Anderson Baraldo é Cientista de Dados e Engenheiro de Soluções LATAM da H2O.ai, engenheiro químico, especialista em Ciências de Dados pelo ITA, com MBA em Big Data pela FIA e mestre em Ciências da Computação pelo Georgia Institute of Technology.

A Inteligência Artificial (IA) está transformando as empresas, não apenas pela automação de tarefas, mas também pela reconfiguração de modelos de negócios. Duas tecnologias principais nesse processo são a IA Generativa e a IA Preditiva, que, quando combinadas, têm o potencial de melhorar significativamente a tomada de decisões empresariais e criar soluções mais criativas e eficazes. Nesse contexto, surge o conceito de agentes de IA, que utilizam Large Language Models (LLMs) como base, mas vão além, integrando ferramentas externas, motores de busca e APIs. Esses agentes permitem não apenas a geração de conteúdo, mas também ações autônomas e coordenadas, conectando dados e serviços de forma inteligente para atender a objetivos específicos, como otimizar processos, responder a cenários dinâmicos e apoiar decisões complexas com maior precisão.

LLMs como Agentes de IA

Agentes de IA são sistemas avançados que utilizam LLMs para decidir quais ações, ferramentas e informações devem ser empregadas para atingir um objetivo. Após realizar uma ação—como o uso de uma ferramenta ou a coleta de resultados—os dados obtidos podem ser reintroduzidos na LLM. Isso permite ao agente avaliar se mais ações são necessárias ou se o processo pode ser concluído. Essa abordagem interativa torna os agentes capazes de compreender e executar tarefas complexas de maneira eficiente, além de permitir a colaboração entre diferentes agentes para alcançar resultados ainda mais sofisticados.

É crucial, no entanto, avaliar quando o uso de agentes é apropriado. Sistemas baseados em regras ou fluxos de trabalho bem estabelecidos frequentemente não exigem a flexibilidade e a versatilidade dos agentes LLM. Substituir soluções baratas e eficazes por agentes mais complexos só se justifica se a necessidade de adaptação, integração com IA preditiva ou capacidade de lidar com cenários dinâmicos agregar valor substancial ao resultado final.

Sistemas 1 e 2: A Tomada de Decisão Humana

Para entender melhor o funcionamento das IAs, podemos usar os conceitos de Sistema 1 e Sistema 2, propostos pelo psicólogo Daniel Kahneman. Esses sistemas ilustram dois modos distintos de processamento de informações:

• Sistema 1: Rápido, intuitivo e automático, baseado em experiências passadas e julgamentos imediatos, geralmente sem uma análise profunda. As LLMs representam bem o Sistema 1, pois geram conteúdos como textos, imagens e códigos de maneira ágil. Contudo, essa abordagem pode levar a “alucinações” — respostas imprecisas que se tornam problemáticas em contextos críticos, como saúde e finanças.

• Sistema 2: Lento, analítico e deliberado, caracterizado por um pensamento consciente e detalhado, ideal para situações complexas. A ideia de agentes de IA exemplifica bem esse conceito, ao integrar as LLMs com ferramentas externas e dados estruturados para realizar tarefas mais complexas. Essa abordagem busca reduzir limitações e lidar com variáveis dinâmicas, promovendo um uso mais robusto e estratégico da IA.

IA Generativa e Preditiva: Complementares e Poderosas

A IA Generativa e a IA Preditiva têm suas forças e limitações, mas quando combinadas, podem criar soluções mais poderosas. IA Generativa usadas como agentes de IA podem ser usados para integrar e aproveitar IA Preditiva, gerando modelos de Machine Learning com base em dados históricos. Por exemplo, um agente pode identificar quais variáveis são mais relevantes em um conjunto de dados, realizar experimentos automatizados para treinar modelos, avaliar métricas de desempenho e recomendar o melhor modelo para determinado caso de uso. Isso permite criar soluções preditivas customizadas para tarefas como previsão de demanda, análise de risco, detecção de fraudes, entre outros.

GAIA: Avaliando a Capacidade Prática da IA

Com o rápido avanço de tecnologias como agentes de IA, a necessidade de uma avaliação prática e realista nunca foi tão grande. O GAIA surge como uma solução inovadora para medir o desempenho de assistentes de IA em tarefas como raciocínio, análise multimodal, navegação na web e, em geral, proficiência no uso de ferramentas.

Ao contrário dos benchmarks tradicionais, que muitas vezes se concentram em cenários acadêmicos ou ambientes controlados, o GAIA aborda os desafios do mundo real. Essa abordagem é crucial porque permite avaliar como a IA se comporta em aplicações práticas, expondo suas limitações e pontos fortes em contextos semelhantes aos encontrados por usuários finais e empresas.

Uma ferramenta como o GAIA possibilita que empresas e desenvolvedores comparem implementações, ajustem modelos e melhorem a eficiência de suas soluções. Ela também fomenta a transparência e acelera a evolução dessas tecnologias, ao criar padrões mais robustos para avaliação e benchmarking.

Aplicações Práticas da Convergência de IA Generativa e Preditiva

Diversos setores já estão explorando a combinação dessas tecnologias para melhorar suas operações:

• Varejo: Empresas como Alibaba utilizam Modelos de Linguagem de Grande Escala (LLMs) para otimizar o atendimento ao cliente, melhorando as respostas automáticas e liberando tempo para tarefas mais complexas.

• Educação: Plataformas como Duolingo personalizam a experiência de aprendizado, adaptando os conteúdos conforme o progresso dos alunos.

• Saúde: Hospitais e clínicas aplicam IA Generativa para analisar dados médicos e prever doenças, criando insights valiosos sobre novos protocolos de tratamento.

Esses exemplos demonstram como a convergência de IA Generativa e Preditiva pode tornar as empresas mais inovadoras e eficientes.

O Futuro da IA nas Empresas

A convergência entre IA Generativa e IA Preditiva está revolucionando a maneira como as empresas enfrentam desafios, permitindo não apenas a automação e previsão de cenários complexos, mas também a criação de soluções altamente criativas e personalizadas. Nesse cenário, agentes de IA desempenham um papel fundamental, pois conseguem integrar raciocínio avançado, acesso a ferramentas complexas e a habilidade de lidar com múltiplas etapas de forma iterativa e adaptativa.

A H2O está na vanguarda dessa evolução com sua abordagem Agentic AI, desenvolvida dentro do H2OGPTe. Ao incorporar ferramentas sofisticadas e a capacidade de integrar o melhor da IA Preditiva com o estado da arte do AutoML, a H2O oferece uma plataforma única que unifica a inovação da IA Generativa com soluções preditivas robustas. Isso permite que as empresas não apenas criem modelos preditivos de alto desempenho, mas também utilizem esses modelos em fluxos de trabalho dinâmicos e colaborativos, garantindo maior eficiência e impacto.