Agentic AI e IA generativa
Tanto a agentic AI quanto a IA generativa (gen IA) oferecem benefícios de produtividade, potencializando, ampliando e otimizando tarefas e processos. Ambas as formas de inteligência artificial utilizam Large Language Models (LLMs).
Para fins de comparação, vamos considerar a agentic AI proativa e a IA generativa reativa.
- A Agentic AI é um sistema capaz de definir e alcançar metas proativamente com o mínimo de supervisão humana. Quando o objetivo da tarefa envolve criação de conteúdo, as ferramentas de gen IA assumem essa responsabilidade. A Agentic AI se torna um agente do usuário e/ou do sistema.
- A gen IA é uma ferramenta que cria conteúdo novo em resposta a um prompt. Ela pode fazer parte de um sistema agentic, mas não executa tarefas de forma autônoma. Ou seja, ela não tem agência.
A Agentic AI e a IA generativa trabalham em colaboração. Sistemas de Agentic AI podem usar a gen AI para conversar com o usuário, gerar conteúdo de forma autônoma para atender a um objetivo mais amplo ou se comunicar com ferramentas externas. Em outras palavras, a gen IA é parte essencial do processo "cognitivo" da agentic AI.
Quais são as diferenças entre a agentic AI e a IA generativa?
O limite entre a agentic AI e a IA generativa pode parecer tênue, pois ambas começam com um prompt do usuário e costumam existir em um formato similar ao dos chatbots. Além disso, muitas aplicações que antes eram exclusivamente de gen IA agora incluem elementos agentic, uma tendência que deve continuar.
Por exemplo, muitas das plataformas de chatbot mais conhecidas (ChatGPT, Gemini, Claude etc.) iniciam automaticamente uma pesquisa na web, analisam os dados e os retornam como parte da conversa. Essa é uma forma primitiva de agentic AI.
A agentic AI e a gen AI se diferenciam pela capacidade de agir de forma autônoma e de interagir com ferramentas externas
Para explicar melhor a diferença entre as duas tecnologias, vamos analisar um caso de uso hipotético:
Um representante de vendas quer usar IA para escrever um e-mail de follow-up para um potencial cliente.
Com a IA generativa, o representante de vendas abre uma interface e digita um prompt como: "Escreva um e-mail educado e profissional de follow-up para Maria Wang sobre nossa proposta." A gen IA produz instantaneamente um rascunho do e-mail e, assim, cumpre seu propósito. Cabe ao representante de vendas copiar o texto, colá-lo no corpo da mensagem, inserir o endereço de e-mail do destinatário e clicar em enviar.
Agora, vejamos como a agentic AI lidaria com uma tarefa semelhante.
Em um sistema agentic, o representante de vendas define uma regra ou comando no sistema de gerenciamento de relacionamento com o cliente (CRM). Essa regra pode ser algo como: "Para leads de vendas que eu marcar como "follow-up necessário", aguarde dois dias úteis e envie um e-mail."
Após o representante de vendas marcar Maria Wang como "follow-up necessário", o fluxo de trabalho agentic é acionado. O sistema recebe instruções (o prompt inicial) e, de forma autônoma, elabora um plano para executá-lo com o apoio de ferramentas externas. O plano pode ser como no exemplo a seguir:
1) Após dois dias úteis, o sistema envia uma solicitação ao fluxo de trabalho agentic.
2) O sistema recupera os dados de Maria no CRM.
3) Outra ferramenta busca mais informações sobre Maria (histórico do cliente, detalhes de personalização, informações da empresa etc.), que fornecem contexto para o prompt do e-mail de follow-up.
4) O sistema cria um prompt para o e-mail de follow-up e o fornece a um modelo de gen IA integrado, que escreve o texto do e-mail.
5) O sistema gera um rascunho do e-mail de follow-up para o representante de vendas, que pode aprovar o conteúdo ou solicitar ajustes.
6) Se o representante de vendas aprovar o e-mail, o sistema fará uma chamada da interface de programação de aplicações (API) para o serviço de e-mail de Maria.
7) O sistema envia o e-mail para Maria.
8) O sistema atualiza o CRM para mostrar que o e-mail foi enviado.
