Comentários de Bernd Greifeneder, Diretor de Tecnologia (Chief Tecnology Officer) e Fundador da Dynatrace
Previsão 1: A Inteligência Artificial (IA) agêntica desencadeia uma nova era de complexidade de sistemas
A IA agêntica está introduzindo um novo nível de interação entre sistemas. É mais poderosa, mas exponencialmente mais difícil de ser gerenciada. À medida que os agentes coordenam tarefas, trocam contexto e acionam ações subsequentes, mesmo ambientes digitais bem arquitetados podem entrar em uma espiral de comportamento imprevisível. A maioria das organizações não está preparada para essa mudança. Sem uma observabilidade forte e uma governança consistente, esses sistemas se tornarão cada vez mais difíceis de se entender e controlar.
Pense em cada agente de IA agindo de forma autônoma com base em instruções e inputs fornecidos não apenas por humanos, mas também por várias fontes próprias e de terceiros. Uma única interação com o cliente pode desencadear centenas de conversas em segundo plano entre os agentes, cada um tomando sua própria iniciativa. As funções mudam dependendo da situação, e alguns agentes podem orientar outros.
Cenários comuns mostram como isso funciona. Quando um veículo detecta um problema, agentes especializados em tarefas específicas podem verificar as informações do cliente, avaliar opções de serviço, estimar prazos e coordenar uma solução. Um agente de assistência de viagem pode fazer algo semelhante, entrando em contato com agentes que comparam voos, verificam benefícios de fidelidade, reservam transporte e ajustam planos em tempo real. Em ambos os casos, muitos agentes trabalham nos bastidores em prol de um único resultado, e as interações entre eles podem se multiplicar de maneiras imprevisíveis. Cada agente ainda se reporta a um humano ou a outro agente, e a responsabilidade permanece com a supervisão humana. Esse crescimento exponencial na comunicação entre agentes não pode ser gerenciado sem observabilidade.
As organizações que adotarem IA agêntica sem contexto unificado e proteções claras enfrentarão custos crescentes, desperdício de tempo e de recursos, comportamento imprevisível e riscos cada vez maiores. O desafio não é mais melhorar modelos individuais, mas gerenciar a rede de interações autônomas que se desenrolam em tempo real. Nesta próxima fase, a observabilidade não é mais uma função de suporte. Ela se torna a base para ecossistemas de agentes seguros, escaláveis e governáveis.
Previsão 2: O caminho para a autonomia começa com maturidade operacional comprovada
As empresas darão passos significativos em direção a operações autônomas. A maturidade, e não a ambição, determinará quem terá sucesso. A IA não pode agir de forma independente até que os sistemas, a automação e os processos subjacentes sejam estáveis, observáveis e bem compreendidos. Os sistemas agênticos estão disponíveis, mas primeiro é preciso que as bases sejam sólidas. Os estágios iniciais da automação são essenciais, pois revelam as lacunas no acesso aos dados, no desempenho dos serviços e nos sinais contextuais dos quais a IA depende. Somente depois que esses componentes forem confiáveis e estiverem disponíveis em tempo real é que as operações supervisionadas e autônomas se consolidarão.
A maioria das empresas seguirá um processo gradual: começarão com operações preventivas, nas quais a IA identifica e resolve problemas rotineiros antes que causem impacto. Em seguida, implementarão a automação guiada, na qual a IA propõe ações e os humanos supervisionam cada etapa e decisão da IA. Somente depois que a confiança for conquistada por meio de resultados repetíveis e auditáveis é que a autonomia total surgirá, com a IA operando dentro de limites e escalando apenas quando necessário.
A jornada rumo a operações totalmente autônomas será gradual. As organizações que investirem agora em fluxos de trabalho preventivos e automação enriquecida com recomendações estarão melhor posicionadas para introduzir recursos autônomos com segurança e responsabilidade.
