Supõe-se que os agentes de IA sejam a próxima grande novidade na IA, mas não há uma definição exata do que eles são. Até este ponto, as pessoas não conseguem concordar sobre o que exatamente constitui um agente de IA.
Em sua forma mais simples, um agente de IA é melhor descrito como um software baseado em IA que executa uma série de trabalhos para você do que um agente humano de atendimento ao cliente, pessoal de recursos humanos ou funcionário de suporte técnico poderia ter feito no passado. em última análise, poderia envolver qualquer tarefa. Você pede para ele fazer coisas e ele faz por você, às vezes cruzando vários sistemas e indo muito além de simplesmente responder perguntas. Por exemplo, Perplexidade no mês passado. lançou um agente de inteligência artificial que ajuda as pessoas a fazerem suas compras de Natal (e não é o único). E o Google anunciou na semana passada seu primeiro agente de IA, chamado Project Marinerque pode ser usado para pesquisar voos e hotéis, comprar utensílios domésticos, pesquisar receitas e outras tarefas.
Parece muito simples, certo? No entanto, a situação é complicada pela falta de clareza. Mesmo entre os gigantes da tecnologia não há consenso. O Google os vê como assistentes baseados em tarefas, dependendo do trabalho: ajuda de codificação para desenvolvedores; ajudar os profissionais de marketing a criar um esquema de cores; Ajude um profissional de TI a localizar um problema visualizando os dados de registro.
Para a Asana, um agente pode agir como um funcionário extracuidando das tarefas atribuídas como qualquer bom colega de trabalho. Serra, Uma startup fundada pelo ex-co-CEO da Salesforce, Bret Taylor, e pelo veterano do Google, Clay Bavor, vê os agentes como ferramentas de experiência do cliente, ajudando as pessoas a realizar ações que vão muito além dos chatbots do passado para ajudar a resolver conjuntos de problemas mais complexos.
Esta falta de uma definição consistente deixa margem para confusão sobre o que exactamente estas coisas vão fazer, mas independentemente de como são definidas, os agentes servem para ajudar a completar tarefas de uma forma automatizada com o mínimo de interacção humana possível.
Rudina Seseri, fundadora e sócia-gerente da Glasswing Ventures, diz que ainda é cedo e isso pode explicar a falta de acordo. “Não existe uma definição única do que é um ‘agente de IA’. No entanto, a visão mais comum é que um agente é um sistema de software inteligente projetado para perceber seu ambiente, raciocinar sobre ele, tomar decisões e ações para atingir objetivos específicos de forma autônoma”, disse Seseri ao TechCrunch.
Ela diz que eles usam várias tecnologias de IA para fazer isso acontecer. “Esses sistemas incorporam diversas técnicas de IA/ML, como processamento de linguagem natural, aprendizado de máquina e visão computacional, para operar em domínios dinâmicos, de forma autônoma ou junto com outros agentes e usuários humanos.”
Aaron Levie, cofundador e CEO da Box, diz que com o tempo, à medida que a IA se torna mais capaz, os agentes de IA serão capazes de fazer muito mais em nome dos humanos, e já existem dinâmicas em jogo que impulsionarão essa evolução.
“Com os agentes de IA, existem vários componentes em um volante auto-reforçado que servirá para melhorar drasticamente o que os agentes de IA podem alcançar no curto e longo prazo: preço/desempenho da GPU, eficiência do modelo, qualidade e inteligência do modelo, estruturas e infraestrutura de IA melhorias”, escreveu Levie. É o LinkedIn recentemente.
Esta é uma visão optimista da tecnologia que pressupõe que haverá crescimento em todas estas áreas, quando isso não é necessariamente um facto. O pioneiro da robótica do MIT, Rodney Brooks, observou em uma entrevista recente ao TechCrunch que A IA tem que enfrentar problemas muito mais difíceis do que a maioria das tecnologias, e não crescerá necessariamente da mesma forma rápida que, digamos, os chips cresceram sob a lei de Moore.
“Quando um ser humano vê um sistema de IA executar uma tarefa, ele imediatamente a generaliza para coisas semelhantes e faz uma estimativa da competência do sistema de IA; não apenas o desempenho nisso, mas a competição em torno disso”, disse Brooks durante a entrevista. “E eles geralmente são excessivamente otimistas, porque estão usando um modelo do desempenho de uma pessoa em uma tarefa.”
