Inovação

por

As 10 principais aplicações de IA generativa empresarial

A equipe da IoT Analytics realizou uma extensa busca na internet por projetos de IA generativa conhecidos publicamente entre maio de 2022 e setembro de 2024 e reuniu todas as informações disponíveis para cada um dos 530 estudos de caso identificados.

Sobre os 530 projetos

A principal atividade comercial impulsionada pela IA generativa é a resolução de problemas do cliente, aparecendo em 35% dos 530 projetos empresariais que a IoT Analytics identificou e publicou em sua Lista de Projetos de IA Generativa (publicada em fevereiro de 2025).

A IA generativa é amplamente aplicável em todos os departamentos. Cada um dos 14 departamentos diferentes analisados ​​pela IoT Analytics para seu estudo possui atividade de IA generativa — em atividades primárias, como operações ou vendas, e atividades secundárias, como RH ou jurídico.

Departamento nº 1 a adotar IA generativa: Suporte ao cliente. Coincidindo com a resolução de problemas do cliente sendo a principal atividade empresarial, 49% dos projetos visavam aprimorar as funções de suporte ao cliente em geral. Outros departamentos que aparentemente estão fazendo uso intenso de IA generativa são marketing (27%) e TI (24%).

Setor nº 1 a adotar IA generativa: Tecnologia. O setor de tecnologia lidera a adoção, com 56% de participação nos projetos, com exemplos notáveis ​​incluindo o assistente de IA Joule da SAP ou o Salesforce Einstein GPT. Muitos dos projetos de IA generativa implementados no setor de tecnologia resultam em produtos que são então vendidos para outras empresas. A manufatura (8%) é o segundo maior setor. Exemplos notáveis ​​de projetos adotados em cada setor são o Siemens Industrial Copilot ou o projeto Coke Creations da Coca-Cola. Serviços profissionais (7%) vêm em terceiro lugar, com projetos como o KPMG KymChat ou o Accenture AI Navigator.

Região nº 1 em adoção de IA generativa: América do Norte. De uma perspectiva regional, os dados mostram que as organizações norte-americanas estão à frente na adoção de IA generativa, representando 56% da atividade total. Em seguida, vêm as empresas da região EMEA (27%) e as da região APAC (15%).

Estas são apenas algumas estatísticas de alto nível da lista de projetos de IA generativa. Abaixo, a equipe de análise de IoT analisa em detalhes as 10 principais aplicações corporativas de IA generativa, classificadas por frequência de adoção nos 530 projetos. Cada aplicação representa uma atividade empresarial diferente que se beneficia da IA ​​generativa.

Definição de IA generativa

IA generativa é um tipo de inteligência artificial que utiliza técnicas de aprendizado profundo para gerar novos textos, códigos, imagens, áudios, vídeos ou outras formas de mídia. Ela se baseia em modelos treinados para analisar padrões e estruturas em grandes conjuntos de dados e usar essa análise para produzir novos resultados com características semelhantes.

As 10 principais aplicações de IA generativa

1. Resolução de problemas para suporte ao cliente – 35% dos projetos

Resolução de problemas refere-se ao tratamento de tickets de suporte recebidos, reclamações ou problemas relatados pelos clientes sobre seus produtos ou serviços. A IA generativa pode classificar, encaminhar e até mesmo responder automaticamente aos problemas dos usuários — geralmente em vários idiomas e canais.

Impacto nos negócios

Automatizar o suporte ao cliente com IA generativa pode ajudar a melhorar KPIs como tempo médio de resolução, taxa de resolução no primeiro contato, satisfação do cliente e custo de suporte por ticket. Ao reduzir a triagem manual e permitir respostas mais rápidas, as empresas relatam melhorias no tempo de resposta em até 80%, enquanto lidam com volumes maiores de tickets sem aumentos proporcionais de pessoal.

Além disso, o suporte com tecnologia de IA pode operar 24 horas por dia, 7 dias por semana e em vários idiomas, permitindo um serviço consistente em todas as regiões e fusos horários. Com o tempo, os adotantes esperam que isso leve a uma maior fidelidade do cliente, redução da rotatividade e economias substanciais de custos — especialmente para organizações com operações de clientes em larga escala.

Exemplo: Agente de atendimento de IA da Klarna

Em janeiro de 2024, a fintech sueca Klarna implantou um agente de atendimento ao cliente generativo baseado em IA e com tecnologia OpenAI, que supostamente resolveu a carga de trabalho equivalente a 700 agentes de suporte. O agente da Klarna agora lida com consultas em 23 mercados e, de acordo com a empresa, oferece suporte mais rápido e 24 horas por dia, além de contribuir para a redução de custos e ganhos de eficiência.