Previsão 3: A resiliência se torna o novo benchmark de excelência operacional
A resiliência se tornará a medida determinante do desempenho digital. À medida que os sistemas se tornam mais distribuídos e interconectados, pequenas falhas podem se espalhar rapidamente por aplicações, regiões de nuvem, sistemas de pagamento e serviços de terceiros causando danos sérios para a empresa e seus usuários. Os líderes não tratarão confiabilidade, disponibilidade, segurança e observabilidade como práticas separadas. Eles as verão como um único requisito: a capacidade de um sistema de lidar com interrupções, se recuperar rapidamente e manter uma experiência consistente para o cliente sob estresse.
Uma pesquisa independente encomendada pela Dynatrace à FreedomPay mostra o motivo de essa mudança estar acelerando. As descobertas revelam como os ecossistemas digitais se tornaram frágeis e com que rapidez as falhas técnicas se transformam em interrupções para os clientes e perdas financeiras. No Reino Unido, por exemplo, as interrupções nos pagamentos colocam em risco uma receita anual estimada em £ 1,6 bilhão. Na França, o número sobe para € 1,9 bilhão. Um único problema de serviço pode se espalhar por sistemas e canais conectados, mostrando o quanto as operações modernas se tornaram intimamente ligadas.
Os clientes percebem essas falhas imediatamente, e sua paciência para esperas é limitada: muitos abandonam a transação se o problema persistir por mais de alguns minutos. No entanto, a interrupção média dura mais de uma hora, o que significa que a maior parte do dano já ocorreu. Quase um em cada três clientes afirma que um único incidente é suficiente para reduzir sua confiança em uma empresa, sendo que os consumidores mais jovens, nativos digitais, são ainda mais propensos a abandonar a companhia, definitivamente.
Esse ambiente exige uma abordagem unificada para a resiliência. As organizações precisam de visibilidade compartilhada sobre como os serviços se comportam, como as falhas se propagam e como a recuperação afeta a jornada do cliente. A resiliência será medida pela forma como os sistemas respondem sob estresse, e não apenas pelo desempenho quando os serviços digitais funcionam conforme o esperado.
Previsão 4: A confiabilidade se torna a base do progresso da Inteligência Artificial
As organizações priorizarão a construção de bases que tornem os sistemas de IA consistentemente confiáveis. A próxima fase do progresso da Inteligência Artificial dependerá tanto de fundamentos determinísticos e sinais factuais quanto do poder generativo de modelos estocásticos. As empresas estão reconhecendo que a criatividade por si só é insuficiente. Uma IA confiável requer tanto inputs estruturados quanto mecanismos que garantam que os outputs permaneçam confiáveis.
Como já dito, os sistemas agênticos adicionam uma nova camada de complexidade. À medida que os agentes coordenam tarefas, trocam contextos e iniciam ações subsequentes, mesmo um pequeno mal-entendido pode se propagar por todo o sistema. Uma maior capacidade amplifica esse efeito, pois um agente poderoso pode acelerar os resultados mas, ao mesmo tempo, acelerar um erro. É assim que a alucinação surge em escala de sistema, não a partir de um único modelo defeituoso, mas de imprecisões que se acumulam nas interações entre agentes. A base determinística e a observabilidade fim-a-fim evitam essa imprecisão, garantindo que os agentes ajam com base nos mesmos sinais factuais e permaneçam responsáveis perante o operador humano.
Situações comuns demonstram como isso ocorre. Um veículo que detecta um problema pode acionar agentes que analisam os dados do cliente, as informações sobre o estado do veículo, identificam locais de serviço, avaliam horários, estimam o tempo de viagem e planejam todo o fluxo de trabalho para a resolução do problema. Em cada caso, muitos agentes colaboram nos bastidores para produzirem um único resultado. As organizações que desejam resultados de IA transparentes e confiáveis darão prioridade a proteções determinísticas, permitindo que os sistemas agênticos se comportem com segurança, ajam de forma previsível e colaborem com clareza.
