Se você estiver criando agentes de IA, é muito importante descobrir os casos de uso ideais que maximizam quais agentes são bons versus o que eles não estão prontos *ainda*. Existem tantas categorias de trabalho que os agentes de IA podem ajudar a automatizar ou aumentar. Escolher os certos que podem agregar valor no curto prazo e melhorar com o tempo com melhorias no modelo é fundamental. Aqui estão algumas características que parecem estar funcionando agora: * Trabalho que requer uma grande quantidade de dados e informações não estruturados. Podem ser documentos, dados visuais em uma tela, conteúdo de vídeo e muito mais. Este é o domínio que computadores e software nunca foram capazes de fazer antes, e os casos de uso aqui são vastos. * Os agentes de IA são úteis para coisas que, de outra forma, exigem julgamento ou interpretação humana, e esse sempre pode ser o caso. No momento em que você espera replicar algo com regras muito rígidas que acontecem repetidamente, provavelmente deseja software, não agentes. * Quanto mais complexo o trabalho está sendo automatizado, mais há necessidade de um humano no elemento de loop. É por isso que os agentes de código funcionam muito bem agora, você pode eventualmente testar e estudar a saída do agente para descobrir o que deu certo ou errado. Mesmo quando esses agentes fazem coisas erradas, a intervenção é relativamente direta para qualquer usuário qualificado. * Aposte em casos de uso em que a inteligência central dos modelos que estão melhorando continuará a ser acumulada para seus agentes. Se você pode resolver tudo sobre seu caso de uso com IA hoje, provavelmente não é um mercado interessante o suficiente para ir atrás. Vá atrás de cenários em que há valor incremental que é adicionado com melhorias no modelo. Toneladas de outras características determinam quais casos de uso são bons para os agentes neste estágio, mas, em última análise, toneladas de oportunidades em todas as categorias de trabalho a serem buscadas.