João Miguel Mesquita
A Gartner prevê que mais de 40% dos projetos de inteligência artificial baseados em agentes sejam cancelados até 2027. O debate tem-se concentrado sobretudo no aumento dos custos, no retorno comercial ainda incerto e nos riscos associados ao controlo destes sistemas. No entanto, por trás dessas preocupações existe uma questão estrutural que raramente entra na discussão: a portabilidade da infraestrutura onde estes agentes operam.
Grande parte das arquiteturas de IA com agentes está a ser construída como se as fronteiras das empresas fossem permanentes, quando na prática as organizações mudam constantemente de forma. Mesmo num mercado mais pequeno como o português, reestruturações, aquisições, venda de unidades de negócio ou reorganizações internas fazem parte do ciclo normal de evolução das empresas.
Esta dinâmica coloca um desafio prático para os departamentos de TI. Quando uma unidade de negócio é vendida, integrada num grupo internacional ou separada numa nova entidade, os sistemas digitais que suportam a operação têm de acompanhar essa mudança. No caso da inteligência artificial baseada em agentes, essa transição pode revelar-se muito mais complexa do que simplesmente migrar aplicações ou bases de dados.
Os sistemas de agentes dependem de vários componentes estruturais: sistemas de identidade digital, plataformas de dados, interfaces de programação (APIs), grafos de conhecimento, mecanismos de monitorização e camadas de metadados que permitem interpretar o contexto de negócio.
Quando todos estes elementos ficam profundamente integrados na infraestrutura de uma única organização, qualquer separação torna-se difícil. Os agentes de IA não funcionam isoladamente; dependem de um conjunto alargado de sistemas que lhes fornece dados, contexto e capacidade operacional.
Na prática, isto significa que uma venda de unidade de negócio ou uma reorganização empresarial pode obrigar a separar cuidadosamente todo esse ecossistema tecnológico. Em projetos de transformação empresarial, a separação de dependências de infraestrutura pode prolongar-se durante vários meses e implicar custos significativos que muitas vezes não estavam previstos no investimento inicial.
Para muitas organizações, o problema não está no modelo de inteligência artificial em si, mas nas decisões de arquitetura tomadas na infraestrutura que o suporta.
Regulamentação europeia acrescenta complexidade
No contexto português e europeu, a questão torna-se ainda mais sensível devido ao enquadramento regulatório. O Regulamento Geral sobre a Proteção de Dados (RGPD), a futura Lei da IA da União Europeia e outras regras sobre soberania dos dados introduzem exigências específicas sobre como a informação pode ser utilizada e transferida.
Um sistema de agentes desenhado para cumprir requisitos regulatórios europeus pode tornar-se difícil de adaptar quando uma empresa integra novas operações internacionais ou quando dados passam a circular entre diferentes entidades do grupo.
O sistema que deveria ajudar a unificar informação e automatizar processos pode acabar por exigir duplicação de infraestruturas, reconfiguração profunda ou até abandono parcial da solução.
Para os responsáveis de TI nas empresas portuguesas, a questão torna-se estratégica: como criar infraestruturas orientadas a agentes que entreguem valor hoje sem se tornarem um obstáculo quando a organização evoluir amanhã.
Pensar sistemas preparados para divisão
A resposta começa por uma mudança de mentalidade na arquitetura dos sistemas. Em vez de assumir um único contexto organizacional estável, o desenho das plataformas deve considerar desde o início que alguns componentes poderão ter de operar de forma autónoma.
Neste modelo, a clareza semântica ganha importância. Termos aparentemente simples, como “cliente”, podem ter significados diferentes entre unidades de negócio, linhas de produto ou mercados geográficos. Preservar essas diferenças pode evitar problemas significativos quando ocorre uma reorganização empresarial.
Outro ponto crítico é a definição explícita da propriedade dos dados. Em arquiteturas baseadas em fluxos de eventos, onde informação circula continuamente entre vários sistemas, a pergunta sobre quem é o proprietário dos dados deve ser respondida logo na fase de desenho.
Organizações que documentam a titularidade dos dados desde o início conseguem atravessar processos de transformação com muito menos fricção tecnológica.
A gestão de metadados é outro elemento frequentemente subestimado. Em muitas empresas, os metadados estão dispersos por vários sistemas sem coordenação, ou concentrados num único repositório central.
Nenhuma destas abordagens se adapta bem a cenários de reorganização. Uma alternativa passa por manter repositórios de metadados dentro de cada domínio de negócio, mas com padrões comuns de descoberta e partilha de informação. Desta forma, os diferentes domínios podem separar-se ou integrar-se com menos impacto operacional.
O mesmo princípio aplica-se à automação operacional baseada em inteligência artificial. Plataformas conhecidas como AIOps utilizam grandes volumes de dados e algoritmos de aprendizagem automática para identificar problemas técnicos e iniciar correções automáticas.
Esses sistemas só funcionam de forma segura quando os limites operacionais estão claramente definidos e podem ser ajustados à medida que a estrutura organizacional muda.
Existe ainda outra dimensão que tende a ser ignorada nas primeiras fases dos projetos: os ativos de inteligência proprietária. Modelos treinados internamente, regras de negócio específicas e conjuntos de dados exclusivos podem constituir uma vantagem competitiva importante.
Quando ocorre uma cisão, venda de unidade de negócio ou reorganização do grupo empresarial, surge inevitavelmente a questão sobre quem fica com esses ativos. Sem documentação clara sobre as fontes de dados utilizadas, os modelos treinados e as regras implementadas, as negociações podem tornar-se complexas e demoradas.
Organizações que registam essas relações desde o início evitam transformar um processo de transformação empresarial numa investigação técnica prolongada.
Antes de avançar com investimentos relevantes em inteligência artificial com agentes, existe uma pergunta simples que pode revelar muito sobre a robustez da arquitetura: este sistema conseguiria operar sob uma identidade corporativa diferente?
Se uma unidade de negócio tivesse de ser separada amanhã, o agente continuaria a funcionar sem depender da infraestrutura de identidade, segurança ou contratos da empresa original? A resposta a esta pergunta revela o nível de “dívida de transformação” que o projeto pode estar a criar.
Outra questão prende-se com a propriedade intelectual. A organização consegue identificar claramente a quem pertencem os dados de treino, as regras de negócio e os modelos resultantes? Se não conseguir, futuras operações empresariais podem ficar bloqueadas por disputas sobre ativos digitais.
Nos últimos anos, grande parte da atenção na inteligência artificial concentrou-se nos grandes modelos de linguagem que funcionam como o “cérebro” destes sistemas. No entanto, à medida que estas tecnologias entram nas operações das empresas, a atenção começa a deslocar-se para a estrutura que lhes dá suporte.
A próxima fase da inteligência artificial empresarial poderá depender menos da capacidade dos modelos e mais da arquitetura que permite adaptá-los a organizações em constante transformação.
A transformação empresarial não é uma exceção, mas sim uma realidade recorrente. Projetar infraestruturas de IA capazes de sobreviver a essas mudanças pode tornar-se decisivo para proteger investimentos tecnológicos que, de outra forma, correm o risco de se tornar rapidamente obsoletos.
