Agentes de IA saem dos chatbots e reduzem em até 95% etapas de processos nas empresas

Agentes de inteligência artificial começam a assumir tarefas dentro das operações das empresas, indo além da simples resposta a perguntas típica dos chatbots. Diferentemente de fluxos automatizados com respostas predefinidas, esses agentes conseguem reagir a diferentes contextos, consultar bases internas, acessar sistemas corporativos e executar etapas de processos inteiros.

Projetos aplicados em diferentes setores da economia já registram redução de até 95% no tempo de revisão e curadoria de tarefas, além de precisão de 99,7% em diagnósticos empresariais.

A mudança marca uma nova etapa na adoção corporativa da tecnologia. Enquanto a primeira onda de inteligência artificial generativa trouxe sobretudo ferramentas de interação com usuários, como chatbots capazes de produzir textos, resumir documentos e responder perguntas, a etapa atual conecta agentes a sistemas de gestão, plataformas de relacionamento com clientes, interfaces de programação e bases de conhecimento para consultar informações e apoiar fluxos internos.

Os números fazem parte de um levantamento da NearX, startup brasileira especializada em soluções de inteligência artificial, com base em projetos implementados em diferentes setores. Para Caio Mattos, fundador e CEO da NearX, a mudança marca uma nova fase da adoção corporativa da tecnologia. “Nos últimos anos, grande parte das empresas experimentou IA como uma ferramenta que responde perguntas ou ajuda alguém a produzir alguma coisa. O próximo passo é mais profundo: a IA começa a participar da operação, consultando sistemas, executando etapas e registrando o que aconteceu. É nesse momento que a tecnologia começa a mexer efetivamente na produtividade das empresas”, afirma.

Agentes de IA entram na operação das empresas

A diferença entre os dois modelos altera a forma como a inteligência artificial passa a ser usada dentro das empresas. Um assistente generativo consegue explicar a um cliente como pedir uma segunda via de cartão. Um agente conectado à infraestrutura da empresa, por sua vez, identifica o usuário, consulta os sistemas necessários, inicia o protocolo e registra a solicitação.

Em um projeto da NearX para uma operação de cartões e benefícios corporativos, tarefas como consulta de saldo, bloqueio, contestação e segunda via exigiam que um analista navegasse entre quatro sistemas diferentes. A solução passou a integrar essas plataformas em uma camada única.

Executar tarefas substitui apenas responder perguntas

Em outra operação, no setor de educação digital, duas plataformas de chatbot usadas em paralelo foram substituídas por uma estrutura capaz de conversar e também executar transações nos sistemas internos.

“Existe uma diferença enorme entre uma IA saber a resposta e conseguir resolver o problema. Se alguém ainda precisa abrir vários sistemas e executar manualmente o processo, você melhorou a interface, mas não necessariamente transformou a operação”, explica Mattos.

A adoção também avança sem exigir a substituição de sistemas de gestão, plataformas de relacionamento e outras ferramentas já usadas pelas empresas. Em um projeto no setor de dispositivos médicos, a tecnologia foi integrada ao sistema de gestão para automatizar pedidos, reconciliações e documentos. Em telecomunicações, uma camada de inteligência artificial conectada a interfaces de programação passou a permitir consultas a dados operacionais em linguagem natural, sem depender do time técnico.

“Boa parte das empresas já tem os dados de que precisa. O desafio é conectá-los e torná-los acessíveis. A IA pode funcionar como essa camada sem exigir que a companhia substitua toda a infraestrutura que construiu ao longo dos anos”, afirma Mattos.

Mais autonomia pede mais controle

À medida que a inteligência artificial passa a executar tarefas, cresce também a necessidade de definir quais decisões podem ser automatizadas e quais ainda exigem supervisão humana.

Em uma rede de supermercados, por exemplo, a tecnologia passou a interpretar encartes e extrair produtos, preços e validade automaticamente, mas a publicação continua condicionada à conferência humana. Já em uma administradora hoteleira, foram criados controles de acesso, registros das interações e acompanhamento do uso da tecnologia por área.

“Nem todo processo deve ter o mesmo nível de autonomia. Quanto maior o impacto de uma decisão, maior precisa ser o controle e, em determinados casos, a participação humana”, afirma Mattos.

Agentes lidam com dados sensíveis das empresas

Com agentes acessando sistemas internos, cresce também a atenção sobre onde os dados ficam armazenados e como são usados pelos modelos de inteligência artificial, principalmente em operações com informações sensíveis.

Uma alternativa é manter bases, históricos e regras no ambiente da própria empresa e usar diferentes modelos de inteligência artificial de acordo com cada tarefa, sem concentrar toda a operação em um único fornecedor.

“A discussão deixa de ser apenas qual é o melhor modelo de IA. As empresas precisam pensar em uma infraestrutura que permita utilizar diferentes tecnologias sem abrir mão do controle sobre seus dados e regras mais sensíveis”, explica Mattos.

Agentes avançam da experimentação para resultados

Com o avanço dessas aplicações, o foco começa a sair da experimentação e caminha para a comprovação de resultados. Segundo a NearX, os projetos devem partir de problemas concretos, com métricas capazes de mostrar impacto real na operação.

“A pergunta está deixando de ser ‘como colocamos IA na empresa?’ e passando a ser ‘qual problema queremos resolver?’. Tecnologia só faz sentido quando existe impacto mensurável na operação”, conclui Mattos.

Os projetos citados no levantamento reúnem agentes de inteligência artificial aplicados a operações de cartões, educação, saúde, telecomunicações, varejo e hotelaria, cada um com métricas próprias de redução de tempo e precisão.