Sobre o Deloitte AI Institute
O Deloitte AI Institute™ ajuda as organizações a conectar as diferentes dimensões do ecossistema de IA dinâmico e em rápida evolução. O Instituto lidera discussões intersetoriais sobre inovação em IA aplicada e fornece insights de ponta para promover a colaboração entre humanos e computadores na "Era da Colaboração".
O Deloitte AI Institute dedica-se a promover o diálogo e o desenvolvimento da IA, inspirando a inovação e explorando os desafios da implementação da IA e as formas de enfrentá-los. Trabalhando com um ecossistema de equipes de pesquisa acadêmica, startups, empreendedores, inovadores, líderes de produtos de IA estabelecidos e visionários de IA, o Instituto explora as principais áreas de IA, incluindo risco, política, ética, o futuro do trabalho e do talento, e o caso da aplicação da IA. Combinado com o amplo conhecimento e a experiência da Deloitte em aplicações de IA, o Institute ajuda a desmistificar esse complexo ecossistema, fornecendo perspectivas influentes que ajudam as organizações a ter sucesso por meio de decisões informadas sobre IA.
Não importa onde você esteja em sua jornada de IA, seja como membro do conselho ou líder de nível C desenvolvendo uma estratégia para sua organização ou como cientista de dados colocando a estratégia de IA em prática, o Instituto pode ajudá-lo a obter insights sobre como as organizações globais estão usando a IA para obter uma vantagem competitiva. Visite o Deloitte AI Institute para acessar nossa pesquisa completa, assinar nossos podcasts e boletins informativos e participar de nossos encontros off-line e eventos ao vivo. Vamos explorar o futuro da IA juntos.
elemento
Pontos principais
- Os agentes de IA estão remodelando os setores ao ampliar as possíveis aplicações da IA generativa (GenAI) e dos modelos típicos de linguagem.
- Os sistemas de IA com vários agentes podem melhorar significativamente a qualidade do resultado e a complexidade do trabalho de um único agente de IA.
- Empresas e governos com visão de futuro já estão implementando agentes de IA e sistemas de IA multiagentes em uma variedade de casos de uso.
- Os líderes seniores devem tomar medidas imediatas para se prepararem e adotarem essa nova era de transformação organizacional inteligente.
Introdução .......................................................................... .4
Agente de IA:............................................................................. .5
Suas diferenças e sua importância
Sistema de IA multiagente: ................................................................. .7
Aprimorando o potencial dos agentes de IA
Principais benefícios dos agentes de IA e dos sistemas de IA com vários agentes: ........................................ .7
Benefícios dos agentes de IA liberados para as organizações atuais
Insights estratégicos Transformação: ......................................................... .8
Exemplos reais de sistemas de IA multiagentes
Obtenção de impacto por meio de casos de uso orientados por objetivos: ............................................. .11
Como os agentes de IA estão mudando o setor e o espaço empresarial
Possibilitando novas formas de trabalho e horizontes inovadores: .............................. .13
Implicações para estratégia, risco, talento, processos de negócios e tecnologia
O caminho a seguir: ....................................................................... .15
À medida que os agentes de IA continuam a evoluir, nossa expectativa
Roteiro para a próxima era de transformação organizacional: ........................ .16
Ações recomendadas para os líderes tomarem agora
Informações de contato e notas ................................................................ .17
breve
Como podemos operar com mais rapidez e eficiência?
Essa pergunta sempre esteve no centro da agenda estratégica, mas a IA generativa (GenAI) está nos ajudando a encontrar novas respostas. Ao gerar resultados inovadores a partir de dicas de linguagem natural, a GenAI permite que as organizações aumentem significativamente a velocidade e a produtividade em uma ampla gama de tarefas de negócios. No entanto, os cenários de aplicação de modelos de linguagem típicos estão apenas começando a mostrar o potencial transformador da GenAI. Nesta era de IA em rápida evolução, é hora de pensar mais ousadamente: desde a simplificação de tarefas rotineiras até a reformulação de fluxos de trabalho inteiros.
A nova questão que os líderes empresariais e governamentais enfrentam agora é:
Como podemos usar a GenAI para reimaginar os processos de negócios?
Os modelos de linguagem ampla (LLMs) e as ferramentas baseadas em GenAI usadas na maioria das organizações atualmente servem principalmente como assistentes úteis: solicitados por informações humanas, a GenAI gera resultados rapidamente. No entanto, essa interação é, em grande parte, transacional e de escopo limitado.
