Como escalar agentes de IA para os negócios

Nas reuniões com os líderes de negócios, há entusiasmo sobre o potencial do que a IA agêntica pode fazer por uma organização. Há também uma clara necessidade de responder à pergunta de como os líderes de negócios podem implementar de forma eficaz e eficiente a IA agêntica.

Uma nova pesquisa do IBM® Institute for Business Value mostra a adesão e o entusiasmo dos líderes empresariais: 86% dos entrevistados esperam que a automação de processos e a reinvenção dos fluxos de trabalho sejam mais eficazes com os agentes de IA até 2027.

As ferramentas tradicionais de IA ou automação estão oferecendo ganhos de produtividade úteis, mas ainda secundários, mas não estão transformando o processo subjacente. Com a IA agêntica, podemos realmente começar a gerar resultados de negócios maiores e mais estratégicos que podem criar maior produtividade e eficiência em uma organização.

Não se trata apenas de a IA nos dizer o que fazer, trata-se de a IA começar a fazê-lo. Precisamos migrar além dos assistentes de IA e expandir o que é possível com agentes de IA que possam executar e adaptar processos sob supervisão humana. Essa mudança exige uma verdadeira reengenharia de como o trabalho é feito, liberando o tipo de valor que os líderes de negócios realmente querem alcançar.

Setenta e seis por cento dos executivos entrevistados afirmam que estão operando e entregando provas de conceito que permitem a automação autônoma de fluxos de trabalho inteligentes por meio de agentes de IA, de acordo com o IBM Institute for Business Value.

Todos os clientes com quem trabalhei querem que tenhamos um entendimento profundo da IA agêntica, um ponto de vista confiável e experiência em escalar a IA agêntica. E por boas razões. A IA agêntica vem com muitas promessas e um potencial imenso para transformar sua empresa, mas junto com ela vêm demandas técnicas e a necessidade de uma mudança cultural dentro de uma organização.

Pela minha própria experiência, aprendi que o “como” se tornou um foco proeminente para clientes e organizações. Eles estão interessados em ver resultados incríveis em economia de custos, eficiência e produtividade. Veja a seguir minhas percepções sobre como integrar essa tecnologia e escalá-la para obter ótimos resultados.

Áreas específicas em que vimos a IA agêntica trabalhar incluem atendimento ao cliente, aquisição, finanças e todo o processo de TI, mas o que estamos vendo no atendimento ao cliente especificamente é uma oportunidade significativa.

Na verdade, transformamos as centrais de contato que usavam ferramentas tradicionais de chatbots e automação, migrando para uma abordagem agêntica. Nossa abordagem de experiência conversacional agêntica apresenta uma equipe coordenada de agentes de IA capazes de lidar com uma gama mais ampla e complexa de consultas de clientes, em vez de um único assistente com script, como um chatbot. Isso ajuda a obter eficiências significativas ao operar com uma base de proteções definidas para impulsionar a conformidade e a consistência.

O que torna a IA agêntica mais eficaz do que os chatbots tradicionais é sua capacidade de operar de forma holística, não apenas seguindo scripts, mas coordenando dinamicamente ações, adaptando-se a exceções e aprendendo continuamente. Os agentes não trabalham em uma sequência fixa. Eles colaboram entre si e com seres humanos para determinar a forma mais eficiente de resolver tarefas complexas em tempo real.

Existem medidas preventivas e preparativos que devem ser adotados para implementar a IA agêntica de forma eficaz e eficiente, antes que uma organização possa escalar soluções e ver resultados melhorados.

A primeira coisa é identificar uma oportunidade em sua empresa. Por exemplo, digamos que eu queira que minha função de aquisição seja mais eficiente e quero implementar uma solução agêntica. A IBM desenvolveu uma metodologia para clientes para avaliar formalmente se uma solução agêntica oferece valor agregado e aprimora o processo ou fluxo de trabalho.

