A inteligência artificial está avançando de uma função consultiva para uma atuação mais direta nas operações empresariais, comenta Rolando Bonaccorsi, Diretor de Operações da Vert Analytics. Com o desenvolvimento dos agentes inteligentes, sistemas que antes apenas analisavam informações e apresentavam recomendações passaram a executar tarefas, acessar ferramentas e conduzir etapas de processos com maior autonomia.
Leia mais a seguir!
O que diferencia um agente de IA de um assistente tradicional?
Um assistente convencional responde a comandos e apresenta informações para que uma pessoa determine o próximo passo. Já um agente de inteligência artificial pode receber um objetivo, planejar etapas intermediárias e utilizar ferramentas conectadas para realizar atividades. Em uma operação de TI, por exemplo, isso pode envolver consultar registros, identificar falhas recorrentes e abrir automaticamente chamados técnicos. Essa capacidade permite automatizar fluxos que antes dependiam de sucessivas intervenções humanas para avançar entre diferentes etapas.
De acordo com Rolando Bonaccorsi, a principal diferença está na capacidade de transformar uma interpretação em ação. Enquanto uma recomendação equivocada ainda pode ser analisada antes de sua aplicação, uma execução inadequada pode modificar registros, iniciar processos ou afetar outros sistemas. Por isso, o nível de autonomia concedido precisa considerar tanto a complexidade da tarefa quanto os possíveis impactos de um erro. Quanto maior o alcance das permissões, maior deve ser o cuidado com os mecanismos de supervisão e validação das atividades realizadas.
Essa mudança também exige atenção à qualidade das informações utilizadas. Um agente que recebe dados incompletos ou interpreta incorretamente uma instrução pode executar uma sequência de atividades baseada em premissas equivocadas. Assim, a confiabilidade da automação depende não apenas do modelo utilizado, mas também das condições em que ele opera. A definição de instruções claras, fontes confiáveis e critérios de verificação contribui para reduzir falhas e tornar os resultados mais previsíveis.
Por que a autonomia exige novas responsabilidades?
Quando uma atividade é executada por um profissional, normalmente existe uma estrutura de responsabilidades associada à sua função. Com agentes inteligentes, essa relação precisa ser adaptada. O sistema pode realizar a tarefa, mas a organização continua responsável por estabelecer critérios, acompanhar resultados e responder pelas consequências das ações automatizadas.
Na perspectiva de Rolando Bonaccorsi, cuja atuação envolve operações e delivery em tecnologia, essa transformação pode ser relacionada à necessidade de manter clareza sobre quem define as regras e acompanha sua aplicação. Um agente autorizado a modificar configurações operacionais, por exemplo, não deve receber necessariamente permissão para alterar políticas de segurança ou aprovar despesas.
Como definir os limites da execução automatizada?
Nem todas as atividades apresentam o mesmo nível de risco. Consultar indicadores, classificar chamados e produzir relatórios são operações diferentes de excluir informações, alterar permissões ou modificar ambientes de produção. Essa distinção permite estabelecer níveis de autonomia proporcionais ao impacto de cada atividade. Rolando Bonaccorsi informa que a classificação também deve considerar a sensibilidade dos dados envolvidos e a possibilidade de uma ação comprometer serviços utilizados por outras áreas da organização.
Uma abordagem consiste em liberar automaticamente tarefas reversíveis e de baixo risco, enquanto operações sensíveis exigem validação humana. Também é importante estabelecer limites de tempo, quantidade de tentativas e recursos utilizados. Dessa maneira, uma falha não precisa resultar em uma sequência indefinida de ações automatizadas. A definição de critérios para interromper a execução permite que situações fora do comportamento esperado sejam encaminhadas aos profissionais responsáveis antes de provocar consequências mais amplas.
Por fim, outro cuidado envolve a possibilidade de interromper ou reverter procedimentos. Antes de ampliar a autonomia de um agente, a organização precisa verificar se consegue identificar comportamentos inesperados e recuperar condições anteriores. Essa preparação reduz a exposição operacional e permite testar novas aplicações de maneira controlada. Simulações em ambientes separados da produção também ajudam a identificar falhas de configuração e avaliar se os mecanismos de recuperação funcionam conforme o planejado.