E se a GenAI pudesse não apenas responder às solicitações, mas planejar todo o processo para ajudar a resolver necessidades complexas? E se a GenAI também tivesse acesso aos dados, às ferramentas digitais e ao conhecimento contextual necessários para concluir o processo de forma autônoma e colaborativa do início ao fim?
Essa visão está se tornando realidade com o surgimento de agentes de IA e sistemas de IA com vários agentes - eles representam avanços importantes no potencial de colaboração entre humanos e IA. As principais empresas e agências governamentais já estão percebendo o valor dos agentes de IA e colocando-os em prática.
Neste artigo, exploraremos por que os agentes de IA são tão inovadores. Em seguida, revelaremos como eles estão remodelando o cenário do setor, impulsionando novos cenários de aplicativos, aprimorando a automação e acelerando o futuro da transformação organizacional inteligente em setores como o governo e os serviços públicos.
Adapte-se ou fique para trás: até o final de 2023, quase um em cada seis líderes de negócios pesquisados afirma que a GenAI mudou seus negócios.
Agentes de IA: o que os torna diferentes - e por que isso é importante
Para entender o valor potencial dos agentes de IA e sua função na automação de escalonamento, primeiro é necessário entender como eles diferem dos modelos de linguagem e dos aplicativos GenAI conhecidos pelos líderes de negócios atuais.
Os agentes de IA são mecanismos de raciocínio que podem entender o contexto, planejar fluxos de trabalho, conectar-se a ferramentas e dados externos e executar ações para atingir objetivos específicos.
Embora isso pareça semelhante ao que um modelo autônomo de linguagem grande ou um aplicativo GenAI poderia fazer, há diferenças importantes que tornam os agentes de IA mais poderosos. (Consulte a tabela, p. 6.) Por exemplo, os chatbots típicos orientados pelo Big Language Model costumam ser limitados em sua capacidade de entender prompts de várias etapas, muito menos de planejar e executar um fluxo de trabalho inteiro a partir de um único prompt. Eles seguem o paradigma de "entrada e saída" dos aplicativos tradicionais, o que pode ser confuso quando confrontados com solicitações que precisam ser divididas em várias tarefas menores. Eles também têm dificuldades para lidar com sequências de tarefas, especialmente tarefas compostas que exigem consideração de tempo e contexto textual. Essas limitações são ainda mais acentuadas nos modelos de idiomas pequenos (SLMs), pois eles geralmente sacrificam o custo e a velocidade da computação em detrimento da profundidade do conhecimento e/ou da qualidade do resultado quando a quantidade de dados de treinamento é pequena.
Como resultado, os primeiros cenários de aplicação da GenAI estão limitados, em sua maioria, a aplicativos independentes, como a geração de anúncios personalizados com base no histórico de pesquisa do cliente, a análise de contratos e documentos jurídicos para identificar possíveis riscos regulatórios ou a previsão de comportamentos moleculares e interações entre medicamentos na pesquisa farmacêutica.
Os agentes de IA são excelentes em lidar com essas limitações e, ao mesmo tempo, aproveitam os recursos de ferramentas digitais específicas de domínios e tarefas para concluir com eficácia tarefas mais complexas. Por exemplo, os agentes de IA equipados com memória de longo prazo são capazes de se lembrar de registros de interações com clientes e público, incluindo e-mails, registros de bate-papo e comunicações telefônicas, para aprender e adaptar continuamente recomendações personalizadas nos canais digitais. Isso contrasta com os modelos de linguagem grande e pequena, que normalmente se limitam a informações de conversação. Além disso, os agentes de IA podem automatizar processos de ponta a ponta, especialmente em cenários que exigem raciocínio, planejamento e execução complexos.
Os agentes de IA estão abrindo novas possibilidades para a produtividade empresarial e a entrega de projetos por meio da automação de processos de negócios. Os cenários de aplicativos GenAI que antes eram considerados muito complexos agora podem ser realizados com segurança e eficiência em escala.
Em outras palavras: os agentes de IA são mais do que meras interações. Eles podem raciocinar e agir com mais eficiência em nome do usuário.
