Empresas e governos investirão US$ 1 trilhão em IA

Sergio Damasceno Silva
28 de fevereiro de 2025 - 17h49

Empresas norte-americanas, governo dos EUA, da França, a Comunidade Europeia e mais algumas companhias devem investir, juntos, mais de U$ 1 trilhão em inteligência artificial (IA) e em agentes de IA.

Esse valor agrega tanto as big techs como Apple, Google, Meta, Microsoft e Amazon quanto as alavancadoras da tecnologia OpenAI e DeepSeek, bem como países como Estados Unidos, sob a liderança do presidente Donald Trump, França, com o presidente Emanuel Macron à frente e a Comunidade Europeia, entre outros.

Claro que alguns bilhões de dólares já foram investidos até agora na IA, sobretudo após a ascensão da OpenAI, há dois anos.

Mas, agora, o mundo da IA entra em nova fase, a dos agentes de inteligência artificial, ou agentes de IA, que são softwares que podem interagir com o ambiente, coletar dados e usá-los para realizar tarefas autodeterminadas para atingir metas predeterminadas.

Os humanos estabelecem metas, mas um agente de IA escolhe de forma independente as melhores ações que precisa realizar para atingir essas metas.

Agentes de IA

Os agentes de IA são sistemas inteligentes autônomos que realizam tarefas específicas sem intervenção humana. As organizações usam agentes de IA para atingir metas específicas e resultados comerciais mais eficientes.

Esses agentes inteligentes avançados usam machine learning (ML) para coletar e processar grandes quantidades de dados em tempo real.

Isso permite que CMOs, portanto, façam previsões melhores ao planejar como analisar as demandas de produtos em diferentes segmentos de mercado ao veicular uma campanha publicitária.

Nesse contexto, os agentes de IA precisam de informações para realizar tarefas que planejaram com sucesso.

Para isso, podem extrair logs de conversas para analisar os sentimentos dos clientes, seja via acesso à internet para pesquisar e recuperar as informações de que precisam por meio de interação com outros agentes ou modelos de ML para acessar ou trocar informações.

“É a próxima coisa grandiosa no contexto da IA”, confirma o sócio e líder em serviços de transformação de negócios da IBM Consulting, Argus Cavalcante.

IA tradicional e GenAI

O executivo cita estudo da Boston Consulting Group em que 98% das grandes empresas já experimentaram algum tipo de iniciativa relacionada à IA tradicional ou à GenAI, mas apenas 26%, de fato, escalou esses pilotos ou os experimentos para o modo de produção.

“Outro levantamento aponta que, no ano passado, forma gastos US$ 245 bilhões em IA. E a aposta está muito baseada naquilo que a IA pode entregar de benefício. No final das contas, essa aposta é, principalmente, usar IA para trazer algum tipo de resultado ou benefício para as empresas”, analisa.

“Nesse contexto, concordo que o agente de IA é o próximo grande tema dentro da IA. Já passamos do momento de nos espantarmos com a tecnologia, né? Agora, é entender a capacidade. Estamos num momento justamente de especializar a IA. E usar de forma mais extensiva dentro das empresas para resolvermos problemas de negócios que, no final das contas, é isso que queremos no mundo corporativo. Já sabemos que os ganhos vêm em produtividade, redução de custos e automatização de tarefas, de forma geral. Além disso, o que se pode apontar de ganho efetivo? Portanto, sinto que há um salto, sim, tanto do ponto de vista quantitativo quanto qualitativo”, diz Cavalcante.

O agente de IA é diferenciado por suas capacidades avançadas de raciocínio e interação semelhantes às humanas e transformará os setores de manufatura, saúde, finanças, varejo, transporte e energia, entre outros, diz a sócia da PwC Brasil, Denise Pinheiro.

“Podem executar tarefas autônomas, responder a consultas rotineiras, recomendar produtos e oferecer suporte ao cliente. Integrado de maneira eficaz, o agente de IA pode aumentar a eficiência, reduzir custos, melhorar a experiência do cliente e impulsionar o crescimento da receita”, detalha a executiva.

Cérebro corporativo

O uso de agentes de IA, e não agente, porque se pressupõe a adoção de múltiplos agentes, ou de sistemas baseados em agentes, tem potencial muito grande de transformar empresas, afirma o líder de data & AI da Accenture para América Latina, Daniel Lázaro.

