IA Composta e Sistemas Multiagente: rumo a uma IA modular e orquestrada

No mundo da inteligência artificial, maior nem sempre é sinônimo de melhor.

É verdade que modelos de grande porte, como os LLMs, oferecem um poder significativo de cálculo e raciocínio, mas também podem introduzir um nível maior de complexidade. Por exemplo, maior dificuldade no controle de alucinações e menor adaptabilidade a contextos com recursos limitados.

A IA Composta e, ainda mais, os Sistemas Multiagente (MAS), representam uma mudança substancial de paradigma: trata-se de combinar vários sistemas ou entidades de inteligência artificial especializados em tarefas complementares para reduzir custos e potencializar o desempenho.

De fato, utilizar apenas um único modelo de IA pode se tornar limitante ao longo do tempo, enquanto essas novas abordagens permitem que empresas privadas e públicas obtenham resultados melhores e mais escaláveis.

No caso de setores altamente regulamentados, trata-se também de uma escolha que garante confiabilidade, precisão e segurança.

Neste artigo, vamos aprofundar o que são a IA Composta e os MAS, como funcionam, suas vantagens e as perspectivas futuras.

Le tecnologie operam de forma integrada e cada uma é ativada para executar as tarefas em que se mostra mais eficaz. Para simplificar, poderíamos comparar a IA Composta a uma equipa de futebol. Assim como numa equipa cada jogador é mais adequado e preparado para desempenhar um determinado papel (defender, atacar, defender a baliza, etc.) e intervém apenas quando necessário, também na IA Composta cada tecnologia é ativada apenas para realizar as atividades mais apropriadas.

De facto, cada modelo pode oferecer um excelente desempenho em determinadas tarefas, mas não ser adequado para outras.

Por exemplo, os knowledge graphs são a escolha mais eficaz para mapear conceitos e relações entre dados, mas não são capazes de gerar conteúdos.

A IA Composta permite, assim, ultrapassar as limitações das tecnologias individuais, ativando caso a caso aquelas mais adequadas para aproveitar plenamente os seus pontos fortes.

Vejamos alguns exemplos práticos: na pesquisa em bases de conhecimento empresariais, o componente conversacional pode ser gerido por um LLM, enquanto a parte de pesquisa e recuperação de informação é atribuída a tecnologias específicas, otimizadas para o domínio de aplicação.

Em outros casos, a utilização de um LLM é até excessiva. Trata-se de contextos em que existem limitações infraestruturais significativas, ou quando é absolutamente necessário ter controlo total sobre a gestão dos dados, ou ainda quando existem tecnologias alternativas menos dispendiosas e já disponíveis, capazes de resolver tarefas extremamente específicas em domínios altamente especializados.

Assim como numa equipa de futebol é necessário um treinador para organizar o jogo e as estratégias, também para passar da IA monolítica para os workflows mais complexos da IA Composta é necessário um mecanismo de gestão, supervisão e coordenação dos fluxos.

Estamos a falar do AI orchestrator, o componente que permite ao sistema funcionar ao colocar em relação modelos, dados e agentes, mantendo o controlo entre as diferentes etapas. Ele atua como guia para os modelos de IA generativa e permite obter resultados mais precisos e adequados, tanto em termos de conteúdo como de formato.

Graças a mecanismos de routing inteligente, o sistema utiliza todas as tecnologias para otimizar custos, desempenho e qualidade dos resultados em sistemas mais amplos, workflows ou aplicações.
O orquestrador preenche as lacunas e liga todas as tecnologias de IA presentes no fluxo de trabalho, permitindo assim alcançar objetivos demasiado complexos para um único modelo.

O sistema também permite automatizar a gestão dos recursos computacionais sem intervenção humana. Isto significa que pode otimizar a distribuição de carga entre os diferentes componentes, ativando ou desativando recursos consoante as necessidades e dando prioridade aos pedidos mais urgentes. A orquestração é, por fim, um elemento fundamental para supervisionar todo o ciclo de vida das aplicações, garantindo o cumprimento das normas, a segurança dos dados e a proteção da privacidade.

A IA multiagente tem mecanismos de funcionamento praticamente idênticos aos descritos para a IA Composta, com a diferença importante de que, neste caso, todas as tecnologias envolvidas se baseiam na IA Generativa.
Em particular, a IA multiagente assenta em agentes autónomos e especializados que colaboram entre si, ou seja, entidades computacionais capazes de executar tarefas específicas.

Também nos sistemas multiagentes existe um orquestrador que dirige as operações e ativa as diferentes entidades “especialistas” que intervêm para realizar as tarefas mais adequadas, reduzindo erros, custos e prazos.
Esta abordagem produz efeitos significativos em termos de eficiência computacional e, por vezes, também em termos económicos. Recorrer a um MAS implica, de facto, que nem sempre é necessário utilizar os modelos mais recentes e/ou mais caros. Através de um MAS, é possível escolher modelos mais económicos, mas que apresentam bom desempenho numa tarefa específica, em vez de modelos maiores e mais dispendiosos.

