E se a IA cuidasse do desenvolvimento de software de forma autônoma? Sistemas de IA agentiva, como o GitHub Copilot Workspace, já têm como objetivo receber solicitações de alto nível e, de forma autônoma, escrever, testar e depurar códigos. Esse salto, que vai além da geração de trechos de código para a automação de fluxos de trabalho cognitivos de ponta a ponta, reformula o trabalho do conhecimento e a interação com o software. Compreender o impacto da IA agênica na estratégia, nos planos de ação e na força de trabalho é agora imperativo para os líderes. De acordo com os participantes de uma pesquisa recente do Boston Consulting Group, uma em cada três empresas no mundo planeja destinar mais de US$ 25 milhões à IA em 2025.
Definindo a IA Agênica: Além dos chatbots, rumo a agentes autônomos
Esqueça os simples chatbots. A IA agentiva consiste em sistemas projetados para perseguir objetivos de forma autônoma. Ao receber um objetivo de alto nível, um sistema agentivo é capaz de elaborar um plano, executar etapas por meio da interação com diversas ferramentas digitais (APIs, navegadores, aplicativos) e se adaptar com base nos resultados. Trata-se da transição de uma IA que responde com base em padrões para uma IA que age para realizar tarefas específicas.
Grande parte da confusão decorre do fato de que a IA agênica frequentemente utiliza poderosos modelos de IA de geração, como o GPT-4 da OpenAI ou o Gemini do Google, como seu mecanismo central de raciocínio. No entanto, a estrutura agênica — exemplificada por plataformas que surgem a partir da API Assistants da OpenAI ou de kits de ferramentas de código aberto — fornece as camadas cruciais de autonomia, planejamento, memória e interação com ferramentas. Imagine que, em vez de ter um mecanismo poderoso, você tenha um veículo autônomo que usa esse mecanismo para navegar no trânsito, seguir rotas e chegar a um destino. Essa capacidade dinâmica o diferencia claramente da automação de processos robóticos, que é frágil e se limita a seguir scripts.
IA agentiva x IA generativa: o salto prático que está impulsionando o entusiasmo
O poder da IA generativa de criar conteúdo — desde trechos de código, por meio do GitHub Copilot original, até textos de marketing, por meio do Jasper — é inegável. No entanto, a IA agentiva aproveita esse poder generativo e o torna aplicável na prática. É a diferença entre pedir a uma IA para escrever código em Python e pedir a um agente para criar, testar e depurar um script funcional em Python que se integre a uma API específica para alcançar um resultado de negócios.
A atual onda de entusiasmo, evidente nas valorizações vertiginosas das startups de IA e no intenso foco dos gigantes da tecnologia, decorre desse salto para a ação autônoma. Enquanto a IA de Geração pode redigir seções de um plano de negócios, um sistema autônomo poderia receber a tarefa de “analisar as tendências de mercado para o Produto X, identificar os principais concorrentes, elaborar um documento de estratégia competitiva e agendar uma reunião de revisão”, orquestrando ferramentas de pesquisa, análise, geração e agendamento. Esse potencial de automatizar fluxos de trabalho complexos e com várias etapas de ponta a ponta, indo além da intervenção humana em cada etapa, alimenta o imenso interesse estratégico e os investimentos.
O Imperativo do Agente: Redefinindo o Software, Desafiando os Líderes de Mercado
Por que praticamente todas as empresas de software, desde hiperescaladores até provedores de SaaS, estão correndo para desenvolver uma estratégia baseada em agentes? Porque ela promete redefinir a interação com o usuário e o valor do software. Como disse o CEO da Microsoft, Satya Nadella, tecnologias como o Copilot “mudam fundamentalmente a forma como nos relacionamos com a computação”, atuando como orquestradores.
Vemos isso acontecendo rapidamente:
- O ecossistema Copilot da Microsoft: a ampla implantação do Microsoft 365 Copilot no Word, Excel e Teams não se resume apenas à incorporação de Features generativas; trata-se de permitir que os usuários deleguem tarefas como “Resumir e-mails não lidos do Projeto Phoenix e sinalizar itens de ação” ou “Analisar os dados de vendas do 4º trimestre nesta planilha do Excel e criar um resumo no PowerPoint”. O recente lançamento do GitHub Copilot Workspace visa explicitamente isso, com o objetivo de conduzir as solicitações dos desenvolvedores desde a descrição do problema até a pull request testada, com intervenção mínima.
- Integrações “Agentic” do Google: O Google continua a integrar o Gemini cada vez mais profundamente ao Workspace, possibilitando ações complexas entre aplicativos. A evolução dos resumos de IA na Pesquisa sugere um futuro em que a Pesquisa não se limitará a fornecer links, mas realizará ações ou tarefas complexas de pesquisa diretamente.
- Salesforce, Service Now, Adobe: essas plataformas estão integrando recursos de inteligência artificial (como o Salesforce Einstein Copilot ou o Now Assist da Service Now) para automatizar fluxos de trabalho complexos de CRM, gerenciamento de serviços de TI e criação, permitindo que os usuários interajam por meio de comandos em linguagem natural, em vez de interfaces de usuário complexas.
- Startups: Empresas como a Adept AI, que se dedicam a ensinar a IA a utilizar interfaces de software já existentes, destacam a ambição de criar agentes universais, atraindo um interesse significativo por parte do capital de risco ao longo de 2024.