“Esse uso serve de base para o que chamamos de cérebro corporativo, que é o sistema pelo qual as empresas aprendem, em contraste com sistemas transacionais, que suportam a operação das empresas. O cérebro corporativo permite, por exemplo, que as empresas coletem, organizem e estruturem de forma mais acionável seus elementos de conhecimento”, diz o executivo.

Com isso, “agentes são parte fundamental da reinvenção de processos de negócio porque permitem automatizar atividades e procedimentos ordinários para que as pessoas possam investir em atividades e processos extraordinários”, define Lázaro.

“A ideia é que as empresas usem tecnologias como a IA para preencher lacunas nos sistemas existentes e aumentar sua eficiência operacional”, completa o sócio da PwC Brasil, Luis Ruivo, sobre o fato de os agentes serem interoperáveis.

Distinção dos assistentes tradicionais

Tipicamente, os agentes de IA executam, explica Cavalcante, da IBM Consulting. “Definem um plano de execução de um conjunto de atividade e depois executam essas atividades. Têm a capacidade que os distinguem dos assistentes mais tradicionais com os quais estamos habituados a lidar em nosso dia a dia porque são capazes de refletir a respeito das decisões que tomaram e aprenderam a partir dessas decisões. É um ciclo contínuo”, afirma.

Que, completa, é de planejar as atividades que serão executadas decidindo qual é a melhor estratégia para atingir determinado objetivo.

Executar, obviamente, pode envolver uma grande variedade de atividades, da interface com o usuário até a obtenção de dados de um sistema ou mesmo a interação com algum sistema ou conjunto de dados disponível. 

Dessa forma, o que distingue o agente de IA dos assistentes já mais tradicionais é justamente essa capacidade de poder avaliar os erros e resolvê-los de forma autônoma, detalha o sócio e líder da IBM Consulting.

Autonomia dos agentes

Sobre essa autonomia dos agentes de IA, Lázaro, da Accenture, afirma: “Agentes, assim como quaisquer elementos de sistemas de IA, necessitam ser construídos, configurados, implantados e operados em um contexto sistêmico de responsabilidade, segurança e transparência. Apesar de tecnicamente ser possível inserir agentes em um processo de negócio sem esses elementos, a ausência de mecanismos de governança e gestão sistêmica explica por que muitas organizações ainda não possuem a confiança necessária para percorrer uma jornada de ‘escala’ no uso desses elementos.”

Para Ruivo, da PwC, agentes de IA podem operar com diferentes graus de autonomia. “Podem definir objetivos e tomar decisões independentes, mas sempre dentro dos limites e das diretrizes estabelecidas por desenvolvedores e organizações. É possível delimitar essa autonomia através do design do sistema e do uso de ML, que permite que os agentes aprendam e se adaptem a dados novos e alterem seu comportamento conforme necessário”, explica.

A jornada dos frameworks dos agentes de IA começou como sistemas simples baseados em regras, projetados para realizar tarefas específicas.

Com o tempo, esses sistemas evoluíram para agentes sofisticados e multimodais, capazes de processar e integrar informações de várias fontes, como texto, imagens e áudio.

As capacidades de multimodalidade permitem que agentes de IA compreendam, apliquem raciocínio e interajam como humanos, melhorando sua eficácia e versatilidade para resolver uma ampla gama de problemas de negócios, diz Ruivo, da PwC, que enumera o passo a passo para que a IA chegasse até aqui:

Integração de aprendizado de máquina (ML)

– Aprendendo com dados: A integração de ML permitiu que agentes aprendessem com grandes conjuntos de dados, melhorando sua capacidade de tomar decisões e realizar tarefas.

Isso representou um avanço significativo em relação aos sistemas baseados em regras, já que os agentes poderiam agora se adaptar a novas informações e melhorar ao longo do tempo.

– Interações de usuário habilitadas por Processamento de Linguagem Natural (PLN): Avanços em PLN permitiram que agentes compreendessem e gerassem a linguagem humana de forma mais eficaz, tornando as interações mais naturais e intuitivas.

Introdução da multimodalidade

– Combinando texto, imagens e áudio: Agentes multimodais surgiram, capazes de processar e integrar informações de várias fontes.

