Entrevista sobre agentes de IA com Hanan Ouazan, Managing Partner e líder global de aceleração de IA da Artefact

Hanan unidos Artefact em seu início, há 10 anos, e sempre foi apaixonado por tecnologias de IA. Ele desempenha um papel fundamental no desenvolvimento de soluções de IA generativas na Artefact para nossos clientes, aproveitando tecnologias avançadas em constante evolução para melhor atender às suas necessidades de acordo com os imperativos do setor.

Formado pela Centrale Lille e pela École Normale Supérieure (ENS), concluiu seu mestrado em pesquisa MVA (Mathematics, Vision, Learning) na ENS, um dos programas mais avançados em Machine Learning, Data Mining e Statistical Learning. Hanan lidera uma equipe de engenheiros talentosos no projeto, desenvolvimento e industrialização de casos de uso de artificial intelligence.

Os agentes de IA não são mais apenas ferramentas que executam tarefas automatizadas. Ao contrário da RPA (Robotic Process Automation), que executa tarefas predefinidas em uma sequência precisa, os agentes de IA podem se adaptar ao seu ambiente, tomando decisões e otimizando processos sem intervenção humana.

Isso marca um verdadeiro passo em direção a uma IA mais autônoma, flexível e inteligente. Esses agentes de IA trazem uma abordagem nova e mais adaptável porque podem:

• Observar seu ambiente e ajustar seu comportamento de acordo com o data.
• Interagir com vários sistemas para realizar tarefas complexas.
• Otimize e automatize processos sem intervenção humana constante.

“Agentes de IA e Agentic serão os termos tecnológicos mais comentados em 2025. Essa evolução na automação tira proveito do desempenho excepcional que a IA generativa trouxe. Eu gosto de chamá-la de RPA 2.0, capaz de se integrar a fluxos de trabalho dinâmicos e ir além do simples assistente de função.”

Hanan Ouazan, Managing Partner, Artefact e líder global de aceleração de IA

A tecnologia RPA (Robotic Process Automation) consiste em automatizar um processo, dividindo-o em uma sucessão de tarefas, que são encadeadas até que o resultado seja obtido, geralmente usando um processo simples: Ler, extrair, escrever.

As tecnologias de IA generativa consistem em três elementos de ferramentas:

1. LLM: Primeiro, tínhamos modelos que nos permitiam responder a perguntas com base em seu conhecimento.
2. Assistente: depois veio a época dos assistentes capazes de interagir com sistemas de conhecimento para nos ajudar em nosso dia a dia (uso de RAG etc.) - o famoso “COPILOT”. Aqui, a IA não “executa” nada, mas enriquece seu conhecimento e auxilia o usuário.
3. Agente: Um agente é um aplicativo que busca atingir uma meta observando o mundo e agindo sobre ele com as ferramentas à sua disposição. O que há de novo é essa “consciência” do ambiente, que permite que o agente se adapte a eventos imprevistos.

E é aí que ele contrasta com a noção de RPA. É a capacidade do agente de se adaptar ao inesperado que muitas vezes lhe rende o rótulo de RPA 2.0!

Os agentes de IA têm aplicações em muitos campos.

• Relacionamento com o cliente: chatbots inteligentes capazes não apenas de responder a perguntas, mas também de executar ações (atualizar um contrato, gerar uma fatura, atender a uma solicitação específica).
• Back office: EDM 2.0, gerenciamento automatizado de documentos, tratamento de incidentes e solicitações internas.
• Escrita de código: As IAs auxiliam os desenvolvedores gerando código, otimizando scripts ou automatizando testes.

 

“Os casos de uso terão que ser repensados em termos de processo e não apenas traduzidos em IA. O objetivo não é sobrepor a IA, mas redefinir o processo sem as restrições que possam ter existido.”

Hanan Ouazan, Managing Partner, Artefact e líder global de aceleração de IA

 

“Estamos vendo o surgimento de ferramentas de IA capazes de gerar código, implementá-lo e até mesmo automatizar processos complexos. Essas tecnologias estão revolucionando profundamente o desenvolvimento de software, tornando muito mais rápido e acessível o desenvolvimento de aplicativos.”