Essa tendência ameaça abalar os modelos de software já estabelecidos. Se os usuários puderem alcançar resultados complexos por meio de agentes conversacionais integrados a aplicativos tradicionais, a interface do usuário e o conjunto de recursos do aplicativo subjacente tornam-se menos essenciais. As empresas já estabelecidas precisam se adaptar ou correm o risco de ficar para trás.
Reestruturando a Proteção de Dados: Rumo à Resiliência Cibernética Autônoma
O setor de proteção de dados, diante de ameaças cibernéticas cada vez mais graves, como os sofisticados ataques de ransomware em várias etapas observados com frequência crescente no final de 2024, precisa urgentemente dos recursos proativos que a IA agentiva promete:
- Defesa proativa além da detecção de anomalias: a IA atual sinaliza anomalias, mas os sistemas baseados em agentes poderiam ir além. Imagine um agente que detecta padrões de reconhecimento de ransomware, cria instantaneamente, de forma autônoma, snapshots de máquinas virtuais críticas por meio da plataforma de backup, verifica a integridade dos snapshots e isola terminais suspeitos antes que a criptografia comece — reduzindo drasticamente o alcance do ataque.
- Recovery inteligente e sensível ao contexto: em vez de planos de Recovery rígidos, um agente poderia analisar o escopo de um ataque (por exemplo, usando feeds de inteligência de ameaças via API), identificar os pontos de Recovery mais seguros em vários sistemas, orquestrar a restauração usando a infraestrutura de backup, realizar verificações automatizadas de validação de dados e até mesmo gerar relatórios pós-incidente.
- Otimização dinâmica de políticas: os agentes poderiam analisar exigências de conformidade em constante evolução (como atualizações das normas do GDPR ou da CCPA) ou lacunas de proteção identificadas e ajustar automaticamente as políticas de backup, as frequências e as configurações de retenção, mantendo um alinhamento contínuo sem a necessidade de intervenção manual.
Commvault, Arlie e o futuro: estruturas baseadas em agentes para a resiliência dos dados
Para acompanhar essa evolução, é necessária uma plataforma de resiliência de dados projetada para um mundo impulsionado pela IA. Na Commvault, nossa copiloto de IA, Arlie, já utiliza a IA para fornecer insights e otimizar as operações. Mas nossa visão vai além, visando viabilizar as Agentic Fabrics.
Esse conceito prevê uma arquitetura inteligente e interconectada, na qual agentes de IA, orientados pela Arlie, operam e se coordenam de forma autônoma em todo o seu ambiente híbrido de dados. Não se trata apenas de um único assistente, mas de uma rede de agentes especializados que trabalham em conjunto:
- Um agente responsável pelo monitoramento da postura de segurança pode detectar uma ameaça e notificar outro agente por meio do Arlie para proteger instantaneamente os backups relevantes.
- Seguindo a intenção do usuário (“Recuperar o banco de dados do CRM para o estado em que se encontrava antes da atividade suspeita de ontem”), o Arlie poderia orientar os agentes a coordenar a complexa restauração entre servidores de aplicativos, bancos de dados e armazenamento em nuvem, confirmando a integridade dos dados após a recuperação.
- Os agentes poderiam identificar proativamente oportunidades de redução de custos ao analisar padrões de uso de dados e migrar automaticamente os dados inativos para camadas de armazenamento mais econômicas, com base nas metas definidas nas políticas.
O Agentic Fabric representa a próxima evolução na arquitetura inteligente – um ecossistema coordenado no qual agentes de IA operam de forma autônoma, mas colaborativa, em todo o seu ambiente de dados. Não se trata apenas de implantar assistentes isolados; trata-se de criar uma rede interconectada de agentes especializados que se comunicam e se coordenam de maneira integrada:
- Os agentes de segurança podem detectar ameaças instantaneamente e acionar medidas de proteção por meio de outros agentes especializados, sem intervenção humana.
- Os processos de Recovery podem seguir a intenção expressa em linguagem natural (“Restaurar nossos sistemas ao estado anterior à violação”) ao mesmo tempo em que orquestram fluxos de trabalho técnicos complexos em ambientes híbridos.
- A otimização de recursos torna-se um processo contínuo, à medida que os agentes identificam proativamente formas de aumentar a eficiência e as implementam de acordo com as políticas definidas pela empresa.
Essa mudança em direção à IA Agente exige que as organizações reconsiderem três dimensões críticas: sua arquitetura de dados (para permitir que ela ofereça suporte a operações autônomas, porém seguras, dos agentes), suas estruturas de governança (para estabelecer limites adequados para as ações dos agentes) e suas estratégias de resiliência (aproveitando os agentes para antecipar ameaças, em vez de apenas responder a elas). As organizações que adotarem esse paradigma não obterão apenas ganhos incrementais de eficiência — elas transformarão fundamentalmente a maneira como protegem, gerenciam e aproveitam seus ativos de dados.
À medida que o cenário digital se torna cada vez mais complexo e os vetores de ameaças se multiplicam exponencialmente, a pergunta se torna inevitável: sua organização está se preparando para um mundo em que a IA não apenas auxilia sua equipe, mas também protege ativamente seus ativos mais valiosos? A revolução dos agentes não está se aproximando — ela já está remodelando a tecnologia empresarial. Você está pronto para evoluir junto com ela?