Por exemplo, um agente poderia analisar uma descrição textual, reconhecer objetos em uma imagem e entender comandos falados.

Assim, essa multimodalidade tornou os agentes mais versáteis e capazes de lidar com tarefas complexas.

– Interações de usuário aprimoradas: Agentes multimodais puderam interagir com os usuários de maneiras mais dinâmicas, como fornecer auxílios visuais em resposta a consultas textuais ou entender o contexto a partir de uma combinação de entradas faladas e visuais.

Autonomia avançada e interações em tempo real

– Autonomia avançada: Agentes podem operar de forma independente, raciocinar e definir seus próprios objetivos, desenvolver caminhos para atingir esses objetivos e tomar decisões independentes sem intervenção humana constante, aproveitando dados de múltiplas fontes ou conjuntos de dados sintéticos.

Em um sistema de orquestração multiagente, o primeiro conjunto de agentes foca em imitar o comportamento humano (por exemplo, ChatGPT-4o), ou seja, pensar rapidamente para sugerir uma abordagem de solução, enquanto o segundo conjunto de agentes foca em raciocínio lento (por exemplo, ChatGPT-1o) para chegar a uma solução comprovada.

Combinando pensamento rápido e raciocínio lento, os agentes podem processar informações e tomar decisões ótimas em tempo real – crucial para aplicações como veículos autônomos, atendimento ao cliente em tempo real e vários processos de negócios críticos.

Assim, essa autonomia torna a IA agentiva particularmente poderosa em ambientes do mundo real dinâmicos e complexos.

– Interações de usuário dentro de um ambiente de IA ético e responsável: Com capacidades aumentadas, também houve um foco em garantir que os sistemas agentivos operem de forma ética e responsável, considerando fatores como viés, transparência e responsabilidade.

Nova fase

Os agentes de representam, dessa forma, nova fase tanto para a IA quanto para a GenAI ao oferecer capacidades avançadas de raciocínio humano e interação em diversos setores, afirma Denise, sócia da PwC.

“Não são apenas extensão das tecnologias de IA existentes, mas sim evolução que possibilita a automação de processos de forma autônoma e a reengenharia de operações em larga escala. Integrando capacidades multimodais, os agentes de IA não só processam dados textuais, mas também imagens e áudio, permitindo compreensão mais ampla e profunda dos contextos em que operam.”

Isso os torna, dessa forma, especialmente eficazes na tomada de decisões e na solução de problemas complexos, melhorando a eficiência operacional, reduzindo custos e impulsionando o crescimento da receita.

Assim, “agentes de IA oferecem soluções para áreas de alto impacto rapidamente, demonstrando retorno sobre o investimento (ROI) e aumentando a competitividade”, diz a executiva.

Claro que alguns bilhões de dólares, contudo, já foram investidos até agora na IA, sobretudo após a ascensão da OpenAI, há dois anos.

Mas, agora, entretanto, o mundo da IA entra em nova fase, a dos agentes de inteligência artificial, ou agentes de IA, que são softwares que podem interagir com o ambiente, coletar dados e usá-los para realizar tarefas autodeterminadas para atingir metas predeterminadas.

Os humanos estabelecem metas, mas um agente de IA escolhe de forma independente as melhores ações que precisa realizar para atingir essas metas.

Agentes de IA

Os agentes de IA são sistemas inteligentes autônomos que realizam tarefas específicas sem intervenção humana.

Assim, as organizações usam agentes de IA para atingir metas específicas e resultados comerciais mais eficientes.

Esses agentes inteligentes avançados usam machine learning (ML) para coletar e processar grandes quantidades de dados em tempo real.

Dessa forma, isso permite que CMOs, por exemplo, façam previsões melhores ao planejar como analisar as demandas de produtos em diferentes segmentos de mercado ao veicular uma campanha publicitária.

Nesse contexto, os agentes de IA precisam de informações para realizar tarefas que planejaram com sucesso.

Para isso, podem, portanto, extrair logs de conversas para analisar os sentimentos dos clientes, seja via acesso à internet para pesquisar e recuperar as informações de que precisam por meio de interação com outros agentes ou modelos de ML para acessar ou trocar informações.

