Conheça os mecanismos de raciocínio
Objetivos de aprendizagem
Após concluir esta unidade, você estará apto a:
- Descrever o que é o mecanismo de raciocínio.
- Listar três tipos de raciocínio que os mecanismos de raciocínio usam para resolver problemas.
- Listar quatro estratégias de raciocínio populares que orientam os LLMs.
A mais recente inovação da IA
A IA agora pode fazer mais do que apenas conversar. Ela pode realmente pensar nos problemas, ponderar opções e tomar decisões. Para fazer isso – tomar decisões complexas, fornecer insights e reagir ao contexto do momento – os agentes de IA usam o raciocínio.
Mas a IA funciona melhor quando você entende como ela pensa. Neste módulo, você explorará como os mecanismos de raciocínio ajudam a IA avançada a entender e entregar o que você deseja – redigir um e-mail, gerar um briefing de campanha, criar uma página na web, pesquisar concorrentes, analisar dados, resumir uma ligação ou outra tarefa que economize tempo.
Afinal, o que é um mecanismo de raciocínio?
Uma razão para confiar na IA
Um mecanismo de raciocínio é um tipo de IA que coleta informações, segue regras lógicas e toma decisões – exatamente o que as pessoas fazem para resolver problemas.
E, assim como as pessoas, esses mecanismos normalmente usam três tipos de raciocínio.
-
Dedução: “Todas as frutas têm caroço. A manga é uma fruta. Portanto, a manga tem caroço.” (Começa com uma regra geral e a aplica a um caso específico.)
-
Indução: “As últimas cinco reuniões começaram atrasadas. Portanto, a próxima provavelmente também começará atrasada.” (Analisa padrões em experiências passadas para fazer uma previsão geral.)
-
Abdução: “As luzes estão apagadas e ninguém atende à porta – então, provavelmente não há ninguém em casa.” (Faz a melhor suposição com base em pistas limitadas.)
Essas abordagens tornam os mecanismos de raciocínio particularmente úteis. Esse raciocínio ajuda a IA a resolver rapidamente problemas que normalmente exigiriam a perspectiva e o conhecimento do contexto por um ser humano pensante, permitindo novas formas de trabalhar em escala.
Como os LLMs aprendem a raciocinar
Os grandes modelos de linguagem (LLMs) se tornaram populares no final de 2022, e os pesquisadores vêm experimentando maneiras de fazê-los pensar e planejar como seres humanos. O segredo? Prompts – instruções cuidadosamente escritas que orientam a resposta do LLM. Quando um prompt ajuda um LLM a traçar um plano lógico para resolver um problema, chamamos isso de estratégia de raciocínio.
Aqui estão quatro estratégias populares:
1. Cadeia de pensamento (CoT)
Pense nisso como se você estivesse ensinando o LLM a “mostrar como ele trabalha”. A CoT divide um problema difícil em uma série de etapas menores, como um ser humano resolvendo um quebra-cabeça. Isso é ótimo para problemas matemáticos, raciocínio de senso comum e outras tarefas que exigem lógica. Bônus: Os engenheiros podem rastrear cada etapa para descobrir onde algo pode ter dado errado.
2. Raciocínio e ação (ReAct, de Reasoning and Acting)
O ReAct combina raciocínio com ações do mundo real. Essa estratégia não depende apenas do que o LLM sabe – ele interage, verifica informações e refina suas respostas passo a passo, com o feedback do usuário. Isso gera menos “alucinações” (ou respostas erradas) e mais resultados confiáveis.
3. Árvore de pensamentos (ToT, de Tree of Toughts)
Em vez de seguir um único plano, o ToT explora muitos caminhos possíveis em cada etapa, fazendo um brainstorming de várias opções até escolher a melhor resposta. Isso torna o ToT poderoso para desafios complexos, como quebra-cabeças matemáticos, redação criativa ou tomada de decisões estratégicas.
