A IA vai ultrapassar os muros da empresa?
Todo dia de manhã, antes de perguntar à IA o que devemos fazer, alguém ainda precisa descobrir o que é verdade.
Se a empresa vende vigas LVL ou compensado de bétula natural, as perguntas úteis são bem concretas. O que nossos fornecedores realmente têm em estoque hoje? Por qual preço e em quais condições? Um concorrente mudou o preço? Existe caminhão disponível na rota que precisamos? Alguma construtora iniciou um projeto onde nosso material se encaixa? Uma universidade em Boston abriu uma concorrência para fornecimento de móveis?
As respostas existem em algum lugar. Normalmente chegam por ligações, e-mails, planilhas, conversas entre gerentes, portais de fornecedores e sites feitos para uma pessoa navegar com o mouse.
Depois disso, a IA recebe o resultado e faz um resumo.
Isso é útil. Mas ainda é uma parte pequena do que essa tecnologia deveria fazer.
A IA ainda para na porta da empresa
Dentro da empresa, a geração atual de assistentes corporativos já consegue revisar e-mails, notas, registros do CRM, dados de estoque, embarques, relatórios e documentos. Na NF ELIT, eu vejo todos os dias o valor prático disso. Uma base interna bem preparada economiza tempo de trabalho de verdade.
O problema começa na fronteira.
Quando preciso do estoque atual de um fornecedor, da demanda de um cliente, do preço de um concorrente ou da capacidade livre de uma transportadora, o processo humano antigo volta. Um gerente envia uma solicitação. Alguém do outro lado consulta outro sistema. A resposta chega mais tarde, em outro formato e, muitas vezes, sem horário de atualização ou sem os campos necessários para tomar uma decisão.
A IA consegue organizar a informação que recebe. Ela não consegue transformar em atual um arquivo de estoque enviado ontem. Não consegue saber se o caminhão continua disponível. Também não tem como adivinhar que o preço não inclui entrega se ninguém registrou essa condição.
Um modelo menor e barato, trabalhando com informação limpa, atual e estruturada, pode ser mais útil do que um modelo poderoso olhando para ruído antigo. Quando o custo do modelo cai, a qualidade da camada de informação passa a importar mais.
O dado atual tem seu próprio relógio
Muitas empresas colocam documentos e dados operacionais ao vivo na mesma categoria chamada "conhecimento". Só que eles se comportam de formas diferentes.
Uma especificação de produto pode continuar válida por um ano. Um arquivo de estoque do fornecedor pode ser útil até o meio-dia. A disponibilidade de caminhões muda em uma hora. Uma programação de contêiner pode mudar quando a carga já está em movimento. Uma concorrência ou uma nova obra pode se tornar comercialmente importante no dia em que aparece.
Por isso, a palavra "atual" precisa de uma definição para cada tipo de dado:
- O estoque do fornecedor precisa de horário de atualização, armazém, código do produto, quantidade disponível e situação da reserva.
- O preço do concorrente precisa de moeda, região, quantidade, condições de entrega, fonte e momento da consulta.
- A capacidade de transporte precisa de rota, tipo de equipamento, data disponível, localização e status da confirmação.
- Uma rota de contêiner precisa de serviço, portos, prazos de corte, etapas previstas e exceções ao vivo.
- Um sinal de mercado precisa de fonte, data, organização, fase do projeto e uma explicação de por que aquilo importa para o nosso segmento.
Um número sem esse contexto não é informação empresarial confiável. É uma pista.
Por isso o problema dos dados externos é bem maior do que instalar outra caixa de busca. Fontes valiosas costumam ser caras, fragmentadas ou licenciadas para um uso estreito. Fontes gratuitas muitas vezes são inconsistentes, incompletas e lentas para atualizar. Muitos portais setoriais oferecem apenas uma interface visual. Uma pessoa abre a página e clica. O agente não encontra uma API estável, uma garantia de atualização ou um formato comum.
O resumo matinal que eu realmente quero
Imagina só abrir um único relatório no começo do dia.
O agente já verificou nosso estoque, embarques previstos, pedidos em aberto, e-mails recentes e notas dos gerentes. Depois, dentro de limites aprovados, consultou os sistemas dos fornecedores sobre estoque, os sistemas logísticos sobre capacidade e programação, e fontes públicas ou setoriais sobre projetos, concorrências e mudanças importantes no mercado.
O relatório não me entrega outra pilha de informação. Ele responde perguntas operacionais:
- O que podemos vender e entregar hoje?
- Onde apareceu uma nova demanda?
- Qual fornecedor tem o produto certo agora?
- Quais preços, quantidades ou condições de entrega mudaram?
- Onde um problema de transporte pode afetar uma promessa ao cliente?
- Para quem devemos enviar uma proposta hoje, e por quê?
Cada resposta mostra a fonte e o horário da última atualização. Se a fonte for fraca ou antiga, o agente avisa.
Isso transformaria a IA de leitora corporativa em participante da operação.
Quando o agente de uma empresa pode perguntar ao agente de outra
A próxima etapa não é um banco de dados compartilhado onde todo mundo vê tudo. Os dados corporativos precisam continuar protegidos.
Eu imagino uma troca controlada de respostas autorizadas.
O agente da minha empresa pergunta ao agente do fornecedor se existem 60 metros cúbicos de uma especificação de LVL disponíveis nesta semana. O agente do fornecedor consulta o estoque, aplica suas regras de divulgação e devolve armazém, quantidade, prazo de validade da resposta e contato comercial. Um agente logístico verifica se existe equipamento para a rota. O agente de um comprador pode publicar um sinal de demanda autorizado sem revelar o planejamento interno daquele cliente.
