| (18 revisões intermediárias por um outro usuário não estão sendo mostradas) | |||
| Linha 11: | Linha 11: | ||
== Objetivos == | == Objetivos == | ||
Explora o desenvolvimento de sistemas compostos por múltiplos agentes autônomos que interagem entre si e com o ambiente, com o objetivo de resolver problemas empresariais complexos de maneira distribuída. | |||
<br> | <br> | ||
| Linha 18: | Linha 18: | ||
<br> | <br> | ||
Multi AI Agent Systems referem-se a sistemas compostos por múltiplos agentes de inteligência artificial que trabalham de forma colaborativa e coordenada para resolver problemas complexos ou executar tarefas específicas. Esses agentes são unidades autônomas de software que possuem habilidades especializadas e podem interagir entre si, com humanos e com o ambiente, visando atingir objetivos compartilhados ou complementares. | |||
<br> | |||
<br> | |||
== Características == | == Características == | ||
| Linha 30: | Linha 25: | ||
<br> | <br> | ||
Autonomia: Cada agente opera de forma independente, tomando decisões com base em seus algoritmos e dados. | |||
Especialização: Cada agente pode ser projetado para executar uma função ou tarefa específica, como análise de dados, automação de processos ou geração de insights. | |||
Cooperação: Os agentes interagem e compartilham informações para alcançar objetivos comuns ou otimizar processos. | |||
Escalabilidade: Podem ser configurados para lidar com tarefas de diferentes níveis de complexidade e volumes crescentes de dados. | |||
Adaptação: Capacidade de aprender e ajustar suas operações com base em novos dados ou mudanças no ambiente. | |||
<br> | <br> | ||
<br> | <br> | ||
== Estudo Dirigido == | == Estudo Dirigido == | ||
| Linha 52: | Linha 51: | ||
= Fase II - Ensino = | = Fase II - Ensino = | ||
<br> | <br> | ||
| Linha 64: | Linha 56: | ||
== Apresentação == | == Apresentação == | ||
[https://algarnet-my.sharepoint.com/:f:/g/personal/lclaudio_inovacaobrain_com_br/EirIXaHOqDJKjOCpF_jzmdQBqY7l90ZERqIEuOgjWyKbLw?e=3DCH5k Acesse os arquivos aqui] | |||
<br> | <br> | ||
| Linha 85: | Linha 76: | ||
Foco na não dependência de fornecedores | Foco na não dependência de fornecedores | ||
Prática de formação dos talentos necessários | Prática de formação dos talentos necessários | ||
<br> | <br> | ||
| Linha 100: | Linha 82: | ||
<br> | <br> | ||
== | == Benefícios para o usuário == | ||
=== Maior Eficiência Operacional === | |||
* Automatiza tarefas repetitivas, reduzindo o tempo gasto em processos manuais. | |||
* Melhora a velocidade e precisão da execução de tarefas. | |||
* Otimiza o uso de recursos, permitindo que equipes foquem em atividades estratégicas. | |||
=== Tomada de Decisão Aprimorada === | |||
* Oferece insights baseados em dados, aumentando a assertividade nas decisões. | |||
* Processa grandes volumes de informações para identificar padrões e tendências. | |||
* Garante respostas rápidas e baseadas em IA para questões complexas. | |||
== | === Integração com Diferentes Sistemas === | ||
* Compatível com ERPs, CRMs e outras plataformas corporativas. | |||
* Utiliza APIs para facilitar a comunicação entre diferentes aplicações. | |||
* Permite uma transição suave entre processos manuais e automação inteligente. | |||
=== Redução de Erros e Conformidade === | |||
* Minimizam erros humanos em cálculos, análises e execuções de processos. | |||
* Atendem às exigências de compliance e auditoria com precisão. | |||
* Monitoram atividades em tempo real para prevenir falhas. | |||
=== Escalabilidade e Flexibilidade === | |||
* Adapta-se a diferentes volumes de dados e cargas de trabalho. | |||
* Pode ser personalizado conforme as necessidades do usuário ou da empresa. | |||
* Expande-se facilmente para novas aplicações e funcionalidades. | |||
=== Segurança e Proteção de Dados === | |||
* Utiliza criptografia e autenticação robusta para garantir segurança. | |||
* Mantém registros detalhados para rastreamento e auditoria. | |||
* Implementa protocolos de proteção contra ataques cibernéticos. | |||
== | === Melhor Experiência para Usuários e Clientes === | ||
* Reduz tempo de resposta em processos internos e externos | |||
* Permite interações mais ágeis e inteligentes com clientes e fornecedores. | |||
* Garante maior confiabilidade e transparência nos serviços oferecidos. | |||
<br> | <br> | ||
== Direcionadores chave para esta iniciativa == | == Direcionadores chave para esta iniciativa == | ||
| Linha 142: | Linha 142: | ||
