É IA agêntica simplesmente uma extensão do IA generativa projetos realizados até agora? A resposta é não. O foco não está mais na otimização local por meio de um único caso de uso, mas na reinvenção completa dos principais processos de negócios para extrair valor tangível e mensurável.

Um agente não é um assistente com outra marca. Um assistente responde ou gera conteúdo. Um agente, entretanto, visa a um objetivo comercial específico, toma decisões, interage com sistemas e executa ações. Ele mantém um estado, gerencia exceções e é escalado quando atinge seus limites. Essa diferença não é cosmética: um agente não foi projetado para “responder”, mas para atuar em um processo.

De GenAI para Agentic AI: uma mudança de paradigma

A abordagem do IA agêntica marca uma clara ruptura com o anterior GenAI onda, que muitas vezes era abordada de forma fragmentada, caso a caso.

O debate está passando das “esferas conceituais para a realidade operacional das grandes corporações,O senhor pode se beneficiar do fato de que o assunto é tratado ”de cima para baixo“, diretamente pelos Comitês Executivos (Comex), patrocinados pela gerência geral ou pelo Diretor de Transformação. Hoje, o assunto é tratado ”de cima para baixo“, diretamente pelos Comitês Executivos (Comex), patrocinados pela gerência geral ou pelo Diretor de Transformação. O debate está passando das ”esferas conceituais para a realidade operacional das grandes corporações“, conforme evidenciado recentemente por empresas como a Orange, a SNCF Voyageurs e o grupo Beaumanoir. Hoje, o assunto é tratado ”de cima para baixo", diretamente pelos Comitês Executivos (Comex), patrocinados pela gerência geral ou pelo Diretor de Transformação.

Essa mudança de escala é significativa. Ela representa uma verdadeira mudança de paradigma, de acordo com Hanan Ouazan, sócio e líder de IA generativa da Artefact. O objetivo não é mais aprimorar um algoritmo de forma incremental, mas repensar e automatizar processos de ponta a ponta para gerar um resultado direto e mensurável. retorno sobre o investimento (ROI).

Hanan Ouazan também aponta os limites da abordagem anterior: “Mesmo que o senhor tenha otimizado bastante o algoritmo localmente, ele continua sendo local. O senhor depende de muitos outros aspectos do processo que também são muito importantes para alcançar o ROI final”. Ao se concentrar em todo o processo, a Agentic AI promete superar os “efeitos decepcionantes” das otimizações isoladas.

A IA agêntica também rompe com a automação clássica. A automação executa uma sequência definida de tarefas. A agentização introduz arbitragem, controles, a capacidade de interpretar um contexto e adaptar o caminho para atingir uma meta. Não estamos mais falando de um fluxo de trabalho fixo, mas de um sistema que navega um processo de negócios.

Definindo o curso: O método “Por que, onde e como” para o alinhamento empresarial

Para gerenciar essa ambição, é essencial ter uma estrutura estratégica clara. Para estruturar essa transformação, o especialista propõe uma estrutura metodológica simples, mas poderosa: a “Tríptico ”Why, Where, How. A abordagem envolve responder sequencialmente a três perguntas fundamentais para alinhar toda a organização.

  1. O “porquê”: Definindo o objetivo estratégico de alto nível. Essa etapa estabelece a escala da ambição e justifica os investimentos necessários. Esse “Por que” pode assumir várias formas, como a ’bússola“ centrada no cliente da SNCF Voyageurs ou a priorização de investimentos imediatos da Beaumanoir ”eficiência profissional” para suas equipes.
  2. O “onde”: Definindo o campo de jogo. Uma vez definido o objetivo, a empresa seleciona as funções e os processos prioritários em que o valor pode ser capturado de forma mais eficaz.
  3. O “como”: Definindo os meios concretos. Isso envolve estabelecer a plataforma tecnológica, a governança e a estrutura organizacional que darão suporte à transformação. Essa governança é fundamental: IA agêntica requer o esclarecimento de quem define as regras de negócios, quem supervisiona os agentes e quem autoriza ações confidenciais.

Essas decisões organizacionais, mais do que a tecnologia, possibilitam o dimensionamento. A estrutura garante que a iniciativa esteja firmemente ancorada na estratégia da empresa.

Escolhendo batalhas: Identificação de pré-requisitos e processos elegíveis

O sucesso de um IA agêntica O projeto depende de uma avaliação rigorosa de três pré-requisitos essenciais:

  1. Conhecimento do processo: É imprescindível ter um mapeamento claro das operações atuais, pois geralmente há uma lacuna significativa “entre o processo escrito no papel e o processo operado na empresa”. Funções como a financeira ou a jurídica, em que as participações “soberanas” exigem documentação rigorosa, costumam ser pontos de partida mais favoráveis.
  2. Data e Maturidade do Sistema de Informação: A automação geralmente esbarra em sistemas legados que não foram projetados para serem interoperáveis. Um agente deve ser capaz não apenas de ler informações, mas também de escrevê-las para executar ações, o que exige sistemas abertos. Esse recurso requer uma arquitetura precisa: um orquestrador, memória de contexto, conectores para sistemas comerciais e uma camada de supervisão. O objetivo é adicionar um “sistema nervoso” transversal que conecte processos e sistemas de informação (SI), em vez de reinventar o que já existe.
  3. Maturidade organizacional: Uma estrutura capaz de supervisionar novos processos, integrando a intervenção humana (“humano no circuito“), e o gerenciamento de mudanças é indispensável.

