Embora a IA generativa ainda pareça nova e inovadora, já estamos nos aproximando do segundo aniversário do lançamento do ChatGPT. É seguro dizer que agora estamos firmemente na era da IA generativa. De fato, já se passou tempo suficiente para que algumas pessoas comecem a se perguntar se a IA generativa correspondeu ao grande entusiasmo, e, em caso negativo, por quê?
Não há dúvida de que a IA generativa é capaz de grandes feitos, mas não é suficiente para viabilizar muitos casos de uso de nível empresarial. Os fluxos de trabalho atuais de IA generativa são limitados de várias maneiras. É por isso que uma nova classe de IA, conhecida como agentes de IA, está surgindo. Os agentes de IA são complementares à IA generativa e ajudam a levar os fluxos de trabalho de IA generativa ao próximo nível na evolução da IA.
O campo dos agentes inteligentes existe há décadas, mas agora, a sinergia de algoritmos avançados de IA generativa com a tecnologia de agentes pode resolver problemas reais de negócios para as empresas. De forma semelhante a como muitos provedores (incluindo nuvens e provedores de Modelos como Serviço) estão agora oferecendo modelos de IA que outros podem usar para ajuste fino ou geração aumentada por recuperação (RAG), estamos entrando no reino dos modelos de agentes de IA (também conhecidos como modelos ou fluxos de trabalho) que automatizam tarefas comuns como reserva de voos, atendimento ao cliente e triagem virtual para descoberta de medicamentos. Esses modelos podem ser independentes de setor ou específicos de setor e são oferecidos por nuvens e provedores de serviços.
A tabela a seguir mostra como a combinação de IA generativa e agentes traz valor para as empresas.
Agentes de IA são o próximo grande passo em nossa jornada de IA. Eles podem ajudar as empresas a viabilizar casos de uso que até agora estavam fora de alcance. Esse fato provavelmente impulsionará uma adoção rápida. De acordo com a Gartner®:
“Até 2028, 33% das aplicações de software corporativo incluirão agentes de IA, contra menos de 1% em 2024, permitindo que 15% das decisões diárias de trabalho sejam tomadas de forma autônoma.”[1]
A principal conclusão da tabela acima é que os fluxos de trabalho de agentes de IA consumirão dados e modelos de IA de forma dinâmica a partir de múltiplos fornecedores externos.
O que torna um fluxo de trabalho um agente?
Um fluxo de trabalho de IA é considerado um agente quando tem a capacidade de agir como um agente inteligente. Isso significa que ele pode perceber o ambiente ao seu redor e tomar ações específicas com base no que percebe. O fato de ter agência significa que não precisa ser acionado por um humano para fazer isso.
Os agentes de IA são um novo desenvolvimento baseado em um conceito estabelecido. Na década de 1990, a IBM introduziu o ciclo de controle MAPE—monitoramento, análise, planejamento e execução—como um modelo para computação autônoma. O ciclo de feedback inclui sistemas que monitoram constantemente os armazenamentos de dados e reentrenam modelos conforme necessário. Em alguns casos, os humanos ainda desempenham um papel no ajuste fino do ciclo e na decisão final sobre a execução geral. Isso é conhecido como humano no ciclo (HITL).
Figura 1: Arquitetura de agentes (loop MAPE)
Na era do aprendizado de máquina, os componentes de análise e planejamento do ciclo MAPE tornaram-se muito mais sofisticados, incorporando tanto a IA generativa quanto modelos convencionais. É por isso que os fluxos de trabalho de agentes de IA podem suportar casos de uso que exigem tanto flexibilidade quanto precisão. Na fase de execução, os fluxos de trabalho de agentes de IA podem se autoacionar sem a necessidade de HITL. Isso inclui trabalhar com uma hierarquia de outros agentes inteligentes para alcançar objetivos comuns.
Os fluxos de trabalho de agentes de IA podem aplicar diferentes ferramentas e recursos para atingir esses objetivos. Isso inclui extrair dados em tempo real diretamente de muitas fontes diferentes, incluindo sensores, bancos de dados ou APIs. Após encontrar insights relevantes, eles são capazes de raciocinar sobre qual ação tomar a seguir. Eles podem então aprender com as ações que tomam, compilando dados para ajudar a melhorar sua tomada de decisão no futuro.
