Se voc\u00ea tem curiosidade sobre o futuro da intelig\u00eancia artificial e como agentes inteligentes est\u00e3o transformando o mercado, vale a pena conferir o 95\u00ba DS&ML Meetup do Nubank, com o especialista em IA Sandeco Macedo. Nesta edi\u00e7\u00e3o, mergulhamos em como agentes inteligentes, Large Language Models (LLMs) e interfaces conversacionais est\u00e3o moldando o futuro e abrindo novas oportunidades para inova\u00e7\u00e3o e produtividade.<\/p>\n\n\n\n
Sandeco \u00e9 doutor pela Universidade Federal de Goi\u00e1s e professor no Instituto Federal de Educa\u00e7\u00e3o, Ci\u00eancia e Tecnologia de Goi\u00e1s, al\u00e9m da pr\u00f3pria UFG. Autor de seis livros sobre intelig\u00eancia artificial e criador de um canal no YouTube com milhares de seguidores, ele trouxe ao meetup uma apresenta\u00e7\u00e3o rica e instigante sobre agentes inteligentes, destacando sua relev\u00e2ncia no atual momento tecnol\u00f3gico.<\/p>\n\n\n\n
Agentes inteligentes s\u00e3o sistemas capazes de perceber o ambiente ao seu redor, tomar decis\u00f5es com base nessas percep\u00e7\u00f5es e agir para atingir objetivos espec\u00edficos. Pense neles como entidades aut\u00f4nomas \u2014 como assistentes virtuais ou processos automatizados \u2014 que funcionam de forma independente, guiados por regras, metas ou mecanismos de aprendizado.<\/p>\n\n\n\n
Sandeco explicou que esses agentes variam desde sistemas reativos simples, como luzes autom\u00e1ticas acionadas por sensores de movimento, at\u00e9 agentes mais sofisticados que utilizam algoritmos avan\u00e7ados de machine learning (ML) e deep learning (DL). Enquanto os sistemas reativos apenas respondem a est\u00edmulos sem mem\u00f3ria, os mais avan\u00e7ados analisam dados hist\u00f3ricos, detectam padr\u00f5es e adaptam suas a\u00e7\u00f5es de forma din\u00e2mica.<\/p>\n\n\n\n
Um bom exemplo s\u00e3o os sistemas de recomenda\u00e7\u00e3o da Netflix ou da Amazon, que personalizam a experi\u00eancia do usu\u00e1rio com base em comportamentos e prefer\u00eancias anteriores.<\/p>\n\n\n\n
Para entender a fundo os agentes inteligentes, voltamos a uma pergunta fundamental feita por Alan Turing em 1950: “M\u00e1quinas podem pensar?”. Foi a partir disso que ele prop\u00f4s o famoso Teste de Turing: um experimento que busca determinar se uma m\u00e1quina consegue se comportar de forma indistingu\u00edvel de um ser humano.<\/p>\n\n\n\n
No teste, uma pessoa interage por texto com um humano e uma m\u00e1quina, sem saber quem \u00e9 quem. Se ela n\u00e3o conseguir diferenciar com precis\u00e3o, diz-se que a m\u00e1quina demonstrou intelig\u00eancia. Para Turing, a chave estava na imita\u00e7\u00e3o, ideia que continua no centro do debate sobre a IA. Agentes inteligentes n\u00e3o t\u00eam consci\u00eancia: eles imitam comportamentos humanos. Sandeco destacou que isso inclui tanto a\u00e7\u00f5es ben\u00e9ficas quanto comportamentos problem\u00e1ticos, refor\u00e7ando a import\u00e2ncia de \u00e9tica e supervis\u00e3o humana no desenvolvimento da IA.<\/p>\n\n\n\n
Um dos pontos altos do meetup foi a explica\u00e7\u00e3o sobre os LLMs \u2014 os grandes modelos de linguagem que s\u00e3o base de tecnologias como ChatGPT, Claude, Gemini, DeepSeek e Grok.<\/p>\n\n\n\n
Esses modelos usam uma arquitetura chamada transformers, ideal para lidar com dados sequenciais, o que os torna extremamente eficientes no processamento de linguagem. Sandeco explicou o conceito de tokeniza\u00e7\u00e3o: os textos s\u00e3o divididos em pequenos peda\u00e7os chamados tokens (palavras ou subpalavras), e os LLMs aprendem a prever qual ser\u00e1 o pr\u00f3ximo token com base em padr\u00f5es treinados anteriormente.<\/p>\n\n\n\n
