Um agente de IA é um sistema em que um modelo de linguagem decide sozinho qual passo dar e qual ferramenta usar para cumprir uma tarefa. Se você consegue escrever os passos de antemão, o que precisa é de um workflow, que custa menos e é mais fácil de verificar. O agente só se justifica quando o caminho não é conhecido e alguém consegue julgar se o resultado está certo.
Como quem constrói agentes define o termo?
O guia de engenharia da Anthropic separa duas coisas. Num workflow, modelos e ferramentas são orquestrados por caminhos de código definidos de antemão. Num agente, o próprio modelo dirige o processo e decide como usar as ferramentas.
O Google Cloud dá uma definição mais larga: software que usa IA para perseguir objetivos e completar tarefas em nome dos usuários, com raciocínio, planejamento, memória e algum nível de autonomia. Ajuda a entender o termo, mas não diz quando vale ter um. A da Anthropic diz, porque põe o critério em quem controla o caminho, e é a que usamos para decidir. Se quiser ver como os construímos, está na página de agentes de IA para empresas.
Workflow ou agente? Três perguntas antes de gastar
Dá para desenhar os passos numa folha de papel? Se der, escreva-os como código. O resultado sai igual toda vez, e você não paga um modelo para redescobrir o caminho a cada execução.
Dá para saber se a saída está certa olhando só a saída? É o critério que usamos para escolher o primeiro caso de um piloto. Se ninguém consegue dar nota ao resultado, o agente não tem como melhorar. Só resta torcer para que funcione.
E o que acontece se ele errar e ninguém notar? Quando a decisão não tem volta (publicar, pagar, apagar), precisa haver uma pessoa no caminho.
A própria Anthropic fala do lado do custo: recomenda buscar a solução mais simples possível, o que pode significar nem construir um sistema agêntico, já que eles costumam trocar latência e custo por desempenho. Concordo, e aplico isso antes de qualquer outra coisa. Boa parte das propostas de agente que eu vejo acaba sendo um workflow com uma chamada de modelo em um dos passos.
Como é um agente na prática?
O caso que conseguimos mostrar por inteiro é um serviço de publicidade cuja plataforma construímos para um cliente: um sistema de IA diagnostica a marca, planeja campanhas e gera as peças. Três decisões desse desenho servem para quase qualquer agente.
Nenhum modelo manda sozinho. Tudo roda na Vertex AI, com Gemini e modelos abertos, e o custo por peça aprovada decide qual modelo cada etapa usa. Os juízes só bloqueiam: um painel independente de juízes de IA barra defeitos verificáveis e nunca aprova, e quem aprova é uma pessoa, peça por peça. Cada juiz foi testado com exemplos rotulados, casos em que a resposta certa já se conhece, antes de entrar em operação. E o proibido para antes de a peça existir, com regras por setor e por país montadas a partir de 438 arquivos de dados de fontes primárias. No teste, 10 pedidos proibidos geraram 0 peças.
Um exemplo menor é o assistente de e-mail de uma plataforma PropTech de primeira moradia que construímos. Roda na Vertex AI e é medido por uma avaliação fixa de 24 casos, dos quais acerta 22. Antes de enviar uma resposta, as regras de envio são conferidas de novo.
Esses 22 de 24 não são 92% de acerto em produção, e com 24 casos não dá para prometer percentual. O que a avaliação dá é uma lista de dois erros para ler um a um e um número que se mexe quando você muda o prompt. É para isso que ela serve. Os dois casos estão publicados (marketing com IA e moradia). Uma medição de acerto em produção ainda não existe.
Quando você não precisa de um agente?
Quando o caminho é conhecido: um workflow é mais barato, mais rápido e mais fácil de verificar. Quando a tarefa é rara, ambígua ou de alto risco e ninguém confere o resultado, porque agente agindo sem ninguém olhando é aposta. Quando latência e custo por tarefa pesam mais que flexibilidade, já que a autonomia se paga com os dois. E quando você ainda não tem exemplos reais com o resultado esperado: sem eles não há avaliação, e sem avaliação toda mudança é palpite.
Quanto custa descobrir?
O Piloto de agente de IA coloca um agente num caso de uso real, com avaliações e custo por tarefa medidos, por US$ 5.000 fixos em duas semanas. Ele pode terminar em “o que você precisa é de um workflow”, e isso também é um resultado. A conta do custo por tarefa, e por que o custo por resultado aprovado importa mais, está em Quanto custa um agente de IA?. Se preferir ter um engenheiro de IA no seu time, um sênior sai por US$ 45 a 50 a hora, com mínimo de 6 meses.
Escreva a sua tarefa em duas linhas e, embaixo, como você distinguiria uma saída boa de uma ruim. Se não conseguir escrever a segunda parte, ainda não é caso para agente. Se conseguir, veja como construímos agentes sob medida.
Fontes
- Anthropic, “Building effective agents”, publicado em 19 de dezembro de 2024 e consultado em 8 de outubro de 2026. A página avisa que parte das ferramentas descritas mudou desde então. Aqui uso só as definições.
- Google Cloud, “What are AI agents?”, consultada em 8 de outubro de 2026.