A IA generativa evoluiu rapidamente nos últimos dois anos, começando pela engenharia imediata e pelo ajuste fino do comando até a integração de fontes de conhecimento externas para melhorar a precisão das respostas do chatbot.
O avanço mais recente são os agentes autônomos. Agentes autônomos são aplicativos baseados em IA que podem perceber seu ambiente, tomar decisões e agir para atingir objetivos específicos. A chave é a “agência”, ou seja, a capacidade do software de agir de forma independente. Embora as ferramentas generativas de IA existentes se concentrem na criação de conteúdo como texto, imagens e música, os agentes de IA se concentram mais na resolução de problemas e na execução de tarefas complexas.
Definido de forma simples, um agente de IA é um sistema que executa tarefas de forma autônoma, combinando LLM e aplicativos de software tradicionais.
De acordo com um relatório da Deloitte, até 2025, 25% das empresas que utilizam IA generativa deverão lançar projetos-piloto ou provas de conceito para agentes de IA. Espera-se que este rácio aumente para metade até 2027. “É provável que algumas aplicações de agentes de IA sejam introduzidas em fluxos de trabalho do mundo real a partir do final de 2025”, disse a Deloitte. “Os agentes de IA podem aumentar a produtividade dos trabalhadores do conhecimento e tornar uma variedade de fluxos de trabalho mais eficientes. No entanto, a adoção generalizada em termos de ‘autonomia’ levará tempo”, disse ele.
Muitas empresas, grandes e pequenas, estão correndo para introduzir agentes generativos baseados em IA. A Microsoft anunciou a adição de agentes automatizados ao M365 Co-Pilot em novembro passado, e a Cisco revelou agentes para atendimento ao cliente em outubro. No mesmo mês, a Atlassian anunciou seu assistente de IA gerado pela Rovo e a Asana anunciou seu estúdio de IA para agentes de construção.
Por outras palavras, é provável que os agentes de IA sejam em breve tão amplamente utilizados como outras ferramentas generativas de IA.
Como os agentes de IA trabalham em sua essência
Os agentes de IA fornecem agentes especializados que podem executar tarefas de forma autônoma na web aberta, em aplicativos móveis e em sistemas operacionais. Um tipo específico de agente de IA, denominado agente web conversacional, funciona de forma semelhante aos chatbots, mas vai além do simples chat de texto e interage com os usuários por meio de conversas multimodais, segundo Larry Heck, professor de engenharia elétrica e de computação e computação interativa na Georgia. Instituto de Tecnologia.
“Ao contrário dos assistentes virtuais tradicionais como Siri, Alexa ou Google Assistant, que operam dentro de um ecossistema limitado, os agentes conversacionais da web dão aos usuários a liberdade de realizar tarefas na web aberta e em aplicativos”, disse Heck. Espera-se que os agentes de IA sejam amplamente utilizados em vários campos. “Os casos de uso mais comuns serão extensões para mecanismos de pesquisa na web ou integração em assistentes virtuais existentes, como Siri, Alexa ou Google Assistant.”
Casos de uso de agentes de IA específicos do setor
Várias empresas de tecnologia e fornecedores de serviços em nuvem estão a desenvolver as suas próprias soluções de agentes de IA ou a expandir a sua quota de mercado através de aquisições estratégicas. A prática de licenciar tecnologia de agentes de IA de novas empresas ou de contratar apenas funcionários com competências relevantes sem adquirir a empresa também está a aumentar. De acordo com a Deloitte, mais de US$ 2 bilhões foram investidos em startups de agentes de IA visando o mercado empresarial nos últimos dois anos.
Agentes de IA já estão sendo usados em locais inesperados. Por exemplo, a maioria dos veículos autónomos recolhe dados circundantes através de sensores e depois utiliza software de agente de IA para criar mapas e controlar a condução do veículo. Os agentes de IA desempenham vários papéis importantes, incluindo otimização de rotas, gerenciamento de tráfego e tomada de decisões em tempo real para veículos autônomos. Pode até prever quando um veículo precisará de manutenção.