2. Tratamento de consultas para suporte ao cliente – 34% dos projetos

O tratamento de consultas envolve responder às solicitações de informações dos clientes, como solicitações de informações sobre produtos, detalhes de preços, status de pedidos ou explicações sobre serviços.

A IA generativa pode automatizar essas tarefas, permitindo que os agentes de suporte ao cliente se concentrem em questões mais urgentes.

Impacto nos negócios

Ao automatizar consultas padrão, as empresas podem desviar tickets de agentes ao vivo, liberando-os para se concentrar em casos mais complexos. Isso ajuda a reduzir os tempos de resposta, diminuir as pontuações de esforço do cliente e aumentar a satisfação. As respostas baseadas em IA podem ser adaptadas ao contexto do cliente (por exemplo, pedidos anteriores), melhorando a precisão e o valor percebido.

Exemplo: Assistente de consulta automatizado da Kuka

Em abril de 2023, a KUKA, fornecedora global de soluções de automação, trabalhou com a Empolis, uma empresa, para desenvolver a prova de conceito — e adotar — o assistente virtual de IA generativa da Empolis, chamado Empolis Buddy. Desenvolvido usando o Amazon Bedrock da AWS, o Empolis Buddy utiliza grandes modelos de linguagem para acessar e consultar documentação extensa, incluindo procedimentos operacionais padrão e manuais de fabricação.

3. Suporte pós-venda para suporte ao cliente — 19% dos projetos

O suporte pós-venda abrange tarefas como assistência na integração, orientação sobre o uso do produto, processamento de devoluções e gerenciamento de garantia. A IA generativa pode ser incorporada em centrais de ajuda, respondedores de e-mail ou sistemas de URA para orientar os clientes após a compra.

Impacto nos negócios

Aprimorar as experiências pós-venda ajuda a prevenir a rotatividade e aumenta as oportunidades de upsell. A IA generativa oferece suporte a um modelo de serviço proativo, orientando os usuários antes que os problemas surjam, personalizando o aconselhamento com base no histórico de compras e minimizando o atrito pós-venda. Isso pode reduzir o volume de tickets e melhorar o Net Promoter Score (NPS).

Exemplo: Assistente de IA da Telstra para agentes de atendimento

Em meados de 2023, a Telstra, uma operadora de telecomunicações australiana, desenvolveu duas ferramentas de IA generativa — Ask Telstra e One Sentence Summary — usando o Microsoft Azure OpenAI Service para aprimorar o suporte ao cliente após a ativação do serviço. Essas ferramentas ajudam os agentes a acessar rapidamente os detalhes da conta e do produto e a resumir interações anteriores, permitindo uma solução de problemas mais rápida e acompanhamentos mais personalizados. De acordo com a Telstra, as ferramentas reduziram os contatos de acompanhamento em 20%, com 90% de seus funcionários de atendimento ao cliente relatando economia de tempo e melhoria na qualidade do suporte pós-venda.

4. Criação de conteúdo para marketing – 17% dos projetos

Criação de conteúdo refere-se à geração de blogs, postagens em mídias sociais, textos publicitários, landing pages, campanhas de e-mail e comunicações internas. A IA generativa pode criar (ou ajudar a criar) esse conteúdo, aproveitando modelos de linguagem abrangentes que são ajustados para tom e relevância do assunto.

Impacto nos negócios

A IA pode reduzir o tempo de lançamento no mercado de campanhas e novos conteúdos (por exemplo, páginas da web) automatizando os primeiros rascunhos, adaptando as mensagens aos segmentos de público e garantindo a consistência da marca. Ela também reduz a dependência da agência e dimensiona os esforços de personalização sem exigir aumentos equivalentes de pessoal.

Exemplo: Assistente de marketing da NC Fusion

Em meados de 2023, a NC Fusion, uma organização esportiva juvenil sem fins lucrativos na Carolina do Norte, adotou o Microsoft Copilot no Dynamics 365 Customer Insights para aprimorar suas campanhas de marketing direcionadas, como a criação de e-mails e da jornada do cliente. Enfrentando desafios para escalar o alcance personalizado devido à limitação de recursos, a organização utilizou os recursos de IA generativa do Copilot para otimizar a criação de conteúdo e a segmentação do público. Essa integração permitiu que a NC Fusion reduzisse o tempo de elaboração de e-mails de 60 para 10 minutos, facilitando a implementação mais rápida de campanhas direcionadas, como a iniciativa “You do belong”, que visa incentivar meninas a permanecerem engajadas em esportes. Como resultado, a organização relatou um aumento de três vezes no engajamento do cliente, acrescentando:

5. Desenvolvimento de software para TI – 15% dos projetos

Desenvolvimento de software refere-se à geração de código, depuração, documentação de código e criação de casos de teste para software. Para auxiliar nessas tarefas, os desenvolvedores podem usar ferramentas generativas baseadas em IA incorporadas em ambientes de desenvolvimento integrados (IDEs), como GitHub Copilot, Amazon Q Developer e outros copilots proprietários, ou trabalhar com chatbots, como ChatGPT, Gemini ou Claude.