== Business Case == | == Business Case == | ||
* Apresentação: | |||
** https://www.canva.com/design/DAGpaSk0MAw/ZI-rszQ2--NMKq76r-c2Qw/edit?utm_content=DAGpaSk0MAw&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton | |||
== | |||
<br> | <br> | ||
| Linha 178: | Linha 159: | ||
<br> | <br> | ||
== | == Privacidade (LGPD) == | ||
<br> | |||
<br> | * Avaliar condições referentes à Lei Geral de Proteção de Dados | ||
<br> | |||
== Detalhamento Técnico == | |||
<br> | <br> | ||
*Detalhamento Técnico de Sistemas Multi AI Agents | |||
Os sistemas Multi AI Agents são arquiteturas compostas por múltiplos agentes de inteligência artificial que interagem entre si, com humanos e com outras tecnologias para resolver problemas complexos e automatizar processos. Esses agentes são projetados para operar de forma autônoma ou colaborativa, dependendo da estrutura do sistema. | |||
--- | |||
*1. Arquitetura do Sistema | |||
Os sistemas Multi AI Agents podem seguir diferentes arquiteturas, dependendo dos requisitos do ambiente e das interações esperadas: | |||
*1.1 Arquitetura Centralizada | |||
- Existe um agente principal (orquestrador) que coordena os demais agentes. | |||
- Comunicação estruturada, onde os agentes respondem a comandos do orquestrador. | |||
- Útil para aplicações onde há um fluxo de trabalho bem definido. | |||
*1.2 Arquitetura Distribuída | |||
- Todos os agentes operam de forma descentralizada, comunicando-se diretamente entre si. | |||
- Proporciona maior escalabilidade e flexibilidade. | |||
- Ideal para sistemas complexos que precisam se adaptar dinamicamente. | |||
*1.3 Arquitetura Híbrida | |||
- Combina elementos centralizados e distribuídos. | |||
- Permite o uso de agentes autônomos que interagem com um orquestrador quando necessário. | |||
--- | |||
*2. Componentes Técnicos | |||
*2.1 Agentes Inteligentes | |||
Os agentes podem ser especializados em diferentes funções, como: | |||
- *Agentes Cognitivos: Utilizam IA generativa e modelos de NLP para interpretar e responder a comandos. | |||
- *Agentes de Automação: Integram-se a RPA para executar tarefas repetitivas. | |||
- *Agentes de Análise de Dados: Aplicam aprendizado de máquina para detecção de padrões e predições. | |||
- *Agentes de Tomada de Decisão: Suportam gestores com insights baseados em IA. | |||
*2.2 Comunicação entre Agentes | |||
- Utilização de APIs RESTful ou gRPC para troca de informações. | |||
- Protocolos de comunicação assíncrona via Message Brokers como Kafka ou RabbitMQ. | |||
- Modelos baseados em MAS (Multi-Agent Systems) com protocolos como FIPA-ACL. | |||
*2.3 Banco de Dados e Armazenamento | |||
- *SQL (PostgreSQL, MySQL) para dados estruturados. | |||
- *NoSQL (MongoDB, Redis) para dados semiestruturados e não estruturados. | |||
- *Data Lakes e Warehouses para grandes volumes de dados e análise histórica. | |||
*2.4 Infraestrutura e Escalabilidade | |||
- *Containers (Docker, Kubernetes) para escalabilidade dinâmica. | |||
- *Computação em Nuvem (AWS, GCP, Azure) para otimização de recursos. | |||
- *Serverless Computing para execução sob demanda de agentes específicos. | |||
*2.5 Segurança e Compliance | |||
- *Autenticação e Autorização: Uso de OAuth, JWT e RBAC para controle de acessos. | |||
- *Criptografia de Dados: AES-256 para dados em repouso e TLS para comunicação segura. | |||
- *Monitoramento e Logs: Ferramentas como Prometheus, ELK Stack e Datadog para rastreabilidade. | |||
--- | |||
<br> | <br> | ||
| Linha 220: | Linha 231: | ||
= Histórico = | = Histórico = | ||
''Responsável: [[ | ''Responsável: [[Manoel Botelho]]'' | ||
*20/09 Kickoff da pesquisa - Manoel Botelho, Carlos Ernani e Luis Claudio | |||
* | *27/09 Reunião de alinhamento, conhecendo a ferramenta CrewAI - Manoel Botelho, Carlos Ernani e Luis Claudio ( Brain) / Rob Bailey, João Coimbra (CrewAI) | ||
* | *18/10 Reunião de follow up Brain x COE Automações e IA Algar telecom - Manoel Botelho, Carlos Ernani (Brain) / Davi Lacerda, Enock Cabral, Gabriel Pereira (COE) | ||
*27/11 Apresentação Multi AI Agents | |||
<br> | <br> | ||
= Pesquisadores = | = Pesquisadores = | ||
Edição atual tal como às 13h30min de 16 de junho de 2025
Fase I - Estudo
Título da Ideia
Integração de agentes de inteligência artificial autônomos
Objetivos
Explora o desenvolvimento de sistemas compostos por múltiplos agentes autônomos que interagem entre si e com o ambiente, com o objetivo de resolver problemas empresariais complexos de maneira distribuída.