Um novo paradigma para a colaboração entre humanos e computadores
Com a capacidade de raciocinar, planejar, lembrar e agir, os agentes de IA superam as principais limitações dos modelos de linguagem típicos.
| Modelos de idiomas típicos | Agente de IA | |
| Escopo de aplicação | Tarefas automatizadas | Automatizar todo o fluxo de trabalho/processo |
| planejar (como fazer algo) | Não há capacidade de planejar ou coordenar fluxos de trabalho | Criar e executar planos de várias etapas para atingir as metas do usuário e ajustar as ações com base no feedback em tempo real |
| Memória e ajuste fino | Sem função de memória, capacidade limitada de ajuste fino | Aproveita a memória de curto e longo prazo para aprender com as interações anteriores do usuário e fornecer respostas personalizadas; as memórias podem ser compartilhadas entre vários agentes no sistema. |
| Integração de ferramentas | Não foi inerentemente projetado para se integrar a ferramentas ou sistemas externos | Aprimorar a capacidade intrínseca dos modelos de linguagem para executar tarefas usando APIs e ferramentas (por exemplo, extratores de dados, seletores de imagens, APIs de pesquisa) |
| integração de dados | Dependendo do conhecimento estático, os dados de treinamento têm uma data de corte fixa | Ajuste dinâmico a novas informações e fontes de conhecimento em tempo real |
| precisão | Muitas vezes não tem recursos de autoavaliação e se limita ao raciocínio probabilístico baseado em dados de treinamento | Pode usar recursos, conhecimento e memória específicos da tarefa para validar e melhorar seu próprio resultado e o de outros agentes no sistema. |
Sistemas de IA com vários agentes: ampliando o potencial dos agentes de IA
Embora um único agente de IA possa proporcionar aprimoramentos significativos, o poder verdadeiramente transformador dos agentes de IA é demonstrado quando vários agentes trabalham juntos. Esses sistemas multiagentes são capazes de aproveitar os pontos fortes de funções específicas, permitindo que as organizações automatizem e otimizem processos complexos que seriam difíceis de serem concluídos por um único agente sozinho.
Os sistemas de IA multiagente empregam vários agentes de IA específicos de função para entender solicitações, planejar fluxos de trabalho, coordenar agentes específicos de função, otimizar operações, colaborar com humanos e validar resultados.
Os sistemas de IA com vários agentes normalmente incluem agentes de tarefas padrão (por exemplo, interface de usuário e agentes de gerenciamento de dados), bem como agentes especializados em habilidades e ferramentas (por exemplo, extratores de dados ou agentes de análise de imagens) que trabalham juntos para atingir as metas especificadas pelo usuário.
No centro de cada agente de IA está um modelo de linguagem que fornece compreensão semântica linguística e contextual - o uso exato dos mesmos modelos de linguagem ou de modelos diferentes depende do caso de uso. Essa abordagem permite que alguns agentes compartilhem conhecimento, enquanto outros fazem a validação cruzada do resultado no sistema, melhorando assim a qualidade e a consistência do processo. Fornecer aos agentes recursos compartilhados de memória de curto e longo prazo reduz ainda mais a necessidade de avisos humanos durante as fases de planejamento, validação e iteração.
Esse conceito amplia as possibilidades de um único agente de IA por meio de uma abordagem de equipe ou agência. Ao dividir processos complexos em várias tarefas, atribuindo-as a agentes que são especificamente otimizados para realizá-las e coordenando a colaboração entre agentes e humanos em cada estágio do fluxo de trabalho, esses sistemas têm maior probabilidade de obter resultados de maior qualidade, mais rápidos e mais confiáveis.2,3
Em outras palavras: os sistemas de IA multiagente podem não apenas raciocinar e agir em nome de seus usuários, mas também coordenar fluxos de trabalho complexos em minutos.
Principais benefícios dos sistemas de IA de agentes e multiagentes
Recursos - os agentes de IA podem automatizar as interações com uma ampla gama de ferramentas para realizar tarefas (por exemplo, navegação em sites, computação quantitativa) que os modelos de linguagem grandes e autônomos não conseguem.
Produtividade - Em comparação com os grandes modelos linguísticos autônomos, que requerem interação e entrada humana constante para alcançar os resultados desejados, os agentes de IA podem planejar e colaborar em fluxos de trabalho complexos com base em um único prompt, acelerando significativamente o processo de entrega.
Autoaprendizagem - Ao usar recursos de memória contextual de curto e longo prazo (que geralmente não estão disponíveis em modelos de linguagem pré-treinados), os agentes de IA podem melhorar rapidamente a qualidade de seus resultados ao longo do tempo.
Adaptabilidade - à medida que os requisitos mudam, os agentes de IA podem raciocinar e planejar novas abordagens, consultar rapidamente novos dados e fontes de dados em tempo real e colaborar com outros agentes para concluir e coordenar os resultados.
