Vijay Rayapati, CEO e Co-Fundador da Atomicwork – Série de Entrevistas

Vijay Rayapati é co-fundador e CEO da Atomicwork. Antes de fundar a empresa, ele atuou como Vice‑Presidente Sênior e Gerente Geral do negócio de Cloud Networking and Security na Nutanix, após a aquisição pela Nutanix da Minjar, a empresa de plataforma de gerenciamento de nuvem que ele fundou e escalou como CEO. No início de sua carreira, ocupou cargos de liderança em engenharia e produto na Kuliza e Trilogy, o que lhe deu ampla experiência na construção de infraestrutura corporativa e aplicações de software. Seu histórico abrange infraestrutura de nuvem, software empresarial e tecnologia de força de trabalho de IA, tornando‑o um fundador bem‑conhecido no espaço de TI empresarial.

Atomicwork é uma empresa de IA corporativa que desenvolve uma plataforma de gerenciamento de serviços de TI baseada em agentes que ajuda os funcionários a resolver problemas de tecnologia, automatizar tarefas rotineiras de suporte e acessar o conhecimento corporativo por meio de IA. Sua plataforma combina agentes de IA com recursos modernos de ITSM para lidar com solicitações de serviço, solucionar problemas, orquestrar fluxos de trabalho entre sistemas corporativos e reduzir a carga das equipes de TI. Clientes utilizam a Atomicwork para oferecer suporte mais rápido aos funcionários, ao mesmo tempo em que melhoram a eficiência operacional em TI e nas operações de negócios.

Você co‑fundou a Minjar, construiu seu negócio de gerenciamento de nuvem empresarial e depois liderou a operação na Nutanix após a aquisição. Que lições ao construir, vender e integrar uma empresa de software empresarial o convenceram a fundar a Atomicwork em 2022 e reconstruir o gerenciamento de serviços de TI do zero para a era da IA?

Na Minjar, desenvolvemos um software que podia reduzir a conta de nuvem de uma empresa em um terço por meio da automação. Os clientes adoraram as recomendações. Depois, eles as mantinham por dois trimestres. Demorei um pouco para entender o porquê, e a resposta não era técnica. Quando a automação faz uma chamada e algo dá errado, não há ninguém para ser responsabilizado. As empresas não compram apenas softwares ou resultados. Elas compram alguém que responda por elas. Um software sem um lugar no organograma não recebe autoridade, não importa o quão bom seja.

A aquisição me ensinou uma lição mais restrita. Produtos pontuais são comprados. Sistemas de registro são construídos sobre eles. Você pode ser o melhor produto e ainda assim passar a vida contornando quem detém o fluxo de trabalho.

Os anos na Nutanix juntaram os dois. Observei a TI comprar gerenciamento de serviços para controle e os funcionários o vivenciarem como um formulário e uma fila. Também percebi que o ticket nunca foi o produto. O registro de auditoria foi. É por isso que o ITSM sobreviveu quarenta anos de aversão das pessoas, e também por isso ninguém conseguiu removê‑lo.

Então, a questão em 2022 não era se a IA poderia fazer o trabalho. Era se você poderia dar à IA um lugar no organograma. As plataformas legadas de ITSM não conseguem, porque um responsável humano está no centro de seu modelo de dados e cada SLA, aprovação e relatório depende dessa suposição. Ative a IA e você obtém um formulário mais rápido.

Construímos para a outra resposta, onde a IA fornece uma força de trabalho híbrida, não apenas software. Os AI Coworkers executam o trabalho, e a TI os governa da mesma forma que o RH governa as pessoas. Você não configura um AI Coworker. Você o contrata para um cargo, revisa seu trabalho e o revoga se não desempenhar. Essa é a diferença entre IA como recurso e IA como força de trabalho.

A Atomicwork descreve seus AI Coworkers como sistemas que possuem funções de trabalho definidas e completam o trabalho do início ao fim, em vez de simplesmente responder perguntas ou executar tarefas isoladas. Quais capacidades técnicas distinguem um AI Coworker genuíno de um chatbot, copilot ou ferramenta de automação tradicional, e onde sua autonomia deve terminar?

