Em entrevista ao Empreendedor durante o evento da Quidgest “Agentes de IA”, dedicado à inteligência artificial, Jorge Marques Silva, Chief Artificial Intelligence Officer da tecnológica portuguesa, defende que os agentes de IA nas empresas representam uma nova etapa da automação: mais integrada, mais contextualizada e sujeita a supervisão humana.

A discussão sobre inteligência artificial nas empresas está a mudar de eixo. Depois da fase de descoberta dos grandes modelos de linguagem, o desafio passa agora por integrar a IA nos processos reais das organizações, com regras de negócio, privacidade, auditabilidade e capacidade de produzir ganhos concretos de produtividade.

Foi esta a mensagem central deixada por Jorge Marques Silva, Chief Artificial Intelligence Officer (CAIO) da Quidgest, em conversa com o Empreendedor durante o evento em que a tecnológica portuguesa apresentou a evolução da sua plataforma Genio para a criação de agentes de inteligência artificial aplicados a contextos empresariais.

Segundo Jorge Marques Silva, a diferença está menos na existência de modelos de linguagem e mais na forma como estes são ligados ao conhecimento interno de cada organização. “A grande vantagem é que os clientes lidam com informação muitas vezes sensível e que não querem que saia de uma certa infraestrutura”, afirmou.

Para o responsável da Quidgest, os agentes de IA devem ser entendidos como uma camada intermédia entre os modelos de linguagem e os processos internos das empresas. “O agente é exatamente a ponte entre o negócio e o LLM, que pode ser interno ou externo”, explicou.

Do modelo generalista ao contexto da empresa

Os grandes modelos de linguagem conseguem interpretar texto, sintetizar informação e responder a instruções em linguagem natural. No entanto, por si só, não conhecem as regras internas, os processos, os limites regulatórios ou os dados específicos de uma organização.

É neste ponto que, segundo Jorge Marques Silva, os agentes de IA ganham relevância. Ao contrário de uma utilização genérica de IA, estes agentes são configurados para atuar sobre informação da aplicação, regras de negócio e tarefas concretas. “Os outros GPT ou LLM não sabem essa informação, não sabem todas as regras de negócio que vão por trás”, sublinhou.

Esta distinção permite diferenciar os agentes empresariais de IA da chamada IA agêntica, frequentemente associada a sistemas mais autónomos, capazes de planear e executar tarefas com menor intervenção humana. No caso descrito pela Quidgest, o foco está antes em agentes especializados, integrados em sistemas de gestão e orientados para tarefas delimitadas.

A proposta não passa, por isso, por entregar autonomia total à tecnologia. Passa por usar inteligência artificial para executar tarefas repetitivas, organizar informação dispersa e apoiar decisões dentro de um quadro definido pela organização.
“O grande objetivo” é aumentar a eficiência, afirmou Jorge Marques Silva. Para o responsável, “as organizações querem ser cada vez mais eficientes”, tanto em termos de custos como na redução de trabalho repetitivo para os colaboradores.

Agentes como extensão da equipa

Um dos exemplos discutidos durante a entrevista foi o processamento de faturas. Trata-se de uma tarefa administrativa que pode envolver leitura de documentos, interpretação de campos dispersos e validação de informação antes da aprovação final.

Jorge Marques Silva referiu o caso do agente da Quidgest aplicado a este procedimento, combinando leitura ótica de caracteres com inteligência artificial. “O procedimento de faturas é um trabalho extremamente moroso, extremamente cansativo e que pode ser muito mais eficiente”, disse.

Neste tipo de processo, a IA não se limita a ler texto. Interpreta instruções, organiza informação e prepara dados para validação posterior. A aprovação, porém, mantém-se humana. “Deixar para o humano a aprovação não deixa de existir, mas poupa muito trabalho”, acrescentou.
Esta abordagem permite olhar para os agentes de IA como uma extensão operacional da equipa, mas não como substitutos da decisão humana. Jorge Marques Silva é claro neste ponto: “Como na Fórmula 1, a máquina faz parte da equipa, mas sempre com supervisão humana.”

Para o Chief Artificial Intelligence Officer da Quidgest, há uma diferença essencial entre capacidade tecnológica e intenção. “O humano ainda tem um objetivo de criar e de inovar. A IA é um produto, também humano, uma tecnologia feita por humanos. Não tem um objetivo em si”, afirmou.

O custo de treinar modelos próprios

A entrevista permitiu também clarificar a diferença entre agentes de IA, modelos de linguagem e fine-tuning. Jorge Marques Silva explicou que o fine-tuning consiste em treinar um modelo com informação relevante para uma empresa, tornando-o mais adaptado a esse contexto.

No entanto, essa não é ainda a prioridade imediata da Quidgest. A abordagem atual passa por inserir documentos vetorizados e disponibilizar essa informação aos agentes como uma base de conhecimento. O objetivo é aproveitar modelos já treinados, sejam comerciais ou locais, sem assumir desde já o custo computacional de treinar modelos próprios.

“O fine-tuning é basicamente treinar um modelo com a informação que é relevante para as empresas. É um passo adicional. Nós ainda não estamos nessa fase, pretendemos chegar até lá”, explicou.

Esse caminho exige capacidade técnica e investimento em hardware de elevado desempenho. Jorge Marques Silva referiu que o treino de modelos requer infraestruturas de High Performance Computing e deu como exemplo o LLM português Amália, cujo processo de treino pode demorar cerca de 72 horas em cada ciclo.
Por isso, a prioridade atual está nos agentes. “Este evento foi mais orientado para os agentes, que é o que já temos e que já podemos oferecer. A nossa oferta é esta agora”, afirmou.

A visão da Quidgest aponta, assim, para uma utilização mais pragmática da inteligência artificial nas empresas. O valor não está apenas em ter acesso a modelos avançados, mas em conseguir integrá-los nos processos reais, com dados protegidos, regras claras e supervisão humana.

No fundo, a questão tecnológica transforma-se numa questão de gestão. As empresas não precisam apenas de experimentar IA. Precisam de perceber onde esta pode produzir valor, reduzir trabalho repetitivo e tornar processos mais eficientes. É nesse ponto que os agentes de IA nas empresas podem passar de promessa tecnológica a ferramenta operacional.