Precisão - Um dos principais benefícios dos sistemas de IA com vários agentes é a capacidade de usar agentes de "validação" para interagir com agentes de "geração" para testar e melhorar a qualidade e a confiabilidade como parte de um fluxo de trabalho automatizado.
Inteligência - Quando os agentes concentrados em uma tarefa específica trabalham juntos, cada agente aplica suas memórias, ferramentas e recursos de raciocínio para levar a inteligência orientada por máquina a novos patamares.
Transparência - Os sistemas de IA com vários agentes aumentam a capacidade de interpretar o resultado da IA mostrando como os agentes raciocinam e se comunicam de forma colaborativa, fornecendo uma visão clara do processo coletivo de tomada de decisões e de construção de consenso.
Insight estratégico para mudanças
Independentemente do setor, todas as organizações estão envolvidas em pesquisas, análises e relatórios sobre uma ampla gama de tópicos, incluindo condições econômicas, preferências de clientes e partes interessadas, políticas e estratégias de preços.
Tradicionalmente, esses projetos exigem que analistas qualificados concluam um processo de várias etapas, incluindo o uso de ferramentas analíticas e de pesquisa, bem como o conhecimento especializado interno, e o processo consome muito tempo.
A seguir, apresentamos um processo típico para um projeto de pesquisa tradicional.
Embora esse método seja eficaz e repetível, ele é...
- Demorado: pode levar dias ou semanas para concluir um único relatório, o que dificulta a capitalização de oportunidades emergentes.
- Ineficiência: analistas qualificados precisam realizar muitas atividades repetitivas, o que reduz seu foco em análises de nível superior.
- Dificuldade de ampliação: empresas e organizações governamentais enfrentam desafios para recrutar e reter analistas suficientemente qualificados e experientes para ampliar seus recursos de pesquisa.
A Deloitte desenvolveu um sistema de IA de inteligência múltipla que simplifica e otimiza cada etapa da pesquisa e dos relatórios. Veja como o sistema funciona.
Além de ser eficiente e reproduzível, essa abordagem orientada por agentes de IA tem...
- Rápido: um relatório de qualidade pode ser gerado imediatamente em menos de uma hora.
- Eficiente: os profissionais podem se concentrar na validação, iteração e refinamento dos relatórios.
- Altamente escalável: em essência, o sistema fornece uma equipe instantânea de trabalhadores digitais altamente qualificados.
O trabalho eficaz e eficiente depende do aumento da criatividade e do conhecimento por meio de processos bem planejados e das ferramentas certas. É aí que entram os agentes de IA e os sistemas de IA com inteligência múltipla.
Obtenção de impacto por meio de casos de uso direcionados
As organizações de todos os setores já estão aproveitando o potencial dos agentes de IA e dos sistemas de inteligência múltipla para transformar processos, melhorar a eficiência e ampliar o alcance. Vamos explorar quatro casos de uso que são possíveis atualmente - dois específicos do setor e dois que podem ser aplicados a qualquer empresa.
Caso 1
Consultoria financeira personalizada e gerenciamento de patrimônio
Setor: Serviços financeiros
Os serviços de aconselhamento financeiro geralmente dependem de uma ampla categorização dos clientes com base na idade, renda e tolerância a riscos. Essa abordagem tende a ignorar a complexidade das situações e metas financeiras individuais. No atual ambiente financeiro em rápida mudança, há uma necessidade crescente de aconselhamento financeiro personalizado e adaptável. Os sistemas de IA de inteligência múltipla podem analisar uma variedade de fontes de dados - inclusive o histórico financeiro do cliente, dados de mercado em tempo real, eventos da vida e até mesmo padrões de comportamento - para ajudar os consultores a desenvolver planos financeiros e estratégias de investimento personalizados. Os agentes de IA também podem monitorar e ajustar continuamente as recomendações à medida que o ambiente muda.
Benefícios potenciais do uso de um agente de IA para alcançar:
Ultrapersonalizado: consultoria financeira adaptada às necessidades e aos objetivos específicos de cada cliente, levando em conta fatores que podem ser ignorados por outras abordagens.
Ajuste fino contínuo: os planos e as estratégias financeiras são atualizados automaticamente em resposta às mudanças nas condições do mercado ou nas circunstâncias individuais.
Aumentar a satisfação do cliente: Fortalecer o relacionamento com o cliente e aumentar a retenção e a satisfação do cliente, fornecendo consultoria mais relevante e oportuna.
Maior escalabilidade: ofereça consultoria personalizada e de alta qualidade a uma gama maior de clientes sem aumentar o custo do serviço.