Impacto nos negócios

O suporte à IA reduz o tempo gasto em código boilerplate, documentação e tarefas de manutenção, permitindo que os desenvolvedores se concentrem em recursos de alto impacto. As organizações se beneficiam de lançamentos mais rápidos e menos bugs em produção.

Exemplo: Integração do Assistente de IA da JetBrains para programação

A JetBrains, fornecedora tcheca de ferramentas de programação com sede na Holanda, anunciou seu Assistente de IA para seu conjunto de IDEs em junho de 2023. Utilizando a API da OpenAI, este assistente auxilia os desenvolvedores gerando trechos de código, sugerindo refatorações e fornecendo explicações para segmentos de código. De acordo com a JetBrains, o Assistente de IA se tornou o produto de crescimento mais rápido da empresa, com 77% dos desenvolvedores relatando aumento de produtividade e 55% notando mais tempo para se concentrar em tarefas envolventes. A integração simplificou o processo de desenvolvimento, permitindo codificação e resolução de problemas mais eficientes.

6. Otimização de processos para operações – 11% dos projetos

A otimização de processos envolve a melhoria dos fluxos de trabalho para aumentar a eficiência, reduzir custos e aprimorar a qualidade dos resultados. Em operações, isso significa otimizar tarefas, eliminar gargalos e padronizar procedimentos. A IA generativa apoia isso

analisando dados (por exemplo, identificando atrasos nos registros de produção) e gerando recomendações ou documentação (por exemplo, elaborando POPs atualizados para manuseio de equipamentos) — ajudando as equipes a identificar melhorias mais rapidamente e implementá-las com mais eficácia.

Impacto nos negócios

A IA generativa permite a identificação mais rápida de ineficiências e agiliza melhorias de rotina, ajudando as organizações a reduzir custos operacionais, reduzir o esforço manual e acelerar a implementação. Ao automatizar tarefas como documentação e análise de dados, as empresas podem alcançar um desempenho mais consistente e obter ganhos mensuráveis ​​em eficiência e ROI em suas operações.

Exemplo: Iniciativa de automação de documentos da Covered California

Em abril de 2024, a Covered California, um marketplace de seguros de saúde com sede nos EUA, implementou um processo generativo de verificação de sinistros com tecnologia de IA usando o Document AI do Google Cloud em colaboração com a Deloitte. A IA agora automatiza tarefas manuais recorrentes, como revisar documentos de elegibilidade, extrair dados relevantes e determinar o status da verificação. De acordo com a Covered California, essa automação melhorou a taxa de verificação de documentos de 28% a 30% para 84%, com expectativa de ultrapassar 95% após treinamento adicional — resultando em um processamento de sinistros mais rápido e um atendimento ao cliente aprimorado.

7. Suporte de TI – 8% dos projetos

Equipes de suporte de TI auxiliam em problemas técnicos comuns, como redefinições de senhas, solução de problemas de software e solicitações de acesso ao sistema. Essas tarefas podem ser confiadas à IA generativa para que as equipes de suporte de TI possam se concentrar em atingir as metas de TI da organização. Ferramentas baseadas em IA generativa são frequentemente incorporadas a help desks corporativos ou agentes virtuais.

Impacto nos negócios

Ao lidar com consultas repetitivas automaticamente, as organizações podem reduzir o backlog de tickets, diminuir os custos de suporte e liberar a equipe de TI para tarefas de maior complexidade. A IA também pode fornecer resoluções mais consistentes e precisas, baseando-se em documentação estruturada e casos históricos.

Exemplo: Assistente de suporte de TI com tecnologia de IA da Condor

Em 2024, a Condor, uma empresa brasileira de bens de consumo, desenvolveu um protótipo de IA generativa para aprimorar seu suporte interno de TI, em colaboração com a MadeinWeb, parceira da AWS, que supostamente foi construído em apenas algumas semanas. A Condor adotou a plataforma de IA generativa Charla, da MadeinWeb, que visa ajudar as empresas a usar o Amazon Bedrock em casos como assistentes virtuais. O assistente de IA da Condor foi treinado com base em seus tickets de TI históricos e documentação técnica e, de acordo com a Condor, o assistente fornece respostas precisas e contextualizadas às consultas dos funcionários, melhorando a eficiência do service desk e reduzindo os tempos de resposta.

