IBM: As empresas implantam tudo em IA, mas agora enfrentam o desafio do LLM para o caso de uso

Ao longo do século passado, a IBM testemunhou o surgimento e o desaparecimento de várias tendências tecnológicas. As abordagens que perduram tendem a ser aquelas que oferecem flexibilidade e escolha.

No VB Transform 2025, Armand Ruiz, vice-presidente da plataforma de IA da IBM, descreveu a perspectiva da empresa sobre a IA generativa e como seus clientes corporativos estão implementando a tecnologia na prática. Ruiz enfatizou que o cenário atual não se trata de selecionar um fornecedor ou uma solução exclusiva de modelo de linguagem grande. As empresas estão se afastando cada vez mais das estratégias de IA de um único fornecedor, optando por estruturas multimodelo que combinam LLMs especializados com necessidades operacionais específicas.

Embora a IBM ofereça seus próprios modelos de IA de código aberto por meio da série Granite, ela não os apresenta como uma solução universal para todos os aplicativos. Esse comportamento do cliente está moldando o papel da IBM; a empresa pretende servir como um hub de controle central para operações de IA, em vez de competir diretamente como um fornecedor de modelos de base.

"Quando me encontro com os clientes, eles estão aproveitando todas as ferramentas à sua disposição", observou Ruiz. "Para tarefas de codificação, muitos preferem o Anthropic. Para raciocínio e lógica, eles podem usar o o3. Para personalizar os LLMs com seus próprios dados por meio de ajustes finos, as opções vão desde nossos modelos Granite até os modelos menores da Mistral, ou mesmo o Llama. Trata-se de selecionar o modelo certo para a tarefa específica. Nós também os ajudamos oferecendo recomendações."

Uma estratégia para conectividade multi-LLM

Para lidar com essa dinâmica do mercado, a IBM introduziu um novo gateway de modelo. Esse sistema oferece às empresas uma API unificada para fazer uma transição perfeita entre vários LLMs, ao mesmo tempo em que garante supervisão e governança consistentes em todas as implementações.

O projeto técnico permite que os clientes operem modelos de código aberto em sua própria infraestrutura de inferência para dados confidenciais, ao mesmo tempo em que utilizam APIs públicas, como AWS Bedrock ou Google Cloud's Gemini, para funções menos críticas.

"Esse gateway oferece aos nossos clientes uma única interface com uma API para alternar entre diferentes LLMs, incorporando total observabilidade e governança em todo o processo", afirmou Ruiz.

Esse método contrasta com as táticas dos fornecedores, que geralmente buscam prender os clientes a sistemas proprietários. A IBM não está sozinha na defesa de uma seleção de modelos de vários fornecedores. Recentemente, surgiram várias ferramentas para roteamento de modelos, projetadas para atribuir cargas de trabalho ao modelo mais adequado.

Protocolos de coordenação de agentes tornam-se uma infraestrutura essencial

Além de gerenciar vários modelos, a IBM está atendendo à crescente necessidade de comunicação entre agentes por meio de padrões abertos.

A empresa criou o Agent Communication Protocol e o submeteu à Linux Foundation. O ACP é uma contrapartida do protocolo Agent2Agent do Google, com o qual o Google também contribuiu para a Linux Foundation nesta semana.

Ruiz mencionou que ambos os protocolos foram projetados para simplificar a comunicação entre agentes e minimizar a necessidade de codificação personalizada. Ele prevê que as diferentes metodologias acabarão se fundindo, sendo que as distinções atuais entre A2A e ACP são principalmente de natureza técnica.

Esses protocolos de coordenação de agentes estabelecem métodos uniformes para que os sistemas de IA interajam em diversas plataformas e provedores.

A importância técnica é evidente em nível empresarial: alguns clientes da IBM já estão testando mais de 100 agentes em projetos-piloto. Sem protocolos de comunicação padrão, cada interação entre os agentes exige desenvolvimento personalizado, levando a uma carga de trabalho de integração impossível de gerenciar.

A IA transforma os fluxos de trabalho e os métodos operacionais

Com relação à influência atual da IA nas empresas, Ruiz acredita que seu impacto deve ir além das funções básicas do chatbot.

"Se suas iniciativas de IA se limitam a chatbots ou à mera redução de custos, você ainda não adotou totalmente a IA", comentou Ruiz. "A verdadeira IA envolve uma reformulação fundamental dos fluxos de trabalho e da forma como o trabalho é realizado."

A diferença entre o uso básico da IA e a transformação completa está no grau de incorporação da tecnologia nas operações de negócios. O caso interno de RH da IBM demonstra essa evolução: em vez de a equipe consultar chatbots para obter detalhes de RH, agentes especializados agora gerenciam consultas padrão sobre remuneração, recrutamento e progressão, conectando-se automaticamente a sistemas relevantes e envolvendo a equipe humana somente quando essencial.

"Antes, eu gastava muito tempo consultando representantes de RH para vários assuntos. Agora, um agente de RH cuida da maioria das minhas solicitações", explicou Ruiz. "Com base na consulta - seja sobre remuneração, separação de funcionários, contratação ou promoções - essas tarefas se conectam a diferentes sistemas internos de RH, cada um gerenciado por agentes dedicados."

Isso significa uma mudança estrutural básica da interação homem-computador para a automação do fluxo de trabalho orientado por computador. Em vez de os funcionários aprenderem a usar ferramentas de IA, a IA está aprendendo a executar processos de negócios inteiros do início ao fim.

A consequência prática: as empresas devem ir além das simples conexões de API e do design imediato, avançando em direção à integração abrangente de processos que permite que os agentes de IA executem independentemente fluxos de trabalho em vários estágios.

Considerações estratégicas para o investimento corporativo em IA

As observações de implantação da IBM apontam para várias mudanças importantes para o planejamento de IA corporativa:

Vá além de uma abordagem centrada no chatbot: As empresas devem identificar fluxos de trabalho inteiros para revisão, em vez de apenas adicionar front-ends de conversação aos sistemas atuais. O objetivo é remover etapas manuais, não apenas aprimorar a interação humano-computador.

Desenvolva a adaptabilidade de vários modelos: Em vez de se prenderem a fornecedores de IA, as empresas precisam de plataformas de integração que permitam alternar entre modelos de acordo com as necessidades das tarefas e, ao mesmo tempo, manter a governança.

Priorize os padrões de comunicação: As organizações devem dar preferência a soluções de IA que ofereçam suporte a protocolos emergentes, como MCP, ACP e A2A, evitando métodos de integração proprietários que levem à dependência do fornecedor.

"Há um imenso potencial a ser desenvolvido, e eu enfatizo continuamente que todos devem aprender sobre IA. Os líderes empresariais, em particular, precisam adotar uma mentalidade de IA em primeiro lugar e compreender os conceitos fundamentais", concluiu Ruiz.