Caso 2
Preços dinâmicos e promoções personalizadas
Setor: Mercados de consumo
As estratégias de preços padrão geralmente se baseiam em modelos estáticos que não levam em conta as condições de mercado em tempo real, o comportamento do cliente ou os níveis de estoque. Os sistemas de IA multiagentes podem integrar rapidamente análises baseadas em grandes quantidades de dados em tempo real, como preços da concorrência, histórico de compras dos clientes e tendências sazonais, para ajustar os preços de forma dinâmica. Além disso, eles podem personalizar as promoções com base nas preferências, características e hábitos de compra de cada cliente, com o objetivo de aumentar as taxas de conversão e aumentar a satisfação do cliente.
Benefícios potenciais do uso de um agente de IA para alcançar:
Adaptabilidade mais rápida: os preços são ajustados instantaneamente em resposta a mudanças no mercado, níveis de estoque ou demanda do cliente para otimizar a receita.
Ofertas personalizadas: promoções adaptadas às preferências e ao comportamento de cada cliente para aumentar a probabilidade de compra.
Maior lucratividade: maximize as margens e reduza os descontos, otimizando continuamente os preços e as promoções.
Caso 3
Recrutamento
Área: Recursos Humanos (RH)
Os agentes de IA podem automatizar o processo de recrutamento de ponta a ponta por meio do processamento de linguagem natural, incluindo a análise de currículos, a avaliação de candidatos com base em habilidades e experiência e a realização de entrevistas iniciais por meio de avatares geradores orientados por IA. Esses sistemas podem trabalhar com profissionais de RH para garantir que os candidatos qualificados sejam rapidamente identificados, priorizados e encaminhados de forma eficiente para os estágios subsequentes do processo de contratação, ao mesmo tempo em que cumprem as regulamentações.
Benefícios potenciais do uso de um agente de IA para alcançar:
Aumente a eficiência: automatize as tarefas para que as equipes de RH possam se concentrar em atividades estratégicas e reduzir o tempo de contratação.
Melhoria na correspondência de candidatos: análise de uma gama mais ampla de pontos de dados para ajudar a combinar com mais precisão os candidatos aos cargos e melhorar a qualidade do recrutamento.
Reduzir o preconceito: ao padronizar as avaliações dos candidatos e concentrar-se nas habilidades e na experiência, os agentes de IA podem ajudar a reduzir o preconceito inconsciente no processo de recrutamento.
Escalonamento dinâmico: processe um grande número de aplicativos e facilite o gerenciamento de campanhas de recrutamento ou o recrutamento para vários cargos ao mesmo tempo.
Caso 4
Suporte personalizado ao cliente
Área: Serviços ao cliente e ao beneficiário
Os sistemas tradicionais de suporte ao cliente e ao beneficiário geralmente dependem de interações com scripts que podem não resolver consultas complexas ou exclusivas, levando à frustração do cliente e ao aumento dos problemas. Em contrapartida, os sistemas de IA multiagentes são capazes de entender solicitações em linguagem natural e gerar respostas relevantes e naturais com base no histórico do cliente, nas preferências e no contexto em tempo real. Esses sistemas avançados podem lidar com eficiência com muitas consultas complexas, reduzindo a necessidade de transferências para o atendimento humano ao cliente e aumentando a satisfação do cliente/beneficiário.
As possíveis vantagens oferecidas pelos agentes de inteligência artificial:
Maior consistência e escalabilidade: os agentes de IA podem trabalhar 24 horas por dia, 7 dias por semana, sem fadiga, e manter uma qualidade de serviço consistente, independentemente do volume de consultas.
Melhor experiência do cliente: cada interação com um cliente pode ser adaptada às necessidades individuais, resultando em maior satisfação e envolvimento do cliente.
Eficiência incremental: a capacidade de aprender com cada interação ajuda a reduzir os tempos de resposta, melhorar a qualidade e liberar o tempo dos agentes de atendimento humano para que se concentrem em solicitações mais complexas dos clientes.
Abertura de novas formas de trabalho e horizontes inovadores
À medida que os modelos de linguagem continuam a evoluir, espera-se que os agentes e sistemas de IA se tornem um recurso estratégico e um facilitador de eficiência para as principais atividades empresariais e governamentais (por exemplo, desenvolvimento de produtos, conformidade regulatória, atendimento ao cliente, engajamento de constituintes, design organizacional etc.). Vislumbramos um futuro em que os agentes revolucionarão modelos de negócios fundamentais e setores inteiros, impulsionando novas formas de trabalho, modelos operacionais e entrega de valor.