Um chatbot responde a uma pergunta, e um copilot ajuda alguém a concluir uma tarefa, mas nenhum deles é responsável por levar o trabalho até a conclusão. Um AI Coworker é diferente porque recebe um papel definido e se espera que entregue um resultado. Seja triando incidentes, provisionando acesso ou integrando funcionários, ele continua trabalhando em cada etapa para alcançar o objetivo, em vez de parar após a primeira interação.

Isso requer muito mais do que um modelo capaz. Um AI Coworker precisa de uma identidade, as permissões corretas, acesso a ferramentas aprovadas, contexto organizacional, um orçamento e limites operacionais claros para seu papel. Ele deve trabalhar entre sistemas de negócios, entender quando (e quem) solicitar aprovação e deixar um registro de auditoria para cada ação. É por isso que focamos tanto a plataforma ao redor do modelo. IA confiável depende de orquestração, governança e execução tanto quanto de inteligência.

A autonomia nunca deve ser ilimitada. Um AI Coworker deve operar dentro das responsabilidades de seu cargo, enquanto as pessoas permanecem envolvidas sempre que o trabalho afeta sistemas sensíveis ou tem implicações legais, financeiras ou de emprego.

Sua plataforma permite que AI Coworkers especializados colaborem em gerenciamento de incidentes, provisionamento de acesso, integração e operações de TI. Como esses AI Coworkers dividem responsabilidades, compartilham contexto e se recuperam quando um AI Coworker toma uma decisão incorreta que pode afetar o restante do fluxo de trabalho?

Não acreditamos que um único AI Coworker deva tentar fazer todos os trabalhos. As organizações de TI já separam responsabilidades entre diferentes equipes porque cada função tem metas, permissões e expertise distintas. Aplicamos esse mesmo raciocínio aos AI Coworkers, por isso lançamos AI Coworkers certificados que se especializam em diferentes áreas operacionais de TI.

Cada Coworker possui uma função específica enquanto compartilha o mesmo contexto empresarial. Quando um funcionário cria um ticket na Atomicwork, o roteamento inteligente garante que ele seja direcionado ao AI Coworker correto que trabalha na solicitação e (dependendo da solicitação) o reatribui a outro AI Coworker, cria tickets filhos para que AI Coworkers resolvam o problema em paralelo (por exemplo, um ticket de integração pode ser dividido em atividades que podem ser realizadas simultaneamente) ou o escalona para um humano. À medida que o trabalho passa de um Coworker para outro, as informações relevantes acompanham‑no através do ticket (o sistema de registro), juntamente com o acesso a sistemas relevantes como a central de serviços, plataformas de identidade, sistemas de RH e ferramentas de colaboração. Esse contexto compartilhado permite que cada Coworker tome decisões com base no que já ocorreu, em vez de começar do zero.

A Atomicwork suporta diferentes estruturas de agentes e modelos de provedores como OpenAI, Anthropic e Google. Como você determina qual modelo deve lidar com recuperação, raciocínio, planejamento e execução, e como as empresas podem manter um comportamento consistente à medida que os modelos subjacentes continuam a mudar?

Modelos diferentes são bons em tipos diferentes de trabalho. Nosso foco tem sido construir uma plataforma que possa aproveitar os avanços sem forçar os clientes a redesenhar seus fluxos de trabalho sempre que um modelo muda. Contexto empresarial, orquestração, identidade, aplicação de políticas, telemetria e avaliação fornecem a consistência que as organizações precisam em produção, independentemente de qual modelo de ponta esteja subjacente.

Discutimos publicamente o suporte a múltiplos provedores de modelo juntamente com estruturas de avaliação e governança, mas não descrevemos a lógica de roteamento que decide qual modelo lida com recuperação, raciocínio, planejamento ou execução. Também não compartilhamos o processo de validação que usamos à medida que os provedores lançam novos modelos e atualizações.

Um agente de IA empresarial pode encontrar documentação conflitante, registros de configuração incompletos, conhecimento desatualizado e diferentes permissões entre sistemas. Como a camada Universal Context da Atomicwork determina quais informações são confiáveis e atuais antes de permitir que um agente tome uma decisão ou ação?

