Imagine um futuro próximo em que agentes de IA colaboram facilmente com você e seus colegas de trabalho. Alguns representam clientes; outros, colegas de equipe. Mas todos eles se comunicam na linguagem específica do seu negócio, mesmo entre vários idiomas. Esses agentes atualizam constantemente uma base de conhecimento compartilhado, integrando informações estabelecidas e novos insights em tempo real.
À medida que passarmos de casos de uso de agente único para sistemas multiagentes e, futuramente, para cada empresa com seu próprio agente universal, veremos agentes de IA operarem em diferentes contextos com cada vez mais autonomia. Começaremos nosso dia com perguntas como: “Quais novas questões os clientes relataram nesta semana?” ou “Quais são as maiores preocupações dos meus funcionários?”. Um conjunto de agentes resumirá a resposta com base em milhares de interações de clientes, conversas e insights dos seus colegas. Essa é a promessa da era dos agentes.
A pergunta é: como chegar lá? E a resposta envolve o tipo de informação de que os agentes mais precisam para executar as tarefas de forma eficaz: contexto.
Por que o contexto é essencial na IA?
O contexto é fundamental para os agentes de IA fornecerem um valor real às empresas. As arquiteturas de agentes aproveitam o poder de inferência dos grandes modelos de linguagem (LLMs) para automatizar tarefas apesar da ambiguidade. Quanto mais contexto eles tiverem para interpretar essa ambiguidade, melhor será o desempenho deles.
Os agentes oferecem uma nova forma de usar os computadores para automatizar, a qual não exige predefinir regras exaustivamente para cada cenário. Os sistemas de agentes podem usar as capacidades de correspondência de padrões de um LLM para inferir as particularidades de uma determinada situação e se tornam mais eficazes conforme recebem um contexto mais detalhado (ou seja, quanto menos precisam adivinhar).
A promessa de colaboração entre humanos e IA não é cumprida quando os agentes precisam solicitar detalhes constantemente antes de agir.
Considere a forma como a maioria dos primeiros agentes de IA opera hoje em relação ao cenário para o qual estamos caminhando. Muitos agentes de IA atuais têm dificuldades fora de seus parâmetros definidos e podem facilmente interpretar mal as solicitações caso percam a sequência do assunto. Se esperarem o usuário dizer a eles o que interpretar, eles forçarão o usuário a se tornar engenheiro de prompt.
Um exemplo de prompt vago do usuário que exige mais prompts para compensar a falta de contexto.
Sem acesso a um contexto detalhado o suficiente, os desenvolvedores de agentes ficam presos em um dilema que frustra o propósito inicial dos agentes. Eles podem criar casos de uso restritos com dicas contextuais previsíveis e desempenho confiável, mas flexibilidade limitada, ou podem adotar uma abordagem mais ampla e criar para operar sem contexto. Mas fazer isso passa para os usuários o ônus de fornecer os detalhes que faltam na última hora. A promessa de colaboração entre humanos e IA não é cumprida quando os agentes precisam solicitar detalhes constantemente antes de agir. Ambas as estratégias podem gerar ganhos incrementais, mas podem inviabilizar a adoção dos respectivos agentes em grande escala.
Quando um agente não tem contexto, os usuários são obrigados a gastar mais tempo esclarecendo o prompt do que concluindo a tarefa. A solução é utilizar agentes em um ambiente em que possam observar conversas em andamento sobre o trabalho sendo feito e usar sua capacidade de interpretação para adaptar suas instruções e ferramentas ao contexto em torno do trabalho real.
As conversas oferecem a fonte de contexto mais detalhada e dinâmica na linguagem natural que os LLMs de agentes conseguem decifrar facilmente. Elas contêm intenção em tempo real, nuances sobre o que é ou não é útil e dicas sobre as necessidades emergentes, fornecendo os sinais essenciais de que os agentes de IA precisam para evitar as desvantagens do sistema. Os substratos de conversas permitem que os agentes de IA se adaptem, se tornem proativos e atuem com a precisão que seria impossível alcançar de outra forma.
Um exemplo de um agente do Slack usando contexto conversacional para interpretar o mesmo prompt vago do usuário e responder de forma eficaz.
