Acredita-se que os agentes de IA sejam a próxima grande novidade na IA, mas não há uma definição exata do que são. No momento, as pessoas discordam sobre o que exatamente constitui um agente de IA.
Em sua forma mais simples, um agente de IA é um agente de IA que usa IA para executar uma série de tarefas para você que podem ter sido executadas no passado por um agente humano de atendimento ao cliente, representante de recursos humanos ou funcionário de suporte técnico de TI. melhor descrito como software, pode envolver qualquer pessoa. tarefa. Quando você pede para fazer algo, ele faz isso por você, potencialmente em vários sistemas, e faz mais do que apenas responder perguntas.
Parece tão fácil, certo? Mas a falta de clareza torna tudo complicado. Não há consenso, mesmo entre os gigantes da tecnologia. O Google os vê como assistentes baseados em tarefas, como ajudar desenvolvedores a codificar. Ajude os profissionais de marketing a criar esquemas de cores. Ajuda os profissionais de TI a rastrear problemas consultando dados de log.
Na Asana, os agentes agem como funcionários adicionais, realizando as tarefas atribuídas como qualquer outro bom colega. Sierra, uma startup fundada pelo ex-co-CEO da Salesforce Brett Taylor e pelo veterano do Google Clay Baber, vê os agentes como uma ferramenta de experiência do cliente e quer ajudar as pessoas a irem muito além dos chatbots tradicionais.
A falta de definições consistentes deixa margem para confusão sobre o que exatamente eles fazem, mas independentemente de como são definidos, os agentes podem ser usados de maneira automatizada com o mínimo de intervenção humana para ajudá-lo a concluir tarefas.
Rudina Seseri, fundadora e sócia-gerente da Glasswing Ventures, diz que ainda é cedo e esse pode ser o motivo da 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 percebe seu ambiente, raciocina sobre ele, toma decisões e persegue objetivos específicos de forma autônoma. ação para alcançar algo”, disse Seseri ao TechCrunch.
Ela diz que eles usam muita tecnologia de IA para fazer isso acontecer. “Esses sistemas incorporam uma variedade de técnicas de IA/ML, incluindo processamento de linguagem natural, aprendizado de máquina e visão computacional, e podem operar de forma autônoma em domínios dinâmicos ou em paralelo com outros agentes ou usuários humanos.
Aaron Levie, cofundador e CEO da Box, disse que à medida que as capacidades de IA melhoram ao longo do tempo, os agentes de IA serão capazes de fazer mais em nome dos humanos, e a dinâmica que impulsiona essa evolução continuará a crescer. .
“Os agentes de IA têm vários volantes auto-reforçados que melhoram drasticamente o que os agentes de IA podem realizar no curto e longo prazo, incluindo preço/desempenho da GPU, eficiência do modelo, qualidade e inteligência do modelo e estruturas de IA”. ” Levy escreveu recentemente no LinkedIn.
Esta é uma visão optimista da tecnologia que pressupõe que o crescimento ocorrerá em todas estas áreas, mas isso não é necessariamente um dado adquirido. O pioneiro da robótica do MIT, Rodney Brooks, disse recentemente ao TechCrunch que a IA terá que lidar com perguntas de entrevista muito mais difíceis do que a maioria das tecnologias e não necessariamente crescerá tão rapidamente quanto os chips baseados na Lei de Moore.
“Quando os humanos veem um sistema de IA realizar uma tarefa, eles rapidamente generalizam-na para coisas semelhantes e fazem inferências sobre as capacidades do sistema de IA”, disse Brooks durante a entrevista. “E geralmente são otimistas demais porque usam um modelo de desempenho individual no trabalho.”
O problema é que é difícil atravessar sistemas, e o problema é ainda mais complicado pelo fato de que alguns sistemas legados não possuem acesso básico à API. Embora estejamos vendo melhorias constantes como as mencionadas por Levie, muitos ainda estão pensando em como permitir que o software acesse vários sistemas e, ao mesmo tempo, resolver quaisquer problemas que possam encontrar ao longo do caminho.
Nesse caso, todos podem estar superestimando o que um agente de IA deveria ser capaz de fazer. David Cushman, líder de pesquisa da HFS Research, pensa na frota de bots atual de maneira semelhante à Asana. É um assistente que auxilia o ser humano a realizar determinadas tarefas de forma a atingir algum tipo de objetivo estratégico definido pelo usuário. O desafio é permitir que as máquinas respondam às contingências de uma forma verdadeiramente automatizada, e claramente ainda não estamos perto disso.
“Acho que esse é o próximo passo”, disse ele. “É aqui que a IA opera de forma independente e eficaz em escala, o que significa que é aqui que os humanos estabelecem diretrizes e barreiras e aplicam múltiplas tecnologias para manter os humanos fora do circuito. em loop com GenAI”, disse ele. Portanto, a chave aqui é permitir que os agentes de IA assumam o controle e apliquem a verdadeira automação, disse ele.
Jon Turow, sócio da Madrona Ventures, diz que isso exigirá a criação de uma infraestrutura de agente de IA, uma pilha de tecnologia projetada especificamente para criar agentes (independentemente de como você define um agente). Em uma postagem recente no blog, Turow descreveu exemplos de agentes de IA em uso hoje e como eles estão sendo construídos atualmente.
Na opinião de Turow, a proliferação de agentes de IA requer uma pilha de tecnologia como qualquer outra tecnologia, embora ele admita que a definição ainda é um pouco elusiva. “Tudo isso significa que nossa indústria tem trabalhado para construir a infraestrutura para apoiar os agentes de IA e as aplicações que dependem deles”, escreveu ele no artigo.
“Com o tempo, a inferência melhorará gradualmente, os modelos de fronteira controlarão cada vez mais fluxos de trabalho e os desenvolvedores quererão se concentrar em seus produtos e dados – o que os diferencia. Eles querem que a plataforma subjacente “simplesmente funcione” com escala, desempenho e. confiabilidade. ”
Outra coisa a ter em mente aqui é que você provavelmente precisará de vários modelos em vez de um único LLM para fazer seu agente funcionar. Isto é natural se pensarmos nestes agentes como um conjunto de tarefas diferentes. “No momento, não acredito que um único modelo de linguagem em grande escala, pelo menos um modelo de linguagem monolítico em grande escala disponível publicamente, possa lidar com tarefas de agente. Não acho que eles possam fazer essa inferência ainda. estão chegando perto, mas ainda não chegaram lá”, disse Fred Havemeyer, chefe de pesquisa de IA e software dos EUA na Macquarie US Equity Research.
“Acho que os agentes mais eficazes provavelmente serão múltiplas coleções de vários modelos diferentes, com uma camada de roteamento que envia solicitações e avisos para os agentes e modelos mais eficazes. E acho que será interessante [automated] Supervisor, uma espécie de função de delegado. ”
Em última análise, para Havemeyer, a indústria está a trabalhar para atingir este objectivo de agentes que operam de forma independente. “Ao pensar no futuro dos agentes, gostaria de ver agentes que sejam verdadeiramente autônomos e capazes de definir metas abstratas e raciocinar cada etapa individual de forma totalmente independente.”, disse ele. Crise tecnológica.
Mas, na realidade, ainda estamos num período de transição envolvendo estes agentes e não sabemos quando chegaremos a este estado final descrito por Habemeyer. Embora o que vimos até agora seja claramente um passo promissor na direção certa, ainda são necessários vários avanços e descobertas antes que os agentes de IA se comportem como previsto hoje. E é importante entender que ainda não chegamos lá.