Por isso, é importante que os líderes seniores e os líderes do serviço público se preparem com antecedência para a próxima fase da colaboração entre humanos e computadores e da inovação nos negócios.
Vamos explorar algumas novas formas de pensar e liderar que devem ser consideradas nesta época de mudanças rápidas.
importância estratégica
Os líderes devem começar a integrar os agentes de IA e os sistemas de IA multiagentes em sua estratégia geral e em seu roteiro futuro. Isso significa reimaginar os processos de negócios, investir em recursos de IA e promover uma cultura de inovação. As organizações devem desenvolver um roteiro claro para a adoção de agentes de IA, identificando claramente as principais áreas que podem gerar mais valor e impactar os objetivos comerciais mais amplos.
O gerenciamento eficaz de mudanças é fundamental para uma integração bem-sucedida. Os líderes devem pensar cuidadosamente sobre como lidar com a resistência organizacional, oferecer treinamento e garantir que os funcionários entendam o valor e os benefícios dos agentes de IA. Isso inclui o desenvolvimento de uma estratégia de comunicação abrangente para garantir que os funcionários e outras partes interessadas sejam informados e permaneçam engajados durante todo o processo de adoção.
Áreas de foco
-Identificar e priorizar as áreas de negócios e serviços em que os agentes de IA podem ter o maior e mais imediato impacto.
significância do risco
Os agentes de inteligência artificial apresentam novos riscos e exigem fortes estruturas de segurança e governança. Um dos principais riscos é a possível parcialidade dos algoritmos de IA e dos dados de treinamento, o que pode levar a uma tomada de decisão injusta. Além disso, os agentes de IA podem ser vulneráveis a violações de dados e ataques cibernéticos, o que pode comprometer informações confidenciais e a integridade dos dados. A complexidade dos sistemas de IA também traz consigo a possibilidade de consequências não intencionais, possivelmente devido ao fato de os agentes de IA apresentarem comportamento imprevisível ou tomarem decisões que não estejam alinhadas com as metas organizacionais.
Para gerenciar esses riscos, é importante definir parâmetros claros para as interações dos agentes, monitorar as métricas operacionais e garantir continuamente a ética, a privacidade, a segurança e a integridade dos dados. À medida que a integração de agentes de IA se move para os principais processos de negócios, uma estrutura de governança em toda a empresa com diretrizes sobre uso de dados, ética e segurança ajudará ainda mais a reduzir os riscos. A estrutura deve garantir a conformidade com os regulamentos relevantes e incluir o monitoramento contínuo das interações dos agentes de IA. Medidas de segurança avançadas, como criptografia e autenticação multifator, podem ajudar a proteger contra violações de dados e ataques cibernéticos. A oferta de programas de treinamento e conscientização para os funcionários pode oferecer proteção adicional, ajudando-os a entender as considerações éticas e operacionais do trabalho com agentes de IA.
Áreas de foco
-Identificar riscos operacionais e de marca que possam surgir em relação ao uso de dados, agentes de IA interagindo entre si e com ferramentas, ética etc.
-Garantir testes e validação eficazes dos resultados do modelo.
-Implementar uma estrutura de governança de agentes de IA que seja regularmente revisada e atualizada para atender à evolução da tecnologia de IA.
-Monitorar os riscos emergentes específicos dos agentes de IA, como a "autonomia do agente", ou seja, o risco de consequências não intencionais que podem surgir quando os agentes tomam decisões com supervisão humana mínima.
-Desenvolver programas de treinamento sólidos para ajudar os funcionários a entender e usar os agentes de IA para melhorar a produtividade e a eficiência.
importância do talento
A implementação de agentes de IA pode mudar as estruturas tradicionais de trabalho. À medida que os agentes de IA assumem tarefas rotineiras e de baixo valor, a demanda por habilidades humanas para projetar, implementar e operar esses sistemas pode aumentar drasticamente. Os líderes devem pensar em quais novas funções, descrições de cargos e estruturas de trabalho estão envolvidas na criação desses recursos e como identificar, recrutar, treinar e reter esse conhecimento especializado.
Além do impacto sobre o talento técnico, os líderes empresariais também devem estar preparados para ajudar os funcionários de todos os tipos a aprender a trabalhar com agentes de IA e até mesmo identificar novos cenários de uso que possam melhorar os processos. Se implantados e gerenciados adequadamente, os agentes de IA podem abrir novas áreas de potencial para a colaboração entre humanos e computadores, mas esse potencial depende de os funcionários entenderem, aceitarem e serem capazes de desempenhar suas novas funções.
