![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-1-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nGeralmente, tudo come\u00e7a em uma sala de reuni\u00f5es. Um fornecedor abre seu laptop, digita uma \u00fanica frase em uma janela de bate-papo e observa um agente extrair o c\u00f3digo data de tr\u00eas sistemas, resumir um contrato de locat\u00e1rio, sinalizar uma cl\u00e1usula para an\u00e1lise jur\u00eddica e enviar o resultado por e-mail \u00e0 equipe de gest\u00e3o de ativos. Tudo isso leva noventa segundos. A sala fica em sil\u00eancio, at\u00e9 que algu\u00e9m pergunta: \u201cQuanto tempo levou para desenvolver isso?\u201d A resposta \u201cuma tarde\u201d \u00e9 o momento em que a maioria das estrat\u00e9gias corporativas de IA \u00e9 discretamente redefinida.<\/p>\n
\u00c9 uma pergunta pertinente e, \u00e0 primeira vista, instigante. Se \u00e9 poss\u00edvel montar um agente funcional em uma tarde, por que ainda estamos dedicando dezoito meses a cada transforma\u00e7\u00e3o digital? Por que estamos pagando valores na casa dos sete d\u00edgitos por um software que oferece menos funcionalidades? E, mais urgentemente, o que dever\u00edamos estar fazendo a respeito?<\/p>\n
A resposta sincera \u00e9 mais complexa do que a demonstra\u00e7\u00e3o sugere. Sim, \u00e9 perfeitamente poss\u00edvel criar um agente de IA funcional em poucas horas. As ferramentas j\u00e1 s\u00e3o t\u00e3o boas assim. Mas a diferen\u00e7a entre um agente funcional e um agente de n\u00edvel empresarial \u00e9 maior do que a maioria dos executivos imagina, e \u00e9 a\u00ed que residem quase todos os custos, riscos e valores reais.<\/p>\n
Este artigo destina-se a executivos que desejam compreender o que \u00e9 realmente poss\u00edvel hoje, o que \u00e9 genuinamente dif\u00edcil e como agir com rapidez sem tomar o tipo de decis\u00e3o que parece brilhante em maio, mas se torna embara\u00e7osa em novembro. Analisaremos o que s\u00e3o os agentes, o que eles n\u00e3o s\u00e3o, onde est\u00e3o sendo utilizados, quem os est\u00e1 desenvolvendo e o que \u00e9 necess\u00e1rio para implant\u00e1-los adequadamente em uma empresa sujeita a regulamenta\u00e7\u00e3o. Ao final, o senhor dever\u00e1 estar apto a participar de sua pr\u00f3xima reuni\u00e3o do conselho de administra\u00e7\u00e3o e explicar o panorama da situa\u00e7\u00e3o com clareza.<\/p>\n
Antes de chegarmos sequer perto da implanta\u00e7\u00e3o, vale a pena refletir sobre o que realmente entendemos por \u201cagente de IA\u201d. A express\u00e3o foi amplamente deturpada pelas equipes de marketing nos \u00faltimos dezoito meses, e a maioria dos executivos n\u00e3o consegue distinguir com clareza se lhes est\u00e3o vendendo um agente, um chatbot, uma ferramenta de fluxo de trabalho ou uma macro particularmente assertiva.<\/p>\n
A defini\u00e7\u00e3o pr\u00e1tica mais clara \u00e9 esta: um agente de IA \u00e9 um software que utiliza um modelo de base para compreender um objetivo, planejar como alcan\u00e7\u00e1-lo, agir por meio do uso de ferramentas e sistemas e se adaptar com base no que observa. Pense nele como um profissional rec\u00e9m-formado no mundo digital. Ele \u00e9 competente, sabe ler instru\u00e7\u00f5es, sabe como pedir ajuda, sabe utilizar as ferramentas que voc\u00ea lhe fornece e, dentro de um \u00e2mbito definido, \u00e9 capaz de tomar decis\u00f5es sensatas sem supervis\u00e3o constante. Assim como um rec\u00e9m-formado, ele se beneficia de diretrizes claras e da revis\u00e3o de um colega s\u00eanior sobre seus trabalhos de maior impacto.<\/p>\n
Anatomicamente, cada agente se baseia em cinco capacidades. Um modelo de base fornece o mecanismo de racioc\u00ednio, por exemplo, o Claude \u2018Sonnet\u2019, o GPT \u20184o\u2019 e o Gemini \u20183.5 Flash\u2019. As ferramentas conferem ao agente a capacidade de agir: consultar um banco de dados data, enviar um e-mail, recuperar um documento, executar um c\u00e1lculo. A mem\u00f3ria permite que ele mantenha o contexto ao longo das etapas e, em agentes mais sofisticados, entre sess\u00f5es. A orquestra\u00e7\u00e3o lida com o planejamento e o roteamento \u2014 decidindo o que fazer a seguir, quando escalar e quando parar. E as barreiras de seguran\u00e7a definem os limites: o que o agente tem permiss\u00e3o para fazer, quais data ele pode acessar e quando um ser humano deve aprovar.<\/p>\n
<\/p>\n