Hanan Ouazan, Managing Partner, Artefact e líder global de aceleração de IA

Os agentes de IA têm dois usos principais:

1. Bootstrapping rápido (por exemplo, Bolt)Transformação imediata de conceitos em protótipos.
2. Assistência ao desenvolvimento (por exemplo, Copilot, Cursor)O senhor pode usar os seguintes recursos: conclusão de código, refatoração, geração de testes.

No entanto, essa evolução não substitui a experiência humana. Essas ferramentas exigem supervisão rigorosa para evitar erros estruturais e, em especial, o risco de código “castelo de cartas”, que pode parecer de alto desempenho, mas é instável na produção.

Atualmente, a conexão entre um agente de IA e o software se baseia principalmente em APIs específicas do serviço. Para se comunicar com sistemas como o Google Drive, o Slack e o Confluence, por exemplo, isso envolve:

1. Integração de três APIs distintas, cada um com seu especificidades técnicas próprias.
2. Configuração do agente de IA com três conectores, cada um exigindo autenticação e configuração individuais.
3. Lançamento de três consultas separadas, cujas respostas são então agregadas ou sintetizadas pelo agente.

Esse processo não é apenas complexo, mas também difícil de manter e evoluir, especialmente em grande escala. Esse é exatamente o problema que o a iniciativa lançada pela Anthropic, com o Protocolo de Contexto de Modelo (MCP) pretende resolver. Esse novo protocolo funciona como um API padronizada, O senhor pode usar o software de inteligência artificial, projetado especificamente para simplificar as interações entre os agentes de IA e o software.

Por fim, é importante entender que os agentes de IA questionam a estrutura do software SaaS, que se baseia em três blocos de construção fundamentais (UX, Inteligência,Data). Essa tecnologia coloca esses três componentes em questão:

1. UX: Com os agentes de IA, a interação com o usuário está evoluindo. Os prompts e a automação substituem o clique tradicional, tornando a UX clássica menos central. A experiência é redefinida em torno de fluxos de trabalho invisíveis ou fluxos de trabalho adaptados às necessidades dos agentes.
2. Inteligência: As automações geralmente envolvem ações entre vários sistemas. A lógica aberta e padronizada poderia substituir os fluxos de trabalho presos em ecossistemas isolados.
3. Data: A propriedade do Data continua sendo um obstáculo para a integração total.

 

“Atualmente, os editores de SaaS integram camadas de automação em suas plataformas, mas essa abordagem está mostrando seus limites diante das necessidades de várias plataformas. O futuro do SaaS provavelmente está em lógicas abertas, interconectadas e adaptáveis, a serviço das empresas.”

Hanan Ouazan, Managing Partner, Artefact e líder global de aceleração de IA

Os primeiros agentes de IA, como o Copilot da Microsoft, Google e Salesforce, estão se tornando mais difundidos, mas continuam limitados a tarefas simples. Agentes mais avançados estão lutando para serem industrializados, devido à falta de controle e confiança, enquanto os agentes autônomos permanecem experimentais.

Há alguns meses, no Consumer Electronics Show (CES) em Las Vegas, O CEO da Nvidia, Jensen Huang, declarou que “A TI se tornará o RH dos agentes de IA”.

De acordo com Hanan Ouazan, embora essa visão seja interessante e desafiadora, ela não é totalmente realista nem desejável.

Em sua opinião, a TI desempenhará um papel fundamental na implantação desses agentes de IA, mas não poderá assumir sozinha o gerenciamento dessas ferramentas. Isso exigirá uma transformação organizacional mais ampla e o envolvimento indispensável das linhas de negócios:

• Um desafio comercial acima de tudo: Os agentes de IA automatizam os processos de negócios. Para supervisioná-los, será necessário o envolvimento de equipes operacionais e de data.
• Uma profunda mudança organizacional: A TI será responsável pela manutenção técnica, mas a governança e a otimização dos agentes serão de responsabilidade das linhas de negócios.

A IA generativa já está transformando as empresas: menos execução, mais supervisão e otimização. Assim como na automação industrial, as habilidades devem evoluir para integrar essas ferramentas de forma eficaz.

 

“A automação por si só não é suficiente: já precisamos repensar os processos de negócios para evitar a complexidade desnecessária. A IA não deve ser apenas mais uma camada, mas uma alavanca para imaginar modelos mais eficientes e adaptados às necessidades dos negócios.”

Hanan Ouazan, Managing Partner, Artefact e líder global de aceleração de IA