Por exemplo, ao receber a frase \u201cA capital do Brasil \u00e9…\u201d, o modelo prev\u00ea com alta probabilidade que o pr\u00f3ximo token ser\u00e1 \u201cBras\u00edlia\u201d. Com essa l\u00f3gica repetida bilh\u00f5es de vezes, os LLMs conseguem gerar textos coerentes e fluentes, imitando com naturalidade a linguagem humana.<\/p>\n\n\n\n
Um dos momentos mais empolgantes da noite foi a discuss\u00e3o sobre a Crew AI, uma biblioteca criada por uma startup brasileira avaliada em cerca de R$300 milh\u00f5es e reconhecida por gigantes como a Nvidia. Com apoio de nomes como Andrew Ng, a Crew AI permite criar agentes inteligentes organizados em equipes hier\u00e1rquicas e colaborativas, como em uma empresa.<\/p>\n\n\n\n
Essa biblioteca possibilita automatizar fluxos de trabalho complexos, como o gerenciamento de processos de neg\u00f3cios ou a coordena\u00e7\u00e3o de tarefas entre v\u00e1rios agentes. Ela representa um avan\u00e7o significativo: agentes que se comunicam, delegam e resolvem problemas juntos, de forma eficiente.<\/p>\n\n\n\n
Durante o evento, Sandeco fez uma demonstra\u00e7\u00e3o pr\u00e1tica poderosa. Ele mostrou como um agente pode automatizar tarefas de redes sociais: processar e melhorar uma imagem, gerar uma descri\u00e7\u00e3o contextualizada e engra\u00e7ada, e criar uma legenda envolvente, tudo isso de forma aut\u00f4noma.<\/p>\n\n\n\n
Os agentes, interligados, conduziram o processo de ponta a ponta, com a postagem sendo feita automaticamente no Instagram. Uma verdadeira pipeline Texto para A\u00e7\u00e3o. Esse exemplo revelou o potencial dos agentes inteligentes para reduzir a interven\u00e7\u00e3o humana e liberar tempo para que as pessoas foquem em criatividade e decis\u00f5es estrat\u00e9gicas.<\/p>\n\n\n\n
Sandeco tamb\u00e9m abordou as interfaces conversacionais, que v\u00eam ganhando espa\u00e7o como alternativa \u00e0s tradicionais interfaces gr\u00e1ficas. Essas interfaces, baseadas em texto ou voz, permitem que pessoas interajam com a tecnologia de maneira natural, tornando a experi\u00eancia muito mais simples.<\/p>\n\n\n\n
Em uma demonstra\u00e7\u00e3o ao vivo, Sandeco interagiu com um agente via WhatsApp. Ele pediu, por exemplo, que o sistema identificasse os produtos e vendedores que mais venderam em uma base de dados em CSV. O agente n\u00e3o apenas entendeu o pedido como escreveu c\u00f3digo em Python, processou os dados e respondeu em \u00e1udio, com insights claros e diretos. Foi uma amostra impressionante de como essas interfaces podem transformar a forma como acessamos informa\u00e7\u00f5es e tomamos decis\u00f5es.<\/p>\n\n\n\n
Encerrando o encontro, Sandeco refletiu sobre o papel dos desenvolvedores em um mundo cada vez mais moldado pela IA. Para ele, estamos entrando na era do pair programming com sistemas de IA, em parceria entre humanos e m\u00e1quinas.<\/p>\n\n\n\n
Esses agentes n\u00e3o substituem pessoas, mas ampliam nossas capacidades, assumindo tarefas repetitivas e operacionais. Isso permite que profissionais foquem em inova\u00e7\u00e3o e resolu\u00e7\u00e3o de problemas mais complexos. A recomenda\u00e7\u00e3o de Sandeco foi clara: encare a IA como uma aliada, e n\u00e3o como amea\u00e7a. Avalie seu trabalho atual, identifique atividades repetitivas e comece a pensar em como automatiz\u00e1-las. Isso \u00e9 fundamental para manter a relev\u00e2ncia profissional nesse novo cen\u00e1rio.<\/p>\n\n\n\n
\u00c0 medida que a intelig\u00eancia artificial avan\u00e7a rapidamente, compreender agentes inteligentes e suas aplica\u00e7\u00f5es deixa de ser diferencial e passa a ser essencial. No Nubank, seguimos comprometidos com a inova\u00e7\u00e3o e com o compartilhamento de conhecimento que empodera pessoas. Vamos juntos explorar o futuro da tecnologia, e construir o futuro roxo.<\/p>\n\n\n\n