As equipes corporativas de IA estão enfrentando um obstáculo — não porque seus modelos não consigam raciocinar, mas porque os fluxos de trabalho abaixo deles nunca foram criados para agentes. As tarefas falham, as transferências são interrompidas e o problema aumenta à medida que as organizações empurram os agentes mais profundamente para os sistemas de back-office. Uma nova camada arquitetônica está surgindo para resolver isso: planos de controle de execução de fluxo de trabalho que impõem uma estrutura determinística aos processos que se espera que os agentes executem. Uma das empresas que traz isso à tona é a Salesforce, com uma nova plataforma de fluxo de trabalho que transforma os fluxos de trabalho de back-office em um conjunto de tarefas para serem concluídas por agentes especializados. Os usuários podem fazer upload de seus processos ou usar um dos Blueprints fornecidos pelo Salesforce, e o Agentforce Operations irá dividi-los para os agentes. O vice-presidente sênior de produtos da Salesforce, Sanjna Parulekar, disse à VentureBeat em uma entrevista que o problema é que muitos fluxos de trabalho corporativos não são criados para agentes. “O que observamos com os clientes é que, muitas vezes, a falha em um processo provavelmente está no documento de requisitos do produto”, disse Parulekar. “Então, quando isso é carregado em um produto, não funciona muito bem. Podemos otimizá-lo, cortar algumas coisas e substituí-lo por um agente.” Sem essa camada de painel de controle, as empresas correm o risco de implantar agentes que aumentem os custos em vez de resolver os problemas de fluxo de trabalho. Fazendo o fluxo de trabalho funcionar para agentes, não apenas para humanos As empresas que implantam agentes estão aprendendo uma lição custosa: seus fluxos de trabalho foram projetados em torno de lacunas de julgamento humano, e não de execução por máquina. Processos que evoluíram ao longo de anos de soluções alternativas — passos vagamente definidos, decisões implícitas, coordenação que depende de os indivíduos saberem o que fazer a seguir — quebram quando os agentes são solicitados a segui-los literalmente. Mesmo com todo o contexto de uma empresa ao seu alcance, os sistemas de IA terão dificuldade em concluir tarefas se não estiver claro o que devem fazer. Parulekar disse que sua equipe descobriu que focar no que faz o processo funcionar e dividi-lo em etapas e fluxos de trabalho mais explícitos torna o sistema mais determinístico. Então, quando plataformas como Agentforce Operations apresentam agentes, esses agentes já conhecem suas tarefas específicas. “Isso força as empresas a repensar seus processos e introduz observabilidade no mix por causa do modelo de rastreamento de sessão no sistema”, disse ela. Parulekar disse que verificações humanas podem ser integradas ao sistema, para que o processo seja mais transparente. O que torna esta abordagem diferente de outras ofertas de automação de fluxo de trabalho é que ela não depende de agentes para decidir o que fazer a seguir; o sistema faz. Ao contrário das ferramentas de automação mais tradicionais que roteiam tarefas e agentes na tomada de decisões probabilísticas, isso impõe a execução em uma estrutura determinística mais predefinida. O problema que introduz Codificar um fluxo de trabalho não corrige um fluxo de trabalho quebrado. Se um processo tiver etapas falhas, codificá-lo para agentes bloqueia o problema em escala. E quando os fluxos de trabalho são distribuídos entre os agentes, o desafio passa da execução para a governança: quem é o proprietário do processo, quem o valida e como ele evolui quando as condições de negócios mudam. Isso coloca sobre as equipes a responsabilidade de analisar com atenção o que funciona para elas e o que não funciona. As organizações precisam considerar que, junto com o plano de controle de execução oferecido por plataformas como Agentforce Operations, alguém deve ser responsabilizado pela conclusão e sucesso da tarefa. Brandon Metcalf, fundador e CEO da empresa de orquestração de força de trabalho Asymbl, disse à VentureBeat em uma entrevista separada que a chave para humanos e agentes seguirem um fluxo de trabalho é um objetivo compartilhado. “Você tem que entender o objetivo ou o agente ou humano não concluirá a tarefa com êxito”, disse Metcalf. “Alguém tem que gerenciar o resultado que precisa ser entregue. Pode ser uma pessoa ou um agente.” O gargalo mudou. Como Metcalf enquadrou, a questão não é mais se os agentes podem raciocinar durante uma tarefa, mas se o fluxo de trabalho abaixo deles é coerente o suficiente para ser executado. Para as empresas que construíram os seus processos em torno do julgamento humano e da memória institucional, essa é uma solução mais difícil do que mudar para um modelo mais inteligente. Fonte ==> Cyberseo

Ouça o artigo 8 minutos Este áudio é gerado automaticamente. Por favor, deixe-nos saber se você tiver comentários. A Carter’s está se preparando

Um dos principais desafios da construção de agentes de IA eficazes é ensiná-los a escolher entre usar ferramentas externas ou confiar no seu

Amazon Web Services on Tuesday launched one of the most consequential enterprise AI plays in the company's 20-year history, simultaneously bringing OpenAI's most

Ouça o artigo 10 minutos Este áudio é gerado automaticamente. Por favor, deixe-nos saber se você tiver comentários. “O Diabo Veste Prada” foi

O treinamento de modelos de raciocínio de IA exige recursos que a maioria das equipes empresariais não possui. As equipes de engenharia muitas

Ouça o artigo 3 minutos Este áudio é gerado automaticamente. Por favor, deixe-nos saber se você tiver comentários. Resumo de mergulho: Albertsons Media