ChatGPT Work: agentes, subagentes e níveis de autonomia

Apresentando o curso e objetivos

Boas-vindas a mais um curso da Alura. Eu sou o Ricardo Bugan e serei o instrutor neste curso.

Neste curso, vamos dar continuidade ao que vimos anteriormente e aprofundar o entendimento sobre as features (recursos) e sobre como trabalhar com o ChatGPT Work, que é uma versão alternativa ao Codex, mais focada em atividades administrativas.

Estamos no terceiro curso desta sequência; se você ainda não assistiu aos anteriores, recomendamos buscá-los para compreender como a ferramenta funciona. Aqui, vamos aprofundar uma característica específica: dar autonomia aos nossos agentes.

Aprofundando autonomia e criação de subagentes

Vamos aprofundar a questão da autonomia e criar subagentes. Trata-se de outra feature (recurso) que exploramos superficialmente em cursos anteriores e que, neste curso, vamos detalhar: como funcionam, como chamamos esses agentes e como criamos agentes personalizados para uso de longo prazo. Também vamos entender como tudo isso opera em conjunto: os subagentes, a sua sessão principal de conversa e as features (recursos) que já tínhamos visto, como as skills (habilidades), usando CPs e assim por diante.

Eu sou o Ricardo Bugan e vou ser o instrutor. Eu espero você neste curso.

Apresentando os níveis de autonomia da IA

Para começarmos este curso, novo na nossa trilha de ChatGPT Work, no qual vamos aprofundar ainda mais nas features (funcionalidades) e no que conseguimos realizar com essa ferramenta, queremos apresentar os níveis de autonomia da IA.

Já abordamos, no primeiro curso, Machine Learning (aprendizado de máquina), inteligência artificial, agentes de inteligência artificial e automação de processos. Diferenciamos esses três conceitos e trabalhamos a parte de IA generativa, incluída nessa separação.

Agora, com esse avanço, apresentaremos a proposta deste curso explicando esses níveis de autonomia, mostrando até onde chegamos até o momento e, a partir daí, discutiremos o próximo nível. Trataremos dos níveis de autonomia pelos quais passamos e de como dividimos, em linhas gerais, nossos assistentes de IA.

Essa classificação é conceitual e independe da ferramenta — seja ChatGPT Work, Copilot, Gemini, entre outras.

Definindo a autonomia de pesquisa e relatório

No nível mais básico, temos a autonomia de pesquisa e relatório. Nela, contamos com um agente ao qual passamos a tarefa de coletar e reorganizar informações que já possuímos para que gere um relatório ou esclareça uma dúvida específica. São tarefas de baixo risco, sem manipulação sensível de dados nem risco de perda ou exclusão de informações; basicamente, agregação de informações. Nesse cenário, você, enquanto pessoa que organiza seu trabalho e solicita apoio ao assistente, analisa o contexto e decide os próximos passos: verifica se a análise foi bem feita, se o dashboard (painel) desejado está adequado, entre outros pontos.

Foi assim que começamos no primeiro curso, solicitando ao nosso assistente que gerasse o relatório do cronograma de um projeto. Esse é o nível mais básico de autonomia.

Operando no nível de co-piloto

Em seguida, temos o nível de co-piloto: um agente que planeja os próximos passos e monta um plano de ação, mas no qual continuamos no controle para aprovar tudo. A tarefa só é executada quando a pessoa humana concede permissão.

Nesse caso, vimos que é possível permitir que o agente decida por nós ou que ele solicite autorização. Durante o curso, normalmente deixamos essa opção desabilitada para evitar interrupções durante as explicações, mas enfatizamos que, principalmente para quem está começando a trabalhar com esses assistentes, o ideal é mantê-la habilitada para que o agente pergunte se pode ou não executar cada tarefa.

A etapa de revisão é obrigatória: o assistente pergunta, verificamos o que pretende fazer, avaliamos se há relação com a tarefa inicial, autorizamos e, então, ele executa. Chamaremos esse nível de co-piloto.

Implementando a autonomia supervisionada

Depois, temos uma autonomia supervisionada, semelhante ao co-piloto, porém com inversão de papéis.

