Seu Agente de IA Sabe Tudo — e Não Entende Nada

“Devemos nos juntar aos meus pais em sua viagem à Irlanda” — essa declaração aparentemente inócua me deu arrepios.

Minha esposa e eu viajamos extensivamente. Sabemos o que gostamos. Os pais da minha esposa, por outro lado, raramente viajam mais de algumas centenas de milhas de sua casa e deixaram o país juntos um total de uma vez — para o nosso casamento.

Para completar, essa viagem foi um presente de Natal do meu sogro para a minha sogra, para que ela pudesse ir e visitar sua família, talvez pela última vez.

Eu podia ver essa viagem se desenrolando em uma única palavra: desastre. Como no mundo seríamos capazes de sintetizar experiências e expectativas tão diferentes para que pudéssemos ter uma viagem incrível — ou pelo menos não nos odiar no final dela?

Como qualquer techie que se preze, eu recorri à tecnologia — especificamente à IA.

Mas o que eu não esperava é que meu pequeno experimento em codificar o clima de uma aplicação de planejamento de viagem para família com IA me ensinaria quase tudo o que preciso saber sobre a aplicação de IA dentro da TI empresarial.

Quanto Mais Você Alimenta a IA, Mais Burra Ela Fica

A maioria das implantações de IA empresariais segue um padrão previsível. As organizações começam dando a um agente um conjunto de instruções e conectando-o a uma fonte de informação, seja um framework RAG (Geração Aumentada de Recuperação), uma base de conhecimento existente ou até mesmo um servidor MCP. Em seguida, adicione uma LLM e deixe que ela faça sua coisa.

O problema é que as LLMs em seu núcleo são burras. Elas não sabem como priorizar todas as informações que têm à sua disposição, então tendem a tratar cada pedaço de contexto igualmente. Um ser humano precisa adicionar uma camada de curadoria, ensinando o modelo o que é importante e o que não é. Sem curadoria, você obtém uma IA que sabe tudo e não entende nada.

Os Três Tipos de Memória que Importam

A curadoria de IA empresarial eficaz significa fazer o melhor uso de três tipos específicos de memória.

O primeiro é a memória institucional, que pode parecer bastante básico no início. Quando alguém diz “serviços financeiros”, o agente sabe que se refere à divisão de Serviços Financeiros da empresa e não à indústria como um todo. Isso se torna conhecimento organizacional persistente cheio de definições, preferências e convenções que não mudam com frequência. À medida que isso se estende para o conhecimento institucional sobre prioridades estratégicas, iniciativas-chave e dinâmicas organizacionais, torna-se uma rica fonte de contexto institucional.

Em seguida, há o histórico de ações, que se concentra em decisões significativas, tarefas e eventos. Quando um tíquete de serviço é arquivado ou um sistema é implantado, o agente reconhece essa ação específica e a registra no histórico de ações. Isso se torna o registro histórico que costura o contexto organizacional.

Finalmente, há o contexto conversacional de curto prazo. Pense nele como a interação momento a momento com um agente. É útil no momento, mas tende a perder a relevância rapidamente.

Tomados em conjunto, esses três tipos de memória criam o sistema de ponderação que os modelos de IA genéricos estão faltando. Agora, quando alguém conta a um agente sobre os negócios, eles estão classificando e priorizando toda essa memória e curando as informações importantes. Isso forma o núcleo do que a IA deve entregar: não apenas dados de domínio, mas julgamento de domínio.

O que a Memória Curada Parece em Escala

Mas chega de estrutura, o que isso parece na prática? Aqui está o que descobrimos ao construir esses agentes nós mesmos.

Um cenário comum de TI é enviar um tíquete de problema para um agente de help desk. Digamos que o Outlook não está funcionando, então você digita uma descrição do problema e espera que o agente revise e sugira uma solução.

Mas com a memória curada a seu favor, um processo melhor poderia envolver tirar uma screenshot que mostre o erro do Outlook e carregá-la para o agente. Agora o agente (1) se baseia na memória institucional para entender o ambiente de trabalho; (2) verifica o histórico de ações para incidentes relacionados; e (3) aplica julgamento contextual para uma solução específica, não apenas uma resposta genérica.

O resultado é um agente inteligente que não precisa adivinhar a resposta com base em uma screenshot. Ele agora está realmente interrogando, olhando para todas as informações atuais e entregando uma resposta mais útil. O agente até poderia expandir para um efeito de rede ou enxame, olhando para outros usuários no sistema para ver se o problema do Outlook é apenas você ou um problema em toda a empresa.

A contextualização da história ou memória é o diferenciador. Se você não curar sua memória de forma eficaz, ficará para trás daqueles que o fazem. É essencial ter uma arquitetura que saiba como gerenciar esses dados ao longo do tempo e entender o que manter, o que exibir e o que deixar ir.

De Volta à Viagem

Então, como o meu planejador de viagem com IA mudou minha visão de IA na TI empresarial?

O que eu construí foi um aplicativo que atuava como nosso concierge de viagem pessoal e começou “entrevistando” cada participante. Nós todos explicamos o que importava para nós na viagem: o que era imperdível e o que podíamos pular. Mais importante ainda, ele perguntou sobre nosso “porquê” — por que algo era importante para nós, o que significava para nós.

Usando essas informações, ele fez duas coisas. Primeiro, ele curou um plano de viagem que era equilibrado para entregar algo para todos — podíamos todos ver nossos desejos e preferências representados no plano que ele produziu.

Mas, claro, essa primeira itinerário era apenas um rascunho. Ainda havia muitas perguntas a serem respondidas.

E foi aí que a verdadeira magia aconteceu. Nós perguntamos ao agente sobre um hotel ou uma atração ou uma direção, e as respostas que ele nos deu foram enriquecidas com o contexto de nossa situação única: “Seria uma longa viagem para as crianças, mas meu sogro adoraria o castelo (e a cafeteria única ao lado) — e este poderia ser exatamente o local para a minha esposa obter aquela massagem.”

Cheio dessa compreensão rica do que era importante para nós, ele foi capaz de nos ajudar a planejar e refinar nossa viagem de uma maneira que não acho que seria possível de qualquer outra forma.

E foi em um desses primeiros momentos que entendi o que precisávamos construir para nossos clientes empresariais: sistemas inteligentes que estivessem tão carregados de contexto organizacional, transacional e pessoal que cada resposta e cada interação seria como uma impressão digital: completamente única para aquele momento e interação que entregaria um tipo de valor que simplesmente não poderia acontecer de nenhuma outra forma.