Um agente de inteligência artificial é um sistema que usa um modelo de linguagem para decidir quais passos dar e quais ferramentas usar até cumprir um objetivo. Diferentemente de um chatbot, que responde, ou de uma automação clássica, que segue regras fixas, o agente observa a situação, escolhe uma ação, verifica o resultado e repete até terminar ou até pedir ajuda a uma pessoa. Faz sentido quando as entradas são variáveis e exigem critério; não faz quando o processo é sempre igual.
Chatbot, automação e agente: três coisas diferentes
Os três termos se misturam nas apresentações comerciais, e isso leva a comprar a ferramenta errada. A diferença não está na tecnologia por baixo, mas em quem decide o próximo passo.
| Ferramenta | Quem decide o próximo passo | Útil quando | Exemplo |
|---|---|---|---|
| Chatbot | O usuário, a cada pergunta | Há dúvidas frequentes e a resposta está nos seus documentos | «Qual é o prazo de devolução?» |
| Automação clássica | Ninguém: as regras estão escritas de antemão | O processo é sempre igual e os dados chegam organizados | Se entra um pedido, criar a fatura e enviá-la |
| Agente | O modelo, dentro de certos limites | As entradas são variáveis ou desorganizadas e exigem critério | Ler uma solicitação de orçamento e preparar a proposta |
A automação clássica continua sendo a melhor opção quando o processo é previsível: é mais barata, mais rápida, determinística e fácil de auditar. Se você consegue desenhar o processo em um diagrama com três ou quatro ramificações e ele nunca sai dali, não precisa de um agente. O agente agrega valor quando há variabilidade: solicitações incompletas, mensagens em linguagem natural, documentos em formatos diferentes ou decisões que hoje uma pessoa experiente toma.
A Anthropic distingue entre fluxos (o código fixa a ordem dos passos e o modelo preenche cada um) e agentes (o modelo decide a ordem). A recomendação deles, que compartilho, é começar sempre pela solução mais simples que funcione e adicionar autonomia só quando o problema exigir.
Como um agente funciona por dentro
Tirando o marketing, um agente é um loop com cinco peças:
- Objetivo. O que ele precisa alcançar, escrito em linguagem clara: «prepare um rascunho de orçamento a partir deste e-mail».
- Contexto. O que ele precisa saber: a tabela de preços vigente, os prazos, exemplos de orçamentos anteriores, as regras da empresa.
- Ferramentas. Ações que pode executar: buscar no CRM, ler um PDF, consultar uma planilha de preços, criar um rascunho de e-mail. Cada ferramenta tem permissões próprias e limitadas.
- Decisão e execução. O modelo escolhe uma ferramenta, usa, lê o resultado e decide o próximo passo.
- Parada. Termina quando cumpre o objetivo, quando detecta que falta algo ou quando atinge um limite de passos ou de custo. Nesse ponto entrega o resultado a uma pessoa.
O ponto 5 é o mais negligenciado. Um agente sem condições de parada claras pode ficar dando voltas, gastar tokens e produzir lixo com muita segurança. Nos meus projetos fixo sempre um máximo de passos, um orçamento por tarefa e um critério explícito para dizer «não consigo, passo para uma pessoa».
Um exemplo concreto: orçamentos em uma empresa industrial
Imagine uma empresa que fabrica peças sob medida. Todo dia entram entre dez e vinte solicitações de orçamento por e-mail. Umas trazem um desenho técnico em PDF, outras uma foto, outras um parágrafo com medidas aproximadas. Hoje uma pessoa dedica duas ou três horas por dia a lê-las, pedir o que falta, buscar preços e escrever a proposta.
Um agente para esse processo faria isto:
- Lê o e-mail e os anexos e extrai material, medidas, quantidade e prazo desejado.
- Confere com uma lista de campos obrigatórios. Se falta algo, redige um e-mail de resposta pedindo exatamente esse dado e para.
- Se está tudo, consulta a tabela de preços e as regras de desconto por volume e calcula o preço mostrando a operação.
- Busca no histórico se esse cliente já pediu algo parecido e indica isso.
- Deixa um rascunho de orçamento no sistema com um resumo do que assumiu. Uma pessoa revisa, corrige se for preciso e envia.
