Os agentes de IA não apenas respondem a comandos, mas estabelecem planos, tomam decisões e executam tarefas de forma autônoma para atingir um objetivo.
“Outro dia eu pedi para a IA encontrar o lugar mais quente, confortável e barato para levar minha família nas férias de dezembro”, contou Aleksandra Kovacevic, Senior Director of Responsible AI da HERE Technologies.
Embora o assistente de IA tenha encontrado exatamente o que ela precisava — o hotel ideal, o melhor destino e até os voos — ele interrompeu o processo antes de finalizar a tarefa. “Ele não conclui por você”, disse Kovacevic. “Seria incrível se pudesse cuidar de tudo.”
Esse exemplo simples resume o que os agentes de IA representam. É o próximo passo na evolução da Inteligência Artificial: sair do papel de ferramenta que apenas fornece informações e avançar para sistemas capazes de entender objetivos, considerar limitações reais e agir para ajudá-lo a alcançá-los.
Em setores como o automotivo, transporte e logística, isso não é apenas uma pequena melhoria. É um grande salto em termos de como as empresas tomam decisões, se adaptam e obtêm resultados.
Agentes de mudança
Hoje, tarefas baseadas em localização ainda exigem muito esforço manual. Imagine que você queira encontrar um café tranquilo, com mesas ao ar livre e um carregador para veículo elétrico, exatamente na metade do seu trajeto.
Você precisaria montar isso sozinho: usar uma ferramenta para calcular o ponto intermediário, outra para procurar cafés, depois verificar quais têm carregadores e, por fim, ler avaliações para descobrir se o ambiente é realmente tranquilo. Essa última parte, especialmente, ainda é difícil para os sistemas atuais compreenderem bem.
Com um agente de IA, você pode simplesmente dizer o que precisa em linguagem natural, e a IA se encarrega da parte difícil. Kovacevic deu um exemplo mais industrial: “Redirecionar todos os caminhões acima de 7,5 toneladas para evitar pontes com baixa altura livre, priorizar paradas amigáveis a veículos elétricos e antecipar engarrafamentos intensos perto de vias de acesso a portos em horários de pico.”
Esse é um pedido repleto de regras, prioridades e previsões. Configurar um sistema para lidar com algo assim hoje significa escrever instruções detalhadas para cada situação possível. Um sistema com agentes de IA muda isso e é capaz de montar e ajustar um plano imediatamente, adaptando seu comportamento conforme a tarefa.
Unindo dados e decisões
Muitas empresas estão ansiosas para usar os agentes, mas estão enfrentando um desafio crítico: a complexidade. Os sistemas de IA atuais geralmente se conectam aos dados da empresa por meio de ferramentas e APIs padrão, o que funciona bem para tarefas simples, como buscar um relatório ou responder a uma pergunta de rotina.
Mas quando se trata de problemas específicos do domínio, como redirecionar frotas de entrega ou gerenciar cadeias de suprimentos, essas abordagens frequentemente ficam aquém do esperado. O problema não é que a IA não tenha acesso aos dados. É que ela não possui o contexto estruturado ou as capacidades de raciocínio para interpretá-los com precisão. Sem isso, o sistema pode interpretar informações erroneamente ou gerar ações que parecem plausíveis, mas estão incorretas, ou seja, o que é comumente chamado de “alucinações”.
Como Kovacevic afirmou: “Grandes modelos de linguagem são excelentes em trabalhar com a linguagem. Mas isso não significa que eles compreendem o mundo ou como sistemas complexos se comportam.”
Em outras palavras, eles podem parecer inteligentes, mas isso não significa que compreendem restrições operacionais como limites de altura de veículos, pausas legais de motoristas ou como o congestionamento de tráfego perto de portos afeta os tempos reais de entrega. Sem uma integração mais profunda com sistemas estruturados e regras de domínio, mesmo a melhor IA ainda não consegue passar de gerar insights para tomar ações de forma confiável.
E em setores como a logística, não há espaço para suposições.
Momento da verdade
Empresas nos setores automotivo e de logística precisam se preparar para este futuro de agentes. A recomendação de Kovacevic é uma transformação gradual, focada na construção de confiança e na capacitação de operadores humanos.
O primeiro passo é incentivar a colaboração entre pessoas e IA. Em vez de tentar automatizar tudo de imediato, o objetivo deve ser oferecer recomendações inteligentes aos operadores.
Por exemplo, se um caminhão de entrega ficar preso no trânsito, a IA pode analisar dados em tempo real e sugerir o próximo melhor movimento.
“Ela deve recomendar uma ação”, disse Kovacevic. “Mas você, como operador, deve sempre revisar. O agente não tem o mesmo julgamento ou experiência que você.”
Esse tipo de modelo com “humano no circuito” é fundamental. Ele permite que a IA faça o trabalho pesado com dados enquanto as pessoas tomam a decisão final, usando sua experiência para confirmar ou ajustar o que o sistema sugere. Com o tempo, isso constrói confiança e garante que o conhecimento humano, difícil de sistematizar, não se perca.
Próximos passos
O passo seguinte é transformar esse conhecimento implícito em explícito. À medida que os operadores revisam e corrigem as sugestões da IA, eles estão essencialmente gerando feedback que pode ser usado para melhorar o sistema ao longo do tempo. Seja por meio de ajustes manuais, ciclos de feedback ou futuro retreinamento, esse processo ajuda a capturar e formalizar o conhecimento de especialistas.
Kovacevic observou que os operadores precisarão treinar os agentes “apontando e rotulando as coisas que eles fazem errado, para que o sistema possa aprender com eles”. Com o tempo, esse ciclo de feedback e refinamento muda o papel humano da execução manual para a supervisão e treinamento da IA.
Com ferramentas avançadas de mapeamento e IA, as empresas podem incorporar inteligência de localização em tempo real nas operações diárias, melhorando a tomada de decisões, otimizando rotas e reduzindo o atrito operacional.
O trabalho, redefinido
Em última análise, essa jornada é sobre a capacitação da força de trabalho. Kovacevic contestou a ideia de que a IA simplesmente substituirá empregos. Em vez disso, ela acredita que ela os redefinirá. “A IA não vai tirar seu emprego”, disse ela, “no entanto, se você não souber trabalhar com IA, outra pessoa o fará.”
Para setores complexos como a logística, a automação completa pode não ser uma realidade a curto prazo.
“A logística é bastante intrincada, tornando improvável que os agentes assumam o controle total por enquanto”, disse Kovacevic. O caminho a seguir é o de uma transformação gradual, onde humanos e agentes de IA trabalham juntos para criar sistemas mais resilientes e eficientes.
Este é apenas o começo de nossa exploração do mundo de agentes de IA. E você já sabe: no Brasil, HERE é Near. Siga acompanhando nossos conteúdos e entenda como a HERE está ajudando a construir a infraestrutura por trás desta nova geração de capacidades impulsionadas pela IA.
Para saber mais, entre em contato.
Texto original disponível aqui.
