Agentes de IA: onde já funcionam e onde falham

Agente de IA é um programa que recebe um objetivo, decide sozinho a sequência de passos para alcançá-lo e executa esses passos usando ferramentas. A diferença em relação a tudo que existia antes está nessa palavra: decide. Um assistente responde o que você pergunta; uma automação segue o caminho que alguém desenhou; um agente escolhe o caminho.

Este texto separa os três, mostra as cinco peças que um agente precisa ter, onde eles já funcionam de verdade, onde falham, como escolher plataforma, quanto custa e o que não se deve deixar um agente fazer.

Assistente, automação e agente

A confusão entre as três colunas explica a maior parte da frustração com o assunto. Empresa que compra “agente” para responder as cinco perguntas que mais repetem no atendimento comprou complexidade demais: aquilo é assistente com fonte controlada, e resolve melhor, como está em o que é chatbot. E empresa que tenta resolver com automação um processo cheio de exceção descobre que a árvore de decisão nunca fica pronta.

O termo técnico que circula para isso é IA agêntica, e ele descreve a mesma coisa: sistemas de IA com autonomia para escolher ações, e não apenas gerar texto.

As cinco peças de um agente

Nenhuma delas é o modelo de linguagem, que é o componente mais fácil de trocar:

1. O objetivo e os limites, escritos. O que o agente deve alcançar, o que ele não pode fazer, e o que fazer quando não consegue. É a peça que mais determina o resultado e a que recebe menos atenção.
2. As ferramentas. O que ele pode acionar: consultar pedido, abrir chamado, enviar e-mail, ler um documento, executar uma consulta. Agente sem ferramenta é assistente com nome novo.
3. A fonte de informação da empresa, para que a decisão venha do que a casa controla e não do que o modelo viu na internet. Sem isso ele inventa política e prazo, tema de IA generativa: como funciona e onde ela erra.
4. A memória, que é o que permite retomar a tarefa e não repetir passo. Ela custa: cada passo reenvia o histórico e é cobrado por volume.
5. O registro e o ponto de parada. Cada passo gravado, e um limite de tentativas. Sem limite, o agente entra em laço e a conta cresce sem produzir nada.

Onde já funcionam

Os casos que se pagam hoje têm uma característica em comum: existe um jeito automático de saber se o resultado está certo.

• Atendimento com consulta e ação. Não só responder: verificar status do pedido, remarcar entrega, emitir segunda via, abrir chamado. A verificação é a própria mudança de estado no sistema.
• Triagem do que chega, classificando mensagem, pedido e documento por assunto e urgência, e roteando. Risco baixo, ganho diário.
• Conciliação e cruzamento de dado, comparando planilha, extrato e sistema e apontando as diferenças. O agente encontra, a pessoa decide.
• Leitura de documento em volume, extraindo campo de nota, contrato ou edital para um formato estruturado, com o número conferível na fonte.
• Preparação de relatório recorrente, buscando dado em várias fontes e montando o resumo, o que se conecta com BI com IA na tomada de decisão.
• Tarefa de software com teste, em que o agente trabalha até o teste passar e submete o resultado para revisão.

Nos canais em que o cliente já está, o agente muda de forma por causa das regras do canal: no WhatsApp entram número aprovado, janela de atendimento e cobrança por mensagem, detalhado em chatbot no WhatsApp.

Onde falham

• Objetivo vago. “Melhore o atendimento” não é objetivo de agente. Ele precisa de uma condição de sucesso que dê para checar.
• Erro em cadeia. Uma decisão errada no passo três se propaga até o passo dez, e o resultado final parece coerente. É o modo de falha mais perigoso, porque não se anuncia.
• Regra que não está escrita. A exceção que a empresa aplica há anos e nunca documentou desaparece da execução.
• Permissão larga demais. Agente com acesso amplo faz coisa certa rápido e coisa errada também.
• Tarefa sem verificação automática, em que revisar o que ele fez custa mais que fazer à mão.
• Laço sem limite, repetindo a mesma tentativa e consumindo orçamento.