Nossa abordagem de avaliação da prontidão da IA agêntica se baseia em:

• Uma avaliação estruturada executada por meio de uma combinação de mineração de processos e análise de processos impulsionada por LLMs
• Um design para identificar processos de negócios mais adequados para IA agêntica e transformação autônoma
• Cinco pilares para avaliar até que ponto um processo pode ser reestruturado com o uso da IA

A segunda parte do "como" considera os recursos subjacentes da arquitetura corporativa e identifica como as arquiteturas podem ter que evoluir. Isso pode significar pensar além das camadas de integração tradicionais e estabelecer uma arquitetura moderna projetada para fluxos de trabalho autônomos orientados por IA. Alguns dos recursos necessários incluem:

• Orquestração multiagentes e integração orientada por eventos
• Catálogo de agentes centralizado e gerenciamento do ciclo de vida
• Memória dos agentes e armazenamentos de contexto de longo prazo
• Produtos de dados modulares, prontos para a IA
• Camadas de governança, observabilidade e segurança adaptadas para agentes de IA

Os dados continuam sendo fundamentais para uma implementação bem-sucedida da IA e são uma parte crítica da conversa no início. Nossa perspectiva na IBM é que essa aplicação de IA agêntica pode agregar valor apenas se você combinar experiência, processos e dados.

Gerenciar dados estruturados e não estruturados, garantindo a qualidade de dados e protegendo a privacidade de dados são desafios constantes. No entanto, com as estratégias certas implementadas, as empresas podem aproveitar o poder da IA para impulsionar a transformação e o crescimento futuro.

Existem três desafios principais a serem considerados ao preparar uma empresa para a transformação da IA.

• Acesso aos dados: estima-se que, em 2022, 90% dos dados* gerados pelas empresas não eram estruturados. As organizações precisam acessar esses dados onde quer que estejam e unificá-los para seu caso de uso.
• Dados de qualidade e inteligentes para análise em tempo real e IA: sua IA é tão boa quanto os dados que você insere. Você pode confiar nesses dados para seus modelos de IA? A qualidade de seus dados é suficiente? Como você avalia objetivamente a qualidade de seus dados? Responda a essas perguntas antes de implementar a IA.
• Segurança de dados: quer seja no local ou na multinuvem, a segurança de dados precisa se estender a todo o cenário. Considere todos os dados, não importa onde estejam em movimento e se são dados estruturados ou não estruturados.

Outro fator importante que os clientes devem considerar é uma sólida gestão de mudanças. Especificamente, os clientes devem considerar as pessoas que precisam adotar a IA como parte de seu trabalho diário.

Um exemplo tangível é a perspectiva de transformação do RH, um caso de uso em que precisamos realmente repensar os papéis das pessoas e considerar onde a IA pode ser mais valiosa. Muitos de nossos clientes da função de RH pensam em aprimorar e requalificar os funcionários cujas funções estão sendo reimaginadas.

A gestão de mudanças deve ser uma parte integrante de qualquer transformação de IA. Não se trata apenas de uma implementação técnica; é um processo holístico que exige que o cliente considere todo o ecossistema que faz com que a empresa funcione sem problemas, incluindo tecnologia, processos e pessoas.

Essa mudança com a IA agêntica não é apenas uma mudança para os funcionários e uma reconfiguração das funções de trabalho. Por exemplo, na IBM, reinventar processos para criar fluxos de trabalho onde a IA possa ser integrada para criar uma otimização sem problemas é o que torna possível uma transformação e ajudou a permitir que a IBM obtivesse US$ 3,5 bilhões em ganhos de produtividade.

Temos as ferramentas e o conhecimento para aconselhar nossos clientes sobre a estratégia e o método corretos para trazer a IA agêntica para seus negócios.

Depois que o "como" for estabelecido e um cliente entender o que é necessário para escalar a IA agêntica com sucesso, a próxima parte do processo é integrar a IA agêntica à empresa.

