Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar
Sessões

Abertura Bancada Agentic AI Fundamentos e Domain Sets Iniciais (2025-08-21)

21 ago 20251h 07min
Assistir gravação

Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.

O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

atualizado há 25 dias
Resumo da sessão

A sessão marcou a abertura da nova bancada de Agentic AI, criada para ampliar o repertório da comunidade sobre agentes, autonomia e sistemas multiagentes. Foi destacado que agentes de IA não são apenas aplicações isoladas, mas soluções capazes de perceber o ambiente, tomar decisões orientadas a objetivos, utilizar ferramentas e interagir com outros agentes. A bancada terá uma abordagem agnóstica de tecnologia, priorizando fundamentos, boas práticas, protocolos, orquestração, observabilidade, governança, infraestrutura, dados e integração, sem compromisso inicial com uma plataforma ou fornecedor específico.

Foram apresentados como domínios iniciais os sistemas multiagentes, a orquestração, a observabilidade e a contextualização e memória. Também foram propostos desafios práticos para investigar métodos de orquestração, cooperação entre agentes, ferramentas de observabilidade e uso de memória e contexto. Reforçou-se que os experimentos serão colaborativos, voltados à aprendizagem e não à entrega imediata de produtos para clientes, embora possam acelerar futuros casos de negócio. Entre as possibilidades discutidas estiveram observabilidade autônoma de infraestrutura e aplicações, monitoramento preditivo, controle de qualidade de dados e processos administrativos ou de setores como serviços financeiros e setor público.

A principal conclusão foi que a adoção de agentes precisa começar imediatamente, pois o tema já impacta atendimento, operações, segurança, finops, infraestrutura e processos de negócio. Dados confiáveis, integrações e capacidade de ação foram considerados fundamentos essenciais, já que os agentes dependem de dados para decidir e também geram novos dados ao interagir com o ambiente. Ficou em aberto a seleção dos primeiros casos e participantes dos desafios, bem como a definição dos próximos tech talks, experimentos e possíveis novos domínios conforme o grupo avance nas pesquisas.

