Orquestração de agentes: Como empoderar os agentes de IA?

Não é de hoje que a IA vem tomando conta das empresas. No entanto, para surfar na onda da inovação não basta investir em tecnologias generativas ou na contratação de ferramentas empoderadas com inteligência artificial. 

Por quê? Porque para funcionar bem a IA precisa de uma base de dados harmonizada, sem conjuntos de informações isoladas que prejudicam a criação de ações – ou seja, sem silos de dados, os quais aumentam as chances de informações duplicadas e resultados pouco transparentes. 

O que é a orquestração de dados e agentes de IA?

Nesse sentido, a orquestração de dados é um processo indispensável para a extração do máximo potencial da inteligência artificial e, consequentemente, para o funcionamento dos agentes de IA. Como conceito, a orquestração de dados envolve um procedimento automatizado voltado para a administração e sincronização do tráfego de dados entre diversos sistemas, aplicações e plataformas.

Ou seja, se você é o gestor de uma cadeia de lojas de artigos esportivos e usa um ERP e um CRM (duas fontes de dados diferentes), a orquestração de dados considera e unifica essas duas bases de informação, evitando dados gêmeos, referências replicadas e, portanto, agentes de IA atuando de forma pouco assertiva.

Além disso, a orquestração de dados abrange a transferência, modificação e unificação das informações, assegurando que os dados certos estejam acessíveis nos momentos e locais apropriados para análises, geração de relatórios e suporte à tomada de decisões.

Em uma pesquisa da Salesforce, podemos perceber a importância do processo da orquestração de dados. Nela, 80% das empresas citaram a integração de dados como um dos principais obstáculos para a adoção da IA. Diante disso, podemos presumir que um número grande de corporações ainda tem problemas em adotar processos eficientes de integração de dados. 

LEIA MAIS: Clusters: o que são e para que servem?

Como orquestrar dados resolve o problema dos silos de informação?

Não ter ferramentas de IA conectadas e integradas é um problema. Mas como resolver isso e dar início ao processo de orquestração de dados? Essa preocupação deveria ser uma prioridade estratégica nas empresas – principalmente naquelas que desejam investir pesado no uso de agentes de IA, seja para a otimização de chatbots ou de outras formas de interação e automação. 

Para essas corporações, é essencial construir uma base preparada para agentes – ou seja, uma empresa “pronta para agentes”. Em outras palavras, para que agentes de IA funcionem, é necessário construir uma base de dados que seja harmônica e com um processo de orquestração aplicável.  

Portanto, a base precisa incluir recursos robustos de integração e APIs, que permitam aos agentes de IA acessar dados críticos, interagir com sistemas existentes e agir para aumentar a eficiência e gerar novas fontes de receita. Além disso, lembre-se que dados integrados são a peça essencial para criar experiências consistentes e estratégias que se conversam. 

Outro ponto que é importante compreender é que quando estamos falando de todos os dados produzidos e coletados por uma empresa, estamos falando de TODOS mesmo. Por isso, essa preocupação com uma quantidade massiva de informação pode impactar a orquestração dos agentes de IA, deixando-os “confusos”. Nesse caso, pode causar dor de cabeça coordenar diferentes agentes… 

LEIA MAIS: O que é Inteligência Artificial?

Agentes de IA: como ter uma boa estratégia por meio da orquestração de dados e agentes?

Com o cenário caótico descrito acima, alguns gestores podem estar pensando: “Mas então, como integrá-los e fazer com que trabalhem de forma sincronizada?” 

Para começar, é importante relembrar o papel de um agente de IA. Como um sistema que não só processa informações, mas que também “lê” o ambiente no qual está inserido, o agente de IA age de forma autônoma para atingir os seus objetivos. No entanto, essa autonomia não é intrínseca e independente. Pelo contrário, ela depende totalmente da qualidade do banco de dados disponível. 

Vamos pensar essa questão através de um exemplo de orquestração. Considere que você investe em múltiplos sub-agentes de atendimento ao cliente, que, orquestrados, formam um único assistente virtual. 

Idealmente, cada um deles deve ter uma função específica, além de trabalhar de maneira coordenada para responder aos inputs do usuário de forma mais eficiente. 