Figura 1. Os cinco componentes de um agente de IA.<\/em><\/p>\n Essa estrutura \u00e9 importante porque explica em que os agentes diferem das coisas com as quais s\u00e3o frequentemente confundidos. Um chatbot possui o modelo e, possivelmente, alguma mem\u00f3ria, mas n\u00e3o possui ferramentas reais nem orquestra\u00e7\u00e3o; ele fala, mas n\u00e3o age. A RPA possui ferramentas e orquestra\u00e7\u00e3o, mas n\u00e3o possui racioc\u00ednio \u2014 ela segue um roteiro e falha no momento em que a realidade se desvia dele. O aprendizado de m\u00e1quina tradicional possui um racioc\u00ednio de tipo restrito, mas n\u00e3o possui intelig\u00eancia geral, nem uso de ferramentas, nem interface conversacional. Um agente combina todos os cinco componentes. \u00c9 isso que o torna \u00fatil e \u00e9 isso que o torna inovador.<\/p>\n Vale a pena destacar mais uma distin\u00e7\u00e3o: os agentes s\u00e3o probabil\u00edsticos, n\u00e3o determin\u00edsticos. \u00c0s vezes, eles realizam a\u00e7\u00f5es inesperadas. Essa \u00e9 uma caracter\u00edstica positiva em muitos casos de uso \u2014 \u00e9 o que lhes permite lidar com os casos-limite complexos que frustravam as gera\u00e7\u00f5es anteriores de automa\u00e7\u00e3o \u2014, mas pode ser uma desvantagem em outros. Saber distinguir uma situa\u00e7\u00e3o da outra constitui a maior parte do trabalho.<\/p>\n Se o termo \u201cagente de IA\u201d abrange tudo, desde um relat\u00f3rio programado diariamente at\u00e9 um sistema de negocia\u00e7\u00e3o aut\u00f4nomo, ele deixou de ser \u00fatil. Em conson\u00e2ncia com a forma como a Gartner, a Forrester e as principais plataformas descrevem atualmente esse campo, consideramos \u00fatil pensar nisso como um espectro composto por cinco categorias cada vez mais aut\u00f4nomas.<\/p>\n Figura 2. Uma taxonomia operacional dos sistemas ag\u00eanicos.<\/em><\/p>\n A\u00e7\u00f5es programadas<\/strong> est\u00e3o na extremidade mais simples. Trata-se de processos de automa\u00e7\u00e3o que funcionam com um temporizador ou um gatilho; um relat\u00f3rio di\u00e1rio de KPIs, uma limpeza da caixa de entrada \u00e0s 7h da manh\u00e3, um webhook acionado quando um neg\u00f3cio \u00e9 fechado no CRM. Elas podem utilizar um LLM para uma \u00fanica etapa (resumir um documento, redigir um e-mail), mas n\u00e3o raciocinam sobre o que fazer em seguida. A maioria dos executivos j\u00e1 possui v\u00e1rias dessas solu\u00e7\u00f5es; elas eram chamadas de \u201cautoma\u00e7\u00e3o\u201d antes da reformula\u00e7\u00e3o da marca pelo marketing.<\/p>\n Agentes de tarefas<\/strong> Adicione ao cen\u00e1rio uma \u00fanica tarefa espec\u00edfica, orientada por um LLM. Um exemplo t\u00edpico: um agente que l\u00ea cada e-mail recebido, classifica-o por assunto e urg\u00eancia e o encaminha para a equipe correta. H\u00e1 racioc\u00ednio envolvido, mas apenas em um \u00fanico ponto. O fluxo em torno disso \u00e9 determin\u00edstico. Essas solu\u00e7\u00f5es s\u00e3o extremamente \u00fateis, muito econ\u00f4micas e constituem o ponto de partida natural para a maioria das organiza\u00e7\u00f5es.<\/p>\n Agentes de automa\u00e7\u00e3o<\/strong> encadeiam v\u00e1rias etapas dentro de um fluxo de trabalho definido. Ainda assim, h\u00e1 restri\u00e7\u00f5es, pois as etapas s\u00e3o conhecidas de antem\u00e3o, mas o LLM toma decis\u00f5es em v\u00e1rios pontos: decide qual ferramenta chamar, quais dados data recuperar e o que fazer caso uma verifica\u00e7\u00e3o falhe. Um bom exemplo \u00e9 um fluxo de aprova\u00e7\u00e3o de faturas que l\u00ea um PDF, extrai os itens da fatura, os associa aos pedidos de compra e, em seguida, aprova ou encaminha para revis\u00e3o.<\/p>\n Agentes de fluxo de trabalho<\/strong> \u00e9 onde ocorre atualmente a maior parte do trabalho empresarial verdadeiramente empolgante. A esses agentes \u00e9 atribu\u00eddo um resultado, em vez de uma sequ\u00eancia de a\u00e7\u00f5es \u2014 como, por exemplo, \u201cresuma este contrato de loca\u00e7\u00e3o de 80 p\u00e1ginas e identifique qualquer aspecto que devamos levar em considera\u00e7\u00e3o\u201d \u2014, e eles decidem por conta pr\u00f3pria como chegar a esse resultado. Eles ler\u00e3o documentos, consultar\u00e3o sistemas, far\u00e3o perguntas complementares e iterar\u00e3o. O fluxo de trabalho \u00e9 emergente, e n\u00e3o predefinido. Os modelos de racioc\u00ednio tornaram essa categoria significativamente mais confi\u00e1vel nos \u00faltimos doze meses.<\/p>\n Sistemas multiagentes<\/strong> representam a vanguarda. Um agente coordenador divide uma meta em subtarefas e delega cada uma delas a um especialista: um para pesquisa, outro para an\u00e1lise, outro para reda\u00e7\u00e3o e outro para revis\u00e3o. Quando bem executados, os sistemas multiagentes d\u00e3o conta de tarefas que um \u00fanico agente n\u00e3o consegue realizar. Quando mal executados, geram oito vezes mais possibilidades de falha para o mesmo resultado. A maioria das empresas n\u00e3o deveria come\u00e7ar por aqui.