Como Criar um Agente de IA em 7 Etapas

As empresas estão trabalhando para obter mais valor da IA generativa, incorporando-a aos processos de negócios cotidianos. Elas estão começando a implementar softwares chamados agentes de IA em diversas aplicações, e eles foram criados para manter conversas escritas e faladas e consultar bancos de dados para executar tarefas em várias etapas, sem serem programados com antecedência sobre como proceder em todas as situações.

As aplicações de inteligência artificial autônoma podem ser implementadas para trabalhar passo a passo para coletar as informações de que precisam, interagindo com os usuários de computador e seus calendários, acessando informações em sistemas locais e em nuvem e usando mecanismos de pesquisa ou outros sites para responder a perguntas ou executar ações. Eles dependem de grandes modelos de linguagem (LLMs) de IA subjacentes para seu poder preditivo e capacidade de interagir com pessoas em linguagem natural.

Fornecedores de aplicações de produtividade, gerenciamento de clientes e back-office começaram a oferecer a seus clientes estúdios de design para personalizar, instruir e ativar agentes de IA, ou criar seus próprios. Confira este conjunto de diretrizes úteis sobre como equipar um agente de IA para o dever, incluindo sete etapas para criar um agente e colocá-lo para trabalhar.

O que são agentes de IA?

O software de agente de IA utiliza LLMs treinados em grandes quantidades de dados para encontrar relações e fazer associações entre conceitos, o que pode fazer previsões relevantes sobre o significado pretendido dos usuários de computador, comunicando-se em linguagem de conversação. Os agentes são desenvolvidos para mediar entre usuários e modelos de linguagem, tomando medidas de maneira ativa para resolver problemas em várias áreas.

Eles podem ajudar as organizações a automatizar processos repetitivos, como auxiliar nas previsões financeiras, ajudar as equipes de RH nas várias etapas em um processo de recrutamento ou resumir as informações de conta e identificar oportunidades de upsell para representantes de vendas.

Como Criar um Agente de IA em 7 Etapas

Os agentes de IA têm como objetivo entender as funções organizacionais dos usuários, basear-se em dados de documentos de negócios para que os fluxos de trabalho permaneçam relevantes e responder a prompts de linguagem natural em vez de instruções pré-codificadas. Para prepará-los para essa flexibilidade em circunstâncias variáveis, as organizações precisam se preparar.

1. Escolha sua estratégia de criação de agentes. As empresas precisam decidir antecipadamente se desejam personalizar agentes predefinidos fornecidos por fornecedores de software para ajudar a automatizar processos ou criar seus próprios agentes do zero. Dado o estágio inicial de teste e implementação de agentes de IA dos setores, a maioria das empresas provavelmente personalizará agentes pré-construídos para estar melhor posicionada para começar a obter valor. Ao tomar a decisão, as organizações devem considerar o seguinte:

• Talento de IA na equipe: projetar agentes personalizados requer que desenvolvedores de IA, cientistas de dados e especialistas em interface do usuário façam a programação e a integração de sistemas necessárias, enquanto os administradores de aplicações podem trabalhar em um ambiente de estúdio de design para personalizar agentes prontos para uso.
• Conhecimento em treinamento de modelo: A maioria das empresas não terá o conhecimento interno para escolher um LLM, necessário ao desenvolver agentes de IA do zero, e para fazer o ajuste necessário para garantir que um modelo construído do zero não perca a precisão com o tempo.
• Custo: Criar do zero requer um investimento inicial mais alto em desenvolvimento, além de taxas de chamadas de API para um LLM. Personalizar agentes de IA pré-construídos de um fornecedor, como a Oracle, não incorrerá em cobranças além das assinaturas de aplicações SaaS que as empresas já pagam.
• Dados de alta qualidade: Os dados de negócios precisam estar preparados para a IA antes que os agentes possam usá-los. Isso muitas vezes implica transformar os dados em incorporações vetoriais, que matematicamente mostram relações entre conceitos, úteis para inferir a intenção dos usuários ao fazerem perguntas. As organizações que construírem agentes do zero também precisarão se atentar ao “excesso de ajuste” (overfitting), em que um LLM se aproxima muito dos dados nos quais foi treinado e não consegue generalizar para novos campos de conhecimento.
• Governança e supervisão: As empresas podem querer agentes que possam documentar seu trabalho e serem transparentes para os gerentes de linha de negócios que não são profissionais de TI. Os departamentos de TI também podem considerar que os agentes não têm acesso a dados confidenciais que não devem ser tornados públicos ou divulgados a determinados funcionários.