Figura 2: Padrões de design de pipeline de agentes de IA
Cada um dos pontos na figura acima representa um agente. Um modelo de IA pode ser encapsulado dentro de um agente. Os agentes em um pipeline podem vir do mesmo provedor ou de diferentes provedores, e podem ser executados no mesmo local ou remotamente em um local diferente. Assim, a colocação desses agentes (onde eles são executados e sua localização em relação às fontes de dados e modelos de IA) e a conectividade de rede entre eles são importantes.
Casos de uso de agentes de IA
As aplicações potenciais para agentes de IA em ambientes empresariais são praticamente ilimitadas. Vamos examinar apenas alguns exemplos aqui.
Negociação de alta frequência
Com os dados do mercado de ações agora amplamente disponíveis em tempo real, a corrida para capitalizar em negociações favoráveis acontece mais rápido do que o piscar de um olho. Assim, agir sem demora—seja essa demora proveniente da latência da rede ou da intervenção humana—é essencial.
As empresas de negociação de alta frequência (HFT) podem projetar seus agentes inteligentes para identificar ineficiências de mercado e, em seguida, executar negociações antes que a oportunidade desapareça em nanossegundos.
Cuidados de saúde
Agentes inteligentes são capazes de monitorar constantemente os dados de sensores para detectar até mesmo mudanças aparentemente menores na condição de um paciente. Quando detectam tal mudança, são capazes de raciocinar quais ajustes devem ser feitos no plano de cuidados. Crucialmente, eles podem decidir quais mudanças são significativas o suficiente para exigir a experiência de um médico humano. Em casos como este, podem alertar o médico imediatamente.
Marketing
Os agentes podem monitorar autonomamente a eficácia das campanhas de marketing, rastreando tanto as redes sociais externas quanto os resultados de vendas internos. Eles podem então tomar ações corretivas para melhorar o desempenho.
Recursos humanos
Os agentes podem monitorar dinamicamente as qualificações e capacidades dos funcionários e novos contratados por meio de e-mails, chats, tickets de suporte e apresentações. Eles podem então ajustar o treinamento necessário dos funcionários, atribuindo cursos ou conectando os funcionários com especialistas no assunto e mentores.
Gestão da cadeia de suprimentos
As empresas estão aproveitando os agentes para automatizar o monitoramento de inventário. Ao fazer pedidos automaticamente, prever interrupções na cadeia de suprimentos com base em eventos externos e ajustar os cronogramas de produção, elas podem manter níveis de inventário ideais.
Cybersecurity
Os agentes podem monitorar continuamente o comportamento dos funcionários, o tráfego da rede, e-mails e logs do sistema para detectar ameaças à segurança. Eles podem então tomar ações corretivas dinamicamente, como enviar alertas ou controlar o acesso.
Agentes de IA requerem infraestrutura nos locais certos
Como qualquer outra forma de IA, os agentes de IA requerem infraestrutura digital distribuída que seja projetada e posicionada estrategicamente para atender às necessidades de diferentes fluxos de trabalho. De fato, como os agentes de IA prometem capacidades mais avançadas do que a IA tradicional, não é surpresa que eles exijam infraestrutura mais avançada para cumprir essa promessa. A Figura 3 mostra como as empresas podem implantar agentes em uma plataforma de infraestrutura distribuída para aproveitar o valor comercial descrito abaixo.
Figura 3: Proposta de valor da Equinix para agentes de AI
Onde você hospeda seus ativos de pipeline de agentes de IA — tanto os próprios agentes quanto os conjuntos de dados que esses agentes consomem — é importante por várias razões.
Implantação em data centers prontos para IA
Em muitos casos de uso, os agentes precisarão ser executados em infraestrutura de IA que consome muita energia e requer resfriamento especial (por exemplo, soluções de provedores de serviços que instanciam milhões de agentes em nome de seus clientes). Conforme mostrado no Ponto 1 na Figura 3 acima, os data centers da Equinix permitem que as empresas implantem racks de IA de próxima geração que podem consumir mais de 40KW por rack e requerem resfriamento líquido.