O conhecimento empresarial raramente está em um único lugar. Parte dele vive em documentação, parte em sistemas de registro e parte nas atividades diárias do negócio. A IA precisa de todo esse contexto se quiser tomar decisões confiáveis.

O Universal Context reúne essas fontes combinando o conhecimento empresarial com dados de pessoas, rede, infraestrutura e dispositivos provenientes de sistemas operacionais ao vivo. Um AI Coworker pode consultar informações de plataformas como Confluence ou SharePoint, MDMs como Intune e JAMF, ao mesmo tempo em que entende o que está acontecendo em sistemas como Jira, Workday, Salesforce ou provedores de identidade. Ele também respeita as permissões existentes, de modo que pessoas e AI Coworkers só acessam informações para as quais já estão autorizados.

Explicamos como o Universal Context conecta sistemas empresariais e preserva limites de segurança, mas não descrevemos como ele resolve informações conflitantes quando fontes confiáveis discordam ou como determina qual fonte deve ter precedência. Esses detalhes de implementação não fazem parte da nossa documentação pública.

O AI Coworker Universal pode apoiar funcionários via Microsoft Teams, Slack, e‑mail, navegador, portal e por meio de chat, voz e modos visuais. Que novas capacidades de solução de problemas se tornam possíveis quando um agente pode ver e ouvir o que o funcionário está vivenciando, e como você impede que conteúdo sensível da tela ou conversas sejam expostos?

O suporte tradicional de TI depende dos funcionários descrevendo os problemas técnicos com precisão, e isso costuma ser a parte mais difícil da interação. O contexto de voz e visual permite que a IA veja a mesma mensagem de erro, aplicativo ou tela de configuração que o funcionário está olhando, facilitando muito a compreensão do problema e orientando alguém na próxima etapa sem uma longa conversa de ida e volta.

Essas capacidades só funcionam se os funcionários confiarem nelas. Acreditamos que o acesso visual deve exigir consentimento explícito e os usuários devem sempre saber quando está ativo. Informações sensíveis são protegidas por mascaramento de PII, controles administrativos e políticas de retenção adequadas.

Também deixamos claro que os dados dos clientes não são usados para treinar nossos modelos ou modelos de fundação de terceiros. Isso dá às organizações a capacidade de adotar IA multimodal sem abrir mão do controle sobre seus dados.

A Atomicwork pode ser implantada ao lado de um ambiente existente do ServiceNow ou Jira Service Management sem exigir uma migração imediata. Você vê isso principalmente como uma estratégia de transição, ou muitas empresas operarão permanentemente uma força de trabalho de IA acima de seu sistema legado de registro?

A maioria das grandes empresas passou anos construindo processos, integrações e governança em torno de plataformas como ServiceNow e Jira Service Management. Exigir que substituam esses sistemas antes de adotar IA cria atritos desnecessários.

Criamos as integrações da Atomicwork com ServiceNow e Jira Service Management para que os clientes possam transformar a experiência dos funcionários e ampliar suas equipes de serviço com AI Coworkers desde o primeiro dia, sem interromper os sistemas dos quais já dependem. O conector traz o contexto de TI empresarial relevante para os AI Coworkers utilizarem, ao mesmo tempo em que mantém uma sincronização bidirecional para os agentes de serviço em seu sistema existente. Não acreditamos que as empresas devam escolher um caminho único no primeiro dia. A prioridade é ajudá‑las a adotar IA no seu próprio ritmo.

Conceder aos AI Coworkers acesso a sistemas de identidade, dados de funcionários, infraestrutura e aplicativos empresariais introduz riscos como injeção de prompts, fontes de conhecimento contaminadas, permissões excessivas e erros em cascata de agentes. Quais salvaguardas, limites de aprovação e mecanismos de auditoria são essenciais antes que uma empresa possa permitir que agentes atuem autonomamente com segurança?