8. Design de produto para P&D – 8% dos projetos

Design de produto é a ideação e o desenvolvimento de novos produtos. A IA generativa pode gerar variações de design, personalizar recursos e criar protótipos digitais com base em descrições textuais ou imagens de referência.

Impacto nos negócios

Ao automatizar aspectos do processo de design, as empresas podem explorar uma gama mais ampla de opções de design, adaptar produtos às preferências específicas do cliente e agilizar a transição do conceito para a produção.

Exemplo: Kit Inicial de Design de Produto com IA Generativa da Grid Dynamics

Em maio de 2023, a Grid Dynamics, uma empresa de engenharia digital sediada nos EUA, lançou seu Kit Inicial de Design de Produto com IA Generativa para apoiar varejistas, marcas e fabricantes na aceleração do design de produtos e no desenvolvimento de experiências digitais. O kit inclui modelos de referência e fluxos de trabalho que utilizam recursos de IA generativa de texto para imagem e imagem para imagem — permitindo que os usuários gerem, editem e reformulem conceitos de produtos a partir de prompts textuais ou visuais existentes. De acordo com a Grid Dynamics, essa abordagem melhora a ideação do design em estágio inicial, encurta os ciclos de prototipagem e oferece suporte a experiências de produtos mais personalizadas em escala.

9. Prototipagem para P&D – 8% dos projetos

A prototipagem envolve a criação de modelos funcionais ou simulações de produtos, serviços ou campanhas. As equipes de prototipagem podem usar IA generativa para executar essas tarefas, testar conceitos, coletar feedback e iterar designs com eficiência antes do desenvolvimento em larga escala.

Impacto nos negócios

Ao permitir a prototipagem rápida, as organizações podem validar ideias mais rapidamente, adaptar-se às mudanças do mercado e lançar inovações no mercado com mais agilidade.

Exemplo: Prototipagem de proteínas orientada por IA da Evozyne com a NVIDIA

A Evozyne, uma startup de biotecnologia sediada nos EUA, fez uma parceria com a NVIDIA, empresa americana de computação em IA e semicondutores, para desenvolver o modelo ProT-VAE, um sistema de IA generativa projetado para prototipar novas proteínas. Utilizando a estrutura BioNeMo da NVIDIA, o ProT-VAE

combina modelos de transformadores com autocodificadores variacionais para gerar milhões de sequências de proteínas em segundos. Essa abordagem permite modificações significativas — alterando metade ou mais dos aminoácidos de uma proteína em uma única iteração —, possibilitando a exploração de funções proteicas inteiramente novas. De acordo com Evozyne, esse método acelerou o processo de prototipagem de meses para semanas, facilitando o desenvolvimento de proteínas com potenciais aplicações no tratamento de doenças e na abordagem de desafios ambientais.

10. Estudos de viabilidade para P&D – 8% dos projetos

Estudos de viabilidade envolvem a avaliação da praticidade e do potencial de sucesso de projetos.

A IA generativa pode ajudar a simular cenários, analisar dados e prever resultados, auxiliando nos processos de tomada de decisão em diversos setores.

Impacto nos negócios

Ao fornecer simulações detalhadas e análises preditivas, as organizações podem tomar decisões informadas, reduzir riscos e alocar recursos de forma mais eficaz.

Exemplo: Modelagem de viabilidade de materiais baseada em IA da GenMat

Em março de 2023, a Quantum Generative Materials (GenMat), uma empresa americana de ciência de materiais, anunciou o desenvolvimento de modelos de IA generativa projetados para simular e avaliar novos materiais com mais eficiência. O sistema aplica modelagem generativa para avaliar a adequação potencial de um material para aplicações específicas — como energia, defesa ou aeroespacial — prevendo propriedades e comportamento sem testes extensivos de laboratório. De acordo com a empresa, a abordagem encurta as avaliações de viabilidade em estágio inicial, ajudando as equipes de P&D a priorizar quais materiais buscar e reduzindo o tempo e o custo normalmente associados à experimentação física.

Fonte: IoT Analytics – The top 10 enterprise generative AI applications – Based on 530 real-world projects – April 28, 2025.

por

Principais tendências tecnológicas da Gartner para 2025

As tendências tecnológicas estratégicas estão moldando o futuro ao impulsionar a inovação, ao mesmo tempo em que mantêm a responsabilidade ética e a confiança.