1. Faça a reengenharia para se tornar agêntico: a IA agêntica exige uma mudança na forma como o trabalho é projetado e executado.
   Dica profissional: repense os fluxos de trabalho com os agentes. Delegue tarefas de rotina à IA e, ao mesmo tempo, eleve as funções humanas para supervisão, escalonamento e julgamento de valor agregado.
2. Garanta escalabilidade: escalar agentes em sistemas e funções requer orquestração robusta.
   Dica profissional: implemente uma camada de orquestração de agentes forte que permita que os agentes trabalhem em todas as plataformas com segurança, coordenem tarefas e cumpram os limites dos processos e das camadas de controle.
3. Prepare seus dados: os agentes precisam ter acesso a dados focados, de alta qualidade e praticáveis.
   Dica profissional: crie produtos de dados específicos para casos de uso que sejam selecionados, governados e acessíveis por APIs, para garantir que os agentes tenham as entradas estruturadas de que precisam para agir em tempo real e no contexto.
4. Otimize para o desempenho: equilibrar velocidade, confiabilidade e custo é crítico em escala.
   Dica profissional: equipe sua plataforma para direcionar as tarefas dos agentes para os LLMs e ferramentas certos com base na complexidade e no custo. Use cache, modelos de fallback inteligentes e controles de uso para maximizar o ROI.
5. Teste a confiabilidade: antes da implementação, os agentes devem ser monitorados quanto à imparcialidade e à explicabilidade.
   Dica profissional: integre a avaliação de agentes a seu ciclo de vida de AgentOps. Automatize os testes de precisão, viés, robustez e conformidade ética tanto na pré-implementação quanto na produção contínua.
6. Estabeleça governança: o controle operacional e a visibilidade são essenciais para a execução confiável da IA.
   Dica profissional: crie um framework que inclua observabilidade, controles human-in-the-loop, KPI e trilhas de auditoria para monitorar o comportamento dos agentes e o impacto nos negócios.
7. Promova uma implementação rápida: obtenha valor rapidamente e ganhe ímpeto.
   Dica profissional: comece com casos de uso restritos e de alto valor que demonstram impacto rápido. Use modelos de agentes reutilizáveis e arquiteturas modulares para expandir horizontalmente entre as funções.
8. Rastreie o valor de negócios: o impacto deve ser tangível e mensurável.
    Dica profissional: defina KPIs como convergência de fluxos de trabalho, taxas de transferência humana e melhorias nos resultados de negócios. Use-os para orientar a iteração, a adoção e a adesão dos executivos.

Quando integrar a IA agêntica à sua empresa, tenho três recomendações:

• Reinvente processos: não se limite a corrigir processos interrompidos; repense-os por completo usando uma abordagem ampliada.
• Pense além dos agentes: considere todo o processo de negócios de ponta a ponta, incluindo a experiência do usuário, a orquestração de processos e os produtos de dados necessários. Pense na experiência geral que você está tentando oferecer.

Planeje para a escalabilidade: projete sua arquitetura de IA para escalar com rapidez, começando com uma governança robusta desde o início e dados de qualidade para trabalhar com eles, agora e no futuro.

A IA agêntica já está no centro da inovação empresarial. As plataformas SaaS tradicionais estão evoluindo para mercados de agentes, onde aplicativos agênticos podem obter, invocar e orquestrar agentes de IA em vários sistemas para executar fluxos de trabalho completos.

Em vez de depender de aplicações monolíticas para executar tarefas rígidas, as empresas começarão a implementar sistemas multiagentes que coordenam dinamicamente o trabalho, se adaptam ao contexto e reduzem a necessidade de intervenção manual.

Essa transformação marca o início de uma nova arquitetura para operações digitais, desenvolvida para autonomia, velocidade e otimização contínua.

* White paper da DC: O valor inexplorado dos dados não estruturados