Com contexto, os agentes podem ter a atuação que os torna tão poderosos. Eles precisam de um ambiente no qual possam observar um contexto suficiente para discernir o que importa ou não, quando prosseguir, quando buscar ajuda e até quando eles mesmos são desnecessários. Se eles conseguirem ver a situação variável, as restrições e as informações mais recentes, a adoção de agentes em grande escala será possível.
Os agentes precisam de um ambiente no qual possam observar um contexto suficiente para discernir o que importa ou não, quando prosseguir, quando buscar ajuda e até quando eles mesmos são desnecessários.
Como o Slack habilita a IA contextual
O Slack fornece tudo o que é necessário para você equilibrar controle e execução. Com o uso do Slack como um substrato para os seus agentes, os dados não estruturados da sua empresa (conteúdo gerado pelo usuário ou texto, áudio e vídeo em linguagem natural) aprimoram o raciocínio e a tomada de decisão dos agentes para melhorar a relevância. Isso ajuda os agentes a entender o que podem fazer para ajudar, quando devem intervir e quando não devem agir.
O Slack também permite que você mantenha o controle sobre quais dados seus agentes podem acessar. Nós nunca treinamos LLMs com dados de clientes. Em vez disso, fornecemos o melhor ambiente para você realizar a Geração Aumentada de Recuperação (RAG) contextual nos seus próprios dados a fim de oferecer aos agentes as informações necessárias, quando eles precisam. Isso significa que seus agentes podem deduzir rapidamente quais dados recuperar dos seus bancos de dados com base no contexto relacionado à tarefa deles.
Com a API de histórico de conversas e a API de acesso a dados do Slack, você pode criar agentes adaptativos capazes de fazer ajustes em tempo real com base na conversa à medida que ela se desenvolve. Cada nova mensagem no Slack atualiza o contexto. Em vez de respostas rigorosamente programadas, o Slack permite que os agentes se tornem dinâmicos, usando sinais de conversas atuais e anteriores para ser mais flexíveis com as próprias instruções e eficazes na realização das funções ou dos objetivos atribuídos a eles. O poder do contexto claro em tempo real está em sua capacidade de ajudar a IA a entender os humanos. A estrutura do Slack dá suporte a essa adaptabilidade, permitindo que os desenvolvedores de agentes usem o contexto mais atualizado e até contextualizem ainda mais o que os agentes estão ouvindo de interações anteriores ou conversas atuais em outros canais do Slack de forma integral.
À medida que sistemas multiagentes se tornarem mais comuns, as plataformas conversacionais serão a base da adoção e da transformação dos agentes. O Slack funciona como o canal conversacional corporativo necessário para permitir uma comunicação harmoniosa entre agentes e humanos, garantindo que as respostas estejam alinhadas e sejam produtivas. Os agentes podem trabalhar de forma autônoma, colaborando para aprimorar as capacidades uns dos outros em tempo real, e se fortalecer ou melhorar o modelo de base. Eles se tornam colaboradores informados e, com os serviços de contexto do Slack, os desenvolvedores de agentes podem se concentrar na automação, em vez de lidar com a complexidade da última etapa ou limitar seus agentes a definições prévias restritivas. E, em breve, os agentes do Slack poderão gerenciar e orquestrar outros facilmente, em todos os apps conectados ao Slack, com um único substrato padronizado que permite que cada agente explore conversas com e entre humanos para se manter informado.
O Slack é o lugar onde os agentes podem realmente impulsionar os humanos
Ao considerar o melhor lugar para os seus desenvolvedores criarem e implantarem agentes, é essencial lembrar que o contexto não é opcional — é o que faz a diferença. O Slack fornece um ambiente em que agentes podem evoluir de executores de tarefas básicas para parceiros colaborativos e adaptativos. O Slack é o lugar onde interações entre agentes e humanos se unem para criar um conjunto de conhecimento empresarial crescente, atualizado constantemente com cada mensagem. O poderoso contexto de usuário do Slack é o que torna isso possível e, por fim, o que permite a cada agente entender melhor os humanos a quem atendem.
Tudo pronto para começar? Fale com a nossa equipe de especialistas para descobrir como.
Ótimo!
Agradecemos seu feedback!
Entendi!
Agradecemos seu feedback.
Estamos com problemas. Tente novamente mais tarde.