A próxima fase da IA nas empresas: menos chatbot, mais controlo sobre dados e custos
A nova vaga de agentes empresariais mostra que o problema central já não é apenas ter acesso a bons modelos. As empresas precisam de contexto interno, governança, controlo de custos e respostas fiáveis baseadas nos seus próprios dados.
Resumo
A adopção de IA nas empresas está a entrar numa fase mais pragmática. Depois da corrida aos chatbots e aos modelos mais avançados, o problema começa a deslocar-se para outro ponto: como fazer com que a IA entenda os dados reais de uma organização, responda com fiabilidade e não gere custos imprevisíveis.
A Databricks apresentou o Genie One, descrito como um AI co-worker para equipas de negócio em áreas como finanças, marketing e vendas. A proposta é permitir que profissionais façam perguntas, criem tarefas, acompanhem alertas e tomem decisões a partir de dados empresariais estruturados e não estruturados.
A empresa também está a trabalhar em controlos para limitar gastos com IA, incluindo mecanismos para evitar custos descontrolados quando agentes autónomos começam a executar tarefas com pouca supervisão humana.
Na pratica
A ideia central do Genie One é ligar agentes de IA ao contexto real da empresa. Em vez de responder apenas com base em documentos soltos ou prompts isolados, o sistema usa uma camada chamada Genie Ontology, que procura organizar conhecimento interno, dados, aplicações, documentos e relações de negócio.
Isto é relevante porque muitas falhas de IA empresarial não acontecem por falta de inteligência do modelo. Acontecem porque o modelo não sabe como a empresa mede receitas, margens, clientes, campanhas, inventário, riscos ou prioridades.
A Databricks posiciona o produto como uma forma de transformar perguntas de negócio em fluxos reutilizáveis. Uma equipa pode guardar uma conversa como agente, repetir análises, criar aplicações internas e ligar estas operações a permissões, controlos de acesso e regras de governança.
O que falta saber
A promessa é forte, mas ainda há riscos importantes. Primeiro, uma camada de contexto empresarial só é tão boa quanto os dados, permissões e definições que recebe. Se os dados estiverem desorganizados, incompletos ou contraditórios, a IA pode apenas produzir respostas erradas com mais confiança.
Segundo, os custos tornam-se mais difíceis de prever quando agentes trabalham em segundo plano, fazem chamadas repetidas a modelos e automatizam tarefas sem supervisão constante. A própria Databricks está a responder a esse problema com ferramentas de controlo de gastos, o que mostra que esta dor já é real em clientes empresariais.
Terceiro, há uma questão cultural. Dar a equipas de negócio ferramentas para criar agentes e aplicações internas pode acelerar trabalho, mas também exige regras claras: quem pode criar agentes, que dados podem usar, que acções podem executar e como se audita o resultado.
Porque importa
- A adopção empresarial de IA está a passar de demonstrações para sistemas ligados a dados reais.
- O maior obstáculo deixa de ser apenas o modelo e passa a ser contexto, governança, permissões e custos.
- Agentes autónomos podem criar valor, mas também podem multiplicar erros e gastos se não forem controlados.
- Para empresas, a vantagem competitiva estará menos em usar IA e mais em ter dados organizados e processos auditáveis.