Agentes de IA: a nova força de trabalho ainda exigindo gerenciamento

O entusiasmo em torno dos agentes de IA como os novos "trabalhadores digitais" tem crescido, uma tendência que antecede a adoção mainstream de IA agentiva e generativa, particularmente em áreas como automação de processos robóticos. Esses trabalhadores digitais são projetados para disciplina e obediência, mas vêm com suas próprias peculiaridades, assim como seus equivalentes humanos.

Para uma análise mais profunda sobre como a IA transformou minha vida profissional, confira meu artigo em 15 maneiras que a IA me economizou tempo no trabalho em 2024 - e como planejo usá-la em 2025.

O salto da Salesforce para o trabalho digital com o Agentforce 2.0

A mudança para uma força de trabalho digital deu passos significativos, com a Salesforce lançando recentemente o Agentforce 2.0, uma plataforma de trabalho digital voltada para empresas. Esta plataforma visa criar "uma força de trabalho ilimitada por meio de agentes de IA para qualquer departamento", utilizando uma biblioteca de habilidades pré-construídas para operar em qualquer sistema ou fluxo de trabalho. Segundo a Salesforce, o Agentforce 2.0 vai além da RPA tradicional ao incorporar "raciocínio aprimorado e recuperação de dados", permitindo entregar respostas precisas e orquestrar ações em resposta a consultas complexas de várias etapas. Esses agentes são até capazes de interagir dentro do Slack, tornando-se parte integrante dos ambientes de trabalho cotidianos.

Ampliando equipes com trabalho digital

Grandes organizações estão utilizando esta plataforma para fortalecer suas equipes com trabalho digital, como destaca a Salesforce. Com talentos sendo escassos e caros para treinar, as empresas estão cada vez mais confiando na IA para gerenciar interações com clientes e lidar com atrasos em fluxos de trabalho. No entanto, elas não podem mais se contentar com "soluções inadequadas que fornecem respostas genéricas", como aponta a Salesforce. Soluções tradicionais como copilotos frequentemente falham em fornecer respostas precisas e confiáveis para solicitações complexas, como orientação personalizada para candidaturas a empregos, e carecem da capacidade de agir autonomamente — como cultivar leads com recomendações de produtos.

Líderes da indústria concordam que trabalhadores digitais autônomos agora são capazes de realizar tais tarefas em vários níveis. "A convergência de inovadores qualificados, ferramentas de nuvem rapidamente implementáveis, conscientização dos clientes e suporte executivo criou um ambiente ideal para a IA agentiva prosperar em 2025", compartilhou Chris Bennett, diretor de transparência e educação em IA da Motorola Solutions, com a ZDNET.

A Motorola Solutions já está aproveitando o poder da IA agentiva "para melhorar a segurança pública e a segurança empresarial", explica Bennett. Suas aplicações de IA analisam e apresentam dados em tempo real, fornecendo suporte crítico e imediato a socorristas e pessoal de segurança. "Agentes de IA nunca ficam entediados, cansados ou distraídos", ele observa, apontando que eles podem automatizar tarefas repetitivas, liberando socorristas para deveres mais críticos e engajamento comunitário. Por exemplo, agentes de IA podem acelerar tarefas como revisar filmagens de vídeo históricas, ajudando investigadores a encontrar pessoas desaparecidas mais rapidamente por meio de buscas em linguagem natural.

Viswesh Ananthakrishnan, cofundador e vice-presidente da Aurascape, descreve como agentes de IA intuem processos para "criar uma série de passos, ou uma receita para resolver um problema". Esses agentes podem executar esses passos e até colaborar com outros agentes, obtendo uma visão abrangente de como a empresa funciona. Ananthakrishnan explica ainda que agentes de IA podem "desenvolver e executar processos complexos, como visualizar previsões de demanda e tomar ações proativas para gerar e enviar formulários de pedidos para mais estoque antes que os suprimentos acabem". Essa automação reduz significativamente o tempo que os trabalhadores gastam em tarefas repetitivas.

A necessidade de gerenciamento cuidadoso dos agentes de IA

No entanto, assim como trabalhadores humanos, os agentes de IA requerem gerenciamento cuidadoso. Ainda há trabalho a ser feito antes que uma força de trabalho impulsionada por IA agentiva possa assumir totalmente uma ampla gama de tarefas. "Embora a promessa da IA agentiva seja evidente, estamos a vários anos da adoção generalizada de IA agentiva no nível empresarial", alerta Scott Beechuk, parceiro da Norwest Venture Partners. Ele enfatiza a importância da confiabilidade, dado o papel potencial dos agentes na automação de processos empresariais críticos.

Um dos desafios é a rastreabilidade das ações dos agentes de IA. "Muitas ferramentas têm dificuldade em explicar como chegaram às suas respostas a partir de dados sensíveis dos usuários, e os modelos lutam para generalizar além do que aprenderam", aponta Ananthakrishnan.

A imprevisibilidade é outro obstáculo, pois os grandes modelos de linguagem (LLMs) "operam como caixas pretas", adiciona Beechuk. "É difícil para usuários e engenheiros saberem se a IA completou sua tarefa com sucesso e se o fez corretamente." Ele também alerta sobre a falta de confiabilidade dos agentes de IA, observando que "em sistemas onde a IA cria seus próprios passos para completar tarefas, detalhes inventados podem levar a mais erros à medida que a tarefa avança, tornando os resultados pouco confiáveis."

Trabalhadores humanos colaboram naturalmente com facilidade e regularidade, mas para trabalhadores de IA, isso é mais complexo. "Como os agentes interagirão com múltiplos sistemas e armazenamentos de dados, alcançar visibilidade abrangente não é uma tarefa fácil", explica Ananthakrishnan. É crucial ter visibilidade para capturar cada ação que um agente realiza, o que requer uma percepção profunda da atividade em dispositivos de ponto final e a capacidade de processar dados em vários formatos. Além disso, é importante "combinar rapidamente esse contexto de pontos finais com o tráfego de nível de rede para determinar os dados que informam as ações do agente", bem como "reconhecer o tipo de agente de IA que interage com seus dados, se é uma entidade confiável ou um agente completamente novo."

A ascensão do engenheiro de sistemas de IA

Essa complexidade pode dar origem a um novo papel centrado no humano — o engenheiro de sistemas de IA. "Esse novo papel de garantia de qualidade e supervisão se tornará essencial para as empresas à medida que gerenciam e otimizam continuamente os agentes de IA", afirma Beechuk.

Em ambientes multiagentes, "os agentes de IA estarão interagindo e evoluindo constantemente, consumindo uma dieta constante de novos dados para realizar seus trabalhos individuais", ele explica. "Quando um deles recebe dados ruins — intencionalmente ou não — e altera seu comportamento, pode começar a realizar seu trabalho incorretamente ou com menos precisão, mesmo que estivesse funcionando perfeitamente bem no dia anterior. Um erro em um agente pode então ter um efeito cascata que degrada todo o sistema. As empresas contratarão quantos engenheiros de sistemas de IA forem necessários para evitar que isso aconteça."

Embora empresas e equipes de tecnologia possam estar "bem posicionadas para suportar a IA agentiva, ainda precisamos de tempo e experiência para encontrar o equilíbrio certo entre fluxos de trabalho agentivos e humanos", aconselha Bennett. "Nosso conselho é ver a IA como um aumento para especialistas humanos, não como uma substituição."