Criação de agentes de IA e fluxos que executam trabalho.

Agente de IA não é chatbot com outro nome

A confusão é compreensível, porque a interface costuma ser a mesma: uma caixa de texto. A diferença está no que acontece depois que você aperta enviar.

Um chatbot recebe uma pergunta e devolve texto. Um agente de IA recebe um objetivo e decide o caminho: quais informações precisa buscar, em que ordem, qual ferramenta usar em cada passo, e quando o trabalho está pronto. Ele consulta o seu ERP, lê o PDF anexado, compara com o pedido, encontra a divergência, registra a ocorrência e avisa o responsável — ou para e pede confirmação, se essa etapa exigir gente.

É a diferença entre "veja como emitir a segunda via" e "emiti a segunda via, está anexada, confirme o envio ao cliente". E é por isso que a engenharia de um agente não é engenharia de conversa: é engenharia de controle. O trabalho difícil está em decidir o que o agente pode fazer sozinho, o que exige aprovação, o que acontece quando uma ferramenta devolve erro e como reconstituir depois cada passo que ele deu.

A anatomia de um agente que funciona

Todo agente que colocamos em produção tem os mesmos seis componentes. Quando um projeto de agente falha, quase sempre é porque um deles foi tratado como detalhe.

• Objetivo e critério de conclusão. O que conta como tarefa cumprida, escrito de forma verificável. Sem isso o agente ou para cedo demais, ou fica girando.
• Ferramentas. A lista fechada de ações disponíveis: consultar cliente, criar pedido, enviar e-mail, ler documento, buscar na base. Cada ferramenta com validação de entrada e comportamento definido para o erro.
• Contexto. As informações que o agente precisa ter em mãos — dados do caso, regras do negócio, histórico relevante e o que ele deve recuperar da base de conhecimento quando faltar contexto.
• Memória. O que persiste entre execuções: preferências do cliente, decisões anteriores, o que já foi tentado. É o que evita a sensação de recomeçar do zero a cada interação.
• Limites. Número máximo de passos, teto de gasto por execução, ações que exigem aprovação humana e situações em que o agente deve simplesmente desistir e escalar.
• Rastro. Registro de cada passo, cada chamada de ferramenta e cada resultado. Quando alguém perguntar "por que ele fez isso?", a resposta precisa estar em log, não em suposição.

Agentes de IA que construímos com mais frequência

Estes não são exemplos de catálogo: são as formas de agente que aparecem repetidamente em empresas brasileiras de porte médio, com o retorno mais fácil de medir porque o custo atual do processo já é conhecido.

Agente de atendimento e suporte

Responde com base na sua documentação real e, quando a dúvida vira pedido, executa: consulta status, emite segunda via, abre chamado, agenda retorno. Trabalha no canal onde o cliente já está — WhatsApp, e-mail, chat do site — e transfere para o humano com o histórico organizado, não com um "vou te transferir" seco.

Agente de triagem e roteamento

Lê tudo que chega — e-mail, formulário, mensagem, anexo — classifica por assunto, urgência e área, extrai os dados estruturados e encaminha para o destino certo já com o registro criado. É o agente com maior retorno por hora de desenvolvimento, porque substitui uma tarefa que hoje consome atenção humana em tempo integral e não produz nada além de encaminhamento.

Agente de documentos

Nota fiscal, contrato, laudo, pedido de compra, comprovante. O agente extrai os campos, confere contra o que está no sistema, aponta divergência e lança o que estiver correto — deixando para revisão humana apenas o que ficou fora do padrão. É onde a automação tradicional sempre tropeçou, porque o documento nunca vem no formato esperado.

Agente comercial e de propostas

Qualifica o que entra pelo site, enriquece com informação pública, registra no CRM, redige o primeiro rascunho de proposta a partir do histórico da empresa e prepara o acompanhamento. A decisão continua sendo do vendedor; o trabalho de preparação, não.

Agente de operação e conciliação

Cruza informação entre sistemas que não conversam, encontra o que não fecha, investiga a causa provável e abre a exceção com o diagnóstico pronto. Troca a rotina de "alguém confere a planilha toda segunda" por um relatório de exceções que já vem explicado.

Agente interno de conhecimento

Responde o time sobre procedimentos, políticas, histórico de decisões e dados internos, com a fonte citada — em cima de uma base montada com RAG bem construído, não de um índice qualquer. Reduz interrupção entre áreas, que é um custo que ninguém mede e todo mundo sente.

Fluxos com IA: quando um agente não basta

Processo de verdade raramente é uma tarefa só. É uma sequência com bifurcações, exceções e pontos em que alguém precisa decidir. Aí o desenho deixa de ser "um agente" e passa a ser um fluxo com IA.