<\/p>\n Uma pergunta \u00fatil a se fazer quando um fornecedor lhe apresenta uma proposta \u00e9 simplesmente: em que ponto desse espectro ela se situa? Se lhe estiverem mostrando uma a\u00e7\u00e3o agendada e cobrando por um agente de fluxo de trabalho, o(a) senhor(a) acaba de identificar a forma mais comum de venda exagerada de agentes no mercado. Por outro lado, se sua equipe estiver tentando implementar um sistema com m\u00faltiplos agentes como sua primeira implanta\u00e7\u00e3o, incentive-a gentilmente a come\u00e7ar uma coluna \u00e0 esquerda.<\/p>\n Tr\u00eas fatores se alinharam. Em primeiro lugar, os modelos de base ultrapassaram o limiar de confiabilidade para o uso de ferramentas. H\u00e1 dois anos, solicitar a um modelo que chamasse uma API e utilizasse o resultado era uma experi\u00eancia decepcionante; hoje, os modelos b\u00e1sicos do Claude, GPT e Gemini s\u00e3o capazes de lidar com o uso de ferramentas em v\u00e1rias etapas com uma taxa de acerto satisfat\u00f3ria para uso em produ\u00e7\u00e3o. Em segundo lugar, os modelos de racioc\u00ednio: o Claude com racioc\u00ednio ampliado, a s\u00e9rie \u201co\u201d da OpenAI e os modos de racioc\u00ednio mais aprofundados do Gemini melhoraram significativamente o desempenho nas tarefas de m\u00faltiplas etapas e que exigem grande capacidade de julgamento, caracter\u00edsticas exigidas pelos fluxos de trabalho reais. Em terceiro lugar, a infraestrutura necess\u00e1ria finalmente chegou: estruturas de orquestra\u00e7\u00e3o como LangGraph e CrewAI, ou, alternativamente, uma das muitas solu\u00e7\u00f5es de fluxo de trabalho com baixo c\u00f3digo; ferramentas de avalia\u00e7\u00e3o para testes sistem\u00e1ticos; e o Model Context Protocol (MCP), que oferece aos agentes uma maneira padronizada de se integrar \u00e0s dezenas de sistemas nos quais uma empresa realmente opera.<\/p>\n A curva de custos tamb\u00e9m contribuiu. O pre\u00e7o por token da intelig\u00eancia de ponta caiu uma ordem de magnitude em dois anos, e o n\u00edvel \u201clightweight\u201d (Claude Haiku, GPT-mini, Gemini Flash) agora \u00e9 barato o suficiente para ser utilizado na escala de cada e-mail ou documento produzido por uma empresa.<\/p>\n O resultado \u00e9 que nos encontramos em um momento que n\u00e3o ocorre com frequ\u00eancia: a tecnologia \u00e9 genuinamente capaz, as ferramentas s\u00e3o genuinamente utiliz\u00e1veis e a viabilidade econ\u00f4mica \u00e9 genuinamente vi\u00e1vel. Aliado ao fato de que os marcos regulat\u00f3rios est\u00e3o come\u00e7ando a se estabilizar \u2014 a Lei de IA da UE \u00e9 uma certeza, e n\u00e3o mais um alvo em movimento \u2014 e de que os \u00f3rg\u00e3os reguladores do Golfo, incluindo a SDAIA da Ar\u00e1bia Saudita, publicaram posi\u00e7\u00f5es claras; o per\u00edodo de 2025\u201326 representa o ponto de inflex\u00e3o em que as empresas s\u00e9rias passar\u00e3o da fase de experimenta\u00e7\u00e3o para a de implanta\u00e7\u00e3o.<\/p>\n Ent\u00e3o, \u00e9 realmente poss\u00edvel criar um agente de n\u00edvel empresarial em poucas horas? Sim e n\u00e3o, e \u00e9 justamente nessa contradi\u00e7\u00e3o que este artigo mostra seu valor.<\/p>\n O que o senhor pode, sem d\u00favida, criar em uma tarde: um agente funcional que execute uma tarefa real. Escolha um caso de uso, por exemplo, resumir e classificar o conte\u00fado de uma caixa de entrada compartilhada. Abra o Claude Projects, o n8n ou a plataforma de sua prefer\u00eancia. Configure o acesso \u00e0 caixa de entrada, escreva uma instru\u00e7\u00e3o clara descrevendo a tarefa, forne\u00e7a uma base de conhecimento com exemplos anteriores e defina um cronograma. Ao final da tarde, o senhor ter\u00e1 um agente que realiza algo genuinamente \u00fatil. Mostre-o aos seus colegas. Eles ficar\u00e3o impressionados. Isso n\u00e3o \u00e9 um truque; \u00e9 uma demonstra\u00e7\u00e3o de qu\u00e3o longe as ferramentas subjacentes j\u00e1 chegaram.