Conceito
Multi AI Agent Systems referem-se a sistemas compostos por múltiplos agentes de inteligência artificial que trabalham de forma colaborativa e coordenada para resolver problemas complexos ou executar tarefas específicas. Esses agentes são unidades autônomas de software que possuem habilidades especializadas e podem interagir entre si, com humanos e com o ambiente, visando atingir objetivos compartilhados ou complementares.
Características
Autonomia: Cada agente opera de forma independente, tomando decisões com base em seus algoritmos e dados. Especialização: Cada agente pode ser projetado para executar uma função ou tarefa específica, como análise de dados, automação de processos ou geração de insights. Cooperação: Os agentes interagem e compartilham informações para alcançar objetivos comuns ou otimizar processos. Escalabilidade: Podem ser configurados para lidar com tarefas de diferentes níveis de complexidade e volumes crescentes de dados. Adaptação: Capacidade de aprender e ajustar suas operações com base em novos dados ou mudanças no ambiente.
Estudo Dirigido
- Pesquisar e escrever sobre as características principais da tecnologia
- Redigir sobre Conceito conforme orientações do template
- Definir Objetivos com o time
- Descrever as principais soluções do mercado incluindo num item apropriado
- Avaliar os ratings e montar quadro comparativo
- Pesquisar soluções open-source
- Começar a pensar numa aplicação dessa tecnologia que deverá estar alinhada com o objetivo.
Fase II - Ensino
Apresentação
Metodologia
Descrevas as metodologias usadas. Alguns exemplos:
Estratégia de Job Rotation Estudos básicos para conhecimento do potencial Estudos básicos para entendimento sobre o problema Estudos para dar base aos pesquisadores Benchmarking com empresas estrangeiras Aceleradoras de empresas Adoção de novas tecnologias Utilização da proposta de soluções Open-source Priorização no desenvolvimento interno Foco na não dependência de fornecedores Prática de formação dos talentos necessários
Fase III - Exemplo de Caso de Negócio
Benefícios para o usuário
Maior Eficiência Operacional
- Automatiza tarefas repetitivas, reduzindo o tempo gasto em processos manuais.
- Melhora a velocidade e precisão da execução de tarefas.
- Otimiza o uso de recursos, permitindo que equipes foquem em atividades estratégicas.
Tomada de Decisão Aprimorada
- Oferece insights baseados em dados, aumentando a assertividade nas decisões.
- Processa grandes volumes de informações para identificar padrões e tendências.
- Garante respostas rápidas e baseadas em IA para questões complexas.
Integração com Diferentes Sistemas
- Compatível com ERPs, CRMs e outras plataformas corporativas.
- Utiliza APIs para facilitar a comunicação entre diferentes aplicações.
- Permite uma transição suave entre processos manuais e automação inteligente.
Redução de Erros e Conformidade
- Minimizam erros humanos em cálculos, análises e execuções de processos.
- Atendem às exigências de compliance e auditoria com precisão.
- Monitoram atividades em tempo real para prevenir falhas.
Escalabilidade e Flexibilidade
- Adapta-se a diferentes volumes de dados e cargas de trabalho.
- Pode ser personalizado conforme as necessidades do usuário ou da empresa.
- Expande-se facilmente para novas aplicações e funcionalidades.
Segurança e Proteção de Dados
- Utiliza criptografia e autenticação robusta para garantir segurança.
- Mantém registros detalhados para rastreamento e auditoria.
- Implementa protocolos de proteção contra ataques cibernéticos.
Melhor Experiência para Usuários e Clientes
- Reduz tempo de resposta em processos internos e externos
- Permite interações mais ágeis e inteligentes com clientes e fornecedores.
