Rogério Coutinho
22 de out. de 2025
Como sua empresa pode começar no uso da IA
Olá pessoal!
Hoje quero comentar um pouco sobre os estágios práticos para quem está começando a criar seus próprios assistentes e agentes de IA.
A ideia é facilitar o entendimento de onde sua empresa está e o caminho que pode seguir nessa jornada.
Mesmo quem ainda não cria agentes de IA, mas já começou a usar IA no dia a dia, vale a pena ter uma visão macro dessa jornada.
Eu particularmente gosto de ter uma visão macro antes de mergulhar nos detalhes. Por isso, vale visualizar essa linha evolutiva: como sua empresa pode começar no uso da IA e qual o próximo passo natural.
Vamos nessa!
#_Inicial
No início, a empresa usa IAs generativas de mercado (ChatGPT, Gemini, Claude, DeepSeek, entre outras).
Essas ferramentas atuam como assistentes com largo conhecimento adquirido em seu treinamento.
Resumo: você entra com uma solicitação (prompt) ==> vai para o LLM, processa ==> Você recebe uma resposta
De 2024 para cá, as principais IAs generativas também se tornaram multimodais, ou seja, entendem texto, imagem, áudio e até vídeo.
Casos de uso comuns:
- Resumir um artigo
- Revisar um e-mail
- Criar o rascunho de um contrato simples
- Mapear ideias para campanhas de marketing
É o estágio em que praticamente maioria das empresas está (especialmente as de pequeno porte).
#_Primeiros_Assistentes_Customizados
Aqui a empresa começa a criar assistentes com conteúdo interno, usando dados próprios.
O LLM (modelos de linguagem) de mercado tem conhecimento geral muito amplo, mas não sabe nada sobre os documentos, políticas ou processos internos da sua empresa.
Eles foram treinados com grandes quantidade de textos, incluindo dados públicos, códigos e literaturas.
É neste ponto que entra o RAG (Retrieval Augmented Generation), técnica que permite a IA usar uma base de conhecimento específica para responder de forma contextualizada. Já tivemos várias oportunidades de falar sobre RAG aqui no grupo.
Resumo : você entra com uma solicitação (prompt) ==> aplicação de IA consulta uma base de dados complementar ==> envia um prompt enriquecido para o LLM, que processa ==> Você recebe uma resposta
Exemplos:
- Assistente de onboarding com base no manual de RH
- Assistente de suporte com base nos manuais de produto
- Assistente de dúvidas frequentes do service desk
- Assistente de vendas que sugere argumentos conforme o tipo de cliente
Aqui, os dados que alimentam o assistente não estão no modelo base da IA (LLM). São dados da própria empresa, que passam a ser utilizados com segurança e contexto.
#_Expandindo_Capacidade_com_Ferramentas
Neste estágio, a empresa cria aplicações de IA com workflows definidos, integrando ferramentas e sistemas.
A IA deixa de apenas responder e passa a executar etapas dentro de um processo.
Apesar de o uso do LLM estar presente (para entender linguagem natural, resumir, etc.), o fluxo segue regras bem definidas.
Exemplo prático:
- Um chatbot de cotação que conversa com o cliente, consulta preços, verifica o histórico no CRM e envia a solicitação ao ERP para faturamento, tudo dentro de um fluxo rígido.
Essas soluções já são aplicações de IA operando dentro de workflows definidos.
#_Agentes_com_Maior_Autonomia
Aqui chegamos ao novo estágio: agentes de IA mais autônomos.
Eles não apenas executam tarefas, mas decidem quais etapas seguir. A IA raciocina, escolhe ferramentas e ajusta seu comportamento conforme o contexto.
Exemplo:
- Um agente de IA que oferece um Chatbot para o cliente consultar seu histórico dentro de um CRM interno ( tool/ferramenta), que analisa políticas de desconto, simula cenários, decide a melhor estratégia de venda, dentro de faixas, ajusta a proposta, aceita um pedido e registra tudo automaticamente, sem um fluxo pré-programado.
Pode seguir um caminho ou outro que é decidido pelo próprio agente de IA.
#_Reflexões
À medida que cresce o poder e a autonomia dos agentes, crescem também os riscos.
Riscos por estágio:
- Assistentes simples: riscos baixos e impacto limitado
- Workflows com IA: riscos de acesso indevido ou vazamento de dados
- Agentes mais autônomos: riscos mais elevados se não houver controle, segurança e rastreabilidade
Na fase agentica ( com mais autonomia ), a IA passa a agir sem supervisão humana constante. Isso exige políticas claras de governança, segurança, proteção de dados, trilhas de auditoria e controle das decisões automatizadas.
Empresas que entenderem essa evolução podem extrair mais valor real da IA, sem gerar caos nem riscos excessivos.
Aquelas que acelerarem sem governança provavelmente assumirão riscos importantes ou pior, podem avançar sem nem conhecerem os riscos existentes!
Espero que o post seja útil de alguma forma para voces!!!!
Abraços
Sobre o autor:
Rogério Coutinho da Silva
rogerio.coutinho.silva@gmail.com
https://www.linkedin.com/in/rogerio-coutinho-silva/
Engenheiro de Computação formado pela Universidade Federal de São Carlos (UFSCar). Sócio-fundador da Podium Tecnologia (Consultoria especializada em Governança de Segurança da Informação, Privacidade e Continuidade de Negócios) e da SimpleWay (Plataforma de Governança de Segurança Cibernética, Privacidade e IA).
.png)