Desenvolvimento de modelos de agentes em expansão... as empresas estão ansiosas para construir sistemas de IA multi-modelo e estruturas de governança

Na linha de frente do desenvolvimento de software, o “desenvolvimento de agentes inteligentes” está a expandir-se rapidamente, e a forma como as empresas introduzem IA também mudou significativamente. O diagnóstico aponta que, em vez de depender de fornecedores específicos, construir um sistema de “IA multi-modelo” que opere vários modelos de IA e agentes inteligentes simultaneamente está a tornar-se uma questão central.

Mikhail Vink, vice-presidente de desenvolvimento de negócios da JetBrains s.r.o., afirmou numa entrevista ao vivo na Google Cloud Next que a velocidade das mudanças no ambiente de desenvolvimento recente supera as expectativas do mercado. A JetBrains é uma empresa de ambientes de desenvolvimento integrado (IDE) utilizados por 15 milhões de desenvolvedores em todo o mundo. Vink disse: “Este mês é a Anthropic, no próximo mês é a Gemini, novas funcionalidades de IA surgem constantemente”, e destacou que, para os desenvolvedores obterem os melhores resultados no mercado, é necessário poder usar de forma flexível múltiplos modelos.

Ele explicou especialmente que, “o verdadeiro desafio do desenvolvimento de agentes inteligentes” não reside tanto na geração de código em si, mas na construção da infraestrutura subsequente. Para que as empresas possam aplicar IA nos seus negócios reais, é preciso controlar múltiplos agentes, conectando dados, contexto e camadas de memória, e até integrar de forma orgânica ferramentas externas e pipelines. Isso significa que, para além de ambientes de IA de nível empresarial simples de experimentar, a estrutura complexa necessária é muito maior do que se imagina.

Embora a geração de código tenha ficado mais simples, a operação e o controlo tornaram-se ainda mais importantes

Vink enfatizou que, para que os agentes inteligentes funcionem normalmente, “contexto” e “dados reais” são essenciais. Para isso, ele acredita que é necessário estabelecer conexão com servidores de protocolo de contexto de modelos (MCP), transmitir dados estruturados e configurar ambientes de desenvolvimento sustentáveis. Ele explicou que, sem essas bases, os resultados gerados por IA podem estar desconectados do trabalho real.

A JetBrains afirmou que, acompanhando essa tendência, está a construir uma plataforma de governança para rastrear custos, gerir acessos aos modelos e analisar o grau de adoção das recomendações de IA pelos desenvolvedores. A sua avaliação é que, do ponto de vista empresarial, só é possível uma implementação em larga escala se for possível ter uma visão clara do uso, eficiência e nível de controlo da IA. Isso significa que, à medida que a aplicação de IA se expande, além do desempenho, a “governança” e a “visibilidade” tornam-se igualmente importantes.

O papel do desenvolvedor, de “programador” a “orquestrador”

Essa mudança também está a transformar o papel do próprio desenvolvedor. De já não se limitar a escrever código diretamente, a função de “orquestrador” que coordena múltiplos agentes e modelos de IA torna-se cada vez mais importante. Ao mesmo tempo, as exigências em relação à garantia de qualidade, validação de segurança e compreensão de algoritmos atingiram níveis mais elevados.

Vink considera o “pensamento crítico” como o fator mais importante na gestão de qualidade. Ele acredita que não se deve aprovar diretamente os resultados fornecidos pela IA, mas sim compreender profundamente como o sistema funciona e verificar pessoalmente os algoritmos gerados. Isso indica que, mesmo que a IA aumente a produtividade do desenvolvimento, a responsabilidade final e o poder de julgamento permanecem nas mãos dos desenvolvedores humanos.

Em última análise, na era do desenvolvimento de agentes inteligentes, a competitividade não depende apenas de usar os modelos mais recentes. Empresas que conseguirem combinar de forma flexível múltiplas IA, controlá-las de forma segura e gerir a qualidade dos outputs terão maior probabilidade de dominar o desenvolvimento de software no futuro.

Notas do TP AI Este artigo foi resumido usando o modelo de linguagem base TokenPost.ai. O conteúdo principal pode ter sido omitido ou estar em desacordo com os factos.