Vamos deixar o assistente executar, passando o que desejamos dentro de regras predefinidas. Vimos a importância das skills (habilidades), a necessidade de escrever regras e de manter uma visão de processo bem alinhada e precisa sobre o objetivo a ser alcançado, para que nosso agente, nosso assistente, possa executar. Nós, enquanto pessoas, trataremos as exceções.

Vimos isso no curso anterior, quando mencionamos a criação de uma planilha no Google Sheets, na qual o assistente registra o resultado. A partir desse resultado, podemos validar, verificar e solicitar a calibração do critério de priorização.

Esse é o cenário de autonomia supervisionada. O assistente já não solicita tantas confirmações, pois possui a skill (habilidade) que delimita o que deve fazer e segue regras predefinidas. Ainda assim, podemos realizar revisões pontuais. Aproveitamos a velocidade do assistente para processar, por exemplo, 500 linhas; nós não verificaremos manualmente todas elas, mas podemos selecionar uma amostragem para checagem e tratamento de erros. Se observarmos no relatório, ou por meio de um sistema auxiliar, erros ou inconsistências geradas a partir do trabalho delegado ao assistente, trataremos esses erros especificamente e retornaremos às regras para aprimorá-las.

A orientação é executar uma tarefa repetidas vezes junto com o assistente, no modo co-piloto, e depois transformá-la em uma skill (habilidade). Esse é o passo a passo que normalmente seguimos nos cursos: realizamos a tarefa ao menos uma primeira vez (idealmente, mais vezes), já pedindo para o assistente organizar as regras; em seguida, empacotamos tudo em uma skill (habilidade) para encaminhar adiante.

Orquestrando um agente autônomo

Até aqui, avançamos por três níveis de autonomia. Fomos aproveitando as habilidades e as features (funcionalidades) da ferramenta para elevar o nível de autonomia e automatizar mais o trabalho. O próximo nível, que é a proposta deste curso, é abordar o agente autônomo — 100% autônomo, ou o mais autônomo possível — com o mínimo de interferência nossa enquanto pessoas. Para isso, utilizaremos orquestração de tarefas.

Teremos um agente ao qual passamos o objetivo — quem define o objetivo é você, pessoa estudante — e o agente decide qual é o melhor caminho para alcançá-lo e gerar o resultado esperado. Vamos aprofundar nas features (funcionalidades) que podemos utilizar para isso, em como garantir a qualidade do resultado e em como conferir a esse agente a capacidade de orquestrar um trabalho, às vezes mais complexo, às vezes de menor risco.

Aqui, é importante lembrar: no primeiro nível que apresentamos, pesquisa e relatório, tratamos de tarefas de baixo risco. São tarefas simples, com pouco risco de perda de informação. Ao começar a desenvolver um agente 100% autônomo — que é nosso objetivo —, mesmo quando fornecemos um objetivo claro, precisamos garantir a qualidade, iniciando por tarefas de baixo risco.

É isso que vamos explorar: como fazer e como chegar a um agente o mais autônomo possível ao longo deste curso.

Definindo objetivos e mapeando o processo

Para começar o curso, agora que nós entendemos a proposta e onde queremos chegar, precisamos definir, além do conceito de agente autônomo, qual será o objetivo e a tarefa desse agente. Qual é a tarefa que vamos aplicar aqui para esse agente e com quem vamos montar isso? Nós queremos construir um assistente autônomo para auxiliar em uma pesquisa de mercado e em uma análise de concorrência.

Vamos usar esse cenário, mas, como sempre enfatizamos em qualquer curso que ministramos, é essencial adaptar o que estamos propondo ao seu contexto. Se este projeto não interessa para você, ignore o projeto em si. Se você não trabalha com análise de concorrência ou não é uma pessoa de produto, não há problema. Aproveite o que ensinamos aqui e tente aplicar no seu dia a dia. Se você deseja ter um agente autônomo, para que deseja que ele tenha autonomia?

Vamos retomar um ponto que mencionamos desde o primeiro curso: quando falamos de automação e de IA, a visão de processo é fundamental. Temos aqui um processo de análise de concorrentes bastante simplificado, com algumas etapas. A primeira providência é analisar quais etapas existem, quais são factíveis por um assistente de IA, quais não conseguimos fazer via assistente de IA e exigem execução por intervenção humana.

