Apresentado por Floco de Neve
À medida que os agentes de IA se tornam capazes de raciocinar entre sistemas e agir, o software está evoluindo de algo que os funcionários operam para algo que compreende a intenção. Em vez de navegar em aplicativos e painéis diferentes, um único sistema perguntará cada vez mais: O que você está tentando realizar?
Isso soa como uma inovação na experiência do usuário. Isso é. Mas a implicação mais importante é organizacional. Quando o software não depende mais de seres humanos para fornecer contexto, as empresas não podem mais presumir que o conhecimento vive na cabeça dos funcionários ou está enterrado em aplicações desconectadas. A própria empresa precisa se tornar legível por máquina.
Os vencedores da era da IA não irão simplesmente implementar modelos mais inteligentes. Eles construirão as bases de dados, o contexto semântico e as estruturas de governança que permitirão que as máquinas entendam como o negócio funciona e ajam com base nesse entendimento com confiança.
O contexto está se tornando infraestrutura
Durante anos, as empresas trataram o contexto como uma camada humana sobre os dados. A plataforma de dados guardava os registros, depois a ferramenta de BI os visualizava e o analista os interpretava. E, finalmente, o líder empresarial tomou a decisão. Os agentes colapsam essas camadas.
Quando um executivo pergunta: “Por que a rotatividade de clientes está aumentando em nosso segmento empresarial?” um agente eficaz precisa saber muito mais do que onde estão os dados do cliente. Ele precisa entender como a empresa define a rotatividade, quais contas contam como corporativas, se os dados de uso do produto são mais confiáveis do que os dados da pesquisa, quais eventos de renovação são importantes, o que a equipe de vendas registrou, o que os tickets de suporte sugerem e se a resposta difere por região geográfica ou linha de produtos.
É por isso que a semântica – as definições, relações, regras e pressupostos que dão significado aos dados – está a passar de uma preocupação técnica para uma questão de diretoria. Uma camada semântica costumava soar como um encanamento para equipes de dados. Num empreendimento agente, torna-se a linguagem partilhada entre humanos e máquinas.
Se cada departamento ensinar ao seu próprio agente uma versão diferente do negócio, as empresas terão imprecisões em grande escala. As organizações que avançarem serão aquelas que criarem uma base comum de conhecimento empresarial: definições consistentes, acesso governado, fluxos de trabalho documentados, linhagem clara e flexibilidade suficiente para evoluir à medida que o negócio muda. Nesse mundo, o contexto é tratado como infraestrutura, e não apenas como algo bom de se ter.
Dos painéis às decisões
A primeira onda de IA empresarial nos deu em grande parte assistentes e copilotos que respondem a perguntas. Útil, mas ainda limitado. Você faz uma pergunta, obtém uma resposta e depois volta ao trabalho de unir os sistemas.
A próxima era da IA será diferente. Os agentes irão além da coordenação de respostas e começarão a realizar o trabalho real. Um líder de vendas começando o dia não precisará abrir um CRM, uma ferramenta de previsão, um painel de suporte e um thread do Slack para entender o que mudou da noite para o dia. Eles simplesmente perguntarão a um agente o que precisa de atenção. O agente identificará quais contas estão em risco, explicará o motivo, resumirá as interações recentes com os clientes, elaborará ações de acompanhamento e talvez iniciará o próximo fluxo de trabalho.
O painel não desaparece porque os gráficos se tornam inúteis. Ele desaparece porque os relatórios estáticos se tornam muito lentos para a forma como as empresas precisam operar. O centro de gravidade muda de “mostre-me o que aconteceu” para “ajude-me a decidir o que fazer a seguir”.
O novo problema da governança: agentes que agem
Enquanto a IA responder principalmente a perguntas, a governança tratará de controlar o que ela pode acessar. Isso já é difícil. Os funcionários têm permissões diferentes, os dados confidenciais precisam de proteção e as respostas devem ser rastreáveis até fontes confiáveis. À medida que os agentes começam a agir, a governação torna-se ainda mais importante.
Uma coisa é um agente resumir uma reclamação de um cliente. Outra é emitir um reembolso, reordenar o estoque ou enviar um e-mail a um cliente. É aqui que muitas empresas serão tentadas a escolher entre dois caminhos imperfeitos.
Um caminho é restringir fortemente os agentes desde o início: definir as fontes de dados, ferramentas, fluxos de trabalho e ações que eles podem acessar. Isso é mais fácil de gerenciar e medir. Também corre o risco de limitar a criatividade dos funcionários que melhor compreendem os seus fluxos de trabalho.
O outro caminho é permitir que as equipes experimentem livremente: conectar os agentes às ferramentas e aos dados que eles usam todos os dias e permitir que novos casos de uso surjam organicamente. Isto pode produzir uma adoção mais rápida e inovações inesperadas. Também pode criar riscos reais: dados obsoletos, acesso inadequado, fluxos de trabalho duplicados, custos excessivos ou ações automatizadas que ninguém compreende totalmente.
A resposta certa não é controle máximo ou liberdade máxima. É priorizar a flexibilidade governada. As empresas precisam de arquiteturas onde a governança esteja incorporada desde o início. Um agente deve saber não apenas o que pode ler, mas também o que pode fazer, quando precisa de aprovação, como o seu raciocínio é inspecionado e como o seu desempenho é avaliado ao longo do tempo. Por outras palavras, a governação não pode ser uma reunião de revisão após o piloto. Tem que fazer parte do design do sistema.