Imagine a seguinte interação com o assistente virtual:

• Input do usuário: “Qual a previsão do tempo para amanhã e marque uma reunião com o Paulo às 10h se estiver ensolarado.”

Nesse caso, os múltiplos agentes trabalharão da seguinte forma: 

Etapa	Agente responsável	Ação
1	NLP	Entende que há duas intenções: previsão do tempo e agendamento
2	Orquestrador	Divide a tarefa: chama agente de clima e depois agenda
3	Agente de busca	Consulta a API de clima para verificar se estará ensolarado
4	Agente de decisão	Verifica a condição climática e decide se prossegue
5	Agente de calendário	Cria a reunião com Paulo às 10h
6	Agente de resposta	Confirma ao usuário: “Está previsto sol. A reunião foi marcada.”

Em um cenário em que isso não acontece, o chatbot pode: 

• não entender o problema do cliente ou dúvida do usuário; 
• não reconhecer o cliente, porque puxa informações de bases de dados diferentes; 
• fazer com que o cliente repita diversas vezes seu problema ou dados pessoais; 
• cause desistência e baixa procura nas plataformas de autoatendimento; 
• responda os clientes e usuários de forma desconexa, não reconhecendo os inputs ou gerando outputs fora de contexto. 

Apesar de crítico, o cenário acima ainda acontece, principalmente devido ao crescimento dos silos de informação. Assim, os agentes enfrentam dificuldades para acessar os dados necessários, suas ações se tornam limitadas e fica quase impossível entregar insights ou resultados significativos. 

Por isso, o uso de APIs e integrações se torna essencial, permitindo que os agentes se conectem a fontes de dados críticas e interajam com os sistemas e fluxos de trabalho existentes de maneira eficaz.

LEIA MAIS: Tipos de inteligência artificial: quais são e quando usar?

O futuro dos agentes de IA

A mudança causada pela IA exigirá repensar quais sistemas são realmente necessários dentro das organizações. Alguns serão substituídos por soluções mais modernas, enquanto outros precisarão ser integrados a uma nova arquitetura orientada por IA. E, inevitavelmente, novas ferramentas surgirão para atender às demandas desse cenário em evolução.

No entanto, adotar agentes de IA não significa descartar tudo o que já foi construído. Pelo contrário: é possível estender os sistemas e ferramentas já existentes, conectando-os a essa nova geração de aplicações inteligentes. 

Nesse sentido, plataformas como o MuleSoft, por exemplo, oferecem recursos de integração e APIs que permitem unir o mundo atual ao universo dos agentes, sem a necessidade de reconstruir tudo do zero.

A construção de uma empresa preparada para operar com agentes exige uma base sólida de conectividade. Para tanto, é preciso considerar que integrações robustas e APIs bem estruturadas são elementos centrais desse processo. 

Afinal, é por meio delas que agentes de IA conseguem acessar dados essenciais, interagir com diferentes sistemas e agir de maneira eficiente. Quando bem orquestrados, esses agentes são capazes de:

• Acessar e agir sobre dados relevantes, utilizando informações em tempo real para tomar decisões mais assertivas;
  
• Automatizar processos entre sistemas distintos, otimizando fluxos de trabalho e aumentando significativamente a produtividade;
  
• Expandir sua atuação além de ambientes isolados, alcançando diferentes plataformas e conjuntos de dados por meio de integrações confiáveis.

Um bom exemplo disso é o Agentforce, que expande as capacidades da plataforma digital de trabalho da Salesforce. Integrado com MuleSoft, ele permite que agentes operem com segurança e agilidade em todo o ecossistema empresarial, unificando dados e automatizando interações com base nas necessidades reais dos clientes.

Na prática, essa abordagem já vem trazendo resultados concretos. Com o Agentforce, por exemplo, organizações conseguem se conectar com seus membros no momento certo, oferecendo propostas personalizadas e aumentando as taxas de renovação. 

Isso é possível porque a MuleSoft integra os aplicativos utilizados pela empresa, enquanto a Data Cloud consolida informações antes fragmentadas em diferentes sistemas, gerando uma visão completa de cada cliente. O resultado é um atendimento mais ágil, preciso e humano, permitindo que os profissionais de atendimento concentrem seus esforços nas interações que realmente importam.