Para CIOs e outros líderes seniores de TI, a verdadeira medida da liderança está na capacidade de antecipar e se preparar para o futuro — muito além do horizonte imediato. As Principais Tendências Tecnológicas Estratégicas da Gartner de 2025 servem como um mapa estelar vital para essa jornada, e as tendências se dividem em três grupos:

  • Riscos imperativos da IA: A ascensão dos agentes de IA exigirá avanços na governança de IA e novas tecnologias para combater a desinformação.
  • Novas fronteiras da computação: A computação quântica exigirá novos métodos criptográficos, enquanto sensores de baixo custo permitirão modelos de negócios inovadores.
  • Sinergia homem-máquina – Prepare-se para interações aprimoradas entre experiências físicas e virtuais, robôs se integrando à vida cotidiana e tecnologias que influenciam diretamente a cognição e o desempenho.

Segue um resumo das 10 principais tendências tecnológicas estratégicas apresentadas no relatório:

1 – Agente de IA

Agentes de IA se refere a programas de software que são projetados para tomar decisões e ações de forma independente para atingir objetivos específicos.

Esses programas combinam várias técnicas de IA com recursos como memória, planejamento, detecção do ambiente, uso de ferramentas e acompanhamento de diretrizes de segurança para realizar tarefas para atingir objetivos por conta própria.

Porque é uma tendência: A capacidade de um Agente IA de agir de forma autônoma ou semiautônoma tem o potencial de ajudar os CIOs a concretizar sua visão de IA generativa para aumentar a produtividade em toda a organização.

2 – Plataformas de governança de IA

As plataformas de governança de IA ajudam a gerenciar e controlar os sistemas de IA garantindo que sejam usados ​​de forma responsável e ética.

Elas permitem que os líderes de TI garantam que a IA seja confiável, transparente, justa e responsável, ao mesmo tempo em que atende aos padrões de segurança e éticos. Isso garante que a IA esteja alinhada aos valores da organização e às expectativas sociais mais amplas.

Porque é uma tendência: A IA está sendo usada em mais áreas, especialmente em indústrias com regulamentações rigorosas. À medida que a IA se espalha, também se espalham riscos como preconceito, questões de privacidade e a necessidade de se alinhar com valores humanos.

É crucial garantir que a IA não prejudique certos grupos, manipule mercados ou controle sistemas importantes.

3 – Segurança de desinformação

A segurança de desinformação é projetada para ajudar a identificar o que pode ser confiável.

O objetivo é criar sistemas que garantam que as informações sejam precisas, verifiquem a autenticidade, evitem a representação falsa e monitorem a disseminação de conteúdo prejudicial.

Porque é uma tendência: A desinformação é uma corrida armamentista digital: phishing, hacktivismo, fake news e engenharia social estão sendo turbinados por adversários que pretendem semear o medo, espalhar o caos e cometer fraudes. À medida que as ferramentas de IA e aprendizado de máquina se tornam mais avançadas e acessíveis, espera-se que a desinformação direcionada às empresas aumente, representando riscos significativos e duradouros se não for controlada.

4 – Criptografia Pós-Quântica

A criptografia pós-quântica (PQC) se refere a métodos criptográficos projetados para serem seguros contra as ameaças potenciais representadas por computadores quânticos.

Porque é uma tendência: A computação quântica logo se tornará uma realidade, potencialmente nesta década, e espera-se que torne muitos métodos criptográficos convencionais obsoletos, representando um risco significativo para a segurança de dados. Os criminosos já estão antecipando essa mudança, adotando estratégias como “colher agora, descriptografar depois”, onde eles filtram dados criptografados com a expectativa de que eventualmente serão capazes de descriptografá-los usando tecnologia quântica. Essa ameaça emergente acelerou a necessidade de se preparar para o PQC, que oferece proteção contra a descriptografia quântica.

5 – Inteligência Invisível Ambiental

A inteligência invisível ambiental se refere ao uso generalizado de pequenas etiquetas e sensores de baixo custo para rastrear a localização e o status de vários objetos e ambientes.

Essas informações são enviadas para a nuvem para análise e manutenção de registros. Essas tecnologias serão incorporadas a objetos do cotidiano, muitas vezes sem que o usuário as perceba.

