Nos últimos dois anos, a adoção da inteligência artificial deu passos consideráveis nos diversos setores. As organizações mais maduras já não estão apenas a discutir pilotos ou provas de conceito. Estão a operacionalizar soluções, a selecionar casos de uso com impacto real, a integrar IA nos processos e, igualmente importante, a criar mecanismos de governo, controlo e IA Responsável. Esta dimensão é crítica, sem governo, a IA fica confinada à experimentação e não pode escalar com confiança.

A nova realidade traduz-se no cenário verdadeiramente agentic. Ao contrário de um chatbot tradicional, um agente além de interpretar contexto e responder a questões, tem de escolher ferramentas, consultar multiplos sistemas, cruzar informação, executar passos intermédios e devolver uma resposta ou recomendação, podendo também executar ações com um grau de autonomia previamente definido. Vários agentes podem colaborar, cada um com competências específicas, sob uma camada de orquestração e controlo.

É aqui que a relação entre IA e dados muda substancialmente. Os agentes passam a interagir diretamente com fontes de informação, modelos analíticos, catálogos, glossários, dashboards, bases de dados e aplicações. Podem responder a perguntas que antes exigiam reporting tradicional, “porque caiu a margem?”, “quais os principais drivers deste desvio?”, “que clientes explicam esta variação?”, “que dados suportam esta decisão?”.

Muito mais do que responder a perguntas, estes agentes podem também atuar sobre o ecossistema, validar permissões antes de consultar dados, acionar workflows, abrir pedidos quando falta acesso ou contexto, chamar ferramentas especializadas, simular cenários, propor recomendações e encaminhar decisões de maior risco para........

© Observador