Áreas de foco
-Comunicar os benefícios dos agentes de IA para ajudar os funcionários a se adaptarem a novas formas de trabalho.
-Promover uma cultura de inovação e aprendizado contínuo. Os líderes devem incutir uma mentalidade inovadora e adaptável em relação aos agentes de IA.
-Explore o redesenho de estruturas de trabalho, fluxos de trabalho e métricas de desempenho para refletir a nova realidade de humanos trabalhando em conjunto com agentes de IA.
Impacto dos processos de negócios
Os agentes de inteligência artificial e os sistemas de IA com vários agentes exigem uma avaliação humana cuidadosa dos processos de negócios - às vezes, do zero. Embora os agentes redefinam muitos processos essenciais ao longo do tempo, os agentes de IA podem ser integrados aos modelos operacionais existentes hoje, aumentando a eficiência dos processos atuais sem a necessidade de uma reengenharia completa do sistema. Essa abordagem permite que as organizações adotem gradualmente soluções de agentes de baixo risco, mas requer planejamento, gerenciamento e alinhamento cuidadosos para garantir que os agentes de IA possam aprimorar as partes que os humanos e/ou outras soluções tecnológicas já fazem bem.
Nos casos de uso em que um agente de IA se aplica, a intervenção humana continua sendo fundamental, especialmente em tarefas que exigem julgamento, validação e tomada de decisões críticas. Essa colaboração é fundamental para garantir que o resultado da IA seja preciso, confiável e eficaz. Nesse paradigma, todos os que trabalham com o agente de IA atuam como gerentes - emitindo instruções por meio de prompts, esclarecendo solicitações, monitorando o progresso, analisando os resultados e solicitando ou fazendo alterações conforme necessário.
Áreas de foco
- Assegure-se de que, quando os agentes forem integrados aos processos de negócios existentes, esses processos permaneçam eficazes e, ao mesmo tempo, gerem maior eficiência e valor.
- Estabelecer um processo para monitorar e melhorar continuamente o desempenho dos agentes de IA. Isso inclui a coleta e a análise de dados sobre o desempenho dos agentes de IA, a identificação de oportunidades de melhoria e a realização de alterações conforme necessário para otimizar seu desempenho.
Impacto da tecnologia e dos dados
A implementação de agentes de IA pode ser cara, envolvendo investimentos significativos em tecnologia e infraestrutura. As organizações devem avaliar cuidadosamente a proposta de valor e o retorno sobre o investimento; e desenvolver um programa em fases de casos de uso, concentrando-se nos "frutos mais fáceis" (ou seja, casos de uso mais simples) para estabelecer as bases para ativações mais complexas.
Dados de alta qualidade são fundamentais para que os agentes de IA funcionem de forma eficaz. Se os dados forem imprecisos, incompletos ou inconsistentes, os resultados e as ações do agente podem não ser confiáveis ou estar incorretos, o que gera problemas de adoção e risco. Portanto, é fundamental investir em gerenciamento de dados e modelagem de conhecimento robustos.
A adoção de práticas confiáveis de IA é fundamental para mitigar os riscos e garantir uma implementação ética. Isso inclui o desenvolvimento de soluções de agentes de IA justas, transparentes e responsáveis e a abordagem de possíveis vieses nos modelos de IA.
Áreas de foco
- Crie a infraestrutura técnica correta para apoiar a adoção e a implementação de agentes de IA (por exemplo, plataformas de orquestração de IA e lagos de dados dimensionáveis).
- Certifique-se de que os dados estejam devidamente organizados, atualizados e acessíveis aos agentes de IA. Isso inclui a implementação de políticas e processos claros de governança de dados e o acesso contínuo a fluxos de dados em tempo real para a tomada de decisões dinâmicas e precisas.
- Estabelecer processos para monitorar e gerenciar o desempenho e a ética dos agentes de IA e dos sistemas de IA com vários agentes. Sem uma IA transparente e confiável, a confiança e a conformidade do cliente estarão em risco.
O caminho a seguir
A era da colaboração entre agentes de inteligência artificial ainda está em seus estágios iniciais. Embora o interesse das empresas e dos fornecedores de tecnologia esteja crescendo, as soluções abrangentes ainda não são comuns. É necessário um volume significativo de trabalho técnico - especialmente nas áreas de raciocínio e recursos de planejamento - que capacitará os agentes de IA.