“É a próxima coisa grandiosa no contexto da IA”, confirma o sócio e líder em serviços de transformação de negócios da IBM Consulting, Argus Cavalcante.

IA tradicional e GenAI

O executivo cita estudo da Boston Consulting Group em que 98% das grandes empresas já experimentaram algum tipo de iniciativa relacionada à IA tradicional ou à GenAI, mas apenas 26%, de fato, escalou esses pilotos ou os experimentos para o modo de produção.

“Outro levantamento aponta que, no ano passado, forma gastos US$ 245 bilhões em IA. E a aposta está muito baseada naquilo que a IA pode entregar de benefício. No final das contas, essa aposta é, principalmente, usar IA para trazer algum tipo de resultado ou benefício para as empresas”, analisa.

“Nesse contexto, concordo que o agente de IA é o próximo grande tema dentro da IA. Já passamos do momento de nos espantarmos com a tecnologia, né? Agora, é entender a capacidade. Estamos num momento justamente de especializar a IA. E usar de forma mais extensiva dentro das empresas para resolvermos problemas de negócios que, no final das contas, é isso que queremos no mundo corporativo. Já sabemos que os ganhos vêm em produtividade, redução de custos e automatização de tarefas, de forma geral. Além disso, o que se pode apontar de ganho efetivo? Portanto, sinto que há um salto, sim, tanto do ponto de vista quantitativo quanto qualitativo”, diz Cavalcante.

O agente de IA, dessa forma, é diferenciado por suas capacidades avançadas de raciocínio e interação semelhantes às humanas e transformará os setores de manufatura, saúde, finanças, varejo, transporte e energia, entre outros, diz a sócia da PwC Brasil, Denise Pinheiro.

“Podem executar tarefas autônomas, responder a consultas rotineiras, recomendar produtos e oferecer suporte ao cliente. Integrado de maneira eficaz, o agente de IA pode aumentar a eficiência, reduzir custos, melhorar a experiência do cliente e impulsionar o crescimento da receita”, detalha a executiva.

Cérebro corporativo

O uso de agentes de IA, e não agente, porque se pressupõe a adoção de múltiplos agentes, ou de sistemas baseados em agentes, tem potencial muito grande de transformar empresas, afirma o líder de data & AI da Accenture para América Latina, Daniel Lázaro.

“Esse uso serve de base para o que chamamos de cérebro corporativo, que é o sistema pelo qual as empresas aprendem, em contraste com sistemas transacionais, que suportam a operação das empresas. O cérebro corporativo permite, por exemplo, que as empresas coletem, organizem e estruturem de forma mais acionável seus elementos de conhecimento. Com isso, agentes são parte fundamental da reinvenção de processos de negócio porque permitem automatizar atividades e procedimentos ordinários para que as pessoas possam investir em atividades e processos extraordinários”, define Lázaro.

“A ideia é que as empresas usem tecnologias como a IA para preencher lacunas nos sistemas existentes e aumentar sua eficiência operacional”, completa o sócio da PwC Brasil, Luis Ruivo, sobre o fato de os agentes serem interoperáveis.

Distinção dos assistentes tradicionais

Tipicamente, os agentes de IA executam, explica Cavalcante, da IBM Consulting. “Definem um plano de execução de um conjunto de atividade e depois executam essas atividades. Têm a capacidade que os distinguem dos assistentes mais tradicionais com os quais estamos habituados a lidar em nosso dia a dia porque são capazes de refletir a respeito das decisões que tomaram e aprenderam a partir dessas decisões. É um ciclo contínuo”, afirma.

Que, completa, é de planejar as atividades que serão executadas decidindo qual é a melhor estratégia para atingir determinado objetivo.

Executar, obviamente, pode envolver uma grande variedade de atividades, da interface com o usuário até a obtenção de dados de um sistema ou mesmo a interação com algum sistema ou conjunto de dados disponível. o que distingue o agente de IA dos assistentes já mais tradicionais é justamente essa capacidade de poder avaliar os erros e resolvê-los de forma autônoma, detalha o sócio e líder da IBM Consulting.

