Apresentado por EdgeVerve
Antes de abordar os Serviços de Negócios Globais (GBS), vamos dar um passo atrás. Será que a IA agente, o tipo de IA capaz de realizar ações orientadas por objetivos, pode transformar não apenas o GBS, mas qualquer tipo de empresa? E já aconteceu isso?
Tal como acontece com muitas novas tecnologias, a retórica ultrapassou a implantação neste caso. Embora 2025 fosse “supostamente o ano da IA agêntica”, não foi assim, de acordo com Taryn Plumb, editora colaboradora da VentureBeat. Apoiando-se nas informações do Google Cloud e da empresa Replit de ambiente de desenvolvimento integrado (IDE), Plumb relatou em uma postagem do VentureBeat de dezembro de 2025 que o que falta são os fundamentos necessários para escalar.
Dada a experiência da IA generativa (gen) baseada em Massive Language Mannequin (LLM), este resultado não é surpreendente. Em uma pesquisa realizada em fevereiro de 2025 Conferência de Rede de Serviços Compartilhados e Terceirização (SSON)65% das organizações de GBS responderam que ainda não tinham concluído um projeto GenAI. Pode-se dizer com segurança que a adoção da IA de agência mais recente ainda está em seus estágios iniciais para as empresas, incluindo o GBS.
O papel da IA agente nos serviços empresariais globais
Existem, no entanto, boas razões para nos concentrarmos no enorme potencial da IA de agência e na sua aplicação ao sector do GBS.
Sem entusiasmo, a Agentic AI desbloqueia recursos na camada de orquestração de fluxos de trabalho de software program que antes não eram práticos. Isso é feito por meio de uma variedade de técnicas, incluindo (mas não exigindo) LLMs. Embora as empresas possam, de facto, estar a perder alguns fundamentos necessários para implementar a IA agente em escala, esses pré-requisitos não estão fora de alcance.
Quanto ao GBS e aos Centros de Capacidade World (GCC), já estão a passar por uma transformação, de extensões de back-office a parceiros empresariais cada vez mais estratégicos. A Agentic AI é uma escolha pure porque um de seus casos de uso padrão envolve operações de TI ou agentes de atendimento ao cliente, funcionalidade já existente no GBS e GCC existente.
Então, sim, a IA de agência poderia potencialmente transformar o setor de GBS. Os líderes do setor podem avançar melhor em direção à implantação em escala adotando uma abordagem metódica.
Cinco etapas para implantar IA de agência no GBS
Agentic AI não é o único jogo da cidade. Conforme observado, existe o GenAI, usado principalmente para criação de conteúdo. Mas ampliando o escopo, podemos também apontar para a IA preditiva e a IA documental, usadas respectivamente para previsão e extração de dados. (Nenhum deles requer LLMs.) A exposição à IA preexistente é um bom presságio para o futuro da IA agente.
Primeiro, esses tipos de IA apoiam-se mutuamente, empilhados (em vez de isolados) em sistemas modernos. A Agentic AI, em explicit, está posicionada para aproveitar as outras. Em segundo lugar, tendo vivido o ciclo de hype da GenAI, os líderes da indústria podem estar inclinados a adotar uma abordagem mais ponderada – e produtiva – à IA agente.
Em vez de precipitar-se num piloto, a indústria faria bem em preparar-se cuidadosamente (etapas 1-3). Quando combinadas com o projeto de teste correto (etapa 4), essas ações podem abrir caminho para uma implantação ampliada de IA de agência (etapa 5):
Conheça seus processos. As operações comerciais podem ser complicadas. Consideremos uma importante empresa world de transporte e logística, cujos milhares de funcionários em tempo integral em seus sete centros GBS apoiavam mais de 80 processos que envolviam fluxos de trabalho altamente complexos e intensivos manualmente, com grandes variações regionais. Somente compreendendo primeiro os processos e fluxos de trabalho existentes é que uma organização como esta terá an opportunity de ser capaz de repensar ou retrabalhá-los.
Conheça seus dados. Intimamente relacionados estão os dados dos quais os fluxos de trabalho dependem. Como esses dados fluem de ponta a ponta? Como são os pipelines? Onde estão as principais APIs? Os dados são estruturados ou não estruturados? Os recursos incluem plataformas de dados (sistemas de registro) e bancos de dados vetoriais (mecanismos de contexto), ambos necessários para que os agentes de IA tomem boas decisões? Que tipo de governança e segurança de dados prevalecem? Como isso pode mudar em um cenário de IA agente?