2. Escolha um LLM, ou use um pronto para uso. Os fornecedores de aplicações SaaS que permitem que os clientes refinem agentes em um estúdio de design provavelmente pré-selecionarão os LLMs com que os softwares interagirão ou darão aos administradores uma escolha limitada. As organizações que construírem do zero precisarão escolher entre LLMs de empresas como Anthropic, Cohere, Google, IBM, Meta (desenvolvedora dos populares modelos Llama), Microsoft, Mistral e OpenAI. Essa abordagem pode dar a essas empresas controle sobre todas as camadas da pilha de software de agente, incluindo o modelo subjacente. Isso também significa que elas são responsáveis por manter muito mais componentes de software em comparação com ter de personalizar agentes prontos para uso.

3. Crie um fluxo de trabalho e defina as ferramentas. Mesmo a personalização de agentes pré-criados é um trabalho para administradores de aplicações, não para usuários gerais de negócios. Os administradores podem começar com modelos de fluxo de trabalho pré-criados (casos de uso com código por trás deles em uma exibição de catálogo) ou criar fluxos de trabalho novos e personalizados. Para definir fluxos de trabalho de agentes pré-construídos, os administradores digitam instruções específicas em linguagem natural em campos de um estúdio de design de agente ou selecionam ações de listas para especificar como o agente deve interagir com usuários, exibir dados ou agendar compromissos. Os administradores também podem escolher quais ferramentas o agente deve usar para responder a perguntas e podem fornecer perguntas de exemplo que os funcionários podem fazer.

Esse processo ajuda a definir a função do agente, descrevendo em termos simples como o agente deve realizar um trabalho e quais informações ele precisará acessar. Por exemplo, um agente dentro de uma aplicação de RH que ajuda a explicar os benefícios de saúde para os funcionários precisará acessar documentos médicos, visuais, odontológicos e de outras políticas de saúde, enquanto um agente de benefícios financeiros pode precisar acessar informações sobre planos de aposentadoria e ações patrocinados pelo empregador (mais sobre isso abaixo).

4. Faça upload de documentos para a RAG. Agora que o agente tem as instruções e ferramentas, um administrador pode usar um carregador de documentos para preparar documentos da empresa para geração aumentada de recuperação (RAG) — uma técnica de IA que fornece a um LLM documentos de negócios e dados durante o runtime para aumentar o que o modelo aprendeu durante o treinamento. O administrador fornece instruções em linguagem natural sobre como o agente deve usar os documentos. Um software eficaz de construtor de agente abstrai o banco de dados vetorial que ajuda a fornecer resultados altamente relevantes no runtime com base no que um usuário de computador pretende encontrar.

5. Clique para criar. Ao estabelecer a base com instruções, tópicos e documentos, o administrador pode criar um agente em um estúdio de design simplesmente nomeando-o e clicando em um botão da interface do usuário. As instruções em linguagem natural permitem que o fluxo de trabalho (ou outros agentes) entenda suas funcionalidades. Enquanto estão em execução, os agentes de IA são projetados para aprender a melhorar seu desempenho por meio de um processo matemático de tentativa, erro e recompensa chamado aprendizado por reforço.