Gerado por IA a partir da transcrição.
Capítulos · 36
00:15
Bolo de rolo e cultura gastronômica
Assistir
04:01
Abertura da bancada de agentes de IA
Assistir
05:18
Contextualização: o que são agentes de IA
Assistir
06:36
Autonomia e definição de agentes de IA
Assistir
07:50
Visão integrada e boas práticas para agentes
Assistir
12:56
Agentes de IA no hype tecnológico
Assistir
15:30
Ferramentas e exploração de tecnologias emergentes
Assistir
16:44
Temas da bancada: sistemas multiagentes e orquestração
Assistir
19:19
Autonomia e evolução dos agentes
Assistir
21:52
Arquitetura e colaboração entre agentes
Assistir
24:30
Impactos dos agentes nos processos de software
Assistir
25:48
Áreas de estudo e desafios da bancada
Assistir
29:38
Dinâmica colaborativa e mural de desafios
Assistir
33:27
Por que adotar agentes de IA agora?
Assistir
37:18
Escopo do Labs: conhecimento antes da implementação
Assistir
39:52
Bancada aberta para conceitos e compartilhamento
Assistir
41:10
Objetivo dos desafios e experimentos de orquestração
Assistir
42:28
Exploração de protocolos e integração entre tecnologias
Assistir
43:45
Operação, manutenção e acompanhamento de agentes em produção
Assistir
45:01
Parcerias, plataformas e aceleração para o mercado
Assistir
46:19
Abordagem agnóstica e comparação de tecnologias
Assistir
47:34
A importância de dados e integrações para agentes
Assistir
48:52
Ciclo de percepção, decisão e geração de dados
Assistir
50:08
Qualidade, foco e preparação dos dados
Assistir
51:23
Da exploração tecnológica aos casos de uso
Assistir
52:41
Orquestração, cooperação e memória dos agentes
Assistir
53:58
Observabilidade como candidato a caso de uso
Assistir
55:16
Agentes para automação e resiliência de infraestrutura
Assistir
56:35
Casos de negócio e colaboração multidisciplinar
Assistir
58:00
Observabilidade autônoma de aplicações
Assistir
59:16
Monitoramento autônomo da qualidade de dados
Assistir
1:00:33
Níveis de autonomia e evolução dos agentes
Assistir
1:01:49
Modelos, ferramentas e desenvolvimento de agentes
Assistir
1:03:04
Requisitos para autonomia: dados, acesso e decisão
Assistir
1:04:21
Encerramento e convite para novos encontros
Assistir
1:05:39
Próximas agendas e continuidade da comunidade
Assistir
Cortes · 13
O que são agentes de IA
A sessão diferencia inteligência artificial, agentes de IA e agentes autônomos. Também são apresentados os motivos para estudar o tema de forma ampla, envolvendo boas práticas, orquestração, ferramentas, governança e diferentes áreas da empresa.
06:36 – 11:40Assistir
Agentes de IA no ciclo de hype
A apresentação contextualiza os agentes de IA no chamado ciclo de hype e mostra como o tema se relaciona a outras tecnologias, como engenharia de IA, dados, MLOps e autonomia. O trecho também discute a variedade de ferramentas disponíveis e o papel do laboratório na exploração de tecnologias emergentes.
12:56 – 16:44Assistir
Autonomia, multiagentes e arquitetura
São apresentados os principais temas da bancada: sistemas multiagentes, orquestração e protocolos de comunicação. O trecho explica o que caracteriza um agente de IA, como ele percebe o ambiente, toma decisões e utiliza ferramentas, além de mostrar como essas capacidades se integram às arquiteturas de software existentes.
16:44 – 25:48Assistir
Desafios de exploração da bancada
A bancada é organizada em áreas de estudo e desafios colaborativos sobre agentes de IA. Entre os temas estão métodos de orquestração, observabilidade, cooperação entre múltiplos agentes, contextualização e memória.
25:48 – 29:38Assistir
Por que adotar agentes de IA agora
Participantes discutem a urgência de explorar agentes de IA e citam aplicações em atendimento, infraestrutura, segurança, FinOps, observabilidade, automação e operações multicloud. A conclusão é que acompanhar esse movimento é necessário para manter a competitividade.
33:27 – 37:18Assistir
O papel do laboratório na exploração
O trecho esclarece que o laboratório não tem como objetivo desenvolver produtos, mas construir conhecimento e protótipos de aprendizagem. A proposta é entender os conceitos e possibilidades dos agentes antes de escolher plataformas ou avançar para implementações específicas.
37:18 – 39:52Assistir
Objetivo da bancada: conhecimento e experimentação
O grupo define que a bancada não será amarrada a uma ferramenta ou plataforma específica, mas servirá para entender conceitos, protocolos e demandas do mercado. A proposta é pesquisar os temas e materializar o aprendizado em experimentos práticos de orquestração e integração entre tecnologias.
39:52 – 43:45Assistir
Agentes, posicionamento de mercado e abordagem agnóstica
A conversa aborda os desafios de colocar agentes em produção, acompanhar seus resultados e garantir sua manutenção. Também surge o debate sobre especializar-se em uma plataforma ou manter uma abordagem agnóstica, com comparação entre ferramentas e disseminação de conhecimento como objetivo principal.
43:45 – 47:34Assistir
Por que dados e integrações são essenciais para agentes
Os participantes explicam que agentes precisam de dados para perceber o ambiente, tomar decisões e agir, gerando novos dados em um ciclo contínuo. O trecho também destaca a importância das integrações, da seleção dos dados principais, do pré e pós-processamento e dos riscos de decisões ruins causadas por dados inadequados ou excessivos.
47:34 – 51:23Assistir
Dos desafios aos casos de uso com agentes
A bancada é apresentada como um caminho para transformar discussões sobre integrações, dados, memória e cooperação entre agentes em experimentos e futuros casos de uso. A proposta é trabalhar com pilotos menores, acelerar a formação das equipes e incorporar desde cedo aspectos de risco, compliance e ética.