Os Sistemas Multiagente representam uma das evoluções mais promissoras da IA, pois permitem ultrapassar os limites e restrições dos modelos individuais através da execução autónoma de tarefas complexas, de forma mais eficaz e eficiente.

Vejamos alguns exemplos:

• Classificação de emails: os agentes são capazes de classificar e distribuir automaticamente os emails do apoio ao cliente, encaminhando-os para o departamento correto.
• Gestão de documentos: os agentes podem preencher um processo recorrendo simultaneamente a várias fontes de dados e garantindo um estilo consistente e homogéneo.
• Processamento automático de documentos: atividades como a gestão de guias de entrega, encomendas ou faturas podem ser simplificadas através da extração e classificação automática de dados, reduzindo erros e tempos operacionais.

Os benefícios oferecidos por estes tipos inovadores de IA são múltiplos e evidentes.

• Redução de custos: estas soluções permitem obter elevado desempenho utilizando menos recursos. Para determinadas tarefas, por exemplo, não é necessário recorrer a modelos monolíticos dispendiosos do ponto de vista computacional e energético, sendo possível utilizar sistemas mais simples e leves, inclusive em ambientes edge.
• Menor impacto energético: a IA gera uma pegada energética significativa. Os servidores e data centers necessários para operar um LLM consomem grandes quantidades de energia e água. Já os sistemas de IA Composta são projetados para ativar apenas as tecnologias necessárias para cada tarefa, evitando desperdícios.
• Aumento da eficiência: reduzir custos e impacto energético, ao mesmo tempo que se fornecem respostas mais precisas e contextualizadas, significa maximizar a eficiência. Isto é ainda mais evidente nos MAS, onde é possível automatizar processos inteiros com um uso reduzido de recursos, permitindo que os profissionais se concentrem em atividades de maior valor acrescentado.
• Flexibilidade e escalabilidade: a arquitetura da IA Composta e dos MAS permite adaptar facilmente o sistema a diferentes contextos e casos de uso. Os componentes individuais podem ser atualizados, substituídos ou integrados sem necessidade de redesenhar toda a solução. Isto torna a IA mais modular e escalável, capaz de evoluir ao longo do tempo juntamente com as necessidades da organização.
• Precisão e fiabilidade: a integração de diferentes tecnologias (como modelos linguísticos, knowledge graphs e regras simbólicas) permite obter resultados altamente precisos. O AI Orchestrator contribui para garantir o cumprimento da governança, impondo regras e guardrails para manter os sistemas dentro dos procedimentos e regulamentos adotados.
• Resiliência e redução de risco: ao contrário dos modelos monolíticos, estes sistemas não dependem de uma única tecnologia ou de um único fornecedor. Isto permite reduzir riscos associados a falhas, quedas de desempenho ou indisponibilidade de serviços. Em caso de necessidade, é possível ativar soluções alternativas.
• Transparência e explicabilidade: a integração de técnicas específicas permite aumentar a transparência dos processos de decisão. Assim, é possível rastrear o funcionamento das decisões, facilitando a compreensão dos resultados e o cumprimento das normas, especialmente em contextos altamente regulamentados.

Estas vantagens não são apenas teóricas, mas encontram aplicação concreta em plataformas concebidas segundo uma abordagem composta, como no caso da plataforma AIWave da Almawave.

AIWave é a plataforma de inteligência artificial projetada pela Almawave para apoiar empresas e Administrações Públicas na implementação da IA nos processos operacionais, inclusive em modalidade low-code/no-code.

Trata-se de uma plataforma modular e escalável, pensada para projetar e desenvolver aplicações baseadas em IA, integrar funcionalidades inteligentes nos processos de negócio existentes ou ainda utilizar soluções já prontas para potenciar as atividades.

A plataforma AIWave baseia-se essencialmente na própria IA Composta que acabámos de introduzir, cujas capacidades generativas (LLMs, RAG, NLQ – Natural Language Query) são integradas com outras tecnologias para construir sistemas mais eficientes, controláveis e contextuais.

Neste contexto, a orquestração desempenha um papel central: o AIWave coordena modelos, dados e componentes inteligentes, permitindo utilizar cada tecnologia da forma mais adequada e gerir fluxos complexos de forma dinâmica.

Tecnologias de machine learning, deep learning (incluindo modelos pré-treinados), knowledge graphs e RAG contribuem para melhorar a precisão, a eficiência e a transparência dos sistemas, bem como a experiência dos utilizadores.

Graças à IA Composta do AIWave, a Almawave consegue fornecer soluções especializadas e de alto desempenho, especialmente para empresas e entidades institucionais que procuram sistemas altamente fiáveis e seguros.

Estes novos sistemas de inteligência artificial baseados em múltiplos modelos e tecnologias podem, de facto, aumentar a segurança e o respeito pela privacidade, limitando o uso de LLMs apenas aos casos necessários e delegando outras operações a tecnologias internas e mais controláveis.

Queres saber quais benefícios a nossa IA Composta pode trazer para a tua atividade?