Previsão 5: Colaboração entre humanos e máquinas como motor de crescimento
No próximo ano, o crescimento da IA agêntica levará a um novo modelo operacional, no qual os humanos definem as metas e a Inteligência Artificial performa uma execução bem definida. À medida que os sistemas ganham mais contexto e se tornam capazes de ações coordenadas, o papel humano passará da execução de tarefas para o estabelecimento de diretrizes, o fornecimento de instruções e a garantia da supervisão. As organizações contarão com a Inteligência Artificial para analisar relações, identificar riscos e iniciar ações seguras, enquanto os humanos continuarão responsáveis pela ánalise, e tomada de decisões a partir dos resultados.
A IA agêntica se comportará de maneira muito semelhante a um estagiário de alta velocidade. Quando receber metas claras, boas ferramentas, instruções e o contexto certo, ela entregará resultados a uma velocidade difícil de ser igualada manualmente pelas equipes. Mas ainda assim precisará de orientação. Os seres humanos definirão o objetivo, interpretarão as compensações e tomarão decisões quando a intenção não estiver clara ou os resultados forem ambíguos. Se algo der errado, a responsabilidade permanecerá com o operador humano, não com o sistema.
Esse modelo operacional ajudará as equipes a gerenciarem a complexidade de maneira mais previsível. A Inteligência Artificial assumirá tarefas repetitivas ou urgentes, e os humanos se concentrarão em decisões estratégicas e na compreensão em nível de sistema. O crescimento na era da IA agêntica virá de organizações que combinam o julgamento humano com a execução impulsionada pela IA de maneira transparente, governada e alinhada aos objetivos de negócios.
Previsão 6: Convergência das equipes de IA e nuvem
A IA deixará de operar como uma disciplina isolada e se tornará um componente padrão da entrega de software nativo em nuvem. As equipes integrarão a Inteligência Artificial aos serviços digitais da mesma forma que integram bancos de dados ou outros sistemas essenciais. Como resultado, a engenharia de IA, de nuvem, Engenharia de Confiabilidade de Site (Site Reliability Engineering – SRE) e segurança convergirão para um modelo operacional compartilhado com pipelines comuns, Objetivos de Nível de Serviço (Service Level Objectives – SLOs) compartilhados e responsabilidade unificada por todo o ciclo de vida dos serviços habilitados por IA.
Essa mudança reflete como o software moderno já se comporta. Os recursos de Inteligência Artificial influenciam o custo, a latência, o comportamento e a conformidade, e esses efeitos abrangem todo o stack. Eles não podem ser monitorados ou governados isoladamente. Para operar de forma confiável em produção, a IA deve ser executada dentro dos mesmos fluxos de trabalho, proteções e pipelines de entrega usados para o resto do sistema nativo da nuvem.
A observabilidade fim-a-fim se torna essencial porque o que importa é o resultado completo para o usuário. As orientações que os agentes recebem, as ações que realizam, as chamadas ao banco de dados que acionam e os custos em que incorrem contribuem para a experiência geral do usuário. A observabilidade deve acompanhar todos esses sinais juntos e tratar os componentes de Inteligência Artificial, a lógica da aplicação e a infraestrutura em nuvem como um sistema interconectado. Isso elimina a distinção entre “observabilidade de IA” e telemetria tradicional e cria uma visão unificada que se alinha à forma como os clientes experimentam o serviço.
As organizações que adotarem esse modelo tratarão a IA como um componente de software de primeira classe. As equipes centrais definirão casos de uso, estabelecerão stacks comuns e garantirão a conformidade, enquanto as equipes de produto incorporarão a IA diretamente em seus pipelines de entrega. Essa convergência prática permitirá que as empresas operem serviços baseados em IA com a mesma disciplina e previsibilidade de qualquer outro sistema nativo da nuvem.
PT 
EN 
