Para quem está nas trincheiras do Service Desk de TI, o hype em torno da IA generativa e agentes de IA é impossível de ignorar. À medida que as ferramentas evoluem de simples chatbots para agentes autônomos capazes de aprender, tomar decisões e agir, a pergunta para muitas organizações de TI deixou de ser se usar IA, e passou a ser como usá-la de forma responsável e que agregue valor real ao negócio.

E é aí que a coisa fica interessante.

Se a sua organização segue a metodologia Knowledge-Centered Service (KCS), você já possui uma base sólida de gestão do conhecimento. O KCS promove a captura de conhecimento como um subproduto da resolução de problemas e enfatiza precisão, facilidade de localização e melhoria contínua. É um modelo que desenvolve o conhecimento organizacional ao longo do tempo com confiança e transparência.

Já os Agentes de IA (agentic AI) aprendem com grandes volumes de dados não estruturados (alguns internos, outros externos) e pode agir de forma independente. Embora isso soe empolgante, também é assustador. Quando a IA sugere uma correção que “parece correta”, ela pode não estar baseada no conhecimento validado da sua empresa, mas sim em um post de fórum público ou em uma tendência mal interpretada extraída da web.

A IA não vai desaparecer. Então, como fazer esses dois mundos funcionarem juntos?

Estabeleça sua ''fonte da verdade''

Uma implementação robusta do KCS pode fornecer os limites e diretrizes que seus esforços de IA precisam. Sua base de conhecimento interna se torna a fonte da verdade — e não resultados aleatórios da internet. Isso garante que a IA aprenda com soluções validadas capturadas por seus analistas de suporte, e não com conteúdos especulativos ou enviesados por fornecedores.

Pense assim: se a resolução é o destino, o KCS é o mapa confiável, e a IA é o motor mais rápido. Mas sem o mapa, a IA pode levar você rapidamente na direção errada… e talvez direto de um penhasco!

Deixe a IA Escalar o que Funciona — e Não Reinventar o que Não Funciona

Em um ambiente maduro com KCS, os Agentes de IA podem ajudar a identificar padrões, sugerir melhorias em artigos, sinalizar duplicidades e até gerar rascunhos de artigos com base em anotações de chamados ou resumos de tickets. Isso não substitui o analista, mas acelera seu trabalho, permitindo que ele se concentre em tarefas de maior valor enquanto a IA cuida da documentação inicial.

Mas isso só funciona se a IA for treinada com conteúdo que reflita seu ambiente, processos, ferramentas e governança específicos. Se estiver puxando conteúdo não verificado da internet, há risco de entregar soluções imprecisas, sem suporte ou completamente irrelevantes.

Um exemplo real: já vi ferramentas de IA sugerirem alterações no registro do sistema para um erro comum em endpoints — alterações que não eram seguras ou sequer aprovadas para o ambiente do cliente. Num modelo governado por KCS, essas sugestões seriam sinalizadas, testadas e publicadas apenas após revisão. A IA assiste, mas são as pessoas que garantem que seus resultados sejam seguros e confiáveis.

Faça Curadoria do Conhecimento Externo com Intenção

Mesmo em ambientes maduros com KCS, os analistas de suporte usam o Google. Todos nós usamos. A internet é uma fonte vasta e dinâmica de informações. Mas, como aprendemos repetidamente, só porque algo está online não significa que seja preciso, confiável, relevante ou reaproveitável.

Então, qual é a resposta? As organizações não devem bloquear essa fonte de informações; devem canalizá-la por meio do modelo KCS. Encontrou uma solução útil em um fórum da Microsoft ou no Reddit? Ótimo! Mas teste, contextualize e capture do jeito certo. A IA agente pode ajudar a descobrir esses insights externos, mas a decisão de incorporá-los deve sempre ficar com o especialista humano.

O valor aqui não está apenas no conteúdo, mas no processo de validação e integração. A IA pode descobrir. O KCS garante que o que for capturado seja preciso, aplicável e alinhado aos seus padrões.

Crie Ciclos de Feedback para Fortalecer o Ecossistema

Tanto o KCS quanto os Agentes de IA prosperam com interação. Pense nisso não como um sistema estático, mas como um ecossistema em constante evolução. O segredo para que funcione? Feedback de ciclo fechado.

• Acompanhe quais artigos a IA está referenciando.
• Monitore onde as sugestões da IA erram.
• Garanta que seus analistas sigam o modelo UFFA (Usar – Sinalizar – Corrigir – Adicionar) para manter a base de conhecimento atualizada e confiável.
• Crie processos de governança que facilitem para os analistas orientarem a IA — e uns aos outros.

Resumindo: faça da melhoria contínua uma parte central tanto da sua estratégia de conhecimento quanto da sua estratégia de IA.

Então, o KCS Ainda é Melhor?

Se for bem implementado? Sem dúvida.

Uma prática disciplinada de KCS gera conhecimento preciso, relevante e reutilizável, adaptado ao seu ambiente. Estimula a colaboração, acelera o onboarding e fortalece o autosserviço. Difícil competir com isso.

Mas quando combinado com uma IA agente bem governada, o KCS se torna ainda mais poderoso. A IA traz alcance, velocidade e adaptabilidade. O KCS traz estrutura, qualidade e confiança.

A verdadeira mágica acontece quando os dois trabalham juntos.

Reflexão Final

A realidade é que implementar IA agente não é apenas uma iniciativa tecnológica — é também um desafio de liderança. O verdadeiro valor emerge quando os líderes de gestão de serviços e mudança posicionam a IA não como substituta, mas como aliada para ampliar pessoas, melhorar processos e fortalecer práticas comprovadas. Isso exige governança clara, comunicação transparente e equipes de suporte empoderadas, capazes de orientar tanto a base de conhecimento quanto a IA.

O futuro do suporte de TI não será definido por quem adotar IA mais rápido, mas por quem integrá-la de forma mais inteligente.

Comece perguntando: O que a IA pode fazer? E como podemos garantir que ela faça da maneira certa?