Construir Inteligência Empresarial: Estamos Preparados para a Era dos Agentes de IA?

Neste artigo:

Quem já trabalhou numa empresa com mais de três departamentos sabe o que é enviar um email a pedir dados e esperar dois dias por uma resposta que, quando chega, já está desatualizada. Agora multiplique esse problema por centenas de processos, milhares de colaboradores e dezenas de sistemas que não comunicam entre si. Este é o dia a dia da maioria das organizações.

Os agentes de IA prometem resolver esta fragmentação. Mas um agente isolado – por mais inteligente que seja – tem as mesmas limitações de um colaborador brilhante trancado num escritório sem telefone nem acesso à rede. O verdadeiro salto acontece quando esses agentes conseguem comunicar entre si, aceder a dados de múltiplas fontes e coordenar ações em tempo real. E isso só é possível graças a uma nova geração de protocolos de comunicação.

Para líderes de tecnologia, perceber como estes protocolos funcionam não é um exercício académico. É a diferença entre implementar agentes de IA que realmente transformam a operação e investir em tecnologia que acaba por criar mais uma ilha isolada dentro da empresa.

A Evolução da Interoperabilidade: Das APIs aos Protocolos de Agentes

Antes das APIs se tornarem comuns, integrar dois sistemas era um projeto de engenharia pesado. Cada ligação entre aplicações exigia desenvolvimento à medida, manutenção constante e uma enorme dose de paciência. As APIs vieram padronizar essa comunicação: criaram uma linguagem comum para que sistemas diferentes pudessem trocar dados de forma estruturada.

Graças às APIs, o ecossistema digital floresceu. O seu ERP passou a comunicar com o sistema de faturação, o CRM alimenta automaticamente os dashboards de vendas, e a plataforma de e-commerce sincroniza stocks com o armazém. Tudo isto funciona porque existe um contrato claro – uma API – entre cada par de sistemas.

Mas as APIs foram desenhadas para um mundo em que humanos decidem e sistemas executam. O pedido parte sempre de uma pessoa ou de um processo programado. Agora estamos a entrar numa realidade diferente: os agentes de IA precisam de tomar decisões autónomas, aceder a contexto em tempo real e coordenar-se com outros agentes sem intervenção humana constante. As APIs tradicionais, embora fundamentais, não foram concebidas para este tipo de interação dinâmica e contextualizada.

É aqui que entram os protocolos de comunicação entre agentes – o próximo capítulo da interoperabilidade empresarial.
Na GFoundry, passámos anos a construir integrações com ERPs, sistemas de RH e algumas plataformas proprietárias dos nossos clientes. Conhecemos bem a complexidade de ligar sistemas. Mas o que estamos a ver agora é um salto qualitativo: já não se trata apenas de trocar dados entre plataformas, mas de permitir que agentes inteligentes naveguem por múltiplos sistemas para resolver problemas de gestão de talento que antes exigiam dias de trabalho manual. João Carvalho – CEO, GFoundry

Os Três Protocolos Fundamentais: MCP, ACP e A2A

O ecossistema de comunicação entre agentes está a consolidar-se em torno de três protocolos principais. Cada um resolve um problema diferente, e é na sua combinação que reside o verdadeiro potencial.

Model Context Protocol (MCP): O Protocolo que Dá Contexto aos Agentes

Um agente de IA sem acesso a dados relevantes é como um consultor que chega a uma empresa sem conhecer o setor, os clientes ou os números. Pode ser muito capaz, mas não vai produzir nada útil sem contexto.

O MCP, criado pela Anthropic como protocolo aberto, resolve precisamente este problema. Define a forma como aplicações baseadas em Large Language Models (LLMs) se ligam a fontes de dados e ferramentas externas. Em vez de cada programador ter de construir conectores à medida para cada base de dados ou serviço, o MCP padroniza essa ligação.

Na prática, o MCP permite que um agente de IA aceda a ficheiros internos, consulte bases de dados, invoque ferramentas específicas e incorpore dados externos – tudo de forma padronizada e em tempo real.

