A era dos sem-agentes: quando saber fazer vira fazer tudo sozinho

O gargalo de quem sabe operar ferramentas modernas, mas ainda carrega manualmente cada etapa de contexto, verificação e continuidade.

# A era dos sem agentes: quando saber fazer vira fazer tudo sozinho

Você precisa comparar três propostas. Antes de recomendar uma delas, abre os arquivos, procura as condições, confere o que cada fornecedor incluiu e tenta colocar tudo na mesma ordem. Só depois começa a parte que exige conhecer o negócio e entender o que está em jogo.

Imagine alguém sugerir que um agente de IA prepare essa comparação. A resposta vem rápida: “Eu faço melhor”.

Pode ser verdade. Mas em qual etapa?

Na leitura de uma exceção que muda a recomendação? Na avaliação de uma promessa que o fornecedor dificilmente conseguirá cumprir? Ou em abrir os três arquivos e localizar informações espalhadas pelas páginas?

Quando tudo entra no mesmo pacote, a competência profissional vira uma justificativa conveniente para continuar fazendo cada pedaço do trabalho. A pessoa sabe muito. Por isso, supõe que precisa executar tudo.

É esse comportamento que quero discutir com a era dos sem agentes: profissionais que já poderiam testar uma divisão mais inteligente das tarefas, mas continuam sendo o único ponto de passagem entre a informação recebida e o trabalho concluído.

O nome provoca. A proposta precisa ser examinada com mais cuidado do que uma provocação permite.

O que estamos chamando de agente

Neste texto, um agente de IA é um sistema que usa um modelo de linguagem para conduzir etapas de uma tarefa e acionar ferramentas disponíveis dentro de um escopo definido. Dependendo do ambiente, pode consultar arquivos, pesquisar referências, organizar dados ou preparar um documento.

Ter acesso a essas ferramentas não dá autorização para usar qualquer arquivo, enviar mensagens ou alterar sistemas. Cada operação precisa de limites próprios.

A Anthropic distingue fluxos com etapas previamente definidas de agentes que escolhem dinamicamente parte do caminho e das ferramentas. Também recomenda começar pela solução mais simples que atende ao problema. Às vezes, uma chamada ao modelo com boas fontes já basta. O artigo Building effective agents, publicado em 2024, continua útil para essa distinção de arquitetura. Ele não serve como catálogo de recursos atuais de um produto.

Essa ressalva importa porque uma rotina pequena pode ficar pior com uma estrutura enorme ao redor dela. Ninguém precisa montar uma equipe de agentes para organizar uma lista que uma planilha resolve.

A competência precisa aparecer na divisão do trabalho

Voltemos às propostas, num exemplo hipotético. Você autoriza o agente a consultar apenas os três documentos selecionados e pede uma comparação de escopo, prazo, dependências, exclusões e pontos não informados. Cada informação deve vir acompanhada da página ou do trecho de origem.

O resultado esperado é um material de apoio à análise. A recomendação continua com a pessoa responsável. Nenhum contato com fornecedor ou aceite de condição entra nesse teste.

Agora aparecem problemas que a frase “eu faço melhor” escondia. O que você faz melhor depende de experiência? O que exige presença pessoal? O que consiste em transportar informação de um lugar para outro? Qual etapa pode ser preparada e depois conferida?

Uma comparação malfeita pode omitir uma exclusão importante ou tratar duas entregas diferentes como equivalentes. Você precisa reconhecer essas falhas. A sua experiência ajuda justamente a especificar o que deve ser encontrado, identificar a ausência e avaliar o resultado.

Também existe uma resposta perfeitamente aceitável: depois do teste, você conclui que preparar as fontes e revisar a saída dá mais trabalho do que fazer manualmente. A conclusão é útil porque nasceu de uma tarefa definida e de uma comparação concreta. Ela permite rejeitar aquela aplicação, naquele contexto, sem precisar defender ou condenar a IA inteira.