<\/p>\n O que n\u00e3o \u00e9 poss\u00edvel construir em uma tarde \u00e9 a diferen\u00e7a entre essa demonstra\u00e7\u00e3o e algo que voc\u00ea realmente implantaria para dois mil funcion\u00e1rios em tr\u00eas jurisdi\u00e7\u00f5es. Para chegar l\u00e1, voc\u00ea precisa de controles de acesso para que o agente veja apenas o que cada usu\u00e1rio tem permiss\u00e3o para ver. \u00c9 necess\u00e1rio um registro de auditoria que documente todas as decis\u00f5es e todas as chamadas de ferramentas. \u00c9 necess\u00e1ria uma estrutura de avalia\u00e7\u00e3o que indique se o agente est\u00e1 correto 95% das vezes ou 70%, e onde ele tende a cometer erros. \u00c9 necess\u00e1rio haver controles de custo, pois um agente que opera sem supervis\u00e3o pode esgotar or\u00e7amentos de seis d\u00edgitos em poucos dias. S\u00e3o necess\u00e1rios pontos de verifica\u00e7\u00e3o com interven\u00e7\u00e3o humana para decis\u00f5es de grande impacto. \u00c9 necess\u00e1rio garantir a conformidade com a regulamenta\u00e7\u00e3o data para as regi\u00f5es que exigem isso (e todas est\u00e3o cada vez mais exigindo). \u00c9 necess\u00e1rio um plano alternativo para quando o modelo estiver indispon\u00edvel. \u00c9 necess\u00e1ria observabilidade para que sua equipe de opera\u00e7\u00f5es possa acompanhar o que est\u00e1 ocorrendo. E \u00e9 necess\u00e1rio um programa de gest\u00e3o de mudan\u00e7as para que sua equipe realmente utilize o sistema.<\/p>\n Em nossa experi\u00eancia, o esfor\u00e7o de prepara\u00e7\u00e3o para produ\u00e7\u00e3o costuma ser de dez a vinte vezes maior do que o esfor\u00e7o dedicado ao prot\u00f3tipo. Um agente que levou tr\u00eas dias para um desenvolvedor criar levar\u00e1 tr\u00eas meses para uma pequena equipe torn\u00e1-lo adequado para uso corporativo. Isso n\u00e3o \u00e9 uma falha da tecnologia. \u00c9 a realidade de se fazer qualquer coisa de forma respons\u00e1vel dentro de uma grande organiza\u00e7\u00e3o. O mesmo fator multiplicador se aplica \u00e0 implanta\u00e7\u00e3o de um CRM, a um data platform ou \u00e0 integra\u00e7\u00e3o de pagamentos. A diferen\u00e7a \u00e9 que a demonstra\u00e7\u00e3o desses projetos n\u00e3o \u00e9 t\u00e3o impressionante a ponto de fazer com que se esque\u00e7a do resto.<\/p>\n A maneira correta de interpretar a afirma\u00e7\u00e3o sobre as \u201cpoucas horas\u201d \u00e9 a seguinte: os prot\u00f3tipos ag\u00eanicos s\u00e3o agora genuinamente baratos. A produ\u00e7\u00e3o ag\u00eanica, por outro lado, n\u00e3o \u00e9. A disciplina consiste em saber distinguir entre os dois e em utilizar o baixo custo do primeiro para tomar melhores decis\u00f5es sobre o segundo.<\/em><\/p><\/blockquote>\n Atualmente, existem tr\u00eas formas gerais de criar um agente, cada uma com seu pr\u00f3prio audience, limite m\u00e1ximo e vantagens e desvantagens.<\/p>\n Trata-se de plataformas nas quais voc\u00ea monta agentes arrastando n\u00f3s por uma tela. O n8n, o Make (anteriormente Integromat), as ofertas de IA do Zapier e o Copilot Studio da Microsoft s\u00e3o os principais nomes do setor. O modelo fica dentro de um n\u00f3, as ferramentas ficam em outros, e voc\u00ea os conecta por meio de linhas. Os construtores visuais s\u00e3o excelentes para a cria\u00e7\u00e3o de prot\u00f3tipos e para casos de uso que se assemelham \u00e0 automa\u00e7\u00e3o cl\u00e1ssica com uma etapa de LLM incorporada. Eles tamb\u00e9m s\u00e3o extraordin\u00e1rios para democratizar o acesso \u00e0 cria\u00e7\u00e3o de fluxos. Um analista de neg\u00f3cios sem experi\u00eancia em programa\u00e7\u00e3o pode ter um agente \u00fatil em funcionamento j\u00e1 na hora do almo\u00e7o. O limite \u00e9 real, mas distante; os construtores visuais come\u00e7am a apresentar dificuldades quando os fluxos de trabalho se tornam profundamente ramificados, quando o estado precisa ser mantido ao longo de muitas etapas ou quando a lat\u00eancia e o custo precisam ser ajustados com precis\u00e3o. Para muitos casos de uso internos, esse limite \u00e9 suficiente.<\/p>\n O Claude Projects, os GPTs personalizados do ChatGPT, o Gemini Gems e os agentes do Microsoft Copilot permitem que voc\u00ea crie solu\u00e7\u00f5es escrevendo um conjunto cuidadoso de instru\u00e7\u00f5es, anexando uma base de conhecimento e concedendo acesso a um conjunto selecionado de ferramentas. N\u00e3o h\u00e1 uma tela visual; a \u201ccria\u00e7\u00e3o\u201d ocorre por meio de uma conversa. Essas plataformas s\u00e3o excelentes para agentes de conhecimento, assistentes de pesquisa, especialistas internos e qualquer caso de uso em que o valor resida na qualidade do prompt e dos documentos, e n\u00e3o na complexidade do fluxo de trabalho. Elas tamb\u00e9m representam o ponto de partida ideal para muitos executivos, pois n\u00e3o exigem nenhum envolvimento da equipe de engenharia e produzem algo genuinamente \u00fatil em uma \u00fanica sess\u00e3o.