Porque é uma tendência: A tecnologia para etiquetas e sensores de baixo custo se tornou mais acessível, tornando-a economicamente atraente. Ela oferece visibilidade em tempo real, o que é valioso para organizações e cadeias de suprimentos — e pode se expandir para ecossistemas mais amplos ao longo do tempo. Avanços em padrões sem fio como Bluetooth e redes celulares, bem como tecnologias emergentes como backscatter e eletrônicos impressos, darão suporte a novos casos de uso. Essa inteligência também se tornará uma fonte de dados essencial para IA e análise, melhorando produtos e processos.

6 – Computação com eficiência energética

A computação com eficiência energética se refere ao projeto e operação de computadores, data centers e outros sistemas digitais de maneiras que minimizem o consumo de energia e a pegada de carbono.

Porque é uma tendência: A sustentabilidade agora é um foco de nível de diretoria.

A TI contribui significativamente para pegadas ambientais, especialmente em setores como serviços financeiros e serviços de TI, pois IA e outras tecnologias geram maior consumo de energia. Enquanto as melhorias de processamento convencionais estão atingindo seus limites, espera-se que novas tecnologias de computação, como unidades de processamento gráfico (GPUs), computação neuromórfica e computação quântica, forneçam os ganhos substanciais de eficiência energética necessários nos próximos cinco a 10 anos.

7 – Computação Híbrida

A computação híbrida combina várias tecnologias — como CPUs, GPUs, dispositivos de ponta, ASICs e sistemas neuromórficos, quânticos e fotônicos — para resolver problemas computacionais complexos.

Ela cria um ambiente híbrido que usa os pontos fortes de cada tecnologia.

Porque é uma tendência: A computação híbrida permite que as empresas aproveitem novas tecnologias como sistemas fotônicos, biocomputacionais, neuromórficos e quânticos para impacto disruptivo. IA generativa é um exemplo importante, onde resolver problemas complexos requer computação avançada, rede e armazenamento em larga escala.

8 – Computação Espacial

A computação espacial aumenta o mundo físico ao “ancorar” o conteúdo digital no mundo real, permitindo que os usuários interajam com ele em uma experiência imersiva, realista e intuitiva.

Porque é uma tendência: A computação espacial está em alta devido aos avanços em realidade aumentada (RA), realidade mista (RM) e tecnologias de IA, permitindo ambientes digitais imersivos em jogos, saúde e comércio eletrônico. A proliferação do 5G e novos dispositivos como Apple Vision Pro e Meta Quest 3 estão impulsionando a demanda do consumidor e abrindo oportunidades para novos modelos de negócios.

Com grandes empresas como Nvidia e Qualcomm construindo ecossistemas, o mercado está projetado para crescer de US$ 110 bilhões em 2023 para US$ 1,7 trilhão até 2033.

9 – Robôs polifuncionais

Robôs polifuncionais são máquinas que podem executar múltiplas tarefas, seguindo instruções ou exemplos humanos.

Eles são flexíveis tanto no design quanto na forma como operam.

Porque é uma tendência: Robôs polifuncionais estão em alta devido aos crescentes custos de mão de obra e à demanda por ROI aprimorado em setores como armazenagem e manufatura. Os fornecedores estão atraindo a atenção da mídia com preços competitivos, tornando a robótica avançada mais acessível. Embora haja uma ampla variedade de preços e capacidades, os primeiros a adotar estão explorando o potencial desses robôs para lidar com múltiplas tarefas, prometendo flexibilidade e eficiência de custos nos negócios.

10 – Aprimoramento neurológico

Aprimoramento neurológico é o processo de melhorar as habilidades cognitivas de um ser humano usando tecnologias que leem e decodificam a atividade cerebral e, opcionalmente, escrevem no cérebro.

Porque é uma tendência: O aprimoramento neurológico está em alta devido ao seu potencial de permitir a transparência cerebral, revolucionando a assistência médica.

À medida que a IA evolui rapidamente, as empresas estão explorando interfaces cérebro-máquina para ajudar os trabalhadores a se qualificarem e permanecerem competitivos ao aprimorar as habilidades cognitivas. Também está sendo analisado para criar experiências e interações mais profundas e personalizadas para o consumidor por meio de táticas de marketing de última geração.

Fonte: Gartner – 2025 Top Strategic Technology Trends. Novembro de 2024.

Spotlight on 2024 Gartner Hype Cycle™ for Emerging Technologies

Gartner 2024 Hype Cycle for Emerging Technologies Highlights Developer Productivity, Total Experience, AI and Security. Outubro de 2024

por

O maior ecossistema de Agentes de IA para Empresas

A Microsoft construiu, sem muito alarde, o maior ecossistema de agentes de IA voltados para empresas. Mais de 100.000 organizações já criaram ou editaram agentes de IA usando o Copilot Studio desde o lançamento, um marco que posiciona a empresa como líder em um dos setores mais promissores e competitivos da tecnologia empresarial.