Eu desconfio da recusa que acontece antes dessa separação. “Eu faço melhor” pode estar protegendo uma boa decisão profissional. Pode também estar protegendo o hábito de acumular tarefas.

Quem sabe precisa ensinar o que confere

Imagine que o agente resuma uma proposta como “entrega em trinta dias”. Você lê a fonte e encontra uma condição: o prazo começa depois do recebimento de um material que ainda não foi enviado.

Corrigir apenas a frase resolve aquele resumo. Registrar a regra ajuda nas próximas comparações: ao extrair um prazo, identificar o evento que inicia a contagem, as dependências e as condições que podem suspendê-la. Se não houver essa informação, marcar a ausência.

O conhecimento que estava na sua cabeça passa a orientar uma tarefa concreta. A correção ganha um motivo, um exemplo e uma forma de conferência.

Isso ainda não prova que a regra será aplicada corretamente na próxima execução. Você precisa testar de novo. Instruções podem ser ignoradas ou interpretadas de maneira errada, e uma lista de verificações preenchida não comprova que alguém fez a verificação.

Dois agentes concordarem também não resolve esse problema. Eles podem repetir o mesmo erro. A conferência precisa chegar à fonte e à pessoa capaz de avaliar o que ela significa.

Por isso, conhecimento profissional continua necessário. Quanto melhor você entende a tarefa, mais condições tem de delimitar o apoio que aceita e reconhecer quando ele falhou.

Reexplicar tudo também é trabalho

Há quem já tenha agentes, mas ainda precise reconstruir a operação em toda conversa. Explica novamente quem é o cliente, qual versão foi aprovada, que informação está desatualizada e por que certa alternativa foi descartada.

A ferramenta está presente. A continuidade ainda depende da memória de quem abriu o chat.

Para uma tarefa recorrente, uma base pequena pode guardar as fontes vigentes, as instruções de execução, as decisões confirmadas e o próximo passo. Cada registro precisa indicar de onde veio e em que estado está. Uma hipótese antiga não pode reaparecer como decisão atual só porque foi salva.

É o papel do Segundo Cérebro nesse trabalho: uma base de conhecimento que você consegue consultar, corrigir e reutilizar. A pasta por si só não entrega isso. O teste é recuperar o documento certo e retomar a tarefa sem reconstruir toda a conversa.

Na discussão de engenharia de contexto da Anthropic, o problema inclui selecionar e manter a informação útil que chega ao modelo, para além das palavras do comando. Acrescentar material indiscriminadamente pode dificultar a recuperação do que importa.

A consequência prática é começar por um recorte. Uma tarefa, suas fontes e suas regras. Enviar o acervo inteiro porque “a IA tem muita capacidade” aumenta a exposição de dados e pode atrapalhar a análise.

Antes de incluir documentos de clientes, dados de terceiros ou material sigiloso, você precisa verificar autorização e adequação do ambiente. Quando um exemplo fictício permite aprender a lógica, use o exemplo fictício.

A tarefa que nunca entrava na agenda

Existe outro tipo de trabalho que merece entrar nessa conversa. Ele não era feito lentamente. Ficava sempre para depois.

Imagine um profissional com entrevistas antigas autorizadas para consulta. Sabe que existem explicações úteis ali, mas nunca consegue reservar um período para localizar os trechos e conferir o que ainda vale.

Um teste delimitado pode usar três entrevistas e uma pergunta específica. O agente prepara uma seleção de passagens, informa a origem, registra dúvidas e separa possíveis assuntos. A pessoa volta ao material original, confere o contexto e decide o que merece desenvolvimento.

Esse é um exemplo de aplicação possível, não um caso de resultado comprovado. A utilidade depende da qualidade dos arquivos, das ferramentas disponíveis e do trabalho de revisão.