<\/p>\n O LangGraph, o CrewAI, o AutoGen e o ecossistema LangChain proporcionam \u00e0s equipes de engenharia controle total sobre orquestra\u00e7\u00e3o, mem\u00f3ria, estado, avalia\u00e7\u00f5es e implanta\u00e7\u00e3o. \u00c9 tamb\u00e9m neles que residem o pr\u00f3prio Agent SDK da Anthropic e os servi\u00e7os de agentes dos principais provedores do cloud. As implementa\u00e7\u00f5es orientadas por c\u00f3digo levam mais tempo, exigem engenheiros e s\u00e3o a op\u00e7\u00e3o ideal quando os riscos s\u00e3o elevados, as integra\u00e7\u00f5es s\u00e3o profundas e o agente ter\u00e1 de processar milhares de solicita\u00e7\u00f5es por dia.<\/p>\n A verdade \u00e9 que a maioria das empresas acaba utilizando as tr\u00eas op\u00e7\u00f5es. Construtores visuais para prototipagem r\u00e1pida e automa\u00e7\u00e3o simplificada de tarefas administrativas. Plataformas orientadas por prompts para casos de uso relacionados a conhecimento e assist\u00eancia, que capacitam equipes individuais. Estruturas orientadas por c\u00f3digo para os agentes que realmente importam, aqueles que est\u00e3o no caminho cr\u00edtico de um processo de neg\u00f3cios ou de uma intera\u00e7\u00e3o com o cliente. Tratar essas abordagens como campos concorrentes, em vez de camadas complementares, \u00e9 um erro comum, que leva a solu\u00e7\u00f5es excessivamente complexas para problemas simples e a solu\u00e7\u00f5es insuficientes para problemas complexos.<\/p>\n A decis\u00e3o raramente se resume a qual ferramenta \u00e9 a melhor. Trata-se de qual ferramenta se adapta melhor ao caso de uso em quest\u00e3o.<\/p>\n Essa \u00e9 a pergunta que os executivos fazem com mais frequ\u00eancia, geralmente em voz baixa. A resposta \u00e9 realmente encorajadora: praticamente qualquer pessoa, pelo menos no in\u00edcio.<\/p>\n O acesso ao trabalho com agentes foi democratizado de uma forma que pouqu\u00edssimas mudan\u00e7as tecnol\u00f3gicas conseguiram alcan\u00e7ar. H\u00e1 tr\u00eas anos, \u201ccriar um sistema de IA\u201d exigia cientistas especializados em data, engenheiros de MLOps e um or\u00e7amento. Hoje, um gerente financeiro com bom dom\u00ednio de seus pr\u00f3prios processos pode criar um agente funcional no Claude ou no Copilot Studio sem escrever uma \u00fanica linha de c\u00f3digo. Temos observado isso ocorrer em todas as fun\u00e7\u00f5es: equipes jur\u00eddicas criando agentes para revis\u00e3o de contratos, equipes de RH desenvolvendo assistentes de integra\u00e7\u00e3o, avaliadores criando ferramentas de resumo de contratos de loca\u00e7\u00e3o e equipes de vendas desenvolvendo geradores de propostas. A habilidade que importa n\u00e3o \u00e9 a programa\u00e7\u00e3o. \u00c9 a clareza de pensamento sobre a tarefa: como se define \u201cconclu\u00eddo\u201d, o que o agente precisa saber e em que pontos o ser humano precisa permanecer envolvido.<\/p>\n Isso n\u00e3o significa que a engenharia seja irrelevante. Significa que o papel da engenharia mudou. Os melhores modelos operacionais que observamos mostram que a TI est\u00e1 deixando de ser um \u201cguardi\u00e3o\u201d para se tornar um \u201cfacilitador\u201d, fornecendo as plataformas, as prote\u00e7\u00f5es, os padr\u00f5es de acesso e as estruturas de avalia\u00e7\u00e3o dentro das quais os usu\u00e1rios de neg\u00f3cios podem desenvolver suas solu\u00e7\u00f5es. A engenharia constr\u00f3i o terminal e a pista; a empresa constr\u00f3i os avi\u00f5es. Quando algo que um usu\u00e1rio de neg\u00f3cios criou se torna cr\u00edtico o suficiente para precisar de refor\u00e7o de seguran\u00e7a, a engenharia assume o projeto e o leva \u00e0 produ\u00e7\u00e3o. Essa \u00e9 a verdadeira democratiza\u00e7\u00e3o de que as pessoas falam, e ela \u00e9 real.<\/p>\n A implica\u00e7\u00e3o para os executivos \u00e9 significativa. N\u00e3o \u00e9 necess\u00e1rio contratar uma equipe de engenheiros de IA para come\u00e7ar. \u00c9 preciso fornecer \u00e0s pessoas mais pr\u00f3ximas do trabalho as ferramentas, a autoriza\u00e7\u00e3o e um pouco de treinamento. Os agentes que fazem a diferen\u00e7a nos neg\u00f3cios de nossos clientes quase nunca s\u00e3o aqueles imaginados na estrat\u00e9gia central. S\u00e3o aqueles criados pelas pessoas que realizam o trabalho, que sabem exatamente onde est\u00e3o os pontos de atrito.<\/p>\n As discuss\u00f5es sobre o futuro dos agentes tendem a ignorar o presente, o que \u00e9 uma pena, pois o presente \u00e9 mais interessante do que as pessoas imaginam. Em toda a nossa base de clientes \u2014 empresas globais, \u00f3rg\u00e3os do setor p\u00fablico e, especificamente, o setor imobili\u00e1rio \u2014, um pequeno n\u00famero de tend\u00eancias est\u00e1 gerando valor de forma consistente atualmente. Vale a pena conhec\u00ea-las.