“Agentes de IA são sistemas inteligentes autônomos que realizam tarefas específicas sem intervenção humana. Organizações usam agentes de IA para atingir objetivos específicos e tomar decisões, planejar e se adaptar a novas informações em tempo real. Agentes de IA aprendem e aprimoram seu desempenho por meio de feedback, utilizando algoritmos avançados e entradas sensoriais para executar tarefas e se envolver com seus ambientes.”

“Isso aconteceu mais rápido do que imaginávamos e mais rápido do que qualquer outra tecnologia inovadora que lançamos”, disse Charles Lamanna, executivo da Microsoft responsável pela visão de agentes da empresa, em entrevista ao VentureBeat. “Esse crescimento foi o dobro em apenas um trimestre.”

Essa rápida adoção coincide com a expansão significativa dos recursos de agentes da Microsoft. Durante a conferência Ignite, que começa hoje, a empresa anunciou que permitirá às organizações usar qualquer um dos 1.800 modelos de linguagem grande (LLMs) disponíveis no Azure em seus agentes, indo além da dependência exclusiva dos modelos da OpenAI. Também foram apresentados agentes autônomos capazes de atuar de forma independente, identificando eventos e gerenciando fluxos de trabalho complexos com supervisão humana mínima.

Esses agentes de IA, que utilizam IA generativa para executar tarefas comerciais específicas, estão se tornando ferramentas poderosas para automação e produtividade nas empresas. A plataforma da Microsoft possibilita a criação de agentes para uma ampla gama de tarefas, desde atendimento ao cliente até automação de processos complexos, sempre com foco em segurança e governança de nível corporativo.

Uma Base Empresarial Sólida

O sucesso inicial da Microsoft nessa área vem de sua dedicação às necessidades específicas das empresas, muitas vezes negligenciadas no ciclo de hype da IA. Além dos novos agentes autônomos e da flexibilidade dos LLMs apresentados no Ignite, a verdadeira vantagem da empresa está em sua infraestrutura empresarial robusta.

A plataforma se integra a mais de 1.400 sistemas e fontes de dados corporativos, como SAP, ServiceNow e bancos de dados SQL. Isso permite que as empresas criem agentes capazes de acessar e agir sobre informações em seus ecossistemas de TI existentes. Além disso, a Microsoft lançou dez agentes autônomos pré-configurados, voltados para funções comerciais essenciais, como vendas, finanças e cadeias de suprimentos, acelerando sua implementação em casos de uso comuns.

Embora a Microsoft não tenha detalhado os tipos de agentes mais populares entre os clientes, Lamanna destacou duas categorias principais: os agentes criados por equipes de TI para tarefas essenciais e os agentes Copilot desenvolvidos pelos próprios funcionários para compartilhar documentos ou apresentações, permitindo interações e perguntas baseadas no conteúdo.

Os recursos de segurança e governança, muitas vezes negligenciados em implantações de IA, são elementos centrais da arquitetura da Microsoft. O sistema de controle garante que os agentes operem dentro das permissões e políticas de dados corporativos.

“Esperamos que isso seja amplamente adotado”, disse Lamanna, comparando o impacto dessa tecnologia à forma como a internet transformou a conectividade e a arquitetura de sistemas no passado.

Resultados Visíveis para os Primeiros Usuários

Empresas pioneiras já estão colhendo benefícios significativos. A McKinsey, por exemplo, reduziu o tempo de entrada de projetos de 20 dias para apenas 2 dias com agentes automatizados. A Pets at Home implantou agentes antifraude em menos de duas semanas, economizando milhões anualmente. Outras organizações, como Standard Bank, Zurich e Virgin Money, também adotaram o Copilot Studio.

A “Malha do Agente” da Microsoft

No coração da estratégia da Microsoft está a “malha do agente”, um sistema interconectado onde agentes de IA colaboram para resolver problemas complexos. Esses agentes podem coordenar tarefas, compartilhar conhecimento e agir de forma integrada em toda a organização. Por exemplo, um agente de vendas pode solicitar a um agente de inventário que verifique a disponibilidade de um produto, que por sua vez notifica um agente de atendimento ao cliente para atualizar o cliente em tempo real.

Essa abordagem inclui agentes autônomos que detectam eventos e agem automaticamente, uma camada de orquestração para coordenar múltiplos agentes especializados e ferramentas de monitoramento em tempo real para garantir transparência nos fluxos de trabalho.