A regra de arquitetura que seguimos é impopular mas economiza dinheiro: use IA só nos trechos ambíguos do fluxo. O resto deve ser determinístico. Um fluxo em que o modelo decide tudo é mais caro, mais lento e imprevisível de auditar. Um fluxo em que a IA interpreta, classifica e redige — e o código executa, valida e persiste — é barato, rápido e explicável.

• Fluxo com etapas de IA. A espinha é código; a IA aparece nos pontos que exigem interpretação. É o desenho mais comum e o mais fácil de manter.
• Múltiplos agentes especializados. Um agente por competência — um lê documentos, outro conhece as regras fiscais, outro fala com o cliente — coordenados por um orquestrador. Vale quando um agente único acumularia instruções demais e começaria a errar por confusão de contexto.
• Agente com revisão humana no meio. O agente prepara, a pessoa aprova, o agente conclui. É o desenho que permite começar rápido em processo sensível: você entra com o humano no circuito e vai afrouxando conforme a taxa de acerto se comprova.
• Agente com verificador. Um segundo passo, independente, que confere o resultado do primeiro antes de liberar. Custa mais por execução e é o que se usa quando o custo do erro é alto.

Se o seu caso é mais processo do que agente, a leitura certa é a página de automação de processos com IA — e a escolha entre as duas abordagens é parte do que definimos no início do projeto.

O que impede um agente de fazer besteira

É a pergunta que todo diretor faz, e com razão: um software que decide sozinho, com acesso aos sistemas da empresa, é um risco novo. A resposta não é confiar no modelo. É cercá-lo.

1. Permissão mínima. O agente recebe credencial própria, com acesso apenas ao que aquele processo exige. Não a credencial de administrador que alguém achou mais prática.
2. Ações destrutivas exigem aprovação. Excluir, cancelar, pagar, enviar ao cliente. O agente prepara e apresenta; a confirmação é humana enquanto a operação for irreversível.
3. Ambiente de ensaio antes da produção. O agente roda contra dados reais em modo de simulação, e você compara o que ele faria com o que a equipe fez. É o teste que revela o comportamento estranho antes de ele custar algo.
4. Limites duros. Máximo de passos, máximo de gasto, tempo máximo de execução. Um agente em loop precisa ser interrompido por regra, não por alguém notando a fatura.
5. Auditoria completa. Cada execução guarda entrada, passos, ferramentas chamadas e saída. É o que permite investigar um caso específico meses depois — e o que a área de risco vai pedir.
6. Avaliação contínua. Um conjunto de casos com o resultado esperado, rodado a cada mudança de instrução, de modelo ou de ferramenta. Sem isso, ninguém sabe se o ajuste de ontem melhorou ou piorou o agente.

Onde os agentes rodam e com o que conversam

Agente que vive numa aba separada é agente que ninguém usa. Ele precisa estar dentro do fluxo de trabalho que já existe e falar com os sistemas que a empresa já tem.

• Canais — WhatsApp, e-mail, chat no site ou no produto, Slack, Teams e telefone com voz.
• Sistemas de gestão — ERP, CRM, sistema de chamados, financeiro, folha, e-commerce, via API ou integração direta quando não há API.
• Documentos e arquivos — pastas em nuvem, e-mail com anexo, digitalização, planilhas.
• Bases de conhecimento — documentação, wiki, histórico de atendimento, contratos, com recuperação e citação de fonte.
• Ferramentas via MCP e APIs — protocolos abertos de conexão de ferramentas, quando o objetivo é reaproveitar integrações em vários agentes em vez de refazer cada uma.
• Painel de operação — onde o time vê o que o agente fez, o que ficou pendente de aprovação e onde ele pediu ajuda.

Como começa um projeto de agentes de IA

Não começa escolhendo modelo nem framework. Começa escolhendo um processo, com custo atual conhecido, e desenhando o agente para ele.

1. Recorte. Um processo, seu volume, seu custo hoje e o que conta como sucesso. Se o processo não estiver claro para os humanos, não vai ficar claro para o agente.
2. Mapa de ferramentas. O que o agente precisa poder fazer, em quais sistemas, com qual permissão — e o que ele nunca fará sozinho.
3. Casos de avaliação. Trinta a cinquenta casos reais com o resultado esperado, montados antes da construção. É o que transforma "parece bom" em número.
4. Primeira versão em ensaio. Agente operando em simulação sobre dados reais, com o time comparando decisões.
5. Produção com humano no circuito. Entra valendo, com aprovação obrigatória nos pontos sensíveis e monitoramento de acerto e de custo.
6. Ampliação medida. Mais autonomia, mais ferramentas ou mais um processo — sempre com o número da etapa anterior na mesa.

Se ainda não está claro qual processo atacar primeiro, o passo anterior a este é a consultoria em IA e automação, que prioriza as oportunidades por retorno. E quando o agente é parte de um produto maior, a construção segue na frente de desenvolvimento de software com IA.

Perguntas frequentes sobre agentes de IA