AI Coworkers são governados como funcionários com acesso privilegiado. Cada Coworker tem um papel definido, permissões limitadas, ferramentas aprovadas, limites de gasto e limites claros sobre o que pode fazer de forma independente. Ações sensíveis — particularmente as que envolvem identidade, infraestrutura, finanças, questões legais ou de emprego — requerem aprovação humana.

Habilidades e instruções são avaliadas antes da publicação para riscos como injeção de prompts, instruções ocultas, acesso a credenciais, vazamento de dados e ações inseguras. Se uma ferramenta mudar de forma que aumente seu risco, ela é automaticamente desativada até ser revisada. Salvaguardas adicionais — incluindo limites de ação, prevenção de ações duplicadas, controles de desligamento de emergência e intervenção humana — ajudam a conter erros antes que se espalhem.

Cada ação é rastreável: as organizações podem ver o que acionou o Coworker, quais informações e ferramentas ele usou, quais aprovações foram obtidas e qual foi o resultado. Avaliações contínuas, monitoramento e testes de red‑team garantem que essas salvaguardas permaneçam eficazes à medida que modelos, ferramentas e ambientes empresariais evoluem.

Investimos fortemente em avaliação, aplicação de políticas, monitoramento e testes de red‑team porque implantar IA é apenas o começo. As organizações precisam de confiança de que esses Coworkers continuem se comportando como esperado à medida que modelos e ambientes empresariais evoluem.

O relatório State of AI in IT 2026 da Atomicwork constatou que dois terços dos profissionais de TI relatam retornos positivos dos investimentos em IA, enquanto apenas um em cada cinco organizações incorporou totalmente a IA em suas equipes de gerenciamento de serviços. O que diferencia implantações que geram valor comercial mensurável de pilotos que permanecem presos à experimentação?

A maioria das organizações já demonstrou que a IA pode melhorar tarefas individuais. As empresas que veem valor comercial mensurável estão conectando a IA a fluxos de trabalho operacionais completos, em vez de usá‑la como um assistente autônomo.

Isso começa ao resolver um problema de negócio específico pensando em papéis, concedendo aos AI Coworkers acesso aos sistemas necessários e medindo resultados relevantes — seja tempos de resolução mais rápidos, custos de suporte menores ou uma melhor experiência do funcionário. Quando as equipes confiam nesses resultados, expandir a IA para fluxos de trabalho adicionais torna‑se muito mais fácil.

Nossa pesquisa também constatou que IA responsável continua sendo uma das maiores prioridades para líderes de TI. Isso faz sentido, pois as organizações não concederão mais responsabilidade à IA a menos que compreendam como ela chega a decisões, possam revisá‑las posteriormente e saibam que as salvaguardas adequadas estão em vigor.

À medida que os AI Coworkers começam a resolver solicitações de suporte, gerenciar acessos, diagnosticar incidentes e coordenar fluxos de trabalho, como mudarão as responsabilidades dos profissionais de service desk, das equipes de operações de TI e dos Diretores de Tecnologia (CIOs)? Olhando mais adiante, a TI poderia se tornar o departamento responsável por contratar, governar e medir toda a força de trabalho digital de uma empresa?

A IA assumirá grande parte do trabalho operacional repetitivo que consome os service desks atuais, permitindo que as pessoas dediquem mais tempo ao tratamento de exceções, à melhoria de processos e ao refinamento do conhecimento de que a IA depende.

As equipes de operações de TI focarão cada vez mais em governar os AI Coworkers em vez de executar manualmente cada fluxo de trabalho. Elas definirão permissões, conectarão sistemas, monitorarão o desempenho e garantirão que a IA continue operando dentro das políticas estabelecidas.

Também espero que o papel do CIO se expanda. Gerenciar centenas de AI Coworkers começa a se assemelhar ao gerenciamento de qualquer outra infraestrutura empresarial. Alguém precisa decidir o que esses Coworkers podem acessar, como são medidos, quando são atualizados e se estão entregando valor. As equipes de negócios continuarão definindo o trabalho, enquanto a TI se tornará o RH da IA, ou seja, responsável pela plataforma, governança e controles operacionais que mantêm uma força de trabalho de IA empresarial funcionando com segurança.

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Atomicwork.