Agentes de IA: o que são, como funcionam e um teste real

A definição de agente de IA, em linguagem simples

A linha mais clara entre um agente e a IA comum vem da Anthropic, a empresa por trás do Claude. O guia dela Building effective agents separa fluxos de trabalho, em que IA e ferramentas seguem etapas que uma pessoa escreveu antes, de agentes, em que o modelo dirige o próprio processo e decide quais ferramentas usar.

Essa capacidade de decidir é o ponto todo. Se uma pessoa roteirizou cada etapa, você está olhando para uma automação com um pouco de IA dentro. Se a IA escolhe a próxima etapa com base no que acabou de encontrar, é um agente.

O que é um agente de IA por dentro?

Todo agente, de uma ferramenta gratuita no navegador a uma plataforma corporativa, é feito das mesmas quatro partes:

Alguns agentes acrescentam uma quinta parte, a memória, para lembrar de conversas anteriores ou do que aconteceu em execuções passadas. O software que envolve tudo isso em volta do modelo, entregando as ferramentas e rodando o ciclo, costuma ser chamado de harness do agente. A Anthropic, por exemplo, chama o Agent SDK dela de "general-purpose agent harness" (Anthropic engineering). Muitos agentes também conseguem carregar skills, pacotes de instruções salvos para um tipo de trabalho, para seguir o seu processo sem um prompt longo a cada vez.

Construtores sem código mostram as mesmas partes como campos numa tela. No construtor de agentes do Zapier, as instruções, as ações que ele pode executar e o gatilho que o inicia ficam lado a lado:

zapier.com/agents/templates

Um teste real: um agente cobrando notas fiscais vencidas

Peça a um chatbot para cobrar notas fiscais vencidas, e ele explica como fazer. Peça a um agente, e ele faz o trabalho. Testamos exatamente isso no Claude Code, numa pasta com sete notas fiscais inventadas e uma planilha de contatos em que um cliente não tinha e-mail. A instrução inteira foi uma frase: encontre as notas vencidas há mais de 30 dias, rascunhe um lembrete para cada cliente, não envie nada.

Ele leu cada nota, separou as quatro que se encaixavam, escreveu quatro rascunhos marcados como "não enviado" e pediu a nossa permissão duas vezes: antes de rodar um comando que lia as notas e antes de escrever os rascunhos. O tempo de trabalho dele foi de 23 segundos. Depois ele relatou o que não conseguia resolver sozinho:

Ninguém deu a ele as etapas, o número de notas vencidas nem uma regra para dados faltando. Ele descobriu isso, tomou uma decisão sensata em cada caso e parou antes de qualquer coisa que não pudesse desfazer.

Agente de IA vs chatbot vs automação

Os três são vendidos como "IA", mas se comportam de jeitos bem diferentes. Saber qual você tem na frente evita pagar preço de agente por um chatbot.

Mais duas palavras que você vai encontrar. Um LLM, um grande modelo de linguagem como o Claude ou o GPT, é o cérebro dentro dos três; sozinho, ele só transforma texto em texto. Um assistente de IA normalmente é um chatbot que ajuda quando você pede, às vezes com algumas ferramentas, mas ele espera por você, enquanto um agente continua.

Agentes de IA vs IA agêntica

As pessoas usam as duas expressões como se fossem a mesma coisa. Elas são relacionadas, mas não idênticas:

• Um agente de IA é um sistema fazendo um trabalho: um agente de caixa de entrada, um agente de pesquisa, um agente de agendamento.
• IA agêntica é a abordagem mais ampla. A IBM descreve a IA agêntica como um sistema que consegue cumprir um objetivo específico com supervisão limitada, formado por um ou mais agentes de IA.
• Um sistema multiagente divide um objetivo entre vários agentes, cada um cuidando de uma subtarefa, com um orquestrador mantendo todos no rumo.

A palavra "agêntico" funciona melhor como um botão de volume para quanta liberdade um sistema tem. Quando um fornecedor chama um produto de agêntico, pergunte em que degrau desta escada ele realmente está:

A maioria das pequenas empresas tem o melhor retorno nos níveis 2 a 4. O nível 5, um agente de IA totalmente autônomo, só faz sentido onde um erro é barato e fácil de desfazer.

IA agêntica vs IA generativa

A IA generativa cria conteúdo, como texto, imagens ou código, a partir de um prompt. A IA agêntica se apoia nela: a IBM a descreve como o uso desses mesmos modelos para perseguir objetivos e chamar ferramentas por conta própria. Uma ferramenta que escreve a sua newsletter é generativa; uma que também puxa as vendas do mês passado, escolhe os assuntos e agenda o envio é agêntica.

Como funcionam os agentes de IA, passo a passo

Quase todo agente, barato ou caro, roda o mesmo ciclo. O nosso teste com as notas fiscais passou por ele duas vezes: ler e separar, depois escrever e relatar.

