Assistente, colaboradora, totalmente autônoma: as três próximas eras da IA no software empresarial 

Imagine uma interface de usuário para uma plataforma de business intelligence. Normalmente, essas interfaces incluem uma grande variedade de guias, barras laterais, menus suspensos, controles deslizantes e outros elementos de IU. Um novo usuário não saberia onde procurar para encontrar o que precisa, e até mesmo um usuário experiente pode se ver procurando uma funcionalidade menos usada. 

Agora, imagine que, em vez de todos esses componentes, a tela apresenta uma caixa de texto simples. O usuário pode inserir um prompt como "Gere um gráfico que mostre os números de assinaturas anuais na última década para o grupo demográfico de 20 a 30 anos na região da EMEA." E, pronto, o gráfico se é gerado. 

Ainda não chegamos lá. Mas esse futuro não está muito distante.

Na última década, as empresas de software se concentraram em aprimorar a experiência do usuário (UX) por meio da melhoria das interfaces de usuário (UI), simplificando os fluxos de trabalho e reduzindo o número de cliques necessários para concluir as tarefas. Esses avanços aumentaram a produtividade, impulsionando as taxas de adoção de software e reduzindo os tempos de conclusão de tarefas.  

No entanto, o software empresarial ainda exige que os usuários invistam tempo em aprendizado e adaptação a diferentes sistemas, principalmente na transição de aplicações legadas. Além disso, as inconsistências no design entre as plataformas complicam ainda mais o treinamento e a adoção do usuário. 

Para lidar com esses desafios, as organizações geralmente implementam programas abrangentes de gestão de mudanças, mas essas iniciativas às vezes não trazem os benefícios desejados devido à baixa aceitação dos novos sistemas pelos usuários. Essa falha muitas vezes decorre de um treinamento inadequado, da resistência à mudança e da complexidade da transição de sistemas legados.

A IA vai mudar tudo isso. 

Vamos explorar como esperamos que as aplicações corporativas evoluam em três eras distintas impulsionadas pelos avanços da IA agêntica, desde melhorias incrementais até a autonomia completa. 

Atualmente, estamos nos estágios iniciais da integração da IA agêntica aos softwares corporativos. Embora essas mudanças aprimorem as experiências do usuário, elas principalmente complementam as IUs existentes em vez de substituí-las. 

Assistência impulsionada por IA: preenchimento automático de descrições e detalhes usando a IA generativa, recomendações baseadas no aprendizado de máquina e recuperação de informações relevantes usando geração aumentada de recuperação (RAG).

Interfaces de conversação: chatbots e copilotos permitem a conclusão de tarefas por meio de comandos de linguagem natural.

Plataformas personalizáveis: as soluções de Plataforma como Serviço (PaaS) permitem que os clientes criem funções de IA personalizadas usando Grandes Modelos de Linguagem (LLMs) disponíveis na plataforma.

Embora esses aprimoramentos melhorem a produtividade, as IU tradicionais continuam sendo essenciais para a interação do usuário, e ainda é necessário um envolvimento significativo do usuário.

Nesta era, as aplicações corporativas avançarão em direção a um framework mais inteligente e colaborativo. A IU convencional fica em segundo plano, tornando-se uma ferramenta principalmente para profissionais de TI e superusuários. Os agentes de IA automatizam a maioria das interações entre humanos e software, fornecendo orientação passo a passo e destacando os gargalos. No entanto, o input humano ainda é necessário para decisões críticas. As principais funcionalidades previstas nesta etapa incluem:

Agentes como interfaces: as interfaces conversacionais dominam a interação com o usuário, minimizando a dependência das UIs tradicionais.

Comunicação entre agentes: os agentes de IA de diferentes plataformas de software se comunicam sem dificuldades usando protocolos padronizados semelhantes ao HTTP.

Integração dinâmica: as integrações manuais entre produtos de software se tornam obsoletas, pois os agentes de IA trocam informações em tempo real. Essa mudança possibilita que os profissionais de TI se concentrem em tarefas de maior valor, como estratégia e inovação, em vez de manutenção de rotina e resolução de problemas. Os fluxos de trabalho organizacionais também se tornam mais ágeis, pois a comunicação perfeita entre os agentes de IA reduz os gargalos e acelera os processos de tomada de decisões.

O estágio evolutivo final prevê aplicações corporativas que são quase totalmente autônomas, exigindo o mínimo de intervenção humana. Os usuários definem as metas e os agentes de IA colaboram para alcançá-las dentro de barreiras organizacionais predefinidas. As principais características incluem:

Agentes de IA orientados por metas: os usuários especificam os objetivos e os agentes de IA executam as tarefas de ponta a ponta.

Guias de direcionamento configuráveis: diretrizes adaptáveis descrevem os limites da tarefa, os pontos de decisão e os requisitos de autorização. Eles podem ser configurados usando linguagem natural, eliminando a necessidade de habilidades especializadas de TI. Por exemplo, os administradores podem dar instruções simples, como "Encaminhar todas as faturas acima de US$ 10.000 para aprovação do departamento financeiro", e o sistema geraria o fluxo de trabalho apropriado.

No entanto, as possíveis limitações podem incluir ambiguidades de linguagem, em que comandos vagos ou mal formulados podem resultar em configurações não intencionais. Garantir a precisão e fornecer mecanismos de fallback, como prompts guiados ou etapas de validação, é fundamental para lidar com esses desafios.

IUs sob demanda: as interfaces dinâmicas são geradas conforme necessário para a tomada de decisões ou apresentação de informações.

Gerenciamento de dados não estruturados: as informações são capturadas principalmente em formatos não estruturados, mas são transformadas em dados estruturados ou semiestruturados para análises de dados e relatórios. 

Arquitetura simplificada: as aplicações empresariais consistem em dois componentes principais: agentes de IA especializados e guias de direcionamento configuráveis com limites de escopo. Os dados são armazenados em repositórios centralizados em toda a organização, eliminando a necessidade de repositórios de dados específicos da aplicação.

Nesta era, os ganhos de produtividade devem ser substanciais, com mais benefícios, incluindo a redução do custo total de propriedade (TCO) para aplicações empresariais e gerenciamento de dados.