Os agentes de IA estão em alta, uma tendência impulsionada pela explosão da IA generativa e dos modelos de linguagem de grande escala (LLM) nos últimos anos. Fazer as pessoas concordarem sobre o que exatamente são os agentes de IA é um desafio, mas a maioria concorda que são programas de software que podem ser atribuídos a tarefas e tomar decisões — com graus variados de autonomia.
Em resumo, os agentes de IA vão além do que um simples chatbot pode fazer: eles ajudam as pessoas a realizarem tarefas.
Ainda é um início, mas empresas como Salesforce e Google já estão investindo pesadamente em agentes de IA. O CEO da Amazon, Andy Jassy, recentemente insinuou uma Alexa mais “agente” no futuro, que se preocupa tanto com a ação quanto com as palavras.
Em conjunto, startups também estão levantando capital com o hype. A mais recente delas é a empresa alemã Juna.ai, que quer ajudar fábricas a se tornarem mais eficientes automatizando processos industriais complexos para “maximizar o rendimento da produção, aumentar a eficiência energética e reduzir as emissões totais.”
E para conseguir isso, a startup com sede em Berlim anunciou que levantou US$ 7,5 milhões em uma rodada de sementes de empresas de capital de risco como Kleiner Perkins, a sueca Norrsken VC e o presidente da Kleiner Perkins, John Doerr.
Autoaprendizado é o caminho
Fundada em 2023, a Juna.ai é obra de Matthias Auf der Mauer (na foto acima, à esquerda) e Christian Hardenberg (na foto acima, à direita). Der Mauer anteriormente fundou uma startup de manutenção preditiva chamada AiSight e a vendeu para a empresa suíça de sensores inteligentes Sensirion em 2021, enquanto Hardenberg foi o ex-diretor de tecnologia da gigante europeia de entrega de alimentos Delivery Hero.
No cerne da Juna.ai, está a intenção de ajudar instalações de manufatura a se transformarem em sistemas mais inteligentes e autoaprendizes que podem oferecer melhores margens e, em última análise, uma pegada de carbono menor. A empresa foca nas chamadas “indústrias pesadas” — indústrias como aço, cimento, papel, químicos, madeira e têxtil, com processos de produção em larga escala que consomem muitos materiais-primas.
“Trabalhamos com indústrias muito orientadas por processos, e isso envolve principalmente casos de uso que consomem muita energia,” disse der Mauer ao TechCrunch. “Por exemplo, reatores químicos que usam muito calor para produzir algo.”
O software da Juna.ai se integra às ferramentas de produção dos fabricantes, como software industrial da Aveva ou SAP, e examina todos os dados históricos obtidos a partir dos sensores das máquinas. Isso pode envolver temperatura, pressão, velocidade e todas as medições da produção, como qualidade, espessura e cor.
Usando essas informações, a Juna.ai ajuda as empresas a treinar seus agentes internos para descobrir as configurações ideais para a maquinaria, fornecendo dados e orientações em tempo real para garantir que tudo esteja operando na máxima eficiência com o mínimo de desperdício.
Por exemplo, uma planta química que produz um tipo especial de carbono pode usar um reator para misturar diferentes óleos e passar por um processo de combustão intensivo em energia. Para maximizar a produção e minimizar o desperdício residual, as condições precisam ser ideais, incluindo os níveis de gases e óleos usados, e a temperatura aplicada ao processo. Usando dados históricos para estabelecer as configurações ideais e levando em conta as condições em tempo real, os agentes da Juna.ai supostamente dizem ao operador quais ajustes ele deve fazer para alcançar a melhor produção.
Se a Juna.ai puder ajudar as empresas a ajustar seus equipamentos de produção, elas podem melhorar seu rendimento enquanto reduzem o consumo de energia. É um ganho duplo, tanto para o resultado financeiro do cliente quanto para sua pegada de carbono.
A Juna.ai afirma ter construído seus próprios modelos de IA personalizados, usando ferramentas de código aberto como TensorFlow e PyTorch. E para treinar seus modelos, a Juna.ai está usando aprendizado por reforço, um subconjunto de aprendizado de máquina (ML) que envolve um modelo aprendendo através de suas interações com seu ambiente — tenta diferentes ações, observa o que acontece e melhora.