<\/p>\n Pesquisa e s\u00edntese.<\/strong> Agentes que analisam documentos, fontes da web e sistemas internos para produzir resumos estruturados. Amplamente utilizados para intelig\u00eancia de mercado, an\u00e1lise da concorr\u00eancia, due diligence, triagem de investimentos e revis\u00e3o de pol\u00edticas. S\u00e3o uma boa op\u00e7\u00e3o porque o trabalho exige muito julgamento, \u00e9 repetitivo e permite a interven\u00e7\u00e3o de um revisor humano na etapa final.<\/p>\n Processamento de documentos.<\/strong> Extra\u00e7\u00e3o de contratos de loca\u00e7\u00e3o, revis\u00e3o de contratos, processamento de faturas, tratamento de reclama\u00e7\u00f5es e KYC. Em qualquer situa\u00e7\u00e3o em que documentos n\u00e3o estruturados precisem ser transformados em documentos estruturados no formato data, al\u00e9m de uma marca\u00e7\u00e3o para os casos que justifiquem a interven\u00e7\u00e3o humana. Essa \u00e9 a implanta\u00e7\u00e3o em produ\u00e7\u00e3o mais comum em setores regulamentados, incluindo o imobili\u00e1rio.<\/p>\n Atendimento ao cliente e aos funcion\u00e1rios.<\/strong> A triagem de primeira linha, que lida integralmente com os casos simples, encaminha os demais com todo o contexto anexado. Quando bem executada, essa triagem n\u00e3o substitui os seres humanos; ela garante que estes vejam apenas os casos que realmente necessitam de sua interven\u00e7\u00e3o.<\/p>\n Conhecimento interno.<\/strong> Agentes que se integram aos documentos, wikis, sistemas de tickets e arquivos de e-mail de uma organiza\u00e7\u00e3o e respondem a perguntas em linguagem natural. \u00c9 nesse ponto que muitas empresas percebem o valor de forma mais r\u00e1pida e f\u00e1cil, e onde a gest\u00e3o da mudan\u00e7a ocorre de maneira mais suave, pois o agente vem complementar, e n\u00e3o substituir.<\/p>\n Gera\u00e7\u00e3o de c\u00f3digo.<\/strong> Vale a pena mencionar isso porque \u00e9 o caso de uso que mais avan\u00e7ou entre todos. Atualmente, as equipes de engenharia apresentam, rotineiramente, um aumento de produtividade de 30\u201340% ao utilizar ferramentas de codifica\u00e7\u00e3o baseadas em agentes, e essa diferen\u00e7a vem se ampliando. Mesmo os executivos que n\u00e3o atuam na \u00e1rea de engenharia devem se interessar por isso, pois isso altera a curva de custos de todos os demais softwares que voc\u00eas desenvolvem.<\/p>\n Conformidade e garantia.<\/strong> Agentes que monitoram viola\u00e7\u00f5es, preparam-se para auditorias e identificam anomalias. Particularmente relevantes diante do endurecimento da regulamenta\u00e7\u00e3o na UE, no Reino Unido e na regi\u00e3o do Golfo.<\/p>\n O que os bons casos de uso t\u00eam em comum? Uma heur\u00edstica \u00fatil, que aplicamos com os clientes: a tarefa \u00e9 repetitiva o suficiente para ser relevante; exige tanto julgamento que a automa\u00e7\u00e3o tradicional falhou; \u00e9 bem delimitada o suficiente para que se possa descrever o sucesso em uma frase; e permite a revis\u00e3o por um ser humano nos casos que realmente importam. Se um caso de uso em potencial atender a todos os quatro crit\u00e9rios, provavelmente vale a pena test\u00e1-lo. Se atender a tr\u00eas, vale a pena discutir o assunto. Se atender a apenas um, voc\u00ea est\u00e1 for\u00e7ando a barra.<\/p>\n As abstra\u00e7\u00f5es s\u00e3o \u00fateis apenas at\u00e9 certo ponto. Para tornar isso mais concreto, apresentamos a seguir tr\u00eas exemplos pr\u00e1ticos, extra\u00eddos da forma como observamos atualmente a implanta\u00e7\u00e3o de agentes em diversos setores.<\/p>\n Uma empresa imobili\u00e1ria de m\u00e9dio porte mant\u00e9m v\u00e1rios milhares de contratos de loca\u00e7\u00e3o em seu portf\u00f3lio administrado. Cada contrato de loca\u00e7\u00e3o tem entre quarenta e noventa p\u00e1ginas de texto jur\u00eddico denso, armazenadas como arquivos PDF em um sistema de gest\u00e3o de documentos. A equipe de gest\u00e3o de ativos precisa saber, sempre que necess\u00e1rio, o que consta em cada contrato: datas de revis\u00e3o do aluguel, cl\u00e1usulas de rescis\u00e3o, disposi\u00e7\u00f5es sobre taxas de servi\u00e7o, restri\u00e7\u00f5es \u00e0 aliena\u00e7\u00e3o, obriga\u00e7\u00f5es relacionadas a ESG e quaisquer termos incomuns que possam afetar a avalia\u00e7\u00e3o ou o risco.