- Garante maior confiabilidade e transparência nos serviços oferecidos.
Direcionadores chave para esta iniciativa
- Solução inteligente para um fluxo de processos em RH ou TH:
- Definição da vaga
- Abertura e especificação da vaga
- Prospecção de Talentos
- Seleção de candidatos
- Processo de documentação
- Efetivação
- Programa de formação
- Acompanhamento da evolução
- Planos de contingência
Possíveis modelos de negócios
Descrever em tópicos os possíveis modelos de negócios
Business Case
Fase IV - Protótipo orientado ao Negócio
Escopo
Explique o escopo deste protótipo
Privacidade (LGPD)
- Avaliar condições referentes à Lei Geral de Proteção de Dados
Detalhamento Técnico
- Detalhamento Técnico de Sistemas Multi AI Agents
Os sistemas Multi AI Agents são arquiteturas compostas por múltiplos agentes de inteligência artificial que interagem entre si, com humanos e com outras tecnologias para resolver problemas complexos e automatizar processos. Esses agentes são projetados para operar de forma autônoma ou colaborativa, dependendo da estrutura do sistema.
---
- 1. Arquitetura do Sistema
Os sistemas Multi AI Agents podem seguir diferentes arquiteturas, dependendo dos requisitos do ambiente e das interações esperadas:
- 1.1 Arquitetura Centralizada
- Existe um agente principal (orquestrador) que coordena os demais agentes. - Comunicação estruturada, onde os agentes respondem a comandos do orquestrador. - Útil para aplicações onde há um fluxo de trabalho bem definido.
- 1.2 Arquitetura Distribuída
- Todos os agentes operam de forma descentralizada, comunicando-se diretamente entre si. - Proporciona maior escalabilidade e flexibilidade. - Ideal para sistemas complexos que precisam se adaptar dinamicamente.
- 1.3 Arquitetura Híbrida
- Combina elementos centralizados e distribuídos. - Permite o uso de agentes autônomos que interagem com um orquestrador quando necessário.
---
- 2. Componentes Técnicos
- 2.1 Agentes Inteligentes
Os agentes podem ser especializados em diferentes funções, como: - *Agentes Cognitivos: Utilizam IA generativa e modelos de NLP para interpretar e responder a comandos. - *Agentes de Automação: Integram-se a RPA para executar tarefas repetitivas. - *Agentes de Análise de Dados: Aplicam aprendizado de máquina para detecção de padrões e predições. - *Agentes de Tomada de Decisão: Suportam gestores com insights baseados em IA.
- 2.2 Comunicação entre Agentes
- Utilização de APIs RESTful ou gRPC para troca de informações. - Protocolos de comunicação assíncrona via Message Brokers como Kafka ou RabbitMQ. - Modelos baseados em MAS (Multi-Agent Systems) com protocolos como FIPA-ACL.
- 2.3 Banco de Dados e Armazenamento
- *SQL (PostgreSQL, MySQL) para dados estruturados. - *NoSQL (MongoDB, Redis) para dados semiestruturados e não estruturados. - *Data Lakes e Warehouses para grandes volumes de dados e análise histórica.
- 2.4 Infraestrutura e Escalabilidade
- *Containers (Docker, Kubernetes) para escalabilidade dinâmica. - *Computação em Nuvem (AWS, GCP, Azure) para otimização de recursos. - *Serverless Computing para execução sob demanda de agentes específicos.
- 2.5 Segurança e Compliance
- *Autenticação e Autorização: Uso de OAuth, JWT e RBAC para controle de acessos. - *Criptografia de Dados: AES-256 para dados em repouso e TLS para comunicação segura. - *Monitoramento e Logs: Ferramentas como Prometheus, ELK Stack e Datadog para rastreabilidade.
---
Cronograma Macro
Histórico
Responsável: Manoel Botelho
- 20/09 Kickoff da pesquisa - Manoel Botelho, Carlos Ernani e Luis Claudio
- 27/09 Reunião de alinhamento, conhecendo a ferramenta CrewAI - Manoel Botelho, Carlos Ernani e Luis Claudio ( Brain) / Rob Bailey, João Coimbra (CrewAI)
- 18/10 Reunião de follow up Brain x COE Automações e IA Algar telecom - Manoel Botelho, Carlos Ernani (Brain) / Davi Lacerda, Enock Cabral, Gabriel Pereira (COE)
- 27/11 Apresentação Multi AI Agents
Pesquisadores
- Manoel Botelho
- Davi Lacerda