Os agentes da IA ​​assumem o futuro da automação está aqui

A inteligência artificial deu um passo decisivo com a ascensão meteórica do ChatGPT, que revolucionou o público em geral e as empresas. No entanto, diante das limitações de modelos gigantes, uma nova abordagem está surgindo: agentes inteligentes. Capazes de agir e interagir com seu ambiente digital, eles redefinem o futuro da IA, passando da simples geração de texto para a execução de tarefas concretas e autônomas.

Chatgpt: uma revolução tecnológica e uma adoção meteórica

Apenas alguns anos atrás, interagir com uma inteligência artificial parecia ficção científica para o público em geral. Mas quando o ChatGPT apareceu no final de 2022, ocorreu uma evolução radical. Com base no modelo GPT-3.5 e on-line gratuitamente, o ChatGPT experimentou uma ascensão meteórica, chegando 100 milhões de usuários mensais Em apenas dois meses, um registro histórico para um aplicativo do consumidor.

Em comparação, serviços como Tiktok levaram quase 9 meses para alcançar esse público. Enquanto democratiza a geração de texto pela IA, o ChatGPT permitiu que os não especialistas experimentassem o poder de grandes modelos de idiomas, também conhecidos como LLMs. De crianças em idade escolar a engenheiros profissionais, todos poderiam fazer perguntas, obter resumos, criar código e gerar idéias de conteúdo por meio de uma conversa de computação em linguagem natural.

O impacto no mundo profissional tem sido igualmente significativo. Várias empresas rapidamente integraram esses modelos em seus produtos e fluxos de trabalho. Openai gerou quase 1 bilhão de dólares em receita em 2023potencialmente alcançando 3,7 bilhões em 2024. Essa subida foi apoiada pelo desenvolvimento de APIs de IA e licenças comerciais. A formação de grandes parcerias, como na Microsoft, permitiu que o ChatGPT fosse incluído nas rotinas diárias dos usuários (mecanismos de pesquisa, suítes de escritório), ampliando ainda mais seu impacto.

O GPT-3.5 foi um verdadeiro ponto de virada. A IA agora poderia compor texto coerente sob demanda. O GPT-4, criado no início de 2023, afirmou o aspecto revolucionário do software, melhorando notavelmente seus recursos de raciocínio e compreensão de imagens. Em tempo recorde, a IA geradora de texto passou de uma curiosidade de laboratório para um essencial ferramenta de consumotanto para usuários menos experientes quanto para empresas que buscam automação.

Modelos que estão se tornando mais poderosos, mas com progresso limitado

No entanto, essa ascensão meteórica foi questionada pela evolução de modelos gigantes. De fato, os principais jogadores da web, como Abra a IA e seus concorrentes (Antrópicos, Google, Meta, Grok nos Estados Unidos, Mistral na França, Deepseek e Qwen na China) trabalharam para aumentar o poder de seus LLMs desde 2024. Assim, novos registros de desempenho e inteligência foram estabelecidos à custa de esforços significativos e grandes despesas.

No entanto, os ganhos tendem a platôs em comparação com os saltos espetaculares iniciais. De fato, de acordo com “Leis de dimensionamento”, cada novo avanço agora requer um aumento exponencial de recursos (tamanho do modelo, dados utilizados, poder de computação), que limita progressivamente a margem de progresso real das inteligências artificiais. De fato, dobrar a inteligência de um modelo não apenas dobraria o custo inicial, mas a multiplicaria por dez ou cem: exigiria mais poder de computação e mais dados de treinamento.

Onde a transição do GPT-3 para o GPT-4 trouxe melhorias significativas (com o GPT-4 realizando aproximadamente 40% melhor que o GPT-3,5 em determinados exames acadêmicos padronizados), o próximo modelo do OpenAI (codinomeado ÓrionDiz-se que oferece apenas melhorias mínimas em relação ao GPT-4, de acordo com algumas fontes.

Esse dinâmica de retornos decrescentes Afeta todo o setor: o Google descobriu que seu modelo Gemini 2.0 não atende às metas esperadas, e o Anthrópio interrompeu temporariamente o desenvolvimento de seu principal LLM para reavaliar sua estratégia. Em suma, a exaustão de grandes dados de dados de alta qualidade, bem como os custos insustentáveis ​​na computação de energia e energia necessárias para melhorar os modelos, levam a uma espécie de teto técnico, pelo menos temporariamente.