Em todos esses cenários, a chave é a mesma: integração. É ela que viabiliza a unificação de sistemas diversos, alimenta os agentes com dados relevantes e permite que eles atuem em toda a empresa com autonomia e inteligência.

Contudo, quando olhamos para o que nos aguarda no futuro, apostamos em um ecossistema complexificado. Mas calma! Isso não significa que, necessariamente, será mais difícil trabalhar com agentes de IA e orquestração de dados. Na verdade, isso é um sinal de que a captação de dados será ainda mais massiva. 

Como resultado, toneladas de informação serão produzidas em uma velocidade recorde. Com mais informação ao seu dispor, agentes de IA poderão se tornar ainda mais inteligentes, indo além da simples automação de tarefas a atuando com mais sensibilidade na hora de dar suporte ao cliente, sugerir ações de marketing ou criar um pitch de vendas do zero para aquele cliente que está um ciclo de vendas longuíssimo.

Contudo, para que isso aconteça, as aplicações especializadas vão exigir um nível avançado de orquestração e harmonização de dados. Desse modo, para lidar com esse ambiente multi-agente, as empresas precisarão garantir conexões seguras, dinâmicas e escaláveis entre todos esses componentes.

Assim, as organizações que se anteciparem, construindo uma base sólida para conectar seus dados, sistemas e fluxos de trabalho, estarão em posição privilegiada para explorar o verdadeiro potencial transformador dos agentes de IA. E mais do que isso: estarão preparadas para gerar valor contínuo e duradouro em um mercado cada vez mais automatizado e orientado por dados.

LEIA MAIS: Guia de Inteligência Artificial na Era do Cliente

Como a Salesforce está transformando a orquestração de agentes?

Inovações da Salesforce, como o MuleSoft, o DataCloud e o Agentforce, funcionam como uma verdadeira trindade da captação, harmonização e aplicação de dados. Enquanto o DataCloud captura dados de forma inteligente, o MuleSoft os organiza para que, então, o Agentforce possa tirar o melhor proveito deles, atuando com autonomia.

Dessa forma, os serviços da Salesforce permitem que os clientes tornem qualquer integração acessível e compreensível para agentes de IA, além de construírem fluxos de trabalho com múltiplos agentes e governança robusta. 

Com o lançamento do Salesforce Agentforce 3, que já traz suporte nativo ao MCP, os clientes agora podem aproveitar os novos recursos da MuleSoft para transformar APIs em servidores MCP e ampliar o Agentforce com novas possibilidades de interoperabilidade entre agentes, sem perder o controle sobre os processos.

Essas inovações permitem, por exemplo, automatizar a resolução de incidentes de TI, melhorando a experiência do cliente e liberando as equipes técnicas para se dedicarem a atividades mais estratégicas e de alto valor.

À medida que cresce o uso de agentes de IA e se multiplicam os aplicativos e modelos inteligentes nas empresas, as infraestruturas tecnológicas se tornam mais complexas e fragmentadas. A integração é hoje um dos maiores obstáculos para que a IA cumpra seu potencial – 95% dos líderes de TI apontam esse fator como a principal barreira à eficácia da tecnologia. 

A arquitetura corporativa tradicional, desenhada para rodar aplicações, não está preparada para coordenar milhares (ou até dezenas de milhares) de agentes em escala empresarial. Esse novo cenário exige uma abordagem completamente diferente em orquestração, integração e governança.

A MuleSoft já é referência em apoiar organizações na transição para a era da IA, com soluções robustas de integração, APIs e automação. Agora, com os agentes assumindo um papel central na competitividade das empresas, suas novas capacidades de orquestração de agentes se tornam fundamentais para viabilizar essa transformação.

Gostou de saber mais sobre a orquestração de dados? 

Nosso blog e Centro de Recursos estão sempre atualizados, com novidades e conteúdos incríveis sobre CRM, dados e inteligência artificial. Abaixo, sugerimos outros materiais que podem ser úteis.

• Análise de dados: como fazer corretamente?
• IA + dados + CRM: Insights inovadores do diretor de engenharia para obter vantagem competitiva
• Chat de inteligência artificial: o que é e como usar?

Aproveite para se informar sobre todas as funcionalidades do Agentforce e entender como o nosso CRM transforma a sua rotina. Bom trabalho e até a próxima!