Considerar essas três dimensões é decisivo para uma fase de implementação tranquila.

Um roteiro pragmático de implementação

Uma vez identificados os processos elegíveis, a metodologia de implementação deve ser resolutamente pragmática.

A primeira etapa é priorizar os processos, comparando o valor potencial (ganho esperado) com a complexidade da transformação (técnica, humana, organizacional). Uma etapa crucial é, então, reescrever o processo-alvo “em um mundo ideal”, sem restrições, e posteriormente medir a diferença em relação à realidade.

No entanto, Hanan Ouazan adverte contra uma grande armadilha: “tentar recriar imediatamente o processo de amanhã”. Essa abordagem está fadada ao fracasso. A prática recomendada é criar um roteiro em “partes”, começando com os bolsões de valor mais acessíveis.

A Oney fornece um exemplo concreto com sua Prova de Conceito Agentic: a subsidiária do BPCE concentrou-se no objetivo específico de “simplificar a jornada de assinatura do empréstimo pessoal”. Em vez de reinventar tudo, eles começaram automatizando a análise dos 42 documentos necessários. Essa única etapa economiza três dias no processo geral e gera ganhos imediatos.

Essa abordagem incremental protege o projeto, mas não elimina todos os obstáculos. Os antipadrões observados em campo incluem: criar um agente antes de esclarecer o processo, dar muita liberdade a um agente crítico sem salvaguardas ou presumir que um agente “substituirá” uma função sem reorganização. Por outro lado, imaginar que um agente é um produto acabado quando ele exige supervisão e ajustes contínuos é outra armadilha.

Desafios além da tecnologia: Governança, legado e maturidade das ferramentas

IA agêntica Os projetos enfrentam desafios que vão muito além da estrutura puramente tecnológica.

Um deles é a evolução extremamente rápida das ferramentas, que Hanan Ouazan compara a “tentar tirar uma foto de um TGV passando a 300 km/h”. Apostar em tecnologias ainda em construção é arriscado, por isso a importância de “escolher suas batalhas” com sabedoria.

Um segundo grande impedimento é organizacional. Transformação de processos é inerentemente transversal e bate de frente com organizações em silos, onde “todos pisam nos pés uns dos outros”. Conforme ilustrado pelo desafio da SNCF Voyageurs de ’atingir toda a organização“, essas iniciativas estão condenadas sem um mandato claro do mais alto nível.

Por fim, a maturidade das ferramentas atuais é uma preocupação. O especialista do Artefact identifica uma “enorme lacuna” entre soluções como chatbots empresariais e plataformas de desenvolvimento complexas destinadas a perfis de especialistas. Hanan Ouazan acredita que há uma necessidade de “Ferramentas ”low-code para permitir que os usuários corporativos criem agentes, bem como plataformas de supervisão “de ponta a ponta” e independentes de modelo.

Padrões para interoperabilidade e supervisão de agentes

Com relação a protocolos como Agent to Agent (A2A) ou MCP, eles ainda estão em seus estágios iniciais, e o mercado claramente carece de maturidade. O especialista observa que um participante do CAC40 que usa vários modelos (Mistral, OpenAI, Google, Azure) não pode supervisionar todos os seus sistemas no momento. De acordo com ele, espera-se que os fornecedores resolvam esse problema de interoperabilidade e gerenciamento em larga escala. Eles devem ser capazes de oferecer soluções que “dimensionem a construção de agentes de maneira confiável e robusta” e permitam a “governança confiável” desses agentes.

Na ausência de protocolos unificados e plataformas de supervisão, as empresas são atualmente forçadas a fazer uma “grande aposta” (apostando tudo em um único modelo) ou a gerenciar “interfaces”, o que limita seriamente sua capacidade de escalonamento. O principal desafio tecnológico está na falta de padrões e de soluções de gerenciamento maduras para a interoperabilidade e a supervisão de agentes de vários fornecedores.

O cenário deverá evoluir rapidamente nos próximos 12 a 24 meses: o surgimento de plataformas low-code dedicados aos usuários corporativos, a padronização dos conectores transacionais, o reforço dos recursos de observabilidade e o surgimento de agentes especializados integrados diretamente às ferramentas diárias.

A pergunta não será mais “isso é viável?”, mas “qual sequência de processos deve ser transformada e como podemos supervisioná-la de forma eficaz?”.

Assista ao replay da apresentação: