Ciência do Comportamento de Agentes de IA

Resumo

Os recentes avanços em modelos de linguagem de grande escala (LLMs) possibilitaram o desenvolvimento de agentes de IA que exibem comportamentos cada vez mais semelhantes aos humanos, incluindo planejamento, adaptação e dinâmicas sociais em diversos cenários interativos e abertos. Esses comportamentos não são apenas produto das arquiteturas internas dos modelos subjacentes, mas emergem de sua integração em sistemas agentes que operam em contextos específicos, onde fatores ambientais, sinais sociais e feedbacks de interação moldam o comportamento ao longo do tempo. Essa evolução exige uma nova perspectiva científica: a Ciência do Comportamento de Agentes de IA. Em vez de focar apenas nos mecanismos internos, essa perspectiva enfatiza a observação sistemática do comportamento, o design de intervenções para testar hipóteses e a interpretação guiada por teorias de como os agentes de IA agem, se adaptam e interagem ao longo do tempo. Sistematizamos um conjunto crescente de pesquisas em configurações de interação de agente individual, multiagente e humano-agente, e demonstramos ainda como essa perspectiva informa a IA responsável ao tratar justiça, segurança, interpretabilidade, responsabilidade e privacidade como propriedades comportamentais. Ao unificar descobertas recentes e traçar direções futuras, posicionamos a Ciência do Comportamento de Agentes de IA como um complemento necessário às abordagens tradicionais centradas em modelos, fornecendo ferramentas essenciais para compreender, avaliar e governar o comportamento no mundo real de sistemas de IA cada vez mais autônomos.

English

Recent advances in large language models (LLMs) have enabled the development of AI agents that exhibit increasingly human-like behaviors, including planning, adaptation, and social dynamics across diverse, interactive, and open-ended scenarios. These behaviors are not solely the product of the internal architectures of the underlying models, but emerge from their integration into agentic systems operating within specific contexts, where environmental factors, social cues, and interaction feedbacks shape behavior over time. This evolution necessitates a new scientific perspective: AI Agent Behavioral Science. Rather than focusing only on internal mechanisms, this perspective emphasizes the systematic observation of behavior, design of interventions to test hypotheses, and theory-guided interpretation of how AI agents act, adapt, and interact over time. We systematize a growing body of research across individual agent, multi-agent, and human-agent interaction settings, and further demonstrate how this perspective informs responsible AI by treating fairness, safety, interpretability, accountability, and privacy as behavioral properties. By unifying recent findings and laying out future directions, we position AI Agent Behavioral Science as a necessary complement to traditional model-centric approaches, providing essential tools for understanding, evaluating, and governing the real-world behavior of increasingly autonomous AI systems.