4. Raciocínio via planejamento (RAP, de Reasoning via Planning)
O RAP leva o raciocínio um passo adiante, ajudando o LLM a simular resultados futuros. Ele prevê como as ações se desenrolarão, explora alternativas e refina seu plano à medida que avança, muito parecido com um estrategista humano. O RAP se destaca em tarefas que exigem planejamento de longo prazo, inferência lógica ou resolução de problemas em várias etapas.
Essas estratégias dão aos LLMs uma maneira de pensar sobre os problemas de forma sistemática, em vez de apenas adivinhar. Seja dividindo os problemas em etapas (CoT), interagindo com feedback (ReAct), explorando várias opções (ToT) ou simulando situações futuras (RAP), cada abordagem faz com que a IA se pareça um pouco mais com o raciocínio humano, só que mais rápido!
Como o Agentforce implementa o raciocínio LLM
O Agentforce é a camada de agentes da Salesforce, ou de ajudantes de IA inteligentes. Como uma solução completa de IA, ele oferece aos funcionários e clientes várias maneiras de conversar com os agentes em linguagem simples, possibilitando que as equipes trabalhem mais rápido e os clientes obtenham respostas instantaneamente. Nos bastidores, ele usa grandes modelos de linguagem (LLMs) não apenas para entender e responder, mas também para planejar tarefas complexas, como um mecanismo de raciocínio.
Eis o que acontece, passo a passo:
- Um usuário digita uma solicitação, por exemplo, “Crie uma página da web”.
- O Agentforce envia essa entrada para um LLM seguro usando um prompt cuidadosamente projetado. Isso ajuda o LLM a traduzir a entrada do usuário em uma necessidade definida que a IA compreende.
- Uma vez que a intenção está clara, outro prompt solicita ao LLM que crie um plano para realizá-la.
- O LLM responde com um plano passo a passo. Esse plano é construído apenas a partir de ações que um agente tem permissão para adotar, garantindo um comportamento seguro e confiável.
- O agente segue as etapas, executa as ações na ordem certa e entrega o resultado ao usuário.
Esse processo reduz o esforço mental exigido dos usuários. Em vez de precisar descobrir como fazer algo, o usuário pode simplesmente dizer o que precisa, e o Agentforce cuida do “como”.
Raciocínio em ação
O Agentforce oferece às empresas um recurso novo e ousado: ele transforma grandes modelos de linguagem em mecanismos de raciocínio em tempo real. Isso significa que a IA não está apenas respondendo a perguntas, mas também compreendendo cenários complexos, planejando as próximas etapas e agindo.
Aqui estão alguns exemplos de como pode ser isso.
-
As vendas estão devagar? O Agentforce pode analisar seu CRM, identificar leads promissores e prepará-los para seus representantes.
-
Os negócios estão em baixa? Os agentes podem sinalizar oportunidades em risco, resumir históricos de contas e dar insights rápidos e claros para os gerentes.
-
Problemas de superfaturamento? Um agente extrai os registros corretos, apresenta etapas úteis para solucionar o problema e ajuda a resolvê-lo rapidamente.
-
Precisa fechar o trimestre com bons resultados? Os agentes podem avaliar o sentimento do cliente, prever a trajetória do negócio e recomendar o que você precisa fazer hoje para se preparar para o sucesso amanhã.
Em todos esses exemplos, o Agentforce age como um colega de equipe semiautônomo. Ele pensa nos problemas com lógica baseada em LLM, responde à linguagem natural e promove conexões entre as partes interessadas.
Vamos recapitular
Agora que você entende os fundamentos dos mecanismos de raciocínio, é fácil ver por que tantas empresas estão investindo nessa tecnologia. Graças a uma abordagem semelhante à humana para os problemas do mundo real, a IA agora pode trabalhar lado a lado com equipes de profissionais dedicados e oferecer soluções confiáveis, eficientes e fáceis para atender aos seus objetivos de negócios.
A seguir, explore o mecanismo de raciocínio da Salesforce, o Atlas.