A Microsoft também está desenvolvendo inovações como o sistema Magnetic-One, baseado na estrutura Autogen, que estabelece uma hierarquia de agentes para gerenciar tarefas abertas e complexas. Essa abordagem visa escalar de centenas para milhões de agentes, mantendo o controle operacional.

Imagem

Por fim, o modelo de preços da plataforma reflete essa abordagem empresarial, focando no número de mensagens trocadas em vez de cobrar por processamento bruto, enfatizando os resultados de negócios. Lamanna destacou que as empresas agora buscam exemplos práticos de valor comercial, sinalizando uma mudança significativa no mercado.

A corrida pelos agentes de IA empresarial

Enquanto diversos gigantes da tecnologia investem fortemente no desenvolvimento de agentes de IA, a Microsoft se destaca por sua combinação de recursos voltados ao ambiente corporativo e integrações amplas. Concorrentes como Salesforce, com sua plataforma Agentforce, que já registra 10.000 agentes criados, e a ServiceNow, com os Agents ServiceNow, ainda estão em fases iniciais e não possuem o alcance empresarial da Microsoft, cuja base inclui centenas de milhões de trabalhadores que utilizam seus produtos de produtividade.

Os concorrentes seguem abordagens variadas. A OpenAI, por exemplo, foca no acesso direto à API, mas ainda não estruturou uma solução para implantação empresarial de agentes de IA. Seu modelo mais recente, o o1-preview, oferece avanços em raciocínio, sugerindo um potencial para agentes mais inteligentes no futuro. Empresas emergentes como Crew apresentam estruturas experimentais, mas ainda não possuem escala corporativa. A LangChain, por sua vez, é popular entre desenvolvedores devido à sua modularidade, mas prioriza experimentação em vez de implementações de larga escala. Já a AWS, por meio do SageMaker, e o Google, com suas soluções de IA voltadas a setores específicos, não têm uma estrutura de agentes tão coesa quanto a da Microsoft.

A grande vantagem da Microsoft está na integração de segurança corporativa, ferramentas de baixo código, modelos prontos para uso e SDKs avançados para desenvolvedores. Além disso, a empresa trabalhou para unificar seus diversos bancos de dados analíticos e aplicativos, permitindo que os agentes de IA acessem dados corporativos nativamente, sem depender de chamadas adicionais para fins de geração aumentada de recuperação (RAG). Um exemplo disso é o recente anúncio da integração de bancos de dados transacionais com seus agentes.

Apesar do progresso, a tecnologia de agentes de IA ainda enfrenta desafios. Modelos de linguagem podem gerar respostas incorretas (as chamadas “alucinações”) e exigem configurações cuidadosas para evitar problemas como loops infinitos ou custos excessivos. Alguns clientes têm expressado preocupações com os desafios relacionados ao custo e à implementação do Copilot.

O mercado também tende a permanecer fragmentado. Muitas empresas da Fortune 500 podem adotar abordagens híbridas, combinando os agentes Copilot da Microsoft para produtividade interna com outras plataformas para aplicações críticas e confidenciais.

Conclusão: Rumo à empresa orientada por agentes

A liderança da Microsoft na implantação de agentes de IA empresariais não se deve a um único diferencial, mas a uma abordagem abrangente que combina infraestrutura robusta, integrações extensivas e foco em resultados comerciais tangíveis, em vez de apenas capacidades técnicas.

O próximo ano será decisivo para consolidar essa liderança. Concorrentes estão aprimorando suas plataformas, enquanto as empresas começam a sair da fase de testes para adotar a tecnologia em larga escala. O que é certo é que os agentes de IA estão ultrapassando o estágio de hype e se tornando parte integrante da arquitetura de TI corporativa, trazendo desafios e oportunidades.

Para líderes técnicos, este é o momento de explorar como os agentes de IA podem transformar processos, desde a automação de tarefas rotineiras até a criação de novas formas de colaboração. Comece com projetos menores, priorize resultados mensuráveis e considere agentes pré-configurados para acelerar a implementação.

Para mais detalhes, assista à entrevista completa com Charles Lamanna, onde ele aborda como a Microsoft está liderando essa revolução, a relevância dos agentes de IA na arquitetura empresarial e a evolução de práticas como o ContentOps no contexto corporativo.

Este post foi postado originalmente no LinkedIn em O maior ecossistema de Agentes de IA para Empresas

Fonte: ‘VentureBeat: Microsoft quietly assembles the largest AI agent ecosystem—and no one else is close‘, 19 de novembro de 2024.