O que ele não faz, pelo menos na primeira fase: enviar nada ao cliente sem revisão, mudar preços da tabela nem comprometer prazos de fábrica. Esses limites são definidos antes de escrever uma linha de código.
Casos que fazem sentido em uma PME
- Preparar orçamentos e propostas. Lê a solicitação, organiza os dados, detecta o que falta, propõe um preço com seu cálculo e deixa um rascunho para aprovar.
- Classificar e responder consultas. Distingue entre vendas, suporte e faturamento, prepara a resposta com a informação dos seus documentos ou encaminha para a pessoa adequada.
- Extrair dados de documentos. Converte faturas de fornecedores, notas de entrega ou contratos em registros organizados e aponta os que não batem.
- Buscar no conhecimento interno. Responde a perguntas com citações dos documentos da empresa. Para isso costuma bastar uma busca aumentada, como explico em o que é RAG e quando basta uma busca.
- Preparar relatórios repetitivos. Reúne dados de várias fontes, detecta anomalias e redige um rascunho para alguém validar.
Quando não faz sentido
- Quando um processo simples se resolve com regras fixas. Um formulário bem desenhado e uma automação sem IA ganham quase sempre.
- Quando não há dados ou documentos confiáveis para partir. O agente herda a desordem da empresa.
- Quando um erro teria consequências graves e não há como revisá-lo antes que aconteça: pagamentos, decisões sobre pessoas, compromissos legais.
- Quando o volume é tão baixo que o custo de construir e manter o agente não se recupera. Se o processo leva duas horas por mês, não compensa.
Como começar sem arriscar
- Escolha um processo com volume, um resultado claro e uma pessoa que o conheça bem e queira melhorá-lo.
- Meça como funciona hoje. Horas, erros, tempo de resposta e custo por caso. Sem linha de base não dá para demonstrar a melhoria. Tenho um modelo em como medir a linha de base antes de automatizar.
- Construa a menor versão que demonstre melhoria, com uma pessoa aprovando cada resultado. Um fluxo com passos fixos costuma bastar no começo.
- Avalie com casos reais. Pegue trinta ou cinquenta casos passados, passe-os pelo sistema e compare com o que a pessoa fez na época.
- Amplie aos poucos, só quando os resultados forem estáveis por várias semanas. Primeiro mais volume, depois mais autonomia.
O que medir para saber se funciona
| Indicador | O que diz | Como se obtém |
|---|---|---|
| Taxa de aprovação sem alterações | Quantos resultados a pessoa aceita como estão | Botão de aprovar versus editar no painel de revisão |
| Tempo por caso | Quanto o processo leva do início ao fim | Marca de tempo de entrada e de fechamento |
| Custo por caso | Tokens, chamadas a ferramentas e tempo de revisão | Registro de consumo por tarefa |
| Taxa de encaminhamento | Quantas vezes o agente diz «não consigo» | Contador de paradas por falta de dados |
| Erros detectados tarde | Falhas que passaram pela revisão | Reclamações ou correções posteriores |
Um agente que encaminha 30 % dos casos e acerta os 70 % restantes é melhor do que um que tenta tudo e acerta 85 %. O primeiro sabe quando se calar.
Riscos que precisam ser controlados
Além da conformidade geral, o Regulamento Europeu de Inteligência Artificial classifica os sistemas por nível de risco e fixa obrigações diferentes para cada um. Os casos que descrevo aqui (orçamentos, classificação de e-mails, extração de dados de faturas) costumam ficar em risco limitado ou mínimo, com obrigações de transparência. Para usos sensíveis, como seleção de pessoal, decisões sobre crédito ou acesso a serviços essenciais, o regulamento os considera de alto risco e convém consultar um advogado especializado antes de começar.
O que perguntar a quem quiser vender isso a você
- O que acontece quando o agente não sabe o que fazer? Se a resposta é «ele sempre sabe», desconfie.
- Como a qualidade é avaliada e com quantos casos reais?
- Quais dados saem da empresa, para qual fornecedor e com qual contrato?
- Quanto custa cada caso processado, não só a licença mensal?
- Quem pode mudar as instruções e como essas mudanças são registradas?
Se você quiser estudar um caso concreto, o serviço de implantação de IA começa com uma descoberta de uma semana e um piloto mensurável. E se o seu processo é previsível, provavelmente uma automação sem IA se encaixa melhor: custa menos e falha menos.