Também exige cuidado ao avaliar o ganho. Se a pesquisa nunca acontecia, não dá para anunciar uma economia de horas que ninguém mediu. Você pode registrar que uma seleção antes adiada foi preparada e examinar se ela gerou algo útil.

Produzir vinte sugestões não prova que o trabalho avançou. Uma passagem bem localizada, conferida e aproveitada pode valer mais do que uma pasta cheia de possibilidades que ninguém vai abrir.

Um teste que permite decidir

Escolha uma tarefa que você conhece bem e que possa ser testada sem expor dados indevidos ou realizar ações externas. Evite começar pela rotina mais crítica do negócio.

Antes de executar, escreva:

  • Tarefa e saída: qual parte será preparada e como você reconhecerá um resultado utilizável.
  • Fontes permitidas: quais arquivos e versões podem ser consultados, com origem verificável.
  • Limites: quais ações estão fora do teste e em que situação o agente deve parar e perguntar.
  • Revisão: quem confere, quais erros procura e que documento sustenta essa conferência.

Execute o teste e registre o esforço completo. Inclua o tempo de preparar o contexto, esperar, conferir, corrigir e concluir. Compare com uma execução manual equivalente, quando ela existir. A velocidade da primeira resposta é só uma parte da conta.

No exemplo das propostas, observe se os campos importantes apareceram, se as referências levam ao trecho correto e se a comparação preservou as diferenças entre as ofertas. Registre as omissões, inclusive as que você só encontrou por conhecer bem o assunto.

Depois decida o que manter. Pode ser a tarefa inteira, uma etapa menor ou apenas a estrutura de comparação. Pode ser necessário abandonar o teste. A evidência também serve para interromper uma aplicação ruim.

Quando o teste funcionar, registre as correções e repita com outra entrada. Um acerto isolado ainda não demonstra consistência. E um agente que prepara documentos corretamente não recebe, por consequência, autorização para enviá-los.

A trilha gratuita para construir essa base

A Trilha Operar com IA é o caminho gratuito que organizei para estudar essa lógica por conta própria: fontes, contexto, agentes e revisão.

Quem está começando pode entrar pelo Módulo 0. Quem já usa chat no trabalho pode começar pelo mapeamento da rotina no Módulo 1 e avançar para a organização das fontes. Quem já tem agentes encontra um percurso para examinar a coordenação, as permissões e a continuidade.

A proposta é estudar com uma rotina efetiva, fazer os exercícios e decidir o que consegue aplicar. O acesso gratuito ao conteúdo não significa que todas as ferramentas possíveis ou todos os ambientes de execução sejam gratuitos. Você escolhe os recursos conforme a necessidade do teste.

Não é necessário contratar a Mentoria para seguir a trilha.

A Mentoria para aprender com o seu contexto

Talvez você já tenha tentado e não saiba por que a saída continua ruim. Pode estar difícil separar a tarefa, selecionar as fontes ou definir o que precisa ser conferido. Nessa situação, a conversa individual permite discutir o caso com mais proximidade.

Na Mentoria em IA para Negócios, eu ensino a lógica de uso de IA e converso com você sobre possibilidades e casos de uso do seu negócio. É uma oferta de aprendizagem separada da trilha, para quem quer auxílio mais direto.

Esse apoio não equivale a assumir a infraestrutura, integrar sistemas ou operar o negócio por você. O escopo e os limites atuais estão na página da Mentoria. Decisões que dependem de conhecimento especializado continuam com os profissionais responsáveis.

Você pode começar pela trilha e voltar com uma tentativa concreta. Se ela resolver o problema, ótimo. O objetivo é que você compreenda o trabalho o suficiente para conduzi-lo com mais autonomia.

Volte à tarefa que estava na sua mesa antes deste texto. Separe o que exige a sua experiência do que poderia chegar preparado para sua conferência. Escolha uma dessas etapas e teste com limites claros.

Saber fazer melhor deveria ajudar você a escolher o que continua fazendo pessoalmente.