É provável que as melhorias ocorram rapidamente. Nos últimos anos, as ferramentas de IA generativa fizeram avanços significativos em seus recursos de raciocínio e orquestração de agentes. Muitas empresas de capital de risco estão investindo amplamente em áreas de tecnologia relacionadas a agentes de IA, e muitos dos principais fornecedores de tecnologia e IA generativa da atualidade estão investindo mais. O que está disponível atualmente é apenas a ponta do iceberg para desenvolvimentos futuros. De fato, esperamos que os principais modelos de linguagem, agentes de IA e plataformas de orquestração de agentes passem por uma evolução significativa nos próximos 12 meses.
Os líderes preparados para o futuro não ficarão de braços cruzados. Em todos os setores, muitas empresas já estão projetando, testando e, em alguns casos, implementando agentes.
Liderando uma nova era de transformação organizacional
Os agentes de inteligência artificial e os sistemas de IA multiagentes são mais do que apenas símbolos de avanço tecnológico. Eles representam uma mudança fundamental na forma como as organizações automatizam processos, melhoram a colaboração homem-máquina, geram percepções e enfrentam desafios complexos de forma dinâmica. Eles oferecem o potencial de liberar um enorme valor em várias áreas funcionais, desde o aprimoramento das interações com os clientes e a otimização das cadeias de suprimentos até a promoção da inovação no desenvolvimento de produtos e na prestação de serviços.
A jornada para concretizar esses benefícios requer um planejamento cuidadoso, investimento estratégico e o compromisso de promover uma cultura que adote a melhoria contínua e o avanço tecnológico. Ao alinhar as iniciativas de agentes de IA com os principais objetivos de negócios, investir na infraestrutura certa e promover uma cultura de inovação, sua organização pode estar na vanguarda dessa nova era de transformação dos negócios orientada por IA.
Agora é a hora de agir.
As ferramentas de IA generativa estão crescendo rapidamente, e é improvável que essa evolução diminua nos próximos anos. Da mesma forma, os agentes de IA já estão sendo implementados por empresas de todos os setores, bem como pelos principais fornecedores de tecnologia. Dessa forma, está se tornando fundamental explorar os aplicativos/casos de uso iniciais e estabelecer as bases para futuras transformações fundamentais nos negócios.
Para iniciar a jornada de sua própria organização, considere as seguintes ações:
1 Avaliar e priorizar os casos de uso
Comece com uma avaliação abrangente das operações atuais para identificar áreas de alto impacto em que os agentes de IA podem agregar valor. Concentre-se nos processos que se prestam à automação, envolvem tomadas de decisão complexas e/ou exigem rápida adaptação. Priorize esses casos de uso para obter sucesso rápido e demonstrar valor tangível.
2 Desenvolver um roteiro estratégico de agente de IA
Alinhe seu plano de IA com objetivos mais amplos de negócios e missão, desenvolvendo um roteiro detalhado que descreva as maneiras de integrar os agentes de IA às operações. Esse plano deve incluir marcos claros, cronogramas e métricas de sucesso para orientar a implantação de recursos orientados por agentes de IA em toda a organização.
3 Desenvolvimento de talentos Infraestrutura de investimento e talentos
Identifique e crie a infraestrutura necessária para dar suporte aos agentes de IA, incluindo plataformas de nuvem dimensionáveis, ferramentas avançadas de análise de dados e medidas robustas de segurança cibernética. Ao mesmo tempo, invista na atualização das habilidades de sua força de trabalho, com foco no desenvolvimento das capacidades técnicas para trabalhar de forma eficaz com agentes de IA e sistemas multiagentes. Uma força de trabalho bem preparada é fundamental para concretizar todo o potencial de transformação dos agentes de IA.
4 Gerenciamento de riscos Implementar uma forte governança de dados
À medida que os agentes de IA se tornam centrais para as operações, é importante estabelecer uma estrutura de governança sólida para gerenciar os riscos associados. Implemente políticas para garantir a integridade dos dados, a segurança e o uso ético, ao mesmo tempo em que monitora continuamente as interações com a IA para se proteger contra vieses e consequências adversas. Ao mesmo tempo, a conformidade deve ser sempre uma prioridade máxima.
5 Promoção de uma cultura de inovação
A experimentação e o aprendizado contínuo são essenciais para o sucesso. Incentive a sua equipe a explorar novas aplicações de IA generativa e a repetir as implementações iniciais para promover a melhoria contínua. Ao incorporar a inovação na cultura da sua organização, você pode manter uma vantagem competitiva em um ambiente de negócios que muda rapidamente.
