João Miguel Mesquita
Os agentes de inteligência artificial começam a sair dos projetos experimentais para assumir tarefas concretas dentro das organizações. Podem consultar informação, desencadear processos, interagir com aplicações empresariais ou delegar trabalho noutros agentes. Contudo, quando o número de componentes aumenta, já não basta garantir que cada agente funciona de forma isolada.
É neste ponto que entram as plataformas de orquestração de agentes de IA. Estas soluções coordenam agentes especializados, ferramentas, dados, sistemas empresariais e pessoas dentro de processos compostos por várias etapas.
A função da orquestração não é apenas colocar agentes a comunicar, mas controlar como trabalham, que informação utilizam e em que momento uma pessoa deve intervir.
A conectividade assenta, em parte, em dois padrões abertos. O Model Context Protocol, conhecido pela sigla MCP, permite que os agentes acedam de forma controlada a ferramentas e fontes de dados. O protocolo Agent2Agent, ou A2A, permite que diferentes agentes se encontrem, comuniquem e distribuam tarefas entre si, mesmo quando foram desenvolvidos em plataformas distintas.
Acima destes mecanismos encontra-se a camada de orquestração. É aqui que são geridos o encaminhamento das tarefas, o estado partilhado dos processos, as regras de segurança, os mecanismos de proteção, a governação e a observabilidade, ou seja, a capacidade de acompanhar o que cada agente fez e por que razão tomou determinada decisão.
A oferta já é extensa. Foram identificadas mais de 60 plataformas comerciais e de código aberto capazes de funcionar como centro de controlo do trabalho realizado por agentes, pessoas e sistemas de automatização. As propostas partem de fornecedores de cloud, software empresarial, automatização de processos, experiência do cliente, gestão de dados, operações de TI e desenvolvimento de aplicações.
Esta diversidade torna provável que muitas empresas acabem por utilizar mais do que uma plataforma. Tal como aconteceu com as arquiteturas de dados e as ferramentas de automatização, diferentes departamentos poderão adotar soluções distintas, criando a necessidade de uma governação transversal.
Os agentes de IA são sistemas não determinísticos. Isto significa que, perante situações semelhantes, podem produzir resultados diferentes. Esta característica torna mais difícil aplicar-lhes os mesmos modelos de controlo utilizados em software tradicional, cujo comportamento é normalmente definido por regras previsíveis.
Uma plataforma de orquestração deve permitir estabelecer que agentes podem colaborar, em que circunstâncias e com que nível de autonomia. Também deve definir as situações em que uma ação precisa de aprovação humana antes de ser executada.
Sem regras claras sobre quem pode decidir, executar e aprovar, a autonomia pode aumentar o risco operacional mais depressa do que o valor criado.
A responsabilidade torna-se especialmente relevante quando um agente atua sobre sistemas financeiros, plataformas de planeamento empresarial, cadeias de abastecimento ou outras infraestruturas essenciais ao funcionamento da organização. Nesses casos, não basta registar o resultado final. É necessário manter um histórico completo das decisões, do contexto utilizado e das ações realizadas.
A observabilidade permite reconstruir esse percurso. As organizações devem conseguir perceber que agentes participaram num processo, que informação lhes foi disponibilizada e em que momento ocorreu cada decisão. Esta capacidade deve abranger também a chamada camada de contexto, onde podem existir sistemas de geração aumentada por recuperação, grafos de conhecimento e estruturas semânticas.
A geração aumentada por recuperação, habitualmente designada RAG, permite que um modelo consulte informação empresarial antes de responder. Os grafos de conhecimento organizam relações entre pessoas, documentos, sistemas e conceitos. Já as camadas semânticas ajudam a dar um significado comum aos dados utilizados por diferentes aplicações.
A plataforma deve mostrar com clareza como estas fontes são usadas. Caso contrário, torna-se difícil determinar se uma resposta resultou de informação autorizada, de dados desatualizados ou de uma associação incorreta produzida pelo modelo.
A confiança dos trabalhadores depende igualmente deste nível de transparência. Um agente que atua sem explicações, limites ou mecanismos de interrupção tende a ser encarado como um risco, mesmo quando produz resultados aparentemente corretos.
Na avaliação das plataformas, importa perceber se conseguem ligar-se aos sistemas que sustentam a operação da empresa, executar processos críticos de forma controlada e impor regras determinísticas a componentes de IA que, por natureza, não são totalmente previsíveis.
É também necessário determinar se a solução permite substituir modelos de linguagem ou estruturas de desenvolvimento sem obrigar a reconstruir toda a arquitetura. A dependência de uma única tecnologia pode limitar a capacidade de adaptação quando surgem novas exigências de desempenho, custo, segurança ou conformidade.
À medida que uma plataforma concentra mais fluxos de trabalho, aumenta também a sua importância para a continuidade do negócio. Uma falha deixa de afetar apenas um agente e pode interromper vários processos ligados entre si.
As empresas devem avaliar estas plataformas como infraestrutura operacional, e não apenas como ferramentas de experimentação com inteligência artificial.
Isto implica analisar desempenho, disponibilidade, proteção de identidades, gestão de acessos, recuperação de falhas e capacidade para manter processos de longa duração sem perder informação sobre o seu estado.
Entre a decisão de um agente e a execução de uma ação deve existir uma camada de controlo. Esta camada pode impedir operações não autorizadas, exigir validações adicionais ou encaminhar o processo para uma pessoa quando são ultrapassados determinados limites.