Os agentes não trocam CRMs inteiros. Eles trocam fatos permitidos para uma finalidade definida.
Isso exige identidade, regras de acesso, dicionários de produtos, limites de consulta, horário de atualização, validade, registro da fonte e trilha de auditoria. Seria menos parecido com um mercado público e mais com uma internet empresarial protegida, onde os dados circulam sem deixar as empresas transparentes.
Partes dessa infraestrutura já existem
A gente não começa do zero.
O Model Context Protocol oferece um caminho padronizado para conectar modelos a ferramentas e fontes de dados. O Agent2Agent Protocol trata da comunicação entre agentes independentes.
Redes empresariais já usam padrões mais específicos. A transação X12 846 transporta consultas e avisos de estoque. O GS1 EPCIS registra eventos da cadeia de suprimentos. A Digital Container Shipping Association publica padrões para programações comerciais e rastreamento. Plataformas de frete como DAT e Truckstop oferecem interfaces de integração para partes do transporte rodoviário. A Catena-X constrói um ecossistema governado de dados para a indústria automotiva.
Esses são exemplos de componentes, não uma resposta pronta. Eles mostram que as peças técnicas são possíveis. O que ainda falta para muitas empresas pequenas e médias é uma camada prática e acessível de conexão entre setores, sistemas e relações comerciais.
O produto que falta pode ser um conjunto de camadas de recursos
Existe uma boa oportunidade para quem construir e mantiver essas conexões.
Uma camada de recursos setoriais faria bem mais do que reunir links. Ela incluiria:
- conectores para CRM, estoque, transporte e sistemas de serviços;
- identificadores de produtos e empresas que negócios diferentes consigam comparar;
- regras de atualização, validação e qualidade da fonte;
- filtros que controlem o que um agente pode pedir e divulgar;
- um formato comum de resposta, mesmo quando a fonte ainda usa uma interface visual primitiva;
- pacotes por setor para materiais de construção, transporte rodoviário, navegação de contêineres, obras, concorrências e outros mercados operacionais.
O ponto não é pagar uma assinatura para cada fonte. O problema está na falta da infraestrutura. Hoje cada empresa repete o mesmo trabalho: encontra a fonte, extrai os dados, traduz os campos, verifica as datas, decide se pode confiar e constrói um conector privado.
Se o recurso for atual, mantido e pronto para um agente usar dentro de regras claras, ele tem valor operacional direto. Eu usaria isso no meu próprio trabalho.
Ajuste fino e prompting ficam em cima da camada de informação
Isso também muda a forma de pensar o treinamento do modelo dentro da empresa.
O ajuste fino é útil para comportamentos estáveis: terminologia da empresa, classificação de produtos, padrões de documentos, formatos de resposta aceitos e exemplos de boas decisões. O prompting define a tarefa, os limites, a escolha de ferramentas, as regras de escalonamento e o formato da resposta.
O estoque atual, um preço ao vivo ou a disponibilidade de caminhões de hoje não devem ser gravados nos pesos do modelo. Esses fatos pertencem aos sistemas de recuperação, APIs e consultas autorizadas entre agentes. Precisam de horário e link para a fonte.
A estrutura fica bem clara:
- Regras estáveis da empresa e exemplos orientam o comportamento do modelo.
- A base interna estruturada fornece o contexto corporativo.
- Os sistemas ao vivo informam o estado atual.
- As camadas de recursos externos trazem dados autorizados do mercado e dos parceiros.
- O agente combina as peças em uma resposta e uma ação.
O modelo é o núcleo. A arquitetura da informação decide se esse núcleo consegue trabalhar.
A própria empresa precisa mudar
Existe outra parte que recebe menos atenção.
A comunicação corporativa foi construída em torno de uma cadeia conhecida: chefe, gerente, departamento, funcionário. A informação passa por pessoas. Uma solicitação vira mensagem, depois lembrete, planilha e, no fim, relatório para o chefe.
Um ambiente de agentes muda esse fluxo. Os agentes podem coletar fatos rotineiros, comparar sistemas, pedir dados autorizados aos parceiros e encaminhar exceções. Isso só funciona quando a empresa decide o que o agente pode perguntar, o que pode divulgar, quais sistemas são a fonte oficial, quem aprova uma ação e quem responde por um erro.
Os funcionários também precisam tornar o próprio trabalho legível para o sistema. Códigos de produto, datas, compromissos, responsáveis e status não podem ficar escondidos em mensagens casuais. A gestão passa a dedicar menos energia ao transporte da informação e mais ao desenho das regras e à resolução das exceções.
Talvez essa parte seja mais difícil do que conectar uma API. A gente não está apenas adicionando IA a uma empresa antiga. Estamos redesenhando partes da comunicação corporativa para pessoas e agentes trabalharem no mesmo sistema operacional.
As perguntas continuam abertas
As empresas vão permitir que seus agentes troquem fatos operacionais verificados?
Quem vai construir a camada de identidade, os filtros, as permissões, os dicionários e os conectores entre elas?
As pequenas empresas conseguirão entrar nessa rede sem financiar uma integração personalizada para cada parceiro?
Os gestores estarão prontos para substituir parte da cadeia antiga de informação por regras, processos legíveis por máquinas e tratamento de exceções?
E a IA vai chegar ao próximo nível de integração corporativa ou continuará sendo uma ferramenta muito capaz de resumir informações que as pessoas ainda coletam à mão?