Aplicativos de IA agêntica

Fluxos de trabalho agênticos vs. agentes de IA

A IA agêntica oferece duas abordagens para alcançar a automação: fluxos de trabalho agênticos, que incorporam a IA em processos predefinidos para obter resultados muito mais previsíveis, e agentes de IA que planejam, executam e iteram de forma autônoma em direção a uma meta. A escolha entre eles depende de uma série de fatores diferentes. Entender quando incorporar uma única etapa de LLM em um processo determinístico e quando entregar a tomada de decisões a um agente orientado por metas ajuda as equipes a criar sistemas mais confiáveis, dimensionáveis e adaptáveis.

Portanto, este blog aborda os fluxos de trabalho agênticos, como os agentes são diferentes dos fluxos de trabalho e quando usar um fluxo de trabalho agêntico.

O que “agêntico” realmente significa

Os sistemas agênticos diferem dos softwares tradicionais baseados em regras de duas maneiras principais:

    1. Eles aproveitam o não-determinismo alimentado por grandes modelos de linguagem, o que permite que o resultado evolua em várias execuções em vez de retornar o mesmo resultado todas as vezes.
    2. Eles exibem agência, o que significa que podem planejar, escolher e sequenciar uma ação voltada para um objetivo, em vez de executar alegremente um conjunto fixo de instruções.

Essas características abrangem tanto os fluxos de trabalho Agentic, que introduzem etapas de IA em pipelines predefinidos, quanto o AI Agent, que é um sistema alimentado por grandes modelos de linguagem (LLMs) que pode realizar ações e agir de forma autônoma.

Fluxos de trabalho agênticos: IA com escopo em processos determinísticos

Quando se ouve o termo “fluxo de trabalho”, pensa-se em uma orquestração de etapas que sempre produz o mesmo resultado com a mesma entrada.

Os fluxos de trabalho agênticos aprimoram os pipelines de software existentes, inserindo uma ou mais etapas acionadas por LLMs sem afetar a previsibilidade geral desse sistema. Os fluxos de trabalho são sistemas em que os LLMs e as ferramentas são orquestrados por meio de caminhos de código predefinidos.

Por exemplo, um sistema de contas pode: invocar um grande modelo de linguagem para analisar o idioma de uma fatura digitalizada e, em seguida, usar a extração de dados orientada por IA para preencher os campos estruturados e encaminhar os resultados para revisão humana antes que o envio final seja feito para uma ferramenta de processamento. Assim, essa sequência de ações permanece linear e reproduzível, com a IA enriquecendo tarefas específicas sob supervisão humana adequada.

Agentes de IA: orquestração autônoma e orientada por metas

Os agentes de IA podem ser executados de forma totalmente autônoma com um conjunto de ferramentas disponíveis para realizar tarefas de longa duração. Em vez de seguir um padrão fixo, o agente recebe um objetivo, os recursos, e os agentes podem basicamente descobrir a melhor rota por conta própria. Os agentes podem priorizar tarefas, mudar de estratégia ou até mesmo refletir sobre seu próprio progresso. Os agentes de IA têm duas funções: eles precisam interagir com as pessoas e executar tarefas. Ao conversar com humanos, os agentes de IA podem lidar com informações não estruturadas, derivar o contexto e explicar conceitos em linguagem humana. Recebendo as informações dos humanos, os agentes de IA executam tarefas para os humanos chamando APIs, aprendendo com os erros e, às vezes, trabalhando sem supervisão humana. Eles orquestram várias etapas para concluir tarefas em loops.

Essa flexibilidade é extremamente poderosa. Imagine um assistente inteligente que possa entender os requisitos, gerar algumas ideias de design, buscar os dados apropriados no Couchbase, integrar-se a APIs de terceiros e oferecer uma experiência extremamente personalizada, tudo isso em tempo real.

Escolha entre agentes de IA e fluxos de trabalho agênticos (e por que isso é importante)

Os agentes autônomos de IA são ótimos para a solução criativa de problemas, mas introduzem um certo nível de risco e previsibilidade.

Assim, os fluxos de trabalho de agentes são o ponto ideal para adicionar insights orientados por LLM (como resumo, correspondência de intenção onde for importante) e, ao mesmo tempo, manter o controle com etapas determinísticas para fins de segurança e conformidade. Também é possível incluir processos humanos no circuito para decisões mais críticas. Um exemplo poderia ser o processamento de voz com a ajuda de uma etapa de extração alimentada por IA, mas o restante das etapas ainda permanece no controle da intervenção humana.

Mas, enquanto isso, os sistemas agênticos totalmente autônomos serão excelentes em cenários em que a autonomia supera a necessidade de previsão, como fazer pesquisas autônomas ou proporcionar experiências hiperpersonalizadas. Assim, os agentes de IA são úteis quando você precisa de solução autônoma de problemas em várias etapas e tem a flexibilidade de ajustar as estratégias.

Por exemplo, ao criar um bot de pesquisa de mercado em que o agente de IA pesquisa as tendências atuais no mercado de segurança de dados e prepara um relatório estratégico. Aqui, o agente é capaz de aprender com os relatórios de notícias e as mídias sociais, organizar as descobertas em diferentes seções e, por fim, resumir e sugerir a próxima etapa da pesquisa. Um usuário não pode roteirizar cada fonte ou insight, e é nesse ponto que a autonomia do agente agrega muito valor.

Considerações finais

Como já entendemos, deve-se usar fluxos de trabalho agênticos quando os resultados previsíveis e o controle são extremamente importantes e estão sendo usados para obter um resultado mais consistente e determinístico. Mas você pode usar agentes de IA completos quando a autonomia e a solução criativa de problemas forem necessárias. Deve-se ter em mente os riscos e quando manter os humanos envolvidos para evitar comportamentos autônomos indesejáveis.

O Couchbase é a plataforma de dados criada especificamente para aplicativos de IA agêntica dimensionáveis, graças a recursos como consultas avançadas, análise em tempo real, pesquisa vetorial, catálogo de agentes etc. Assim, o Couchbase oferece a base de que você precisa para implantar seus agentes de IA.



 

Compartilhe este artigo
Receba atualizações do blog do Couchbase em sua caixa de entrada
Esse campo é obrigatório.

Autor

Postado por Shivay Lamba - Desenvolvedor Evangelista

Deixe um comentário

Pronto para começar a usar o Couchbase Capella?

Iniciar a construção

Confira nosso portal do desenvolvedor para explorar o NoSQL, procurar recursos e começar a usar os tutoriais.

Use o Capella gratuitamente

Comece a trabalhar com o Couchbase em apenas alguns cliques. O Capella DBaaS é a maneira mais fácil e rápida de começar.

Entre em contato

Deseja saber mais sobre as ofertas do Couchbase? Deixe-nos ajudar.