Exemplo concreto: imagine um agente de IA que auxilia gestores de equipa numa plataforma de gestão de talento. Quando um gestor pergunta “quais colaboradores da minha equipa completaram menos de 50% do plano de formação este trimestre?”, o agente usa o MCP para consultar o módulo de Learning & Development, cruza com dados de assiduidade numa outra plataforma e apresenta uma resposta contextualizada – tudo em segundos, sem que o gestor precise de navegar por três sistemas diferentes.

Agent Communication Protocol (ACP): Coordenação em Ambiente Local

Se o MCP trata de ligar agentes a dados e ferramentas, o ACP foca-se em como vários agentes comunicam e se coordenam dentro de um mesmo ambiente.

Pense no ACP como o protocolo interno de uma equipa de projeto bem organizada. Cada membro sabe o que os outros estão a fazer, que competências cada um tem, e como dividir o trabalho de forma eficiente. O ACP cria exatamente este tipo de coordenação para agentes de IA que operam dentro da mesma plataforma ou infraestrutura.

O ACP padroniza a forma como agentes partilham competências, distribuem tarefas e comunicam o estado das suas atividades. Elimina a necessidade de interfaces personalizadas entre cada par de agentes, criando um espaço de colaboração fluido.

Exemplo concreto: dentro de uma plataforma de gestão de talento como a GFoundry, vários agentes podem operar em paralelo – um focado em recrutamento, outro em engagement, outro em análise de desempenho. Quando o agente de desempenho deteta que uma equipa tem avaliações consistentemente abaixo da média, o ACP permite-lhe comunicar diretamente com o agente de formação para sugerir conteúdos de desenvolvimento relevantes, sem necessidade de intervenção humana para fazer essa ponte.

Agent-to-Agent (A2A): Colaboração entre Plataformas e Fornecedores

O MCP liga agentes a dados. O ACP coordena agentes dentro de um sistema. Mas o que acontece quando agentes de sistemas e fornecedores diferentes precisam de trabalhar juntos?

O protocolo A2A, introduzido pela Google, resolve esta questão. Define como agentes de diferentes plataformas podem iniciar tarefas entre si, partilhar informação, enviar atualizações em tempo real e trocar ficheiros – tudo de forma interoperável.

Isto é particularmente importante no contexto empresarial, onde raramente uma única plataforma cobre todas as necessidades. O ecossistema tecnológico de qualquer empresa média inclui dezenas de ferramentas de fornecedores diferentes.

Exemplo concreto: considere o processo de saída de um colaborador. Um agente na plataforma de RH deteta a saída e usa A2A para comunicar com um agente no sistema de IT (que inicia a revogação de acessos), com um agente no sistema financeiro (que processa os últimos pagamentos) e com um agente na plataforma de gestão de conhecimento (que agenda sessões de transferência de know-how). Cada agente opera num sistema diferente, de um fornecedor diferente, mas o A2A garante que colaboram como se fossem uma única equipa.

Na gestão de talento, nenhuma plataforma opera isolada. Os nossos clientes usam ERPs, sistemas de payroll, ferramentas de comunicação interna, LMS externos – tudo em simultâneo. A promessa do A2A é que os agentes de IA consigam orquestrar processos que atravessam todas estas ferramentas. Para uma plataforma como a GFoundry, isto significa que os nossos agentes de engagement ou de formação podem colaborar com agentes de outros sistemas dos nossos clientes de forma nativa. É uma mudança de paradigma. João Carvalho – CEO, GFoundry

Como os três protocolos se complementam

Nenhum destes protocolos substitui os outros. Funcionam em camadas complementares:

Implicações Estratégicas para CIOs e CTOs

Compreender estes protocolos não é um luxo técnico – é uma necessidade estratégica. Para quem toma decisões sobre infraestrutura tecnológica, as implicações são profundas e imediatas.

Automação de ponta a ponta que realmente funciona

A maioria das tentativas de automação empresarial esbarra no mesmo problema: os processos atravessam vários sistemas e departamentos, e a automação funciona apenas dentro de cada silo. Estes protocolos eliminam essa barreira.