Também vamos anotar preocupações que podem surgir em cada etapa desse processo, pois isso facilitará na criação do nosso agente autônomo. Para cada uma dessas tarefas, vamos criar regras específicas. Você deve se lembrar de que temos as skills (habilidades) para isso, mas, além das skills (habilidades), algo que deixamos no último curso, de forma bastante breve, foram os sub-agentes. Neste curso, vamos utilizar mais sub-agentes do que skills (habilidades). Ainda assim, precisamos pré-estabelecer regras para cada etapa desse processo.

O que vamos fazer? Vamos analisar o processo como um todo e trazer apontamentos de cada etapa. E, novamente, se você não vai trabalhar com esse cenário, não há problema: faça a análise do processo para o qual deseja dar autonomia ao seu assistente.

Definindo o objetivo e preparando o prompt

No nosso caso, para analisar uma concorrente, a primeira coisa que precisamos fazer é definir o objetivo da nossa análise. Por que estamos analisando esse concorrente? O que vamos fazer com essa informação depois? Qual dúvida pretendemos responder? Que decisão de negócio precisamos tomar para que faça sentido coletar dados dos concorrentes? Alguns exemplos:

• Não havia concorrente e, de repente, surgiu alguém tomando parte do nosso mercado, então nosso market share (participação de mercado) diminuiu.
• Nossa base de clientes já está grande, e queremos entrar em um novo mercado associado ao nosso mercado principal, mas ainda não temos nenhuma iniciativa pronta para isso. Precisamos conhecer esse mercado, pois será uma iniciativa de expansão do mercado consumidor para a nossa marca.

Nossa primeira tarefa, portanto, é definir o objetivo da análise, ou qual é a pergunta que queremos responder. Dificilmente essa definição será feita por uma IA, porque é uma parte extremamente estratégica da empresa e, se você é uma pessoa de produto, é a sua estratégia — seu input (entrada) estratégico — que vai definir essa etapa. Assim, marcamos que essa primeira etapa não conseguimos fazer com IA.

Se essa etapa não é executada pela IA, como ela entra no nosso processo? Ela deve entrar como parte do nosso prompt (instrução), porque, se não podemos delegar essa decisão para a IA, precisamos tomá-la antes e fornecê-la como input (entrada) para a IA. Definir o objetivo é algo que nós vamos fazer, e isso se tornará o nosso prompt (instrução) inicial. Podemos anotar: prompt (instrução) inicial que define a tarefa. Isso não será feito pela IA, mas não há problema. Precisamos iniciar o processo em algum ponto; esse é o gatilho.

Em seguida, precisamos identificar e categorizar os concorrentes. Devemos entender quais são os concorrentes existentes. No nosso prompt (instrução) inicial, podemos indicar alguns concorrentes de interesse, mas também podemos deixar um agente livre para buscar na internet, definindo regras sobre onde queremos que ele busque e como deve buscar. Essa etapa é passível de delegação à IA; podemos criar uma tarefa específica para isso.

Depois, precisamos coletar dados relevantes. Esse é o primeiro nível de autonomia que vimos: pesquisar dados e elaborar um relatório. Com certeza, conseguimos delegar isso à IA. Assim, no processo, já temos duas etapas que podemos passar para a IA.

Aplicando análise estratégica com autonomia supervisionada

Na sequência, aplicamos uma ferramenta de análise estratégica, a matriz SWOT (Forças, Fraquezas, Oportunidades e Ameaças). Conseguimos executar essa análise com a IA? Sim, mas provavelmente vamos querer fornecer um input (entrada) nosso. Portanto, para essa tarefa, vamos utilizar autonomia supervisionada. Queremos, entre essa tarefa e a próxima, realizar uma revisão pontual.

No meio, vamos inserir uma revisão de output (saída). Como o texto está muito pequeno, vamos duplicar o bloco existente para facilitar. Entre essas duas tarefas, vamos revisar o output. Nas demais, a saída será direta; não faremos revisão, passando-a diretamente.

