As empresas correram para acoplar agentes de inteligência artificial a fluxos de trabalho antigos, mas a era em que a IA reescreve as regras do jogo – e não apenas acelera a engrenagem – ainda está por vir. Foi esse o consenso entre executivos de TI de gigantes como EY, Pfizer e Lumen durante o Microsoft Ignite 2024.
Do “motor no cavalo” ao “carro de verdade”
John Whittaker, diretor de plataforma e produtos de IA na EY, comparou o momento atual ao início da indústria automotiva: “Estamos vivendo a fase da horseless carriage; ainda não chegamos ao automóvel”. Em outras palavras, a maioria das empresas apenas adapta a IA aos processos existentes – em vez de recriá-los.
Mesmo assim, os ganhos iniciais já aparecem. A EY, por exemplo, mapeia 30 milhões de processos internos e opera 41 mil agentes de IA em produção. O “fruto baixo do pomar”, segundo Whittaker, é acelerar tarefas burocráticas com assistentes como o EY Tax Assistant, que digere 21 milhões de documentos fiscais para responder dúvidas e atualizar equipes diante de cerca de 100 mudanças tributárias diárias.
IA generativa na prática: três estágios de adoção
Sean Alexander, vice-presidente da Lumen, usou uma metáfora gamer para explicar a maturidade dos agentes:
- Nível 1 – Humano + Agente: o usuário pede, o bot entrega.
- Nível 2 – Humano + Multiagentes: vários bots cooperam sob supervisão humana.
- Nível 3 – Orquestração total: agentes trocam informações entre si e tomam decisões quase autônomas.
Alexander diz que a Lumen já treina o olhar para daqui a 36 meses, articulando novos planos de negócios “nativos em IA” e equipando todo colaborador recém-contratado com licença do Microsoft Copilot. O onboarding, que levava seis meses, caiu para três.
Pfizer: cautela, escala e reinvenção
Na Pfizer, metade dos 75 mil funcionários já usa Copilot. Tim Holt, vice-presidente de tecnologia da farmacêutica, adota uma abordagem em três passos: testar, ganhar confiança e escalar. O piloto começou em poucos call centers; hoje, agentes de IA resolvem dúvidas de clientes em tempo real. “Assim que sentimos segurança, partimos para ‘explodir’ o processo e reinventá-lo”, diz.
Imagem: Agam Shah Seni
O que isso significa para você, entusiasta de hardware?
Apesar de ser assunto de software, a revolução dos agentes depende diretamente de GPUs massivas (como a linha NVIDIA H100), APUs otimizadas (Ryzen 8000G) e até teclados mecânicos capazes de manter a produtividade dos desenvolvedores que afinam modelos em tempo real. Se você pensa em montar ou atualizar seu setup, considere:
- Placa de vídeo com Tensor Cores – essencial para treinar modelos locais ou validar protótipos de agentes.
- Processador com IA integrada – chips como Intel Core Ultra ou Ryzen AI aceleram inferência em desktop, reduzindo custos de nuvem.
- Periféricos ergonômicos – trabalhar com prompts por horas a fio exige conforto; switches silenciosos e mouses de alta precisão evitam fadiga.
Esses upgrades não só preparam seu PC para testes com LLMs, como também valorizam skills cada vez mais demandadas pelo mercado.
Próximo passo: arquitetar em torno do dado, não do aplicativo
A grande ambição da EY, relatada por Whittaker, é “abstrair processos e aplicativos, deixando o dado no centro”. Quando os agentes entenderem o contexto onde a informação vive – e não apenas os formulários que a carregam – veremos a tal disrupção real. Até lá, seguimos afinando a carroça motorizada, mas com o GPS apontado para o carro autônomo.
Com informações de Computerworld