Autonomia dos agentes

Sobre essa autonomia dos agentes de IA, Lázaro, da Accenture, afirma: “Agentes, assim como quaisquer elementos de sistemas de IA, necessitam ser construídos, configurados, implantados e operados em um contexto sistêmico de responsabilidade, segurança e transparência. Apesar de tecnicamente ser possível inserir agentes em um processo de negócio sem esses elementos, a ausência de mecanismos de governança e gestão sistêmica explica por que muitas organizações ainda não possuem a confiança necessária para percorrer uma jornada de ‘escala’ no uso desses elementos.”

Para Ruivo, da PwC, agentes de IA podem operar com diferentes graus de autonomia. “Podem definir objetivos e tomar decisões independentes, mas sempre dentro dos limites e das diretrizes estabelecidas por desenvolvedores e organizações. É possível delimitar essa autonomia através do design do sistema e do uso de ML, que permite que os agentes aprendam e se adaptem a dados novos e alterem seu comportamento conforme necessário”, explica.

Integração de aprendizado de máquina (ML)

– Aprendendo com dados: A integração de ML permitiu que agentes aprendessem com grandes conjuntos de dados, melhorando sua capacidade de tomar decisões e realizar tarefas. Isso representou um avanço significativo em relação aos sistemas baseados em regras, já que os agentes poderiam agora se adaptar a novas informações e melhorar ao longo do tempo.

– Interações de usuário habilitadas por Processamento de Linguagem Natural (PLN): Avanços em PLN permitiram que agentes compreendessem e gerassem a linguagem humana de forma mais eficaz, tornando as interações mais naturais e intuitivas.

Introdução da multimodalidade

– Combinando texto, imagens e áudio: Agentes multimodais surgiram, capazes de processar e integrar informações de várias fontes. Por exemplo, um agente poderia analisar uma descrição textual, reconhecer objetos em uma imagem e entender comandos falados. Essa multimodalidade tornou os agentes mais versáteis e capazes de lidar com tarefas complexas.

– Interações de usuário aprimoradas: Agentes multimodais puderam interagir com os usuários de maneiras mais dinâmicas, como fornecer auxílios visuais em resposta a consultas textuais ou entender o contexto a partir de uma combinação de entradas faladas e visuais.

Autonomia avançada e interações em tempo real

– Autonomia avançada: Agentes podem operar de forma independente, raciocinar e definir seus próprios objetivos, desenvolver caminhos para atingir esses objetivos e tomar decisões independentes sem intervenção humana constante, aproveitando dados de múltiplas fontes ou conjuntos de dados sintéticos.

Em um sistema de orquestração multiagente, o primeiro conjunto de agentes foca em imitar o comportamento humano (por exemplo, ChatGPT-4o), ou seja, pensar rapidamente para sugerir uma abordagem de solução, enquanto o segundo conjunto de agentes foca em raciocínio lento (por exemplo, ChatGPT-1o) para chegar a uma solução comprovada.

Combinando pensamento rápido e raciocínio lento, os agentes podem processar informações e tomar decisões ótimas em tempo real – crucial para aplicações como veículos autônomos, atendimento ao cliente em tempo real e vários processos de negócios críticos. Essa autonomia torna a IA agentiva particularmente poderosa em ambientes do mundo real dinâmicos e complexos.

– Interações de usuário dentro de um ambiente de IA ético e responsável: Com capacidades aumentadas, também houve um foco em garantir que os sistemas agentivos operem de forma ética e responsável, considerando fatores como viés, transparência e responsabilidade.

Nova fase

Os agentes de IA representam, assim, nova fase tanto para a IA quanto para a GenAI ao oferecer capacidades avançadas de raciocínio humano e interação em diversos setores, afirma Denise, sócia da PwC.

“Não são apenas extensão das tecnologias de IA existentes, mas sim evolução que possibilita a automação de processos de forma autônoma e a reengenharia de operações em larga escala. Integrando capacidades multimodais, os agentes de IA não só processam dados textuais, mas também imagens e áudio, permitindo compreensão mais ampla e profunda dos contextos em que operam.

Portanto, isso os torna especialmente eficazes na tomada de decisões e na solução de problemas complexos, melhorando a eficiência operacional, reduzindo custos e impulsionando o crescimento da receita. Agentes de IA oferecem soluções para áreas de alto impacto rapidamente, demonstrando retorno sobre o investimento (ROI) e aumentando a competitividade”, diz a executiva.