Nenhuma dessas falhas se resolve trocando o modelo. Elas se resolvem com objetivo escrito, ferramenta com permissão mínima, limite de passos e revisão humana no ponto certo. A leitura mais ampla sobre por que projetos assim não entregam está em por que a IA falha nas empresas.

Como escolher a plataforma

As opções mudam de nome rápido, e as perguntas que separam boas de ruins não mudam:

1. Integra com o sistema onde o dado mora? Sem isso o agente só sabe dizer que vai verificar. É o critério eliminatório.
2. Dá para ver o que ele fez, passo por passo? Registro de decisão, ferramenta acionada e fonte usada. Sem rastro não há como corrigir nem auditar.
3. A permissão é granular? Precisa dar acesso só ao que a tarefa exige, e não ao sistema inteiro.
4. Existe ponto de aprovação humana configurável antes de ações sensíveis?
5. A saída para humano funciona na primeira tentativa?
6. Os dados ficam onde? Região de hospedagem, prazo de retenção e uso para treinamento precisam estar no contrato, não na página de marketing.
7. Dá para exportar tudo e sair, incluindo histórico de conversa e configuração?

Se a resposta da primeira pergunta for não, as outras seis não importam.

Quanto custa

Quatro linhas, e a segunda é a que surpreende:

• Plataforma, por assinatura, por usuário ou por volume de execução.
• Uso do modelo. Agente consome muito mais que assistente, porque cada passo reenvia contexto e histórico. Uma tarefa de dez passos custa muito mais que dez perguntas isoladas.
• Integração, que é trabalho de desenvolvimento e a maior linha do primeiro projeto.
• Supervisão, ou seja, o tempo de quem revisa o que o agente fez nos primeiros meses. Essa linha nunca aparece na proposta e sempre existe.

A medida que faz sentido é custo por tarefa concluída sem intervenção, e não custo por mês. A conta formal, com baseline e incremento, está em como calcular o ROI de IA.

Como começar em trinta dias

1. Escolha uma tarefa com verificação óbvia, em que dá para saber automaticamente se deu certo. Sem esse critério, não comece.
2. Escreva o objetivo, os limites e o que fazer quando falhar. Em uma página, antes de abrir qualquer ferramenta.
3. Dê uma ferramenta só, com permissão mínima, e faça o agente funcionar assim antes de somar a segunda.
4. Rode com aprovação humana em todo passo na primeira semana, revisando o registro. É aqui que se descobre a regra que ninguém tinha escrito.
5. Solte a aprovação por etapa, começando pelos passos reversíveis.
6. Meça tarefas concluídas sem intervenção, e compare com o tempo que aquilo levava antes.

Quem inverte a ordem, dando ao agente muitas ferramentas e autonomia total no primeiro dia, passa o mês depurando comportamento em vez de resolver o problema. O recorte da primeira versão segue a mesma lógica de qualquer produto, em o que é MVP de produto digital.

O que não deixar um agente fazer

• Mover dinheiro sem aprovação explícita de uma pessoa.
• Escrever em produção sem possibilidade de desfazer, como apagar registro ou rodar migração.
• Falar com cliente sobre preço, prazo e política sem fonte controlada e revisão.
• Decidir sobre pessoa, como triagem final de currículo, crédito ou cancelamento. Aqui a exigência de explicar a decisão é da empresa, e agente não fornece explicação auditável.
• Acumular permissão “por conveniência”, que é como quase todo incidente começa.
• Rodar sem limite de passos e de gasto.

A regra que resume o assunto: agente é bom quando o objetivo é verificável e o erro é reversível. Fora desses dois, o que a empresa ganha em velocidade paga em risco. Os processos que costumam se encaixar bem nesse critério estão em 5 processos para automatizar em empresas de serviços, e a construção do lado técnico em como criar uma IA com Python.

Perguntas frequentes