João Miguel Mesquita
A primeira vaga de soluções baseadas em inteligência artificial generativa (GenAI) já provou o seu valor no contexto empresarial. Ferramentas como assistentes de programação e melhorias em produtos SaaS demonstraram ganhos reais de produtividade. No entanto, estes casos representam apenas a superfície do potencial dos Large Language Models (LLMs). A verdadeira transformação começa agora, com o surgimento de agentes de IA — sistemas autónomos baseados em LLMs que prometem redefinir a forma como as empresas operam.
Ao contrário de chatbots convencionais ou copilotos que apenas auxiliam aplicações SaaS, os agentes de IA vão mais longe: operam com graus definidos de autonomia, interagem com dados, ferramentas e serviços, e tomam decisões para atingir objetivos específicos. Um exemplo prático: um agente recebe a documentação de uma API de mercados financeiros, gera o código necessário para aceder à cotação de uma ação, e executa essa função em tempo real — tudo sem intervenção humana direta.
Estes sistemas são, em essência, colaboradores digitais especializados. E tal como acontece com os humanos, nenhum agente serve para tudo. A ideia de uma super aplicação capaz de resolver todos os desafios de uma empresa é irrealista. A prática exige especialização, segmentação funcional e controlo rigoroso de acesso a dados e ferramentas.
Num grande grupo empresarial, com dez departamentos e cinco funções críticas por departamento, o número potencial de agentes rapidamente escala. Se cada função puder beneficiar de cinco agentes especializados, isso traduz-se em 250 aplicações distintas. Esta fragmentação é uma necessidade, não uma falha: permite garantir performance, segurança e governança.
Dando o exemplo de uma equipa comercial: pode ter agentes para identificar clientes-alvo, monitorizar processos de venda, analisar funis comerciais, resumir reuniões com clientes e automatizar seguimentos. Cada tarefa, um agente. A complexidade cresce — mas também o potencial de impacto.
Neste novo paradigma, as empresas enfrentam a clássica decisão “make or buy”. Adquirir agentes de prateleira acelera a implementação e simplifica a manutenção, mas limita a diferenciação. Por outro lado, desenvolver internamente permite criar soluções ajustadas ao contexto e às prioridades estratégicas da organização — à custa de maior esforço técnico e complexidade operacional.
A resposta mais provável será híbrida. As empresas comprarão onde a eficiência genérica for suficiente e desenvolverão onde o fator competitivo exigir singularidade. O foco do desenvolvimento interno deverá recair sobre o core business, onde a diferenciação tem mais impacto.
Existe, porém, uma limitação estrutural: a “complexidade máxima gerível”. Cada organização tem um teto para o número de aplicações que consegue desenvolver, manter e integrar eficazmente. Para escalar além deste limite, será necessário adotar abordagens mais maduras e modulares.
A solução pode passar por uma nova arquitetura técnica — uma infraestrutura em “rede” (mesh) que abstrai e separa os diferentes componentes dos agentes: modelos base, dados (estruturados e não estruturados), serviços, orquestração e interfaces. Esta abordagem modular permite trocar componentes sem afetar o sistema como um todo, aumentando a escalabilidade e resiliência.
Os agentes de IA representam o próximo salto evolutivo da IA empresarial: mais do que ferramentas, são sistemas ativos que executam, aprendem e interagem. Mas o seu sucesso dependerá menos da tecnologia em si, e mais da forma como as organizações equacionam o seu desenho, integração e governação. O desafio não é apenas construir agentes — é fazê-lo de forma estratégica, sustentável e alinhada com os objetivos do negócio.
