AI com ERP: Quem precisa?
Resiliência, observabilidade e governança
Muitos especialistas em IA acreditam que o conceito de resiliência prevalecerá como um indicador-chave de desempenho digital da IA. O desempenho de grandes modelos de linguagem (LLMs) baseia-se em métodos estatísticos sofisticados e aprendizado de máquina. Algoritmos determinísticos, como os utilizados em softwares ERP, não são adequados para LLMs, o que significa que sempre existe o risco de alucinações ao usar IA tradicional.
Os sistemas de IA podem escalar rapidamente em aplicações, regiões de nuvem e serviços externos devido a pequenas interrupções. No entanto, os usuários de ERP exigem confiabilidade, disponibilidade e segurança — em outras palavras, resiliência e observabilidade. Esses requisitos não podem mais ser vistos como disciplinas separadas, mas devem ser integrados como um objetivo comum da IA.
Eventos e oportunidades
Eventos, congressos e feiras são partes importantes do discurso sobre IA. Reuniões de líderes da indústria de TI e seus clientes ocorrem em diversas localidades. A participação em eventos como CES e Viva Technology é crucial para que as empresas se destaquem e se mantenham atualizadas nas tendências de IA.
Desafios da IA: IA agente e observabilidade
Nenhuma empresa de TI, seja tradicional ou nova, conseguirá superar os desafios da IA sozinha. A necessidade de um discurso público sobre IA e parcerias no setor é evidente. As dificuldades em dominar o assunto são significativas.
A IA agente é um exemplo do poder da IA, que também é mais difícil de dominar do que sistemas tradicionais de LLM e aprendizado de máquina. Quando agentes de IA coordenam tarefas e desencadeiam ações de ERP, até mesmo um ambiente digital bem estruturado pode se tornar imprevisível.
Sem uma forte observabilidade e governança clara, os sistemas de IA/ERP se tornarão cada vez mais difíceis de entender e controlar. Cada agente de IA atua de forma independente, e o crescimento explosivo da comunicação entre agentes não pode mais ser controlado sem observabilidade.
Conclusão
O desafio agora não é apenas otimizar modelos individuais, mas controlar a rede de interações autônomas em tempo real. A observabilidade torna-se, portanto, a base para ecossistemas de agentes seguros, escaláveis e controláveis.