<\/p>\n Historicamente, esse era um trabalho de assistente jur\u00eddico. Uma nova aquisi\u00e7\u00e3o significava seis semanas de extra\u00e7\u00e3o manual de dados antes que o ativo pudesse ser devidamente modelado. Hoje, um agente de fluxo de trabalho pode extrair as informa\u00e7\u00f5es do mesmo contrato de loca\u00e7\u00e3o em quinze minutos, estruturadas de acordo com o esquema preferido do escrit\u00f3rio, com alertas sobre qualquer irregularidade que um avaliador credenciado deva analisar. O tempo de desenvolvimento da primeira vers\u00e3o foi de cerca de uma semana em um construtor visual. A prepara\u00e7\u00e3o para produ\u00e7\u00e3o, a adi\u00e7\u00e3o de trilhas de auditoria, conjuntos de avalia\u00e7\u00e3o com base em um corpus rotulado de contratos de loca\u00e7\u00e3o, a integra\u00e7\u00e3o com o sistema de gest\u00e3o de documentos e o registro de ativos, al\u00e9m de um cuidadoso fluxo de escalonamento para cl\u00e1usulas amb\u00edguas, levaram quatro meses. O retorno do investimento ocorreu em menos de um ano, e o trabalho que antes constitu\u00eda um gargalo em todas as transa\u00e7\u00f5es deixou de ser um gargalo em qualquer processo.<\/p>\n Uma empresa global de servi\u00e7os com 15 mil funcion\u00e1rios mantinha um helpdesk interno que estava sobrecarregado. A maioria dos tickets consistia em varia\u00e7\u00f5es de algumas dezenas de padr\u00f5es: redefini\u00e7\u00f5es de senha, solicita\u00e7\u00f5es de acesso a software, problemas com VPN e consultas sobre o sistema de despesas. A equipe estimou que 60% de tickets poderiam ser resolvidos sem interven\u00e7\u00e3o humana, caso o contexto e as ferramentas adequadas estivessem dispon\u00edveis.<\/p>\n Eles criaram um agente de tarefas, uma etapa \u00fanica e delimitada de LLM incorporada \u00e0 plataforma de tickets existente, que lia cada ticket recebido, tentava resolv\u00ea-lo diretamente utilizando um pequeno conjunto de ferramentas pr\u00e9-aprovadas (o sistema de identidade, o cat\u00e1logo de software, a API de despesas), e, em seguida, encerrava o ticket ou o encaminhava a um profissional humano com um rascunho de resposta e o contexto completo. Tempo de desenvolvimento do prot\u00f3tipo inicial: dois dias. Tempo at\u00e9 a entrada em produ\u00e7\u00e3o: tr\u00eas meses, dedicados principalmente a controles de acesso, registros de auditoria e ajuste dos limites de escalonamento, para que nada importante fosse deixado de lado. Resultado: o tempo de resolu\u00e7\u00e3o dos tickets caiu em 70%, a equipe de primeira linha foi realocada para tarefas mais interessantes e o agente agora lida com cerca de metade de todo o volume de tickets recebidos.<\/p>\n Um ve\u00edculo de investimento vinculado ao Estado pretendia avaliar sistematicamente as oportunidades \u00e0 luz das prioridades da Vis\u00e3o 2030, dos setores identificados para diversifica\u00e7\u00e3o, dos objetivos de desenvolvimento regional e dos crit\u00e9rios ESG espec\u00edficos ao contexto saudita. O volume de alvos potenciais, documentos informativos e registros regulat\u00f3rios era t\u00e3o grande que nenhuma equipe humana seria capaz de analis\u00e1-los de forma abrangente.<\/p>\n Um sistema multiagente foi a resposta certa para este caso. Um agente de pesquisa coletou e estruturou informa\u00e7\u00f5es sobre cada oportunidade a partir de registros p\u00fablicos, not\u00edcias e bancos de dados licenciados data. Um agente de an\u00e1lise avaliou o alinhamento com a estrutura da Vis\u00e3o 2030. Um agente de risco identificou quest\u00f5es regulat\u00f3rias e de reputa\u00e7\u00e3o. Um agente de reda\u00e7\u00e3o elaborou um relat\u00f3rio estruturado para o comit\u00ea de investimentos. Tempo de desenvolvimento do prot\u00f3tipo: cerca de tr\u00eas semanas, pois a coordena\u00e7\u00e3o entre os m\u00faltiplos agentes exigiu trabalho de engenharia de verdade. Prepara\u00e7\u00e3o para produ\u00e7\u00e3o: seis meses, com aten\u00e7\u00e3o especial \u00e0 localiza\u00e7\u00e3o no Reino (tudo precisava ser executado dentro do Reino), ao tratamento do idioma \u00e1rabe e a uma estrutura de avalia\u00e7\u00e3o rigorosa em rela\u00e7\u00e3o \u00e0s decis\u00f5es hist\u00f3ricas. O sistema agora processa mais oportunidades do que a equipe humana anterior, com o comit\u00ea recebendo relat\u00f3rios mais abrangentes e analisando apenas as decis\u00f5es genuinamente relevantes.<\/p>\n O que chama a aten\u00e7\u00e3o nos tr\u00eas casos \u00e9 a propor\u00e7\u00e3o. Em cada um deles, o prot\u00f3tipo levou de dias a semanas. A implanta\u00e7\u00e3o em produ\u00e7\u00e3o levou meses. E, em cada caso, o valor n\u00e3o teria sido obtido sem a realiza\u00e7\u00e3o de ambas as etapas. O prot\u00f3tipo comprova que funciona. A implanta\u00e7\u00e3o em produ\u00e7\u00e3o gera o valor.