As novas abordagens: raciocínio e desempenho direcionado

Os números confirmam isso em benchmarks. As pontuações de compreensão de várias tarefas (Mmlu) Dos melhores modelos convergem: desde 2023, quase todos os LLMs alcançam desempenhos semelhantes nesses testes, indicando que estamos nos aproximando de um platô. Mesmo modelos de código aberto muito menores estão começando a competir com os gigantes treinados por bilhões de dólares em investimentos.

A corrida pela enormidade Os modelos estão, portanto, mostrando seus limites, e os gigantes da IA ​​estão mudando estratégias: Sam Altman (Openai) afirmou que o caminho para a IA verdadeiramente inteligente provavelmente não virá mais de simplesmente escala Llms, mas sim de um Uso criativo dos modelos existentes. Em termos claros, envolve encontrar novas abordagens para obter inteligência sem simplesmente multiplicar o tamanho das redes neurais.

Certas técnicas, como Cadeia de pensamento (ou árvore de pensamento), permita que o modelo gere um “raciocínio” (geralmente chamado de modelos “pensando”) antes de fornecer sua resposta, dentro da qual pode explorar possibilidades e perceber seus erros … Esta é a marca registrada dos modelos O1, O3 do OpenaiR1 de Deepseeke o modo “pensar” de Grok … esse método oferece ganhos notáveis ​​de inteligência, particularmente em problemas matemáticos.

No entanto, ainda tem um custo: um dos principais benchmarks para testar a inteligência do modelo é o Arc-agi (“Resumo e raciocínio corpus para inteligência geral artificial”), publicada por François Chollet em 2019, que testa a inteligência de modelos em tarefas de generalização como a abaixo:

Esse benchmark permaneceu um desafio muito difícil para todos os modelos gerais por um longo tempo, levando 4 anos para progredir de 0 % de conclusão com o GPT-3 a 5 % com o GPT-4O. Mas em dezembro passado, o OpenAI publicou os resultados de sua gama de modelos O3, com um modelo especializado sobre o ARC-AGI alcançando 88 % de conclusão:

No entanto, cada problema incorrer em um custo de excesso US $ 3.000 Para executar (sem contar as despesas de treinamento) e leva mais de dez minutos.

A era dos agentes inteligentes: da teoria à ação

O limite do Giant LLMS agora é evidente. Em vez de acumular bilhões de parâmetros para retornos cada vez maiores em inteligência, a indústria da IA agora prefere equipá -lo com “braços e pernas” para transição de uma geração de texto simples para ação concreta. Agora, a IA não responde mais a perguntas ou gera conteúdo passivamente, mas se conecta a bancos de dados, desencadeia APIs e executa ações: realizar pesquisas na Internet, escrever código e executá -lo, reservar um voo, fazer uma chamada…

É claro que essa nova abordagem transforma radicalmente nosso relacionamento com a tecnologia. Essa mudança de paradigma permite que as empresas repensem seus fluxos de trabalho e usem o poder do LLMS para automatizar tarefas tediosas e repetitivas. Essa abordagem modular se concentra na inteligência da interação, em vez da força paramétrica bruta. O verdadeiro desafio agora é permitir que a IA colabore com outros sistemas para obter resultados tangíveis. Vários agentes inteligentes já ilustram o potencial disruptivo dessa abordagem:

• DeePresearchuma das formas de agentes mais conhecidas, lançadas primeiro pelo Google Deepmind (dezembro de 2024), depois pelo OpenAI (fevereiro de 2025), seguido de perplexidade e XAI. Esse agente vasculha a Web, analisa centenas de fontes e compila um relatório abrangente em questão de minutos. Para um jornalista ou analista, este é um economizador fenomenal que transforma o monitoramento e a síntese de informações;
• Perplexidade Também oferece recuperação avançada de informações, sintetizando dados de várias fontes e fornecendo respostas abrangentes e originárias, excedendo em muito a lista simples de resultados que os mecanismos de pesquisa tradicionais oferecem;
• Manus encarna o estagiário digital perfeito. Capaz de dividir uma tarefa complexa em sub-step, organiza uma viagem, compara ofertas ou compila dados financeiros de ponta a ponta, ilustrando perfeitamente como a IA pode passar da teoria para a ação;
• v0por Vercel revoluciona o desenvolvimento da Web. Ao transformar as idéias expressas na linguagem natural em código funcional, ele permite prototipagem e implantação de sites ou painéis no tempo recorde, tornando a criação de aplicativos acessível mesmo para não especialistas;
• Github CopilotAssim, CursorAssim, Código Claude Redefine a programação sugerindo código em tempo real, detectando erros e corrigindo-os automaticamente. Eles mudam o papel do desenvolvedor do mero escritor de código para supervisor estratégico.

Antrópico, Criador de Claudepublicou recentemente um novo padrão, o Modelo Protocolo de contexto (ou MCP), que deveria em última análise Permita a conexão entre um LLM compatível e “servidores” de ferramentas escolhidas pelo usuário. Essa abordagem já chamou muita atenção na comunidade. Alguns, como Siddharth Ahuja (@sidahuj) Em X (anteriormente Twitter), use -o para conectar Claude ao Blender, o software de modelagem 3D, gerando cenas apenas com consultas:

Em direção a um futuro modular e interativo da inteligência artificial

A chegada desses agentes marca um ponto de virada decisivo em nossa interação com a IA. Ao permitir que uma inteligência artificial tome medidas, testemunhamos uma transformação dos métodos de trabalho. As empresas que integram agentes em seus sistemas podem automatizar processos complexos, reduzir atrasos e melhorar a precisão operacional, seja sobre sintetizar vastos volumes de informações ou impulsionar aplicativos completos.

Para profissionais, o O impacto é imediato. Um analista agora pode delegar a pesquisa e a compilação de informações em pesquisas profundas, liberando tempo para análises estratégicas. Um desenvolvedor, auxiliado pela V0, pode transformar uma idéia em realidade em apenas alguns minutos, enquanto o Github Copilot acelera a produção de código e reduz os erros. As possibilidades já são imensas e continuam a crescer à medida que novos agentes são criados.

Além do domínio profissional, esses agentes também transformarão nossas vidas diárias, deslizando em nossas ferramentas pessoais e fazendo serviços uma vez reservados para especialistas acessíveis: agora é muito mais fácil “photoshop” uma imagem, gerar código para um algoritmo complexo ou obter um relatório detalhado sobre um tópico…

Assim, a era dos LLMs gigantes pode estar chegando ao fim, enquanto a chegada dos agentes da IA ​​abre uma nova era de inovação. Esses agentes – pesquisas profundas, Manus, V0 por Vercel, Github Copilot, Cursor, Perplexity AI e muitos outros – parecem demonstrar que o verdadeiro valor da IA ​​está em sua capacidade de orquestrar várias ferramentas para realizar tarefas complexas, economizar tempo e transformar nossos fluxos de trabalho.

Mas além desses sucessos concretos, uma pergunta permanece: o que acontece o futuro da IA segurar para nós? Que inovações podemos esperar? Talvez uma integração ainda mais profunda com a computação de arestas, ou agentes capazes de aprender em tempo real, ou ecossistemas modulares, permitindo que todos personalizem seu assistente digital? O certo é que ainda estamos apenas no início desta revolução, que pode ser a maior humanidade que já experimentará. E você está ansioso para descobrir Orion (GPT5), Claude 4, Llama 4, Deepheek R2 e outras inovações disruptivas? Qual ferramenta deste futuro o excita mais?

Rayan D.

Rayan Drissi CTO de vários projetos de crypto, incluindo um token que atingiu um valor de mercado de US $ 90 milhões. Fundador de uma agência de desenvolvimento com uma equipe de 10 desenvolvedores especializados em Web3, IA e desenvolvimento de pilha completa. Graduado em uma das três principais escolas de ciência da computação da França e recentemente premiou o prestigiado status de “Pépite de France”, reconhecendo os melhores empreendedores estudantis do país por meio de um programa altamente seletivo.