmente sua análise e projeção de tendências para os negócios no próximo ano. No entanto, alguns veículos de comunicação internacionais já começaram a antecipar insights do aguardado relatório, inclusive a tecnologia que lidera o cenário: para a consultoria, empresas vão adotar os chamados agentes de IA. De acordo com a pesquisa, 32% dos 1,5 mil executivos de alto escalão entrevistados colocam essa tecnologia no topo de suas prioridades, inclusive dentro da área de customer experience.
Na prática, isso significa que as empresas não dependerão de uma única IA para gerenciar todas as funções corporativas. A nova abordagem prevê a utilização de vários agentes de IA, cada um especializado em uma tarefa específica e capaz de interagir entre si. A supervisão, no entanto, continuará sob responsabilidade humana, garantindo a revisão de decisões e processos para maior precisão e confiabilidade.
Agente de IA, mas pode chamar de Small Language Model
Com o avanço da inteligência artificial generativa, o mercado está testemunhando uma transição significativa no uso de grandes modelos de linguagem (LLMs) para aplicações especializadas, caso do agente de IA ou que poderia ser chamada de Small Language Model (SLM) ou ainda na “versão resumida do ChatGPT”. Independentemente do nome, o uso de modelos pequenos especializados estão ganhando destaque, mostrando-se mais eficazes para atender a demandas específicas de empresas e consumidores.
Os LLMs, como o GPT-4 e o Llama, são conhecidos por sua capacidade de processar e gerar texto com alta complexidade e precisão. No entanto, sua amplitude pode ser um desafio quando se buscam resultados mais assertivos em áreas especializadas. Por isso, empresas estão investindo na criação de agentes – versões reduzidas e especializadas desses modelos.
“Esses agentes são construídos a partir de grandes modelos (LLMs), mas treinados com bases de dados específicas e limitadas. Isso garante que o modelo responda de forma precisa e confiável apenas sobre os temas delimitados, evitando erros como ‘alucinações’ – respostas incorretas ou inventadas”, afirma Harold Schultz, Chief Artificial Intelligence Officer (CAIO) da MakeOne.
Abaixo, Schultz explica o significado de Small Language Model:
Dois caminhos para a especialização
A especialização de um agente pode seguir duas principais abordagens:
Ajuste do modelo com dados proprietários – Nessa abordagem, o modelo é ajustado com os dados fornecidos pela empresa, permitindo que ele opere dentro de um escopo controlado. Um exemplo seria criar um agente para uma farmacêutica, treinado exclusivamente com as bulas de medicamentos daquela empresa. Assim, o agente pode responder de forma detalhada e correta sobre os produtos da companhia, evitando referências a concorrentes.
Base de conhecimento fechada – Aqui, o agente é configurado para acessar somente um banco de dados fechado, contendo informações restritas e específicas da empresa. Isso impede que ele consulte fontes externas e minimiza a chance de apresentar dados irrelevantes ou errados. Por exemplo, em um hospital, o agente pode ser programado para responder apenas com base nos protocolos internos da instituição.
A integração entre agentes
Um dos grandes desafios – e oportunidades – para o futuro da inteligência artificial é a integração de diferentes agentes especializados. Imagine um sistema onde um agente focado em bulas de medicamentos interage com outro que compreende regras de planos de saúde, e ambos se conectam a um terceiro, que gerencia internações hospitalares. Essa colaboração cria um workflow de agentes, permitindo respostas mais completas e processos automatizados entre sistemas complexos.
“Aqui na MakeOne, temos um parceiro de tecnologia chamado Taskade, que faz isso facilmente e é o nosso sistema de gestão de projetos. Então, eu consigo montar um agente de IA ou um time de IAs. Dessa forma, consigo colocar automação entre um e outro, conversando e trabalhando juntos”, afirma Schultz.
Abaixo, Schultz explica os motivos para o uso de um agente de IA:
Benefícios práticos
O uso de agentes de IA reduz a necessidade de configurar prompts complexos em modelos genéricos. Além disso, esses agentes oferecem maior precisão e rapidez, já que são construídos para entender e responder com base em um domínio específico.
O próximo grande passo
Para o próximo ano, o foco do mercado será na ampliação e integração desses agentes. Empresas estão de olho na construção de ecossistemas de IA capazes de conectar múltiplos agentes especializados, promovendo uma experiência mais fluida e eficiente para os usuários.
Com esse avanço, a inteligência artificial caminha para se tornar não apenas uma ferramenta poderosa, mas também adaptável e alinhada às necessidades específicas de cada setor.
