Artigo por Bernd Greifeneder, Chief Technology Officer (CTO) e Cofundador da Dynatrace
O entusiasmo pela adoção da inteligência artificial (IA) está no auge, e ela já está transformando a maneira como o software é criado, entregue e operado, desbloqueando ganhos extraordinários de produtividade e eficiência. As organizações estão aprendendo, iterando e ganhando confiança em como introduzir IA em ambientes operacionais de forma segura e escalável. Conforme a adoção cresce, as companhias obtêm insights valiosos sobre as proteções e as bases de dados necessárias para resultados consistentes; e esses insights estão se multiplicando rapidamente.
Nesse cenário e com o aumento do investimento em monitoramento e automação orientados por IA, os executivos estão reconhecendo que a observabilidade confiável e baseada em IA é a ponte entre as operações conduzidas por humanos e os ecossistemas digitais autônomos supervisionados por humanos.
O cientista e o artista: as duas faces da IA
A IA generativa é um sistema probabilístico. É um artista criativo, brilhante para brainstorming, geração de conteúdo inovador e aceleração de ideias. Mas, para operações críticas de TI, você também precisa de um cientista: um sistema determinístico, baseado em fatos, confiável e compreensível. Os sistemas operacionais necessitam de precisão para que os resultados sejam corretos e reproduzíveis. O cientista é a IA que raciocina a partir de dados verificados, como topologia em tempo real, dependências causais e métricas precisas, para fornecer respostas com que as equipes possam agir com confiança.
É aqui que a promessa da IA agêntica, — sistemas que podem raciocinar e agir de forma independente — precisa da base correta. Segundo pesquisa da Dynatrace, embora 50% das organizações tenham agentes em produção para casos de uso limitados, apenas 23% escalaram esses projetos para uma integração madura em toda a empresa. Essa lacuna não é uma falha da IA; é um sinal de que o ecossistema em torno de agentes de IA ainda precisa amadurecer.
Um dos principais desafios é que a IA generativa pode alucinar e desviar os agentes do seu curso. Os Chief Technology Officers (CTOs) priorizam, com razão, garantir que os sistemas agênticos tenham acesso instantâneo a informações de alta qualidade, para que os fluxos de trabalho de agentes com várias etapas possam ser executados de forma rápida e confiável. Alucinações não são simples falhas; elas podem desencadear ações incorretas, levando a interrupções e riscos de segurança.
Jornada rumo à verdadeira autonomia
Para avançar para a verdadeira autonomia, é preciso estabelecer um ecossistema de IA que englobe a observabilidade baseada em IA para resultados confiáveis. As organizações começam com casos de uso claramente definidos, implementam uma supervisão robusta e expandem gradualmente o papel da IA conforme a confiança em seus resultados aumenta. A chave é combinar o poder criativo da IA generativa com uma base determinística fundamentada em dados operacionais concretos. Isso cria um sistema no qual os humanos definem metas estratégicas enquanto a IA confiável lida com a execução tática com precisão, guiada por políticas e diretrizes estabelecidas.
Para a maioria das organizações, a jornada da automação para a autonomia se concretiza em três estágios distintos. O primeiro estágio é a automação, no qual o sistema executa tarefas bem definidas com base em respostas geradas por IA, fundamentadas em dados contextuais em tempo real. Trata-se de automatizar de forma confiável as respostas a problemas conhecidos.
O segundo estágio é o da autonomia supervisionada. A IA pode analisar uma situação inédita, compreender seu impacto nos negócios e gerar um plano de ação pronto para implementação, que só é executado após a aprovação de um especialista humano. Os princípios-chave aqui são confiabilidade, transparência e um ciclo de feedback preciso.
O estágio final é o dos sistemas totalmente autônomos, que operam de forma independente para atingir os objetivos de negócios — gerenciando ambientes dinamicamente, otimizando custos e desempenho e corrigindo problemas antes que eles afetem os usuários. O sistema se observa continuamente para se auto-otimizar, garantir a conformidade e fornecer insights que ajudam as pessoas a refinar seus objetivos. As pessoas ainda desempenham um papel crucial: elas revisam os resultados, ajustam as estratégias e definem a direção.
A verdade é que os agentes de IA são poderosos. Mas a IA não tem consciência do que está acontecendo em produção. Ela é cega para o mundo real sem a observabilidade que lhe fornece o contexto. É por isso que a observabilidade é fundamental para uma IA confiável, tornando os dados imediatamente utilizáveis para decisões precisas.
As organizações precisam de sistemas construídos sobre um data lakehouse de IA unificado que ingira e estruture continuamente a telemetria, combinado com um grafo de dependência em tempo real que mapeie cada serviço, transação e componente de infraestrutura em contexto. Essa base permite que a IA seja confiável e capaz — fornecendo a memória que a IA precisa, em escala.
A fusão de IA determinística e agêntica representa o próximo capítulo da TI corporativa. Ela cria um sistema no qual a IA observa e gerencia outros sistemas orientados por IA, fomentando um novo padrão de resiliência digital e experiências superiores para o cliente. A observabilidade está se tornando cada vez mais um parceiro estratégico e confiável, capacitando as organizações a navegar com segurança pelas complexidades do mundo digital e a construir um futuro verdadeiramente autônomo.
