
Airtable Lança Superagent e Melhora Visibilidade em Execuções de Agentes
TL;DR
Airtable introduz o Superagent, uma nova solução que utiliza equipes de IA especializadas para melhorar a visibilidade na execução de pesquisas.
Airtable introduz o Superagent como uma nova solução para melhorar a visibilidade na execução de múltiplos agentes de pesquisa. Lançado na terça-feira, o Superagent utiliza equipes de agentes de IA especializados que operam em paralelo para realizar tarefas de pesquisa.
O principal diferencial do Superagent é a maneira como seu orquestrador mantém a continuidade do contexto durante a execução. Em comparação com sistemas anteriores que aplicavam filtragem simples de modelos, o orquestrador do Superagent possui total visibilidade sobre todo o percurso de execução, incluindo o plano inicial, as etapas de execução e os resultados dos sub-agentes. Isso permite o que o cofundador Howie Liu descreve como "uma jornada coerente" em que todas as decisões são orquestradas.
"A essência está em como você aproveita a capacidade de auto-reflexão do modelo", afirmou Liu ao VentureBeat. A startup foi fundada há mais de doze anos, inicialmente com um banco de dados relacional baseado em nuvem.
Airtable construiu sua base de clientes em mais de 500 mil organizações, sendo que 80% das empresas da lista Fortune 100 utilizam sua plataforma para criar aplicações personalizadas adaptadas a seus fluxos de trabalho.
Dos Dados Estruturados aos Agentes Livre-forma
Liu apresenta Airtable e Superagent como soluções complementares que atendem diferentes necessidades corporativas. O Airtable fornece a fundação estruturada, enquanto o Superagent lida com tarefas de pesquisa não estruturadas.
"Começamos com uma camada de dados. O nome Airtable sugere isso: é uma tabela de dados", explicou Liu. A plataforma evoluiu com recursos de automação e interfaces escaláveis a milhares de usuários.
"O Superagent é um fator de forma muito complementar, que é bastante livre-forma", disse Liu, destacando que a decisão de construir essas capacidades se baseia em aprendizados do mercado sobre a utilização de modelos cada vez mais avançados.
Funcionamento do Sistema de Multi-agentes do Superagent
Quando um usuário submete uma consulta, o orquestrador cria um plano visível que desdobra a pesquisa complexa em fluxos de trabalho paralelos. Por exemplo, ao pesquisar uma empresa para investimento, a tarefa é dividida em partes específicas, como analisar a equipe e a história de financiamentos. Cada parte é atribuída a um agente especializado.
Embora o Superagent seja rotulado como um sistema multi-agente, ele se apoia em um orquestrador central que planeja, despacha e monitora subtarefas, garantindo um modelo mais controlado em comparação aos agentes totalmente autônomos.
O orquestrador do Airtable assegura visibilidade total sobre o processo de execução, evitando a contaminação do contexto principal enquanto agrega resultados limpos.
O Impacto da Semântica de Dados na Performance dos Agentes
Liu argumenta que a performance dos agentes depende mais da qualidade da estrutura de dados do que da escolha do modelo ou da engenharia de prompts. Com base em uma ferramenta interna de análise de dados, a equipe da Airtable comprova que a preparação de dados ocupa mais esforço do que a configuração do agente.
"A parte mais difícil de acertar era a semântica dos dados", afirmou Liu. O trabalho de preparação de dados focou em três áreas principais: reestruturar dados, esclarecer representações e garantir que os agentes possam usá-los de forma confiável.
Considerações para Empresas
Organizações que avaliam sistemas multi-agentes devem levar em conta prioridades técnicas essenciais, conforme indicado pela experiência de Liu.
A arquitetura dos dados precede a implementação dos agentes. Experiências internas mostraram que a preparação de dados pode consumir mais recursos do que a configuração do agente.
A gestão de contexto é crítica. É essencial ter um orquestrador apropriado que mantenha o estado e a informação ao longo do fluxo de trabalho.
Bancos de dados relacionais são importantes. A arquitetura relacional oferece semânticas mais limpas para a navegação dos agentes do que repositórios não estruturados.
A orquestração requer capacidades de planejamento. Agendas planejadas são necessárias para otimizar resultados nas interações com os agentes.
"A proposta fundamental é que muito se baseia em ter uma camada de orquestração eficaz", concluiu Liu, ressaltando a importância de maximizar os pontos fortes dos modelos utilizados.
Conteudo selecionado e editado com assistencia de IA. Fontes originais referenciadas acima.