A fronteira entre construtor e usuário está em colapso
Uma das consequências menos apreciadas da IA de agência é que ela confundirá a linha entre as pessoas que usam software e as pessoas que o criam. Quando os funcionários podem descrever um fluxo de trabalho em linguagem natural e contar com a ajuda de um agente para construí-lo, o desenvolvimento de software fica menos confinado às equipes de engenharia. Um profissional de marketing pode criar um fluxo de trabalho de análise de campanha. Um gerente financeiro pode automatizar explicações de variações. Um líder de RH pode construir um assistente de políticas. Um gerente de suporte pode projetar um processo de triagem.
Esses funcionários não estão se tornando engenheiros de software no sentido tradicional, mas sim construtores. Isso muda o modelo de talento. A fluência técnica será mais importante porque os funcionários precisam entender o que é possível, o que é arriscado e como avaliar um resultado gerado pela IA. O julgamento se torna a habilidade mais importante.
Os vencedores serão as pessoas que souberem fazer perguntas melhores, inspecionar evidências, refinar fluxos de trabalho e combinar conhecimento especializado com conhecimento técnico suficiente para passar da ideia à execução.
Para os líderes empresariais, isto significa que a adoção da IA vai além de uma implementação de TI e é, na verdade, uma reformulação organizacional. A distância entre o conhecimento e a ação diminuirá e as empresas precisarão repensar quem tem poderes para criar, aprovar e operar os fluxos de trabalho que administram os negócios.
A economia do software também mudará
A mudança de interfaces para agentes também desafiará a forma como as empresas compram e medem software, e mudará a forma como o software é precificado. O licenciamento por usuário está dando lugar a modelos de consumo, onde os custos refletem o uso real. Para a maioria das organizações, este é um negócio melhor. Você paga pelo valor entregue, não pelas licenças que podem ficar ociosas.
Mas também altera o cálculo da responsabilização. Quando os custos são fixos por assento, as negociações sobre orçamento acontecem uma vez por ano. Quando os custos aumentam com o uso, eles exigem supervisão contínua. Sem visibilidade sobre como os agentes são usados e o que produzem, os custos podem aumentar rapidamente.
A resposta é construir medições desde o início, conectando o uso de IA aos resultados de negócios, sejam negócios fechados, tickets resolvidos ou tempos de ciclo reduzidos. As empresas bem-sucedidas tratarão o gerenciamento de custos de IA como parte da excelência operacional, e não da limpeza de compras. A pergunta não deveria ser: “Quantos tokens usamos?” Deveria ser: “Que resultado comercial essa inteligência produziu?”
Seus clientes podem parar de usar sua interface
Embora as implicações internas dos agentes sejam significativas, as externas podem ser ainda maiores. Hoje, as empresas ficam obcecadas com a experiência do cliente dentro de seus aplicativos: a página inicial, a navegação, o fluxo de checkout, o painel, a tela do celular. Essas coisas ainda serão importantes. Mas cada vez mais, os clientes podem interagir com as empresas através dos seus próprios agentes, em vez de diretamente através da aplicação ou website da empresa.
Se um agente de compras compara fornecedores, um agente de viagens reserva uma viagem ou um agente financeiro avalia produtos, o cliente talvez nunca veja a interface que uma empresa passou anos aperfeiçoando. O agente se preocupará menos com o design visual e mais com se os dados, políticas, preços, estoque, documentação e sistemas de transações da empresa são acessíveis, estruturados, confiáveis e legíveis por máquina.
Isso significa que a área de superfície competitiva muda. A marca de uma empresa pode ainda ser emocional, mas a sua interface operacional será cada vez mais constituída por dados. As empresas que expõem informações confusas, inconsistentes ou mal governadas terão mais dificuldade para os agentes trabalharem. Negócios com semântica limpa, APIs confiáveis, dados governados e políticas claras se tornarão mais fáceis de escolher, mais fáceis de fazer transações e mais fáceis de confiar.
A interface não desaparece apenas dentro da empresa. Também pode desaparecer entre empresas.
O verdadeiro teste de prontidão de IA
A maioria dos executivos sabe que precisa de uma estratégia de IA, mas poucos internalizaram o que isso realmente exige. A prontidão da IA não é o número de pilotos lançados, o número de modelos testados ou o número de funcionários com acesso a um chatbot. É se o conhecimento, os dados, as permissões, os fluxos de trabalho e a lógica de decisão da organização estão prontos para que as máquinas possam raciocinar sobre eles com segurança.
Durante décadas, o software empresarial forçou os humanos a se tornarem tradutores entre a intenção comercial e a lógica da máquina. A IA está revertendo essa relação. As máquinas estão começando a se adaptar à intenção humana. Mas só poderão fazê-lo se a empresa tiver feito o trabalho necessário para tornar legível o seu próprio contexto.
O futuro do software não é outra tela. É um sistema que entende o negócio bem o suficiente para ajudar a administrá-lo. E isso significa que a próxima grande interface não se parecerá em nada com uma interface.
Baris Gultekin é vice-presidente de IA da Snowflake.
Artigos patrocinados são conteúdos produzidos por uma empresa que paga pela postagem ou tem relacionamento comercial com a VentureBeat, e estão sempre claramente marcados. Para mais informações, entre em contato vendas@venturebeat.com.
