Uma pesquisa recente com 1.050 CIOs revelou que 93% dos líderes de TI planejam implementar agentes de IA nos próximos dois anos, concentrando-se na eliminação de silos de dados. Em média, os entrevistados usam 897 aplicativos, com 45% relatando a utilização de 1.000 ou mais, o que dificulta a capacidade das equipes de TI de criar uma experiência unificada.
Somente 29% dos aplicativos corporativos estão integrados e compartilham informações entre os setores. Para se preparar para o uso ampliado de IA, os CIOs alocam 20% de seus orçamentos para infraestrutura e gestão de dados, quatro vezes mais do que o que gastam em IA (5%). A pesquisa também indica que 86% dos líderes de TI esperam que a carga de trabalho aumente no futuro, prevendo um aumento médio de 18% em projetos.
Mas, o que são agentes de IA? De acordo com a ARK Invest, esses agentes têm o potencial de acelerar a adoção de aplicações digitais e provocar uma mudança significativa na interação entre humanos e computadores, pois conseguem: compreender intenções através da linguagem natural, planejar utilizando raciocínio e contexto apropriado, agir utilizando ferramentas para cumprir essas intenções e melhorar por meio de iteração e aprendizado contínuo. A ARK prevê que a IA potencializará o trabalho intelectual, com um aumento considerável na quantidade de software utilizado por trabalhador do conhecimento até 2030. O gasto global em software pode crescer de uma taxa anual de 14% nas últimas décadas para uma taxa entre 18% e 48%.
Como podem as empresas acelerar o retorno sobre o investimento com a IA agente? Segundo a Valoir, uma empresa de pesquisa em tecnologia, a IA agente promete oferecer benefícios exponenciais por meio da automatização de tarefas e interações complexas sem intervenção humana. No entanto, desenvolver uma IA agente que gerencie tarefas complexas com desempenho aceitável é um desafio. A pesquisa da Valoir revelou que utilizar uma plataforma otimizada para o desenvolvimento de IA agente, como o Salesforce Agentforce, permite que as organizações entreguem agentes de IA autônomos com uma média de 16 vezes mais rapidez do que outros métodos e com um aumento de 75% na precisão.
A Valoir definiu sete fases de desenvolvimento agente (sendo que a complexidade das tarefas e o volume, fontes e limpeza de dados variam por cliente): configuração do modelo, integração de dados e aplicativos, engenharia de prompts, diretrizes de segurança e proteção, desenvolvimento de interface e fluxo de trabalho/aplicação, e ajuste de precisão dos dados. Um ponto-chave encontrado pela Valoir em relação à configuração do modelo foi a diferença entre uma abordagem "faça você mesmo" (DIY) e uma plataforma profundamente integrada com capacidades de IA agente incorporadas.
A Valoir constatou que a maioria das organizações que adotou a abordagem DIY usa modelos pré-construídos, geralmente exigindo de três a 12 meses para configuração. Em contrapartida, os modelos do Agentforce são pré-integrados e ajustados, necessitando de pouco ou nenhum tempo de preparação, em média 7,5 vezes mais rápido do que os modelos pré-construídos. Também foi verificado que as organizações que utilizam alternativas de código aberto gastam pelo menos um mês escolhendo uma abordagem RAG. Os processos incluíam a integração de ferramentas de ingestão, recuperação e armazenamento de documentos, juntamente com a integração do RAG a modelos generativos e um adicional de dois a três meses para treinar o recuperador e o modelo com dados específicos do domínio.
A comparação mais significativa entre as abordagens DIY e de plataforma integrada diz respeito às diretrizes de IA, confiança e segurança. A confiança se revelou um fator chave que possibilitou a transição das organizações de casos de uso generativos para casos de uso de IA agente. Equipes de desenvolvimento com considerável conhecimento em desenvolvimento e ciência de dados precisariam de mais de 12 meses para desenvolver uma camada de confiança equivalente. A precisão dos dados é um aspecto fundamental no tempo para obter valor, sendo o tempo necessário para construir e treinar agentes de IA até alcançar níveis aceitáveis de resposta correta.
Dependendo da complexidade da tarefa, a porcentagem de precisão variava entre a abordagem DIY e a plataforma integrada. Para tarefas simples, as taxas de precisão eram de 50% para DIY e 95% para Agentforce. Em tarefas complexas, como coaching de vendas, a precisão era de 40% para DIY em comparação com 95% para Agentforce. No geral, a abordagem da plataforma pode aumentar a precisão dos agentes em 75%. A Valoir concluiu que o tempo médio total gasto em projetos DIY foi de 75,5 meses, enquanto o tempo médio necessário para tornar um projeto Agentforce produtivamente preciso foi de 4,8 meses, tornando a abordagem da plataforma 16 vezes mais rápida.
Referência: Ark Invest
