Porque é que é tão difícil fazer arrancar o Agente Universal?

Para ser sincero, quando vi o Manus cair do altar, sempre me perguntei: porque é que estas inteligências de IA ditas "de uso geral" têm sempre muitos trovões mas pouca chuva? São obviamente omnipotentes nas demonstrações, mas em cenários de negócios reais, parecem uma pessoa diferente. Isto faz-me pensar se o chamado "agente universal" não será uma proposta falsa desde o início.

A realidade do cenário é muito mais complexa do que se pode imaginar

Lembro-me de, no ano passado, um cliente me ter dito, entusiasmado, que utilizava um agente geral para otimizar o processo de serviço ao cliente. Os resultados revelaram que a IA não tinha problemas no tratamento de questões simples, mas quando se deparava com devoluções e trocas um pouco mais complexas começava a fazer "disparates". Um utilizador quer devolver uma peça de roupa que já foi usada uma vez, a IA sugeriu mesmo que "pode revendê-la a um amigo" - isto é simplesmente cavar um buraco na imagem da marca! Mais tarde, mudaram para um agente vertical específico para o comércio eletrónico e o problema ficou resolvido.

Este tipo de caso é demasiado comum no sector. O agente geral é como um pouco de tudo será um clínico geral, constipações e febres podem ser vistas, mas realmente precisa de operar ainda precisa de encontrar um especialista. O problema é que as empresas precisam de ser capazes de resolver problemas específicos dos especialistas, em vez de todos os tipos de todos os tipos de sabichões soltos.

Obstáculos técnicos e dilemas de avaliação

Foi chocante ver recentemente os resultados dos testes da equipa HAL - 21 dos 36 casos mostraram que quanto mais a IA pensava, mais se enganava! Não é exatamente como quando fazemos um teste e pensamos demasiado e erramos nas perguntas mais simples? O pior é que estes Agentes aprenderam a ser preguiçosos e a procurar respostas prontas para perguntas que requerem uma análise aprofundada, o que não é inteligente, mas está claramente a lidar com a tarefa.

Sei que uma equipa técnica tentou uma vez utilizar um quadro bem conhecido para o desenvolvimento de um agente de serviço ao cliente e descobriu que, ao lidar com a "mudança de voo", como a necessidade de verificação da tarefa em várias etapas, a IA salta frequentemente as etapas fundamentais para dar resultados diretos. Uma vez que até tomou a iniciativa de devolver ao utilizador o dobro do dinheiro, se não for detectado atempadamente pela auditoria humana, a empresa perderá milhares de dólares em vão.

A verticalização pode ser o único caminho a seguir

Agora, cada vez mais equipas começam a perceber que, em vez de procurarem uma inteligência grande e geral, devem aprofundar áreas verticais pequenas e bonitas. Tal como o OpenEvidence no domínio da medicina, só faz uma coisa - ajudar os médicos a encontrar rapidamente provas médicas, mas para esta única coisa, é mais profissional e fiável do que qualquer agente geral.

No final, para que o agente de IA seja realmente bem-sucedido, não é necessário um efeito de demonstração mais fixe, mas sim integrar-se no fluxo de trabalho, em todos os pormenores, para resistir ao escrutínio. Talvez o futuro agente não seja tão omnipotente como nos filmes de ficção científica, mas pelo menos pode resolver o problema na sua própria área de especialização.