A Agentic AI e a gen IA têm diferentes capacidades de adaptação
Os dois tipos de IA são adaptáveis, mas de formas diferentes. A IA generativa expressa sua adaptabilidade produzindo conteúdo em vários estilos e para diferentes contextos. Já a Agentic AI demonstra essa capacidade ajustando o plano e a estratégia em resposta a mudanças nas condições do ambiente ou a novas informações.
A Agentic AI oferece um framework para cargas de trabalho que costumavam ser classificadas como automação robótica de processos (RPA). A integração da IA torna os agentes muito mais adaptáveis a mudanças em seu ambiente de execução. Por exemplo, bots de screen scraping teriam dificuldades até mesmo com pequenas alterações no site de destino, enquanto a agentic AIgentic AI se adapta às mudanças e ajusta sua abordagem de coleta de dados. Assim, os agentes baseados em IA podem operar em um nível que antes exigiria intervenção humana.
Compreensão do contexto
A Agentic AI usa o contexto para agir. Os sistemas agentic têm acesso aos seguintes dados:
- O prompt inicial.
- O estado ou as condições do ambiente digital ou físico.
- As ferramentas disponíveis (acesso à API, aplicação de gen IA etc.).
- Memória e ações anteriores.
Com todas essas informações, além de fórmulas matemáticas que ajudam a navegar pelos dados, um sistema agentic desenvolve a compreensão de contexto. É isso que permite ao sistema “raciocinar” e agir.
Já a IA generativa usa o contexto para a criação. Como o objetivo da gen IA é produzir conteúdo novo, as aplicações generativas têm acesso aos seguintes dados:
- O prompt.
- O histórico de conversação.
- Os dados usados para treinar as aplicações.
Com essas informações, além de técnicas de machine learning e algoritmos de deep learning, a gen IA extrai informações, cria conexões e produz uma resposta.
Quatro considerações importantes sobre a implementação da tecnologia de IA
O que é a IA Agente?
A agentic AI é um sistema de software criado para interagir com dados e ferramentas, exigindo o mínimo de intervenção humana. Com foco no comportamento orientado a metas, a agentic AI realiza tarefas criando uma lista de etapas e as executando com autonomia. A Agentic AI pode definir seus próprios objetivos e delegar tarefas a outros agentes de IA ou ferramentas externas, além de se adaptar a condições novas ou não estruturadas para as quais não foi treinada.
Os agentes de IA são componentes de um sistema agentic. Um agente de IA é como uma entidade que atua controlando e operando outras ferramentas de software. A agentic AI pode ser uma estrutura física, um software ou uma combinação de ambos.
Um agente de IA é um sistema robótico que usa câmeras, sensores e monitores para coletar dados sobre o ambiente. Em seguida, ele analisa essas informações por meio de um software para determinar a próxima etapa. Um bom exemplo é um veículo autônomo que encontra destroços na pista e decide se pisa no freio ou segue em frente.
Enquanto isso, em um ambiente de software, a agentic AI coleta dados de outras fontes, como APIs, buscas online, prompts de texto e bases de dados, que ajudam os agentes a construir uma percepção e compreensão de contexto. Considere o exemplo anterior do funcionário que quer automatizar a tarefa com várias etapas de enviar um e-mail de follow-up personalizado após uma reunião com um cliente em potencial.
Como funciona a agentic AI?
A agentic AI resolve problemas seguindo três etapas: percepção, planejamento e ação. Essa tecnologia tem a capacidade de "encadeamento", ou seja, é capaz de executar uma sequência de ações para responder a uma solicitação ou prompt.
Por exemplo, se você pedir a um agente de IA para criar um site, ele seguirá todas as etapas necessárias. Ou seja, com base em apenas um prompt, o agente de IA consegue criar o código da estrutura, preencher as páginas com conteúdo, desenvolver os elementos visuais e testar a capacidade de resposta.
Dessa forma, a agentic AI pode ser considerada "executora" e "gerente de projetos". Ela consegue contornar obstáculos e iniciar ações, como gerar seus próprios prompts para responder a perguntas que apareçam durante o processo.
O que é um fluxo de trabalho agentic?
A Agentic AI funciona por meio de um processo conhecido como fluxo de trabalho agentic. Um fluxo de trabalho agentic pode ser composto por uma orquestração de agentes, robôs e pessoas. Ele é um processo de ponta a ponta desenvolvido para alcançar objetivos específicos, conectando os mundos físico e digital ao mesmo tempo que integra a supervisão humana.