O problema é que cruzar sistemas é difícil e isso é complicado pelo fato de que alguns sistemas legados não possuem acesso básico à API. Embora estejamos vendo melhorias constantes às quais Levie aludiu, fazer com que o software acesse vários sistemas e, ao mesmo tempo, resolver problemas que possa encontrar ao longo do caminho pode ser mais desafiador do que muitos pensam.
Se for esse o caso, todos podem estar superestimando o que os agentes de IA deveriam ser capazes de fazer. David Cushman, líder de pesquisa da HFS Research, vê a safra atual de bots mais parecida com a Asana: assistentes que ajudam os humanos a completar certas tarefas para atingir algum tipo de objetivo estratégico definido pelo usuário. O desafio é ajudar uma máquina a lidar com contingências de uma forma verdadeiramente automatizada, e ainda não estamos nem perto disso.
“Acho que é o próximo passo”, disse ele. “É aqui que a IA opera de forma independente e eficaz em escala. Então é aqui que os humanos definem as diretrizes, as barreiras de segurança e aplicam múltiplas tecnologias para tirar o humano do circuito, quando tudo está focado na manutenção do humano. em o ciclo com GenAI”, disse ele. Portanto, a chave aqui, disse ele, é deixar o agente de IA assumir o controle e aplicar a verdadeira automação.
Jon Turow, sócio da Madrona Ventures, diz que isso exigirá a criação de uma infraestrutura de agentes de IA, uma pilha de tecnologia projetada especificamente para a criação de agentes (independentemente de como sejam definidos). Em uma postagem recente no blog, Turow exemplos descritos de agentes de IA atualmente trabalhando na natureza e como estão sendo construídos hoje.
Na opinião de Turow, a crescente proliferação de agentes de IA (e ele também admite que a definição ainda é um pouco evasiva) requer uma pilha de tecnologia como qualquer outra tecnologia. “Tudo isto significa que a nossa indústria tem trabalho a fazer para construir uma infraestrutura que suporte os agentes de IA e as aplicações que deles dependem”, escreveu ele no artigo.
“Com o tempo, o raciocínio melhorará gradualmente, os modelos de fronteira passarão a impulsionar mais fluxos de trabalho e os desenvolvedores vão querer se concentrar em produtos e dados, nas coisas que os diferenciam. “Eles querem que a plataforma subjacente ‘simplesmente funcione’ com escala, desempenho e confiabilidade.”
Outra coisa a ter em mente aqui é que provavelmente serão necessários vários modelos, em vez de um único LLM, para que os agentes funcionem, e isso faz sentido se você pensar nesses agentes como um conjunto de tarefas diferentes. “Não creio que neste momento nenhum modelo de linguagem grande, pelo menos um modelo monolítico de linguagem grande disponível publicamente, seja capaz de lidar com tarefas de agência. Não acho que eles ainda possam fazer o raciocínio em várias etapas que realmente me deixaria entusiasmado com um futuro agente. Acho que estamos chegando perto, mas ainda não chegamos lá”, disse Fred Havemeyer, chefe de pesquisa de software e IA dos EUA na Macquarie US Equity Research.
“Acho que os agentes mais eficientes provavelmente serão múltiplas coleções de vários modelos diferentes com uma camada de roteamento que envia solicitações ou instruções para o agente e modelo mais eficiente. E acho que seria algo como um supervisor (automatizado) interessante, delegando algum tipo de função.”
Em última análise, para Havemeyer, a indústria está a trabalhar no sentido de os agentes operarem de forma independente. “Ao pensar no futuro dos agentes, quero e espero ver agentes que sejam verdadeiramente autónomos e capazes de assumir objectivos abstractos e depois raciocinar todos os passos individuais entre eles de forma completamente independente”, disse ele. TecnologiaCrunch.
Mas o facto é que ainda estamos num período de transição no que diz respeito a estes agentes e não sabemos quando alcançaremos este estado final descrito por Havemeyer. Embora o que vimos até agora seja claramente um passo promissor na direção certa, ainda precisamos de alguns avanços e avanços para fazer com que os agentes de IA funcionem como previsto hoje. E é importante entender que ainda não chegamos lá.
Esta história foi publicada originalmente em 13 de julho de 2024 e foi atualizada para incluir novos agentes da Perplexity e do Google.