Quando agentes conseguem aceder a dados contextualizados (MCP), coordenar-se dentro de uma plataforma (ACP) e colaborar entre sistemas de fornecedores diferentes (A2A), torna-se possível automatizar processos completos – e não apenas fragmentos.

Exemplo: o processo de onboarding de um novo colaborador tipicamente envolve RH, IT, formação, compliance e o próprio gestor de equipa. Hoje, este processo depende de emails, checklists manuais e muita boa vontade. Com agentes orquestrados por estes protocolos, o processo pode correr de forma autónoma: desde a preparação do equipamento até à inscrição automática nos módulos de formação obrigatórios, passando pela criação de acessos e pela apresentação personalizada da cultura da empresa – tudo sem que alguém precise de enviar um único email.

Decisões baseadas em dados reais, não em intuições

Um dos maiores desafios na tomada de decisão empresarial é que a informação relevante está dispersa por múltiplos sistemas, frequentemente desatualizada e difícil de cruzar. O MCP muda esta realidade ao permitir que agentes de IA consultem dados em tempo real de múltiplas fontes e os apresentem de forma contextualizada.

Em vez de esperar por relatórios trimestrais para perceber que existe um problema de retenção numa determinada equipa, um agente pode cruzar dados de engagement, avaliações de desempenho e padrões de absentismo para sinalizar o risco antes que o colaborador sequer comece a procurar alternativas.

Supervisão humana: o garante da confiança

A autonomia dos agentes levanta uma questão legítima: quem controla o que eles fazem? Estes protocolos foram desenhados com transparência incorporada. As ações dos agentes são rastreáveis, auditáveis e, em pontos críticos, requerem aprovação humana.

Esta abordagem de “humano no circuito” não é uma limitação – é uma funcionalidade essencial. Permite que as organizações beneficiem da velocidade e escala dos agentes sem abdicar do controlo sobre decisões sensíveis. Um agente pode preparar toda a análise e a recomendação, mas a decisão final sobre uma promoção, uma reestruturação ou uma resposta a um cliente importante continua a ser humana.

Cibersegurança: o novo perímetro a defender

Agentes com acesso a dados sensíveis representam um novo vetor de risco. Se um agente pode aceder a informação de desempenho, dados salariais ou ficheiros confidenciais, então comprometer esse agente equivale a comprometer toda essa informação.

Tanto o MCP como o A2A incorporam mecanismos de segurança – controlo de acessos mediado pelo host, sandboxing, OAuth 2.0 e autorização por chaves API. Mas a tecnologia sozinha não basta. CIOs e CTOs precisam de definir políticas claras sobre que dados cada agente pode aceder, que ações pode executar autonomamente e que decisões requerem validação humana.

Há uma tentação natural de focar toda a atenção nas capacidades dos agentes – no que eles conseguem fazer. Mas a pergunta mais importante para um CIO ou CTO é: o que é que eles não devem fazer? Definir os limites é tão crítico como definir as capacidades. Na GFoundry, tratamos dados de formação, avaliação de desempenho, percursos de carreira, feedback 360 – informação que, se mal utilizada, pode ter consequências sérias. A governança tem de ser desenhada ao mesmo nível que a funcionalidade. João Carvalho – CEO, GFoundry

Como Construir a Sua Estratégia de Agentes de IA

A teoria é importante, mas o que interessa é a execução. Aqui ficam orientações práticas para líderes que querem integrar estes protocolos na estratégia de IA da sua organização.

1. Comece por um processo real, não por um conceito abstrato. Escolha um processo de negócio concreto que seja suficientemente complexo para beneficiar de múltiplos agentes, mas suficientemente delimitado para permitir uma implementação controlada. O onboarding de colaboradores, a gestão de candidaturas ou o ciclo de avaliação de desempenho são bons pontos de partida. Identifique onde estão os bottlenecks, que sistemas estão envolvidos e que decisões poderiam ser aceleradas por agentes com acesso a dados contextualizados via MCP.