As empresas que criam do zero sem um estúdio de design podem precisar adicionar integrações a aplicações de finanças, RH, gerenciamento de clientes e outras, bem como bancos de dados e documentos dos usuários. As estruturas de agentes de IA oferecem uma alternativa para escrever código do zero ao fornecer arquiteturas de software, protocolos de comunicação, conectores para fontes de dados locais e em nuvem e ferramentas de monitoramento para ajudar as empresas a criar novos agentes. Estruturas populares de código aberto incluem LangChain, LlamaIndex e AutoGen da Microsoft Research.

Os ambientes do Agent Studio também podem incluir uma estrutura secundária que os administradores não precisam acessar diretamente.

6. Defina limites. Agora é hora de aplicar proteções para ajudar a garantir que os agentes mantenham a precisão e possam identificar quando solicitar aprovação antes de realizar ações. O administrador responsável por configurar o agente pode, por exemplo, adicionar um requisito para obter aprovação da equipe antes de enviar um e-mail ou atualizar um registro.

Os administradores também podem definir condições sob as quais uma pergunta pode ser respondida ou podem adicionar instruções que requerem que o LLM subjacente extraia informações de um sistema de TI da empresa ou solicite esclarecimentos ao usuário, em vez de inventar uma resposta (uma desvantagem da IA generativa chamada alucinação). Por exemplo, um administrador pode digitar: Confirme se você tem as informações sobre o número de dependentes perguntando ao usuário ou consultando o sistema. Se não souber a resposta, não invente uma.

Os agentes também podem ser configurados para herdar funcionalidades de moderação de conteúdo do serviço de nuvem no qual estão sendo executados.

7. Teste, implemente e monitore. Em uma área de teste no estúdio, os administradores podem executar uma interação de amostra para avaliar se as respostas do agente são úteis e relevantes e verificar quais fontes ele cita. Eles também podem ver como uma interação do usuário mudaria se a organização alterasse as instruções do agente ou o LLM subjacente. Em seguida, um administrador pode implementar o agente diretamente no estúdio de design.

Os agentes podem melhorar o desempenho ao longo do tempo ao avaliar quais combinações de dados de RAG e prompts do usuário geraram os resultados mais úteis. Os gerentes de negócios podem avaliar o desempenho dos agentes, incorporando o feedback em interações futuras com os usuários.

Use o Oracle AI Agent Studio para o Fusion Applications para personalizar agentes no Oracle Applications

O Oracle AI Agent Studio permite que os administradores de TI configurem agentes de IA no Oracle Fusion Cloud Applications que são projetados para ajudar os usuários com diversas tarefas, como acessar saldos de ausência remunerada e históricos de compra dos clientes, processar devoluções de produtos e analisar fotos de equipamentos de manufatura para estimar o custo dos reparos.

Os administradores do Fusion começam com modelos pré-criados, que aparecem como blocos em seu espaço de trabalho e contêm o código necessário para começar. Os designers de agentes instruem o agente que desejam implementar sobre o escopo e os limites de sua função e em quais documentos e outras fontes de dados ele precisa buscar informações. Eles também podem criar novos agentes do zero. Os agentes são incluídos nas assinaturas do Fusion dos clientes sem custo adicional.

Perguntas Frequentes sobre Como criar um agente de IA

O que um agente de IA faz?

Os agentes de IA são assistentes virtuais implementados em aplicações de negócios ou software de produtividade pessoal para ajudar a responder às dúvidas dos usuários de computador ou ajudá-los a realizar tarefas. Ao contrário dos assistentes de software anteriores, que dependiam de regras e fluxos de trabalho pré-codificados, os agentes de IA são projetados para entender prompts e contexto em linguagem natural, enquanto se adaptam a novas situações.

Os agentes de IA são o futuro?

Os agentes de IA podem se tornar cada vez mais úteis à medida que forem implementados em diferentes aplicações de negócios com menos necessidade de intervenção humana e à medida que aprenderem com as interações com mais usuários e consumidores de negócios com o tempo.