Syllotips desenvolve software para melhoria contínua de agentes de IA em utilities e serviços financeiros

Em uma intervenção no Forum Information Technology 2026, realizado em Milão pela Comunicazione Italiana, Giorgio Barnabò, CEO e co‑fundador da Syllotips, apresentou uma solução prática para um problema recorrente na adoção de inteligência artificial: como transformar protótipos de agentes em serviços estáveis e eficientes em produção.

Segundo Barnabò, os AI agents têm potencial transformador comparável, em termos de impacto estrutural, à invenção da máquina a vapor – uma analogia que ajuda a dimensionar a ruptura tecnológica, mas que precisa ser traduzida em engenharia operacional. "Eles estão mudando como as empresas gerenciam fluxos de trabalho", afirmou, destacando que, na prática, "colocar agentes em produção e mantê‑los operando é muito complicado".

Para enfrentar essa complexidade, a Syllotips desenvolveu um software que permite o continuous improvement dos agentes ao longo do tempo. A ideia central é tratar o algoritmo como infraestrutura viva: em vez de lançar um modelo e esperar que ele se adapte sozinho, o sistema envolve especialistas para criar e estruturar a memória a que os agentes recorrem para melhorar sua performance. Essa memória atua como um repositório de conhecimento validado, uma camada de inteligência que orienta decisões e reduz deriva operacional.

O foco da empresa é o segmento enterprise, com ênfase em setores estrategicamente críticos como energy utilities e financial services. Nessas áreas, os agentes de IA são implantados principalmente em funções de suporte — automação de atendimento, triagem de incidentes, análise documental e auxílio à decisão — onde a confiabilidade e a rastreabilidade são essenciais. A solução proposta busca justamente fornecer um fluxo contínuo de aprimoramento, com especialistas humanos no ciclo que alimentam e corrigem a memória utilizada pelos agentes.

Do ponto de vista da arquitetura digital, o que a Syllotips oferece é uma camada que articula modelos, dados e expertise humana, funcionando como um alicerce digital que mantém o sistema coerente ao longo do tempo. Essa camada permite monitorar deriva, medir ganhos de eficiência e iterar políticas de correção sem interromper processos críticos — algo comparável ao trabalho de manutenção preventiva em uma rede elétrica: se a infraestrutura é bem gerida, a cidade continua a funcionar sem falhas perceptíveis.

A apresentação no Forum reforça uma tese prática: a adoção de AI agents em ambientes regulados e de alta criticidade não é apenas uma questão de modelos mais potentes, mas de processos, memória organizacional e integração com especialistas. Em suma, a transformação acontece quando o algoritmo se torna parte da infraestrutura operacional e não um experimento isolado.

Como analista focado em inovação aplicada, vejo nessa abordagem uma direção necessária para que a inteligência artificial entregue valor mensurável em setores que sustentam a economia. A conversa de hoje com Barnabò mapeia com clareza os desafios e oferece uma solução pragmática para mantê‑los sob controle.