.webp){kind=small}
A Serval está disponibilizando o Catalyst, seu agente de IA para a criação de automações empresariais, para o público em geral a partir desta quinta-feira, habilitando-o por padrão para os clientes. Isso permite que equipes de agentes de IA decidam o que deve ser automatizado e, em seguida, criem a própria automação.
O Catalyst opera acima da plataforma de gerenciamento de serviços nativa de IA da Serval como um "superagente" voltado para o administrador. Ele pode inspecionar o histórico de chamados, procedimentos operacionais padrão ou instruções em linguagem natural, identificar trabalhos recorrentes e elaborar os fluxos de trabalho, habilidades, formulários, políticas de acesso, jornadas e painéis necessários para automatizá-los.
A Serval também está usando o Catalyst para criar agentes em segundo plano que inspecionam continuamente os sistemas conectados em busca de problemas emergentes e propõem soluções antes que um funcionário abra um chamado.
Essa distinção é importante porque os fornecedores de gerenciamento de serviços empresariais estão convergindo rapidamente para a criação de fluxos de trabalho assistidos por IA.
O Build Agent da ServiceNow já consegue traduzir instruções em linguagem natural em aplicativos full-stack, fluxos, scripts e outros metadados da plataforma, enquanto seu AI Agent Advisor pode analisar registros de instâncias para identificar oportunidades de automação. O Rovo da Atlassian consegue gerar fluxos de automação do Jira a partir de requisitos em linguagem natural, e o Freshworks oferece o Freddy AI Agent Studio para criar agentes de serviço que atuam em fluxos de trabalho do Freshservice.
Portanto, o diferencial da Serval é mais específico — e potencialmente mais significativo — do que simplesmente "usamos IA para criar fluxos de trabalho." O Catalyst foi projetado como uma camada administrativa única que pode ir desde a descoberta de uma oportunidade até a montagem de vários tipos de automação controlada, criando agentes proativos que buscam constantemente novas tarefas para automatizar.
Você começa com um único prompt e, de repente, tem fluxos de trabalho de nível empresarial prontos para serem implementados, que resolverão todos os problemas de redefinição de senha para toda a empresa", disse Jake Stauch, cofundador e CEO da Serval, em entrevista à VentureBeat.
Do histórico de tickets à automação funcional
A Serval afirma que o Catalyst analisa os dados existentes do help desk antes mesmo de a organização decidir o que automatizar. Se encontrar uma categoria repetitiva de solicitações, o Catalyst pode elaborar a automação necessária para resolvê-las e preparar o resultado para revisão do administrador. Os usuários também podem carregar um Procedimento Operacional Padrão (POP) ou uma planilha e solicitar que o Catalyst transforme o processo documentado em um sistema executável.
A documentação da Serval afirma que o Catalyst pode criar fluxos de trabalho, desenvolver habilidades para o help desk, criar jornadas de integração e desligamento de funcionários, configurar políticas de gerenciamento de acesso, construir painéis, investigar problemas operacionais e depurar falhas na execução de fluxos de trabalho. Diferentemente do construtor de fluxos de trabalho anterior da Serval, o Catalyst foi projetado para se tornar a interface principal para configurar a plataforma; a empresa afirma que seu objetivo a longo prazo é que tudo o que um administrador possa fazer pela interface do usuário também seja possível pelo Catalyst.
Os fluxos de trabalho em si são baseados em código. Em uma demonstração, Stauch mostrou o Catalyst recebendo uma solicitação para criar fluxos de trabalho de redefinição de senha, detectando sistemas conectados, incluindo Okta, Google Workspace e Microsoft Entra, e gerando o TypeScript necessário para executar essas ações. Os administradores podem então adicionar aprovações ou restringir quem tem permissão para executar o fluxo de trabalho.
Os modelos subjacentes ao Catalyst são propositalmente intercambiáveis
A Serval não está construindo seu próprio modelo base. Stauch afirmou na entrevista que a empresa utiliza modelos de "laboratórios de vanguarda", realiza avaliações para determinar quais modelos funcionam melhor para tarefas específicas e é propositalmente agnóstica em relação aos modelos. "Você pode trocar os modelos", disse ele, acrescentando que a Serval também trabalha com empresas que desenvolvem seus próprios modelos.
Stauch forneceu mais detalhes em uma entrevista concedida à Sequoia Capital em maio de 2026, afirmando que a Serval utilizava modelos tanto da OpenAI quanto da Anthropic.
Ele afirmou que os modelos GPT da OpenAI tiveram o melhor desempenho em interações com o usuário final e chamadas de ferramentas, enquanto os modelos Sonnet e Opus da Anthropic produziram os resultados mais robustos para a geração de código no sistema de automação da Serval — a carga de trabalho mais diretamente relevante para o Catalyst. A Serval executa avaliações continuamente, em vez de migrar automaticamente cada carga de trabalho para a versão mais recente do modelo, explicou Stauch.
Essa arquitetura torna o LLM subjacente menos central para a diferenciação da Serval. A própria documentação da empresa agora permite que os administradores da organização forneçam suas próprias chaves de API da OpenAI ou da Anthropic, incluindo um endpoint personalizado compatível, enquanto Stauch afirmou que a arquitetura mais ampla pode acomodar diferentes modelos.
Os materiais, no entanto, não comprovam que todos os usuários do Catalyst têm acesso a um menu de autoatendimento para escolher arbitrariamente um modelo individual. O argumento da Serval é que seu valor proprietário reside na infraestrutura que envolve esses modelos: contexto e memória corporativos, integrações, código gerado, permissões, aprovações e os controles que governam o que um agente pode realmente fazer. Esse modelo de geração de código é fundamental para a proposta da Serval em relação à ServiceNow. Stauch argumenta que as implementações legadas de ITSM frequentemente acumulam tabelas personalizadas, regras de negócios, fluxos de trabalho e conhecimento específico da plataforma, o que torna as mudanças de automação aparentemente simples caras de implementar.
A Serval, por outro lado, quer que administradores e equipes de negócios descrevam o resultado desejado e deixem que o modelo gere a implementação.
Mas a ServiceNow não está mais parada nesse aspecto. Seu Build Agent atual cria aplicativos e código a partir de prompts em linguagem natural, oferece suporte ao design e teste de fluxos e opera dentro da estrutura de governança da ServiceNow. O AI Agent Studio da ServiceNow permite que os clientes criem agentes e fluxos de trabalho com agentes, enquanto o AI Agent Advisor foi projetado especificamente para analisar registros operacionais em busca de candidatos à automação.
A questão competitiva, portanto, está mudando de "quem tem IA generativa?" para quantas ferramentas, conceitos de configuração e especialistas separados são necessários para transformar um problema operacional observado em uma automação de produção.