Fique atento ao momento em que ele para para perguntar. Antes de escrever um único arquivo, o nosso agente de teste mostrou exatamente os rascunhos que ia criar e esperou:

A etapa "Ação" é onde aconteceu a maior parte do progresso recente. Um padrão aberto chamado Model Context Protocol (MCP) deixa um agente se conectar a muitos apps do mesmo jeito, e é por isso que os agentes agora alcançam agendas, CRMs e ferramentas de projeto sem código personalizado. O nosso explicativo simples sobre o que é um servidor MCP mostra como funciona.

Tipos de agentes de IA

Os livros didáticos dividem os agentes em cinco tipos clássicos pelo jeito como decidem, e a visão geral da IBM sobre agentes de IA usa a mesma lista. Ajuda quando um fornecedor joga essas palavras por aí:

Os agentes que uma pequena empresa usa hoje, como o do nosso teste com as notas fiscais, são baseados em objetivos: você diz o resultado e o agente escolhe as etapas.

Agentes de IA que você pode usar hoje

Você não precisa construir nada para usar um agente. Vários já vêm dentro de produtos que você talvez já pague:

Quando configuro agentes para clientes, o primeiro é quase sempre um agente pronto apontado para uma tarefa estreita. Construir o seu fica para depois, quando você sabe exatamente o que quer que ele faça.

O que os agentes de IA ainda erram

Agentes são úteis, mas ainda não são funcionários confiáveis. Planeje em volta destes limites antes de entregar a um deles qualquer coisa importante:

• Palavras diferentes a cada execução. Rodamos o nosso teste com as notas fiscais duas vezes. Os rascunhos saíram com redação diferente em cada uma, mas as decisões bateram: as mesmas quatro notas e os mesmos dois alertas. Confira primeiro as decisões, depois a redação.
• Pequenos erros se somam. Se cada etapa de uma tarefa tem 95% de chance de dar certo, uma tarefa de 20 etapas acerta todas só cerca de um terço das vezes (0,95 multiplicado por ele mesmo 20 vezes dá mais ou menos 0,36). Tarefas longas precisam de pontos de conferência.
• Erros cheios de confiança. Um agente pode ler uma tabela errado, inventar um detalhe ou relatar sucesso quando uma etapa falhou. Peça para ele mostrar de onde veio cada fato.
• Custo e velocidade. Uma tarefa pode significar dezenas de chamadas ao modelo, então os agentes consomem os limites do plano mais rápido e levam minutos em vez de segundos.
• Acesso é risco. Cada ferramenta que você conecta é algo que ele pode usar mal. Um agente só de leitura no máximo desperdiça tempo; um que pode enviar, pagar ou apagar pode causar estrago.

O conselho da própria Anthropic é encontrar a solução mais simples que funciona e só acrescentar complexidade quando precisar. Muitas vezes isso significa um bom prompt ou uma automação simples, não um agente.

Como testar um agente de IA hoje

Escolha uma tarefa de baixo risco, só de leitura e levemente chata, e rode com um agente a que você já tem acesso.

1. Escolha uma tarefa inofensiva. Comparar as páginas de preços dos concorrentes, resumir uma pasta de documentos ou listar locais para um evento são boas primeiras execuções.
2. Escolha o agente. Use o ChatGPT Work se você paga o ChatGPT, o Cowork ou o Claude Code se paga o Claude, o Workspace Studio se a sua empresa usa o Google Workspace, ou um teste grátis de um construtor como o n8n.
3. Escreva o objetivo com uma linha de chegada. Copie o prompt abaixo e preencha os colchetes.
4. Acompanhe a primeira execução. Leia o plano antes de ele começar e aprove as ações uma por uma.
5. Confira o resultado com as fontes. Anote tudo o que ele errou.
6. Melhore e repita. Ajuste as instruções, rode de novo na semana seguinte e só então coloque em um agendamento.

Objetivo: [O QUE VOCÊ QUER FEITO, EM UMA FRASE]
Contexto: [PARA QUEM É E O QUE ELE DEVE SABER SOBRE O MEU NEGÓCIO]
Fontes: use só [SITES, PASTA OU ARQUIVOS]. Mostre a fonte de cada fato.
Resultado: [FORMATO, POR EXEMPLO UMA TABELA COM ESTAS COLUNAS], salvo como arquivo.
Regras: não envie, compre, apague nem publique nada. Se algo não estiver claro, pare e me pergunte.
Pronto quando: [A LINHA DE CHEGADA, POR EXEMPLO 10 LINHAS COMPLETAS]

Antes de dar a qualquer agente acesso a e-mail, pagamentos ou dados de clientes, marque estes itens:

Se você prefere aprender com um curso estruturado, o nosso comparativo de cursos de agentes de IA reúne opções grátis e pagas, em português e em inglês.

O que fazer agora

Nesta semana, escolha uma tarefa repetitiva e rode com um agente usando o prompt acima, só com leitura e com você aprovando cada etapa. Quando funcionar duas vezes seguidas, você está pronto para construir o seu: o nosso passo a passo sobre como construir um agente de IA sem programar cobre o plano, as ferramentas, as proteções e os testes. Se você quer um caminho guiado para agentes e automações que respondem leads e fazem o acompanhamento, o curso Autopilot está em acesso antecipado.