A gestão de identidade assume particular importância. Cada agente deve ter permissões adequadas às tarefas que executa, seguindo o princípio de acesso mínimo. Um agente encarregado de consultar encomendas, por exemplo, não deve obter automaticamente autorização para alterar dados financeiros ou configurações de segurança.
A monitorização deve ainda abranger a precisão dos resultados e a resposta a incidentes. Quando um agente começa a produzir respostas inconsistentes ou a atuar fora dos parâmetros esperados, a organização deve conseguir identificar o problema, suspender a execução e analisar o impacto.
A recolha de contexto também tem de ser protegida. As plataformas podem ter de consultar fontes distribuídas por centros de dados, serviços cloud e aplicações externas. Coordenar estes acessos com segurança é essencial para evitar que dados confidenciais sejam expostos ou utilizados fora da finalidade prevista.
Testar antes e depois da entrada em produção
Os testes tradicionais de software verificam se uma aplicação responde corretamente a condições previamente definidas. Nos agentes de IA, esse trabalho é mais complexo, porque é necessário avaliar não só o código, mas também as instruções dadas ao modelo, as respostas produzidas e as ações desencadeadas.
As alterações devem ser validadas antes da entrada em produção, tal como acontece com aplicações e interfaces de programação. No entanto, o processo não termina no momento da implementação.
Os agentes precisam de ser avaliados continuamente em produção para detetar desvios, respostas inesperadas e comportamentos que não surgiram durante os testes.
Uma plataforma de orquestração deve centralizar estes mecanismos e recolher feedback que permita melhorar a precisão. Sem uma avaliação contínua, as equipas podem acelerar a criação de novos agentes, mas perder capacidade para perceber se os resultados continuam alinhados com os objetivos definidos.
A integração dos testes na cadeia de desenvolvimento reduz o risco de colocar em produção alterações que não foram adequadamente verificadas. Esta capacidade é especialmente relevante quando a IA também é utilizada para gerar código, configurar processos ou modificar componentes de software.
A velocidade, por si só, não deve ser o principal critério. Quanto mais depressa uma organização cria e altera agentes, maior é a necessidade de automatizar a validação. Caso contrário, o aumento da produtividade no desenvolvimento pode ser acompanhado por uma expansão equivalente do risco.
O suporte para MCP e A2A é um dos critérios utilizados para avaliar a abertura destas plataformas. Os dois protocolos ajudam a ligar agentes a dados, ferramentas e outros agentes sem depender exclusivamente de integrações proprietárias.
A interoperabilidade deve, contudo, ser analisada para além do apoio formal a padrões. Uma plataforma pode declarar compatibilidade com diferentes tecnologias e, ainda assim, impor limitações na substituição de modelos, na configuração de permissões ou no acesso a determinadas funcionalidades.
O valor de uma plataforma depende menos do número de funcionalidades disponíveis hoje do que da sua capacidade para acompanhar a evolução da estratégia, dos sistemas e das necessidades da empresa.
As organizações devem perceber se conseguem combinar modelos de diferentes fornecedores, ligar fontes de dados distribuídas e incorporar agentes desenvolvidos internamente ou adquiridos a terceiros. Também devem avaliar a existência de catálogos que permitam identificar os agentes disponíveis, as respetivas funções e os níveis de acesso atribuídos.
Os conectores previamente desenvolvidos podem acelerar a integração com aplicações empresariais, mas não eliminam a necessidade de analisar a qualidade dessas ligações. É importante determinar como são atualizadas, que dados recolhem e que controlos de segurança aplicam.
A flexibilidade na escolha dos modelos permite equilibrar desempenho, precisão, conformidade e custos. Pode também evitar que uma alteração comercial ou tecnológica de um fornecedor obrigue a rever toda a arquitetura.
A orquestração de agentes de IA é ainda uma categoria recente. Muitas plataformas estão em desenvolvimento acelerado e podem alterar significativamente as suas funcionalidades, modelos comerciais ou prioridades tecnológicas.
A avaliação deve, por isso, abranger não apenas o produto atual, mas também a estabilidade do fornecedor, a capacidade de prestar apoio e a clareza do seu roteiro de desenvolvimento.
As equipas de tecnologia devem envolver as áreas financeira, jurídica e de conformidade neste processo. Uma solução tecnicamente adequada pode representar um risco se o fornecedor não tiver capacidade para manter o produto, responder a incidentes ou acompanhar as exigências regulamentares e operacionais dos clientes.
A seleção deve considerar a viabilidade financeira, a consistência do roteiro público, a qualidade do suporte e a atividade da comunidade de utilizadores.
Uma base de clientes alargada pode indicar que a plataforma já foi confrontada com situações operacionais diversas. Fóruns ativos, documentação atualizada e um ecossistema de integrações também ajudam a perceber se existe capacidade para apoiar projetos de maior dimensão.
O ritmo de inovação deve ser acompanhado por mecanismos de governação. Se a criação de agentes avançar mais depressa do que a capacidade das equipas de TI e segurança para os identificar e controlar, a empresa terá de escolher entre travar os projetos ou perder visibilidade sobre o que está a ser colocado em funcionamento.
Muitas organizações continuam numa fase inicial, procurando transformar provas de conceito em aplicações de produção. Para essas empresas, a escolha de uma plataforma de orquestração pode parecer prematura. No entanto, as decisões tomadas durante os primeiros projetos condicionam frequentemente a arquitetura que será usada quando o número de agentes aumentar.
Para as organizações que já distribuem agentes por diferentes plataformas, departamentos e processos, a orquestração deixa de ser um complemento técnico. Passa a ser o mecanismo através do qual se procura escalar a utilização da IA sem perder controlo sobre os dados, as operações e as responsabilidades.