“O interessante sobre o aprendizado por reforço é que é algo que pode tomar ações,” disse Hardenberg ao TechCrunch. “Modelos típicos apenas fazem previsões, ou talvez gerem algo. Mas eles não conseguem controlar.”
Muito do que a Juna.ai está fazendo atualmente é mais parecido com um “co-piloto” — serve uma tela que informa ao operador quais ajustes ele deve fazer nos controles. No entanto, muitos processos industriais são incrivelmente repetitivos, é por isso que habilitar um sistema a tomar ações reais é útil. Um sistema de resfriamento, por exemplo, pode exigir ajustes constantes para garantir que uma máquina mantenha a temperatura correta.
As fábricas já estão bem acostumadas a automatizar o controle de sistemas usando controladores PID e MPC, então isso é algo que a Juna.ai também poderia viabilizar. No entanto, para uma startup de IA iniciante, é mais fácil vender um co-piloto — é um passo de cada vez por enquanto.
“É tecnicamente possível para nós deixá-lo funcionar de forma autônoma agora; precisaríamos apenas implementar a conexão. Mas, no final, tudo se resume a construir confiança com o cliente,” disse der Mauer.
Hardenberg acrescentou que o benefício da plataforma da startup não está em economizar mão de obra, observando que as fábricas já são “bastante eficientes” em termos de automação de processos manuais. Tudo se resume a otimizar esses processos para cortar desperdícios custosos.
“Não há muito a ganhar ao remover uma pessoa, em comparação com um processo que custa US$ 20 milhões em energia,” disse ele. “Então, o verdadeiro ganho é, podemos passar de US$ 20 milhões em energia para US$ 18 milhões ou US$ 17 milhões?”
Agentes pré-treinados
Por enquanto, a grande promessa da Juna.ai é um agente de IA adaptado a cada cliente usando seus dados históricos. Mas no futuro, a empresa planeja oferecer agentes “pré-treinados” prontos para uso que não necessitam de muito treinamento sobre os dados de um novo cliente.
“Se construirmos simulações repetidamente, chegaremos a um lugar onde podemos potencialmente ter modelos de simulação que podem ser reutilizados,” disse der Mauer.
Então, se duas empresas usarem o mesmo tipo de reator químico, pode ser possível transferir agentes de IA entre os clientes. Um modelo para uma máquina, é a ideia geral.
No entanto, não se pode ignorar o fato de que as empresas têm hesitado em mergulhar de cabeça na crescente revolução da IA devido a preocupações com a privacidade dos dados. Essas preocupações não são ignoradas pela Juna.ai, mas Hardenberg disse que não tem sido um grande problema até agora, em parte devido aos seus controles de residência de dados e, em parte, devido à promessa que oferece aos clientes em termos de desbloquear valor latente de vastos bancos de dados.
“Eu via isso como um problema potencial, mas até agora, não tem sido um grande problema porque mantemos todos os dados na Alemanha para nossos clientes alemães,” disse Hardenberg. “Eles obtêm seu próprio servidor configurado, e temos garantias de segurança de primeira linha. Do lado deles, eles têm todos esses dados parados, mas não têm sido tão eficazes em criar valor a partir disso; foi usado principalmente para alertas, ou talvez alguma análise manual. Mas nossa visão é que podemos fazer muito mais com esses dados — construir uma fábrica inteligente e nos tornarmos o cérebro daquela fábrica com base nos dados que eles têm.”
Um pouco mais de um ano após sua fundação, a Juna.ai já tem um punhado de clientes, embora der Mauer tenha dito que não pode revelar nomes específicos ainda. Todos estão baseados na Alemanha, embora todos tenham subsidiárias em outros lugares ou sejam subsidiárias de empresas localizadas em outros lugares.
“Estamos planejando crescer com eles — é uma maneira muito boa de expandir com seus clientes,” acrescentou Hardenberg.
Com os novos US$ 7,5 milhões no banco, a Juna.ai está agora bem financiada para expandir além de seu número atual de seis funcionários, com planos de se concentrar ainda mais em sua expertise técnica.
“É uma empresa de software, no final das contas, e isso basicamente significa pessoas,” disse Hardenberg.