Contexto: construindo uma base de dados confiável para a IA agêntica

O contexto é fundamental para a forma como nos comunicamos. Comentários tirados de contexto podem parecer significar exatamente o oposto do que se pretendia. Quando encontramos alguém fora de contexto, podemos ter dificuldade para reconhecê-lo. O contexto é a cola que une as relações humanas e nos permite encontrar sentido em nossas interações sociais.

O mesmo vale para os agentes de IA. O contexto permite que os agentes eliminem ambiguidades — distinguindo, por exemplo, a Apple (a empresa de tecnologia), a Apple (a gravadora) e a maçã (a fruta). 

Essa desambiguação é crucial porque a IA empresarial toma decisões e age em uma velocidade vertiginosa: sinaliza transações, aprova crédito e aciona alertas. Se os agentes não entenderem as entidades envolvidas em seus fluxos de trabalho, continuarão agindo, mas pode ter certeza de que cometerão erros. 

Dado que algumas estimativas sugerem que uma empresa de grande porte típica usará até 1.600 agentes até o fim deste ano, esses erros aumentarão rapidamente em escala.

As complexidades da resolução de identidades digitais

A IA agêntica está, com razão, despertando grande entusiasmo, mas, até que os agentes consigam realmente entender as entidades em seus conjuntos de dados, corremos o risco de construir castelos na areia. 

Esse não é um problema fácil de resolver. Um único cliente, por exemplo, pode aparecer em vários bancos de dados empresariais, com registros diferentes (J. Bloggs, Jane Bloggs, Bloggs etc.). Da mesma forma, uma única entidade corporativa pode ser identificada separadamente em várias de suas subsidiárias. Como os agentes podem saber que essas entidades aparentemente diferentes, na verdade, correspondem a um único perfil? 

Atualmente, muitas vezes não conseguem. Isso é resultado da maneira como os agentes são construídos. Em sua essência, um agente é um sistema que recebe entradas e devolve saídas. Mas, exatamente, quantos dados devemos fornecer aos agentes? Pesquisas mostram que janelas de contexto excessivamente longas levam os agentes a alucinar. Por outro lado, se forem fornecidos dados insuficientes, o agente tomará uma decisão com confiança e agirá com base em informações imprecisas. As empresas precisam encontrar um equilíbrio delicado, oferecendo ao sistema exatamente o contexto de que ele precisa, nem mais nem menos. 

A integração de dados é fundamental

O volume de dados é apenas parte do desafio. As empresas também precisam considerar a qualidade e a integração dos dados. Um contexto inadequado decorre de dados mal conectados. Pode haver alucinações quando os dados de que um agente precisa para tomar uma decisão estão fragmentados em diversos bancos de dados isolados, aplicativos e unidades de negócios. Aproximadamente 80-90% do contexto empresarial está em arquivos isolados e não estruturados espalhados por sistemas desconectados. Sem acesso a essas informações, as respostas da IA se basearão em suposições incompletas. 

Apesar de todos esses problemas, a implantação de agentes de IA continua em ritmo acelerado. Se os líderes empresariais não puderem confiar que seus agentes tomarão decisões precisas e agirão corretamente, terão de investir em níveis mais altos de supervisão humana do que seriam necessários em outras circunstâncias. Em vez dos agentes autônomos e altamente eficientes que esperavam, as empresas ficarão com ferramentas pouco confiáveis que precisarão monitorar de perto. A alternativa é aumentar os riscos para os negócios e a carga de trabalho das equipes de compliance e jurídica. 

Construindo uma base de dados contextual

Então, o que precisa ser feito? O principal é fornecer aos agentes uma base de dados precisa e verificada. Essa base unifica dados fragmentados de fontes internas e externas e aplica uma governança consistente a dados estruturados e não estruturados. Em seguida, acrescenta contexto para que os dados fornecidos à IA reflitam relações do mundo real, em vez de registros isolados. Isso permite que os agentes associem uma pessoa a seus nomes alternativos ou uma subsidiária à sua empresa controladora. 

Com uma base contextual estabelecida, as operações orientadas por IA se tornam precisas, explicáveis e capazes de embasar decisões tomadas com confiança. As empresas podem confiar em seus agentes, em vez de precisarem monitorá-los de perto, e aproveitar todos os benefícios da automação agêntica sem necessidade de supervisão excessiva. 

Do ponto de vista técnico, o contexto é obtido por meio de duas capacidades. A primeira é a resolução de entidades. Ela conecta registros referentes à mesma entidade quando essas referências estão dispersas por diversos sistemas e tipos de dados. Os registros são harmonizados em uma visão única e confiável de pessoas, organizações e ativos. Assim, resolvem-se a duplicação e a ambiguidade, que muitas vezes prejudicam a qualidade dos dados e levam a resultados incorretos da IA. 

A segunda capacidade são os grafos de conhecimento. Eles acrescentam contexto ao modelar as relações entre entidades: como clientes se conectam a contas, como transações se relacionam com comportamentos e como riscos se propagam pelas redes. Combinados à resolução de entidades, os grafos de conhecimento formam uma representação precisa dos dados tal como existem no mundo real, fornecendo aos agentes de IA a base necessária para operar com sucesso em grande escala. 

Benefícios que vão além da IA agêntica

É claro que os agentes de IA não são os únicos consumidores de dados nas empresas. Uma base de dados contextual garante que equipes operacionais, equipes de conformidade, analistas de negócios, equipes de RH e todos os demais usuários de dados também se beneficiem de uma visão unificada e precisa do mundo. 

Isso, por sua vez, pode ajudar a melhorar a experiência do cliente. Por exemplo, se uma empresa mantém vários perfis do mesmo cliente, diferentes equipes podem entrar em contato com ele várias vezes. No mínimo, experiências desse tipo podem deixar os clientes frustrados. Dados enriquecidos com contexto melhoram a experiência do cliente, pois permitem que as organizações compreendam seus clientes de forma mais completa e garantam que a interação com eles seja adequada. Em última análise, essa é uma abordagem mais centrada nas pessoas, que pode economizar tempo e dinheiro para as empresas. 

Mantendo a IA honesta

O Gartner prevê que 40% dos aplicativos empresariais contarão com agentes de IA específicos para tarefas este ano, ante menos de 5% em 2025. A era da IA agêntica chegou. 

No entanto, os benefícios completos dos fluxos de trabalho de IA agêntica não serão aproveitados igualmente por todos os que investirem nessa tecnologia. As organizações que prepararem o terreno, garantindo uma base de dados unificada e rica em contexto, poderão confiar nos resultados da IA e ampliar suas operações rapidamente. As demais desperdiçarão tempo e esforço tendo de supervisionar constantemente seus novos sistemas. Portanto, o sucesso depende de incorporar uma camada de contexto dinâmica à pilha tecnológica de IA agêntica desde o primeiro dia.