Um fluxo de trabalho agentic é uma série estruturada de ações que agentes de IA gerenciam e concluem, às vezes com intervenção humana. Quando um agente de IA recebe uma meta, ele inicia o fluxo de trabalho dividindo a tarefa em etapas menores e as executa em seguida.
Para isso, um agente de IA se replica, criando um sistema multiagente (multi-agent system, MAS). Nesse fluxo de trabalho, o agente principal (também conhecido como meta-agente, orquestrador ou supervisor) pode criar novos agentes e delegar tarefas a eles, atribuindo valores e interagindo com a memória em um ciclo de feedback. Os agentes trabalham paralelamente até alcançarem a meta final.
Dentro desse MAS, cada agente tem uma estrutura interna que permite a operação independente e colaborativa dentro do sistema. Essa colaboração depende de repositórios de memória compartilhada, que fornecem contexto sobre o conhecimento individual, experiências passadas e estados de crença.
Casos de uso da agentic AI
A Agentic Ai se destaca na solução de problemas e na tomada de decisões dinâmicas. Alguns casos de uso da agentic AI específicos de cada setor são:
Manufatura: fluxos de trabalho agentic ajudam a gerenciar cadeias de suprimentos, otimizar os níveis de inventário, prever demandas e fazer o planejamento logístico.
Saúde: a agentic AI interage com os clientes monitorando as demandas, realizando planos de tratamento e oferecendo suporte personalizado.
Desenvolvimento de software: a agentic AI automatiza a geração de código de depuração, gerencia ciclos de vida de desenvolvimento e projeta a arquitetura de sistemas.
Suporte personalizado aos funcionários: a agentic AI adapta a abordagem conforme as situações mudam e oferece suporte personalizado e proativo. Isso significa que a tecnologia ajuda a concluir tarefas como agendamento, respostas a perguntas e integração.
Gerenciamento de risco financeiro: a agentic AI pode auxiliar os setores de finanças e comércio ao analisar tendências de mercado, orientar a tomada de decisões e ajustar estratégias em tempo real com base em fluxos contínuos de dados.
O que é IA generativa?
A IA generativa é um tipo de inteligência artificial capaz de produzir conteúdo novo, como texto, vídeo, áudio e código de software. A gen IA usa deep learning para calcular relações estatísticas entre palavras e cria resultados com base nos dados de treinamento, reconhecimento de padrões e probabilidade.
A IA generativa é reativa, ou seja, precisa receber um prompt com uma consulta específica antes de gerar uma resposta. Ela não define as próprias metas, não delega tarefas nem se adapta a condições novas ou não estruturadas.
O conteúdo que uma aplicação de gen IA é capaz de criar é limitado aos dados usados para treiná-la. No entanto, você pode usar técnicas como Geração Aumentada por Recuperação (RAG), que incorpora fontes de dados externas, para aumentar a precisão da resposta dos modelos de gen IA.
Casos de uso da IA generativa
A IA generativa dá suporte à tomada de decisões por humanos, fornecendo informações e opções que um usuário pode escolher ou ignorar. Alguns casos de uso da gen IA incluem:
Escrita: ferramentas de gen IA são capazes de responder a prompts para a criação de conteúdo escrito sobre praticamente qualquer assunto. Elas também podem adaptar seus textos para diferentes tamanhos e estilos de escrita.
Geração de imagens e vídeos: ferramentas com gen IA são capazes de criar imagens de alta qualidade e adicionar novos elementos a trabalhos existentes. Várias aplicações de gen IA também oferecem ferramentas capazes de criar um vídeo curto em resposta a um prompt.
Geração de fala e música: utilizando texto e amostras de áudio, as ferramentas de voz por IA são capazes de criar narração ou canto que simulam o som de pessoas reais. Outras ferramentas podem criar músicas artificiais a partir de prompts ou amostras.
Geração e preenchimento de código: algumas ferramentas de IA generativa podem receber um comando por escrito e gerar um código de programação para auxiliar os desenvolvedores de software.
