A Universidade Jiao Tong de Xangai e a Tencent Desenvolvem o Agente de IA ProAct que Prevê as Necessidades dos Utilizadores

Investigadores da Shanghai Jiao Tong University e do conglomerado tecnológico chinês Tencent desenvolveram a ProAct, uma agente de IA concebida para prever as necessidades dos utilizadores antes de estes enviarem consultas. O sistema utiliza o tempo ocioso entre conversas para rever interações passadas e preparar informações com antecedência. De acordo com o artigo de investigação, a ProAct teve melhores resultados do que sistemas de IA proactivos anteriores em testes de benchmark, embora os ensaios não envolvessem utilizadores reais. O desenvolvimento aborda aquilo que os investigadores descrevem como uma oportunidade computacional desperdiçada nos atuais agentes de IA, que permanecem fundamentalmente reativos.

O sistema opera através de um processo de previsão em múltiplas fases

A ProAct funciona através de várias fases que a diferenciam dos agentes de IA convencionais. A primeira fase, chamada Future-State Prediction, analisa conversas passadas, preferências do utilizador e informações em falta para prever as prováveis perguntas de seguimento. A segunda fase, Idle-Time Acquisition, avalia quais das previsões justificam pesquisa com base na relevância, no timing e no potencial de utilidade de nova informação. Um sistema separado determina se a informação preparada deve ser apresentada imediatamente, guardada para uso posterior ou armazenada até ser necessária.

"Após cada interação em primeiro plano, o agente atualiza a sua memória, prevê necessidades futuras possíveis, aloca computação de tempo ocioso a candidatos valiosos e decide como deve ser tratada a preparação resultante", escreveram os investigadores no artigo. "Esta formulação liga previsão, aquisição e entrega a uma única política, em vez de tratar a computação de tempo ocioso como uma pesquisa de fundo sem restrições."

Testes de benchmark revelam melhorias de desempenho

Os investigadores testaram a ProAct em 200 simulações em 40 domínios, incluindo planeamento financeiro, gestão de lançamentos de software e cibersegurança. Segundo o artigo, o sistema reduziu o número de turnos de conversa em 14,8% e diminuiu pedidos de seguimento em 11,7%. Numa comparação com um benchmark chamado ProActEval, a ProAct antecipou 703 necessidades previsíveis dos utilizadores, face a 32 do sistema anterior. Os investigadores também reportaram uma redução de 28,1% nas alucinações.

"Embora os agentes de IA demonstrem capacidades notáveis em raciocínio e utilização de ferramentas, permanecem fundamentalmente reativos: Computam respostas apenas depois de prompts explícitos do utilizador", escreveram os investigadores. "Este paradigma ignora uma oportunidade crítica: O tempo ocioso entre interações é em grande parte desperdiçado, deixando os agentes incapazes de se prepararem para necessidades futuras dos utilizadores."

A investigação reconhece limitações do sistema

Os investigadores reconheceram várias limitações no estudo da ProAct. Em 3% dos casos, o sistema gerou respostas piores ao trazer informações irrelevantes. O artigo afirmou que qualquer versão no mundo real precisaria de proteções de privacidade, porque o sistema analisa continuamente conversas e armazena dados dos utilizadores.

"A nossa análise de orçamento mostra ainda que maiores orçamentos de Idle-Time Acquisition aumentam o custo de tokens ativos e produzem retornos decrescentes", escreveram os investigadores, "pelo que a computação proactiva é uma troca de ponto de operação, e não algo a maximizar."

A investigação surge numa altura em que agentes autónomos de IA se espalham pela indústria tecnológica, com projetos como OpenClaw e Hermes Agent a disponibilizarem assistentes de IA persistentes que fazem tarefas de codificação, agendamento, investigação e automação de fluxos de trabalho. Investigadores independentes alertaram mais cedo este mês que agentes de IA podem completar tarefas perigosas sem compreender as consequências. "Como o Sr. Magoo, estes agentes avançam em direção a um objetivo sem compreender totalmente as consequências das suas ações", disse o autor principal Erfan Shayegani, estudante de doutoramento da UC Riverside, numa declaração.