Nesses dois casos, adotaremos autonomia supervisionada: deixamos o agente executar e, se tivermos tempo ou se detectarmos um erro, realizamos uma revisão pontual; caso contrário, deixamos passar. Quando duplicarmos as ferramentas, queremos revisar o output (saída). Isso ocorre porque as ferramentas de análise estratégica têm relação direta com o contexto e a estratégia da empresa, da equipe e do produto em que atuamos. Precisamos revisar a saída para verificar se as regras e a análise estratégica produzidas pelo assistente estão alinhadas ao que faríamos. Essa etapa deve ser realizada em conjunto com o assistente.

Se houver muitas empresas para analisar, essa etapa tende a ficar mais automatizada devido ao volume. Conforme filtramos e chegamos às empresas que realmente queremos — as que fazem sentido para a pergunta inicial — passamos a revisar manualmente. Novamente, isso pode se tornar uma regra pré-aplicada ou um contexto mais amplo para esta tarefa.

Temos, aqui, três tarefas que conseguimos passar para a IA. Identificar lacunas de mercado, por sua vez, até pode ser delegado à IA, mas é a tarefa que mais exige contexto de estratégia da empresa. Mesmo com as ferramentas de análise estratégica aplicadas, a IA fornece um panorama geral e nós pontuamos o que ela errou ou o que analisaríamos de forma diferente, e tudo funciona bem. Porém, identificar lacunas de mercado está diretamente relacionado à estratégia que pretendemos aplicar e à nossa interpretação do mercado. É possível fazer com a IA? Sim. Mas o ideal é que essa etapa seja realizada por uma pessoa. Neste caso, diremos que não: trata-se de uma parte humana.

Nosso processo partirá desse prompt (instrução) inicial, que é o gatilho, para automatizar essas três tarefas e gerar uma output (saída) pronta, de modo que uma pessoa conclua o trabalho. Estamos usando a IA como um automatizador e um acelerador do processo como um todo, mas a decisão e a análise final ainda são responsabilidade de uma pessoa. Aqui, inclusive, vamos mudar a cor para sinalizar: nesta análise final, a pessoa responsável dará continuidade em reunião com a diretoria, na elaboração do plano estratégico, no plano de ação para execução e na negociação com outras áreas para aprovar o plano. Portanto, deixaremos esta última etapa sob responsabilidade de uma pessoa.

Definindo autonomia com agente orquestrador

Devemos, então, finalizar e automatizar essas três tarefas. Surge a questão do nível de autonomia do agente autônomo. Com três tarefas diferentes e desejando conceder autonomia, o que podemos fazer — e faremos neste curso — é adotar um agente orquestrador (tema que nós já mencionamos no último vídeo). Esse agente orquestrador avaliará cada tarefa e verificará: foi concluída? Atende aos critérios de sucesso definidos? Pode ser aprovada e encaminhada? Ele realizará a orquestração e tomará a decisão sobre a conformidade de cada tarefa e seu encaminhamento.

Em seguida, analisará os resultados, confirmará se a tarefa está correta, consolidará os dados já coletados, aplicará as ferramentas de análise e acionará o que for necessário. As setas do diagrama podem ficar desalinhadas durante o desenho; vamos ajustar a posição para organizar melhor. Temos, então, esse agente orquestrador que organizará as três tarefas que queremos realizar.

Devemos lembrar, do curso anterior, dos subagentes. Vamos criar um subagente para cada tarefa, delimitando as regras que cada uma deve seguir. O processo como um todo, a partir do nosso prompt (instrução) inicial, não passará diretamente para o agente de identificar e categorizar concorrentes: passará pelo orquestrador. O orquestrador acionará a tarefa de identificar e categorizar concorrentes; depois, com o resultado, poderá acionar o coletor de dados relevantes e, em seguida, aplicar as ferramentas de análise estratégica.

Na verdade, essa orquestração pode ocorrer em qualquer ordem. Quem decide se é necessário identificar e categorizar concorrentes, se já podemos coletar dados relevantes porque há histórico de concorrentes, ou se já existe informação suficiente na base desta semana por termos executado outra automação que forneceu contexto — bastando aplicar as regras estratégicas — é o orquestrador. Ele tomará essas decisões por nós.

Assim, deixamos um processo estritamente linear e adotamos um tomador de decisão — o agente orquestrador — que é o que vamos montar aqui.