Aumento de dados: a IA generativa pode criar uma grande quantidade de dados sintéticos quando o uso de dados reais não for possível ou a melhor escolha. Dados sintéticos podem ser úteis se você quiser treinar um modelo para ele entender dados confidenciais sem incluir qualquer informação de identificação pessoal. A gen IA também pode ser usada para expandir um conjunto de dados pequeno ou incompleto e transformá-lo em um conjunto maior de dados sintéticos para fins de treinamento ou testes.
Considerações sobre governança, segurança e confiança
Uma das preocupações mais comuns ao considerar a agentic Ai é: quem assume a responsabilidade quando um sistema autônomo comete um erro? Em outras palavras, como equilibrar autonomia e supervisão?
Colaboração entre a IA e as pessoas
Antes de implementar um sistema agentic, é importante criar um framework que ofereça responsabilidade, transparência e controle.
Pense no nosso exemplo do representante de vendas usando a IA para enviar um e-mail a um cliente em potencial. Essa pessoa provavelmente gostaria de ver o e-mail antes de enviá-lo.
A agentic AI é capaz de tomar decisões autônomas com o mínimo de intervenção humana. Mas isso significa trocar eficiência por supervisão total. Uma solução é concentrar os recursos em testes e validações, mantendo uma abordagem de intervenção humana para monitorar ações e evitar decisões equivocadas.
Considerações semelhantes sobre confiança e segurança se aplicam à implementação de sistemas de gen IA. O risco mais óbvio da gen IA talvez seja a capacidade de criar desinformação. Isso inclui a perpetuação de vieses e estereótipos nocivos, bem como a criação de deepfakes mal-intencionados. É importante ter cuidado com "alucinações" (resultados imprecisos que são apresentados como verdades) e verificar os fatos em vez de apenas aceitar as respostas.
Privacidade e segurança
A agentic AI é capaz de acessar bancos de dados externos, o que pode criar riscos de segurança e privacidade. Isso significa que é necessário adotar frameworks de segurança que protejam os dados que entram e saem do seu fluxo de trabalho.
A IA generativa também pode apresentar riscos de segurança. Os usuários podem inserir informações confidenciais em aplicações que não são seguras. A gen IA também pode apresentar riscos legais ao reproduzir conteúdo protegido por direitos autorais ou se apropriar da voz ou identidade de uma pessoa real sem consentimento.
Como a Red Hat pode ajudar
O Red Hat® AI é nosso portfólio de soluções de IA, desenvolvido a partir de soluções em que nossos clientes confiam. Com essa base, nossas soluções permanecem consistentes, flexíveis e escaláveis.
O Red Hat AI pode ajudar as organizações a:
- Adotar a IA e inovar.
- Reduzir as complexidades da entrega de soluções de IA.
- Implantar em qualquer lugar.
Uma base para a liberdade de escolha
As soluções Red Hat AI oferecem suporte a recursos de IA generativa e preditiva. Com a flexibilidade de utilizar modelos proprietários, a Red Hat oferece suporte ao treinamento e ao ajuste fino de modelos fundamentais voltados ao caso de uso específico de cada cliente.
Um bom ponto de partida é o Red Hat Enterprise Linux® AI, uma plataforma de modelos fundamentais que ajuda a desenvolver, testar e executar LLMs e SLMs para aplicações empresariais. A plataforma de IA oferece aos desenvolvedores acesso rápido a um ambiente de servidor integrado, com LLMs e conjuntos de ferramentas de IA. Com ela, você tem o necessário para ajustar modelos e criar aplicações de gen IA.
Depois disso, explore o Red Hat OpenShift® AI, que oferece uma plataforma unificada para a criação de sistemas multiagentes. Com os recursos de MLOps do OpenShift, você também pode controlar o aprendizado adaptativo e o raciocínio utilizados pelos agentes de IA.
Nosso ecossistema de parceiros de IA não para de crescer. Diversos parceiros de tecnologia estão trabalhando com a Red Hat para obter a certificação de compatibilidade com o Red Hat AI. Tudo isso, para que você tenha liberdade de escolha.
Introdução à IA empresarial: um guia para iniciantes
Leia este guia para iniciantes e descubra como o Red Hat OpenShift AI e o Red Hat Enterprise Linux AI podem ajudar a acelerar sua jornada de adoção da inteligência artificial.