51:23 – 53:58Assistir
Escolha de processos para experimentar autonomia
O grupo debate candidatos para experimentação, incluindo observabilidade de infraestrutura, processos administrativos e casos ligados a serviços financeiros, setor público e varejo. A discussão reforça que os experimentos devem conectar a tecnologia a problemas reais de negócio, começando por processos específicos e detalhados.
53:58 – 57:55Assistir
Observabilidade autônoma e qualidade de dados
São apresentados casos de uso para agentes observarem aplicações, logs e ambientes de produção, identificando problemas e apoiando ações corretivas. O destaque é um monitoramento autônomo e proativo da qualidade dos dados, capaz de detectar problemas no início do ciclo e executar ações com base em regras de negócio e privacidade.
58:00 – 1:00:33Assistir
Níveis de autonomia e construção de agentes
O trecho diferencia chat, automação com pouca autonomia e agentes capazes de resolver problemas com menor intervenção humana. Também explica que agentes podem ser construídos com fluxos, diferentes modelos e ferramentas, mas dependem de dados corretos, acesso autorizado e capacidade de tomar decisões no ambiente.
1:00:33 – 1:04:21Assistir
Perguntas desta sessão
Como selecionar ferramentas para aplicar em agentes de IA?
A abordagem é avaliar tanto ferramentas já conhecidas quanto novas soluções específicas para agentes e utilizá-las na construção de aplicações agentic conforme o problema a resolver.
15:38 – 15:53Assistir
O que são sistemas multiagentes no contexto de agentes de IA?
São soluções compostas por vários agentes individuais que atuam como uma equipe: cada agente executa uma parte do trabalho ou tem um objetivo próprio, mas todos colaboram para resolver problemas mais complexos e chegar a uma solução conjunta.
21:34 – 21:52Assistir
O que mudou na arquitetura de software com o surgimento dos agentes de IA?
A base da arquitetura permanece composta por microsserviços, sistemas orientados a eventos, fluxos de trabalho distribuídos e múltiplas equipes. A principal mudança é a incorporação de agentes capazes de raciocinar e agir com autonomia, comprimindo várias etapas de processos em uma execução mais inteligente. As soluções legadas continuam existindo, mas passam a conviver com camadas de agentes, ferramentas, contexto, observabilidade, infraestrutura e governança.
24:11 – 25:44Assistir
A bancada Agentic AI pretende desenvolver soluções diretamente para clientes por meio de parceiros?
Não. O objetivo do Labs é estudar o tema, desenvolver conhecimento e realizar learning prototypes e experimentos. A entrega de produtos ou soluções para clientes fica fora do escopo da bancada.
37:05 – 37:51Assistir
Como funciona um agente de IA e quais são os conceitos, protocolos e mecanismos de orquestração envolvidos?
A bancada busca compreender os conceitos por trás dos agentes, incluindo orquestração e protocolos de comunicação, sem se vincular a uma única plataforma. As ferramentas de diferentes fornecedores podem ser combinadas conforme o cenário, priorizando o entendimento amplo do tema antes da implementação de um produto.
39:38 – 40:48Assistir
A equipe deve se especializar em uma plataforma ou estabelecer parceria com um fornecedor para acelerar a atuação em tecnologia e IA?
Uma possibilidade é formar parceria e especializar-se em uma plataforma ou fornecedor para acelerar a camada tecnológica e de IA e chegar mais rapidamente aos clientes. Ainda assim, a bancada tem caráter exploratório e não fica limitada a uma única ferramenta.
45:36 – 45:59Assistir
Como os agentes autônomos utilizam dados ao interagir com o ambiente?
Os agentes precisam de dados para começar a perceber o ambiente, tomar decisões e agir. Cada ação altera o ambiente e gera novos dados, formando um ciclo contínuo de percepção, atuação e coleta de informações.
49:13 – 49:26Assistir
Quais dados são necessários para que um processo se torne autônomo?
É importante conhecer o conjunto de dados disponível, identificar os dados principais e realizar etapas como pré-processamento e pós-processamento. Dados insuficientes ou inadequados impedem o processo de avançar, enquanto dados ruins podem levar a decisões e ações ruins.
49:46 – 50:46Assistir
Que processo pode ser um bom candidato para aplicação de agentes autônomos?
Um processo administrativo foi sugerido como ponto de partida, especialmente por permitir a colaboração de equipes multidisciplinares e a análise de oportunidades de automação com agentes.
53:58 – 57:03Assistir
Como observar agentes autônomos em uma aplicação?
A observabilidade pode ser explorada por meio de um conjunto de agentes que monitore a aplicação e seu ambiente de produção, utilizando logs e outras informações para perceber o estado da aplicação, sua disponibilidade e sua funcionalidade.
54:09 – 58:40Assistir
Como agentes autônomos podem apoiar a observabilidade de infraestrutura e aplicações?
Um agente pode coletar informações dos ambientes dos clientes e analisar eventos de infraestrutura para identificar padrões ou situações de forma preditiva. A partir disso, pode recomendar ou executar ações que aumentem a resiliência, provisionem ambientes ou acionem integrações necessárias.
55:26 – 56:08Assistir
É possível implementar agentes de IA usando EJA e GCP?
Sim. A implementação pode usar diferentes plataformas e tipos de modelos, incluindo modelos específicos treinados para determinadas tarefas e modelos disponíveis em hubs como o Hugging Face, sem depender exclusivamente de modelos de linguagem como o GPT.
1:02:34 – 1:02:51Assistir