No futuro, os agentes de IA têm o potencial de revolucionar toda a experiência de condução automatizada, de acordo com Ritu Jyoti, vice-presidente do grupo IDC Research. Por exemplo, no início deste ano a NVIDIA lançou o Agent Driver, um agente baseado em LLM para veículos autônomos que se concentra em permitir uma “direção autônoma mais semelhante à humana”.
CDI
Os agentes de IA são amplamente utilizados em vários setores, incluindo finanças e medicina. No setor financeiro, coleta informações como parte de aplicativos Conheça seu Cliente (KYC) e, na área médica, é usado para investigar as condições dos pacientes ou renovar prescrições por meio de pesquisas interativas. As tarefas que os agentes de IA podem realizar são muito diversas.
- Sistemas de diagnóstico autônomos: por exemplo, o DeepMind do Google analisa imagens médicas, como varreduras de retina, para sugerir diagnósticos e tratamentos.
- Bots de negociação baseados em algoritmos: analisem dados do mercado financeiro, prevejam tendências e executem negociações com o mínimo de intervenção humana.
- Agentes de IA no setor de seguros: colete dados importantes de vários canais, analise-os e forneça atualizações de status. Ele também trata de questões de pré-inscrição e fornece aprovação eletrônica.
- Agente de comunicações da cadeia de suprimentos: ajuda os clientes a otimizar suas cadeias de suprimentos e minimizar interrupções dispendiosas, acompanhando o desempenho dos provedores de soluções e detectando e respondendo a atrasos. Isso libera as equipes de compras de tarefas demoradas de monitoramento manual e resposta a emergências.
- Agentes de qualificação de vendas: De acordo com Jyoti da IDC, esses agentes examinam leads, priorizam oportunidades e orientam o suporte ao cliente por meio de e-mails e respostas personalizadas, ajudando as equipes de vendas a se concentrarem em oportunidades de alta prioridade.
- Agente de gerenciamento da intenção do cliente e do conhecimento do cliente: diante do alto volume de chamadas, escassez de pessoal e altas expectativas dos clientes, as equipes de atendimento ao cliente servem como o primeiro ponto de contato e formam uma primeira impressão positiva nos clientes, identificando dúvidas dos clientes, fornecendo informações apropriadas ou guiando os próximos passos. Você pode fazer isso.
“Esses agentes aprendem como trabalhar com representantes de atendimento ao cliente para resolver problemas dos clientes e adicionar artigos da base de conhecimento de forma autônoma para divulgar as melhores práticas por toda a equipe”, acrescentou Joti.
Ferramentas de agente de IA para desenvolvedores
Cognition Labs lançou o Devin AI em março. É uma ferramenta de agente DIY AI que pode lidar de forma autônoma com tarefas anteriormente executadas por uma pequena equipe de engenheiros de software. Devin pode construir e implantar aplicativos do início ao fim e encontrar e corrigir bugs na base de código de forma independente. Ele também tem a capacidade de aprender e ajustar seu próprio modelo de IA.
Você pode até conduzir sua própria pesquisa sobre tecnologias desconhecidas e aprender como usá-las.
Os agentes de IA também têm a capacidade de lembrar interações e ações passadas. Segundo a IDC, estas experiências podem ser armazenadas e realizadas como “auto-reflexão” ou avaliação para informar ações futuras. Com base nessas funções de memória, os agentes de IA melhoram a continuidade e o desempenho para executar tarefas mais sofisticadas ao longo do tempo.
Sistemas de agentes de IA, como AlphaGo, AlphaZero e bots Dota 2 da OpenAI, usam aprendizado por reforço para treinar para formular estratégias de forma autônoma e tomar decisões em jogos ou simulações para maximizar recompensas.