Identifique o problema. No caso da empresa de navegação acima mencionada, a complexidade e a variação dos fluxos de trabalho, bem como a sua intensidade guide, expuseram-na a custos significativos, lapsos nos acordos de nível de serviço (SLAs), má experiência do cliente e maiores riscos legais e de conformidade. Uma vez nomeado, um problema torna-se logicamente um caso de uso potencial com objetivos distintos.
Pilotar um modelo operacional. As opções incluem a consolidação de esforços num Centro de Excelência (COE), a democratização do desenvolvimento através de abordagens lideradas pelos cidadãos e a parceria através de modelos Construir-Operar-Transformar-Transformar-Transferir (BOTT), entre outras. Sem clareza estrutural, mesmo os pilotos de IA promissores são difíceis de estender para além do seu domínio inicial. O modelo também deve refletir a realidade. Provavelmente envolvendo múltiplos agentes paralelos na busca de objetivos coordenados, a Agentic AI ainda é limitada pelo ambiente, pela complexidade, pelos riscos e pela governança.
Aumentar a escala. Pilotos bem-sucedidos conduzem aos seus próximos passos. Vejamos a experiência fragmentada de um grande banco multinacional na Austrália. Depois de automatizar vários processos não essenciais por meio do Automation COE, o banco percebeu que precisava analisar e melhorar seus fluxos de trabalho mais complexos. Ela selecionou uma plataforma de software program inovadora que lhe permitiu concluir mais de 100 projetos de descoberta em menos de 14 meses. Assim, os pilotos podem crescer, tornando-se iniciativas que abrangem toda a empresa.
Como é a IA agente em escala empresarial
Somente a escala pode produzir um impacto actual. O fornecedor de transporte marítimo, com os seus sete centros de GBS, acabou por dispor de tecnologia capaz de construir pipelines de dados, digitalizar documentos complexos, aplicar raciocínio baseado em regras em exceções específicas de cada país e orquestrar o trabalho entre equipas. Essa base levou a uma transformação baseada na IA de cerca de 16 iniciativas, a um crescimento exponencial na automação e a ganhos significativos de eficiência.
Ao liberar recursos na camada de orquestração – permitindo percepção contextual, colaboração entre domínios e ação autônoma alinhada com a governança – a IA de agente pode turbinar as operações, tanto de IA quanto humanas.
Considere um processo de aquisição. Embora a IA de documentos possa extrair dados de pedidos de compra, evitando certas verificações manuais, um agente de IA também pode avaliar o risco do fornecedor, cruzar padrões de conformidade, verificar a disponibilidade do orçamento e até mesmo iniciar negociações, mantendo registros de auditoria para relatórios regulatórios. Num cenário de consultoria financeira, embora a IA preditiva possa analisar tendências, um agente de IA poderia tomar medidas adicionais, auxiliando profissionais em unidades de negócios específicas em investimentos estratégicos direcionados.
Observe que o agente não está substituindo o julgamento humano, mas ampliando-o, garantindo que as decisões sejam tomadas de forma mais rápida, consistente e em escala.
Da automação autônoma aos ecossistemas de agentes no GBS
O GBS está em uma posição única para liderar a empresa na period da IA agente. Por definição, o GBS fica na interseção de processos e dados em diversas unidades de negócios. Finanças, RH, cadeia de suprimentos e TI fluem através do modelo de serviços compartilhados. Este ponto de vista central torna o GBS uma plataforma de lançamento preferrred para a criação de ecossistemas de IA agentes.
Um ecossistema difere da automação autônoma. Os agentes não executam tarefas isoladamente. Em vez disso, funcionam como parte de um sistema interligado. Eles compartilham insights, aprendem uns com os outros e se coordenam para otimizar os resultados no nível empresarial. Implantada em um GBS ou GCC, a Agentic AI pode acelerar sua transformação contínua, permitindo-lhes ultrapassar a automação incremental e operar no nível de orquestração de processos de ponta a ponta.
N. Shashidar é vice-presidente sênior e chefe world de gerenciamento de produtos da EdgeVerve.
Artigos patrocinados são conteúdos produzidos por uma empresa que paga pela postagem ou tem relacionamento comercial com a VentureBeat, e estão sempre claramente marcados. Para mais informações, entre em contato vendas@venturebeat.com.