2. Mapeie as interações entre agentes antes de construir. Antes de implementar, defina claramente que agentes existirão, que competências terá cada um e como comunicarão entre si. Se todos os agentes operam dentro da mesma plataforma, o ACP é o protocolo relevante. Se o processo envolve sistemas de fornecedores diferentes – o que é quase sempre o caso – o A2A será necessário. Pense também nos dados que serão partilhados: que informação cada agente precisa, que informação não deve aceder e como garantir que as interações entre agentes não criam vulnerabilidades.

3. Incorpore segurança e governança desde o dia zero. Não trate a segurança como uma fase posterior à implementação. Defina políticas de acesso antes de dar dados aos agentes. Estabeleça pontos de aprovação humana para decisões sensíveis. Implemente logging e auditoria de todas as ações dos agentes. E crie mecanismos de “circuit breaker” que permitam desligar ou limitar um agente rapidamente se algo correr mal.

4. Invista em interoperabilidade e padrões abertos. Evite ficar preso a um único fornecedor. Ao adotar plataformas e ferramentas que suportam protocolos abertos como o MCP e o A2A, garante que os seus agentes podem evoluir e integrar-se com o ecossistema mais alargado. O middleware – software que funciona como tradutor universal entre diferentes agentes e sistemas – será cada vez mais importante. Aposte em soluções que o incluam ou que facilitem a sua implementação.

5. Meça, aprenda e itere. Defina métricas claras desde o início: tempo poupado, erros evitados, satisfação dos utilizadores, casos em que o humano teve de intervir. Use estes dados para refinar continuamente a estratégia, expandir para novos processos e ajustar as permissões e capacidades dos agentes.

O erro mais comum que vejo nas empresas é querer implementar IA em tudo ao mesmo tempo. A minha recomendação é a oposta: escolha um processo onde a dor é real e mensurável, implemente agentes de forma controlada, meça os resultados e só depois escale. Na GFoundry, começámos por aplicar agentes no apoio à criação de conteúdos de formação e na análise de padrões de engagement. Os resultados nesses processos específicos deram-nos a confiança para expandir. É uma maratona, não um sprint. João Carvalho – CEO, GFoundry

O Futuro: Desbloquear a Inteligência Colaborativa

A história da tecnologia empresarial é uma história de conexões progressivas. Primeiro ligámos computadores em redes locais. Depois ligámos redes à internet. As APIs ligaram aplicações entre si. Agora, os protocolos de agentes estão a ligar inteligências artificiais entre si.

A ascensão do MCP, ACP e A2A demonstra que a indústria está a convergir para a padronização. Isto é um sinal positivo: significa que estamos a sair da fase de experiências isoladas para entrar numa fase de infraestrutura partilhada. A preocupação natural com a fragmentação – demasiados protocolos, demasiadas incompatibilidades – é legítima, mas a tendência clara é para a convergência.

O verdadeiro potencial não está em nenhum agente individual, por mais sofisticado que seja. Está na inteligência colaborativa – na capacidade de múltiplos agentes, de múltiplas plataformas, trabalharem em conjunto para resolver problemas que nenhum deles conseguiria resolver sozinho.

Para os líderes de tecnologia, o momento de agir é agora. Não é preciso adotar tudo de uma vez, mas é essencial compreender o terreno, começar a experimentar e garantir que a infraestrutura da sua organização está preparada para esta nova realidade.

Os protocolos já existem. As ferramentas estão a amadurecer. O que falta é liderança informada para transformar potencial em resultados concretos.

Estamos perante uma daquelas raras janelas em que a tecnologia avança mais depressa do que a maioria das organizações consegue acompanhar – e é precisamente por isso que existe uma oportunidade enorme para quem se move agora. As empresas que dominarem a orquestração de agentes de IA não terão apenas processos mais eficientes; terão uma capacidade de adaptação e de inovação que as restantes simplesmente não conseguirão igualar. Na GFoundry, é para esse futuro que estamos a construir. João Carvalho – CEO, GFoundry