Mantendo a latência baixa
Como mencionado acima, os agentes de IA são ideais para casos de uso que operam em velocidade de máquina, incluindo negociação de alta frequência. O valor desses casos de uso vem de operar em velocidades muito mais rápidas do que um ser humano poderia sequer começar a registrar, mas os agentes não podem fazer isso se forem atrasados pela latência. Assim, conforme mostrado no Ponto 5 na Figura 3, é essencial que as empresas implantem agentes próximos de onde os dados são gerados ou onde os usuários finais estão localizados. Também é importante que esses agentes estejam conectados por meio de interconexão privada de alta velocidade e previsível.
Garantindo eficiência de custos
Apesar do claro potencial dos agentes de IA, pode ser difícil obter aprovação executiva para casos de uso que não sejam eficientes em termos de custos. Assim, conforme mostrado nos Pontos 3 e 4 na Figura 3, as empresas precisam de infraestrutura digital distribuída que lhes permita processar dados na região metropolitana onde foram gerados. Isso ajuda a evitar retrocessos de dados que consomem muitos recursos de rede e, portanto, aumentam os custos. Além disso, devem ter cuidado para reduzir as taxas de saída de dados da nuvem ao projetar suas arquiteturas de agentes de nuvem híbrida.
Atender aos requisitos de privacidade e conformidade
Os agentes de IA não podem ser uma bagunça de dados. As empresas precisam garantir que seus agentes possam extrair os dados de que precisam sem colocar esses dados em risco de exposição. Além disso, precisam saber que não estão usando dados em algum lugar onde não deveriam. Por exemplo, podem ter que cumprir regulamentos de residência de dados que exigem que certos tipos de dados permaneçam dentro de uma determinada jurisdição. Portanto, conforme mostrado no Ponto 4 na Figura 3, precisam que seus agentes sejam hospedados
Manter escolha e flexibilidade
Os agentes precisam extrair dados de diferentes fontes e se comunicar com outros agentes hospedados em diferentes plataformas de provedores. Portanto, conforme mostrado nos Pontos 1 e 3 na Figura 3, é benéfico ter uma cópia de seu armazenamento ou data lake (núcleo de dados autoritativo) e seus agentes coordenadores implantados em um local de infraestrutura neutro como a Equinix. Isso garante a flexibilidade necessária para acessar agentes de vários provedores e protege contra o bloqueio de fornecedores. Assim, permite que as empresas escolham o agente certo para uma tarefa específica sem se preocupar com a plataforma em que o agente está hospedado e aproveitem os melhores agentes de diferentes provedores.
O parceiro certo para infraestrutura de agentes de IA
Atendendo a cada um dos requisitos de infraestrutura mencionados acima, como mostrado na Figura 3, a Equinix está em uma posição única para possibilitar a adoção de agentes de IA.
Oferecemos uma plataforma global de data centers e serviços de interconexão para ajudar nossos clientes a implantar na borda, mantendo a latência e os custos de rede baixos.
Nossa plataforma é neutra em relação a fornecedores por design, e oferecemos rampas de acesso à nuvem de baixa latência para todos os principais provedores de nuvem. Nossos clientes podem implantar ao lado das regiões de nuvem de sua escolha. Isso significa que eles podem acessar serviços de nuvem sob demanda, evitando o bloqueio de fornecedores e taxas de saída de dados.
Por fim, podemos ajudar as empresas a seguir uma estratégia de IA privada, onde constroem e executam modelos apenas em infraestrutura privada. Isso permite que posicionem estrategicamente os agentes e conjuntos de dados nos locais certos para garantir privacidade e conformidade com regulamentos de residência de dados.
Saiba mais sobre o que a IA privada com a Plataforma Equinix® pode ajudá-lo a realizar: Leia nosso e-book conjunto com a NVIDIA.
[1] Gartner, Intelligent Agents in AI Really Can Work Alone. Here’s How. Tom Coshow, October 1, 2024.
GARTNER is a registered trademark and service mark of Gartner, Inc. and/or its affiliates in the U.S. and internationally and is used herein with permission. All rights reserved.
[2] Steve R. White, James E. Hanson, Ian Whalley, David M. Chess, Jeffrey O. Kephart, An architectural approach to autonomic computing, IBM Research, September 27, 2004.
Subscribe to the Equinix Blog