Tendências de desenvolvimento de software para agentes de IA
Evans Data Corp., uma empresa de pesquisa de mercado especializada em desenvolvimento de software, conduziu uma pesquisa multinacional com 434 desenvolvedores de IA/ML e descobriu que o item mais esperado para ser desenvolvido usando ferramentas generativas de IA era o código de software e o LLM seguido. Os entrevistados também esperavam que a IA generativa encurtasse os ciclos de desenvolvimento e facilitasse a adição de recursos de ML.
Os desenvolvedores podem escrever código com mais rapidez e, muitas vezes, com mais precisão, inserindo prompts de linguagem natural ou código parcial em ferramentas generativas de IA. Assim como a função de IA fornecida por algumas plataformas de e-mail, também sugere o preenchimento automático de código em tempo real.
De acordo com o Gartner, 70% de todos os desenvolvedores profissionais usarão ferramentas de codificação baseadas em IA até 2027. Este é um aumento significativo de menos de 10% em setembro de 2023. Além disso, o Gartner estima que 80% de todas as empresas integrarão ferramentas de teste aprimoradas por IA em suas cadeias de ferramentas de engenharia de software nos próximos três anos. Espera-se que o rácio aumente significativamente de cerca de 15% no início de 2023.
Uma das ferramentas de desenvolvimento de software mais utilizadas usando IA generativa é o GitHub Copilot. A ferramenta é alimentada por um modelo generativo de IA desenvolvido pelo GitHub, pelo desenvolvedor do ChatGPT OpenAI e pela Microsoft. Aprenda todos os dados de linguagem natural contidos em repositórios públicos.
O GitHub implementou um sistema de agentes múltiplos de IA que pode resolver tarefas de codificação de forma colaborativa, combinando vários agentes de IA. Os sistemas multiagentes permitem que vários aplicativos trabalhem juntos para um propósito comum. Por exemplo, o Copilot Workspace, lançado pelo GitHub no início deste ano como uma prévia da tecnologia para desenvolvedores nativos do Copilot, permite que vários agentes especializados colaborem e se comuniquem para resolver problemas complexos com mais eficiência do que um único agente.
De acordo com o blog do GitHub, ferramentas de codificação de agentes de IA, como Co-Pilot Workspace e correção automática de varredura de código, ajudam os desenvolvedores a construir software altamente seguro com mais eficiência.
Desafios para agentes de IA
No entanto, a tecnologia do agente de IA pode levar a consequências negativas. Por exemplo, se os agentes de IA conseguirem compreender melhor a intenção do cliente online, o risco de exposição de informações confidenciais durante pesquisas e navegação poderá aumentar. O professor Heck explicou que os agentes de IA serão capazes de compreender com mais precisão a intenção do usuário, permitindo que as empresas monetizem esses dados em um nível mais elevado.
No entanto, Heck destacou: “À medida que as intenções dos usuários podem ser identificadas com mais detalhes, a probabilidade de ocorrência de problemas de segurança e privacidade pode aumentar se medidas de segurança não forem implementadas”.
A maioria das ferramentas de agentes de IA afirmam ser seguras e confiáveis, mas sua segurança e confiabilidade dependem das fontes de informação utilizadas. As fontes de dados utilizadas pelos agentes podem variar desde dados corporativos restritos até a Internet aberta. Este último pode afetar a produção generativa da IA e levar a erros ou alucinações.
O estabelecimento de salvaguardas para o acesso à informação permite que os administradores estabeleçam limites às ações dos agentes de IA. Por esta razão, a educação e o treinamento dos usuários são essenciais para a implementação e uso seguro de agentes e copilotos de IA, disse Andrew Silverman, diretor de marketing da Zenity.
“Os usuários devem compreender não apenas como operar essas ferramentas, mas também suas limitações, possíveis preconceitos e implicações de segurança”, disse Silverman “Como reconhecer e relatar comportamentos suspeitos de IA, compreender os casos de uso apropriados para ferramentas de IA e compreender os sistemas de IA. . Tópicos como manter a privacidade dos dados ao interagir com os dados devem ser incluídos nos programas de treinamento”, aconselhou.
[email protected]