<\/p>\n Mais cedo ou mais tarde, um executivo respons\u00e1vel por um programa de agentes ser\u00e1 questionado: qual modelo devemos adotar? A resposta honesta \u00e9 \u201cdepende, e provavelmente mais de um\u201d, mas isso n\u00e3o \u00e9 \u00fatil sem uma explica\u00e7\u00e3o mais detalhada. Aqui est\u00e1 uma vis\u00e3o equilibrada das principais op\u00e7\u00f5es em 2026.<\/p>\n Claude (Anthropic).<\/strong> Geralmente considerado o mais forte em racioc\u00ednio l\u00f3gico, especialmente no que diz respeito ao uso de ferramentas, contextos extensos, racioc\u00ednio complexo e julgamento criterioso. Os modos de pensamento ampliados conferem ao Claude uma vantagem em tarefas complexas. Excelente no cumprimento de instru\u00e7\u00f5es cheias de nuances, o que \u00e9 importante quando as medidas de seguran\u00e7a fazem parte do projeto. Apresenta uma postura empresarial s\u00f3lida, com posi\u00e7\u00f5es claras sobre treinamento data, indeniza\u00e7\u00e3o por propriedade intelectual e um conjunto de controles empresariais em fase de amadurecimento. Pontos a serem considerados: os custos por token est\u00e3o na faixa mais alta do n\u00edvel de ponta, e a disponibilidade fora das principais regi\u00f5es cloud tem historicamente ficado atr\u00e1s das demais.<\/p>\n GPT (OpenAI).<\/strong> Lar dos modelos de ponta mais amplamente implantados e mais conhecidos, com o ecossistema mais abrangente de ferramentas, integra\u00e7\u00f5es e agentes pr\u00e9-configurados. Os modelos de racioc\u00ednio da s\u00e9rie o s\u00e3o competitivos nas tarefas mais complexas. Excelente em termos de c\u00f3digo e muito bom em ergonomia para desenvolvedores. Pontos a serem considerados: o comportamento dos modelos mudou visivelmente ao longo das vers\u00f5es, o que pode ser inc\u00f4modo para sistemas de produ\u00e7\u00e3o onde a consist\u00eancia \u00e9 fundamental. Os pre\u00e7os e a postura voltados para o mercado corporativo amadureceram, embora algumas organiza\u00e7\u00f5es continuem cautelosas por quest\u00f5es de confidencialidade. O conte\u00fado gerado pelo GPT \u00e9 frequentemente considerado relativamente mais eloquente em compara\u00e7\u00e3o com o conte\u00fado gerado pelo Claude.<\/p>\n Gemini (Google).<\/strong> Excelente em tarefas multimodais (o mais forte dos tr\u00eas no tratamento nativo de imagens, v\u00eddeo e \u00e1udio) e fortemente integrado aos ecossistemas do Google Workspace e do Google Cloud. O Gemini Flash \u00e9 genuinamente econ\u00f4mico em escala, o que o torna a escolha padr\u00e3o para cargas de trabalho de alto volume e baixa complexidade. Pontos a serem considerados: a lacuna de racioc\u00ednio em tarefas complexas de ag\u00eancia diminuiu, mas ainda n\u00e3o foi superada em rela\u00e7\u00e3o ao Claude e \u00e0 s\u00e9rie o.<\/p>\n Lhama (Meta).<\/strong> A fam\u00edlia de fontes de peso aberto mais amplamente utilizada, com forte suporte do ecossistema e desempenho competitivo nos tamanhos maiores. A escolha natural quando \u00e9 necess\u00e1rio o auto-hospedamento para a resid\u00eancia data, previsibilidade de custos em volumes muito elevados ou por exig\u00eancias da pol\u00edtica organizacional. Pontos a serem considerados: os termos da licen\u00e7a s\u00e3o vi\u00e1veis, mas n\u00e3o t\u00e3o permissivos quanto as licen\u00e7as verdadeiramente abertas; o desempenho nas tarefas de racioc\u00ednio mais complexas ainda fica aqu\u00e9m do estado da arte.<\/p>\n Mistral.<\/strong> Com sede na Europa, possui modelos robustos em diversos tamanhos e uma pol\u00edtica de licenciamento favor\u00e1vel \u00e0s empresas. \u00c9 uma op\u00e7\u00e3o ideal para clientes europeus preocupados com a soberania e cada vez mais eficaz em tamanhos maiores. Os modelos menores do Mistral s\u00e3o particularmente robustos como camada principal em uma implanta\u00e7\u00e3o em roteamento. Pontos a serem considerados: ecossistema mais limitado do que o do Llama, e a capacidade de racioc\u00ednio ainda um pouco aqu\u00e9m dos modelos fechados de ponta.<\/p>\n Qwen (Alibaba).<\/strong> A fam\u00edlia com sede na China que apresentou a melhoria mais r\u00e1pida no \u00faltimo ano. Excelente capacidade de atendimento multil\u00edngue, especialmente em chin\u00eas e \u00e1rabe, e desempenho competitivo nos segmentos de maior porte. De relev\u00e2ncia crescente para organiza\u00e7\u00f5es que operam na \u00c1sia e no Golfo. Pontos a serem considerados: as quest\u00f5es organizacionais variam de acordo com a jurisdi\u00e7\u00e3o; algumas empresas n\u00e3o considerar\u00e3o modelos de origem chinesa, independentemente de sua capacidade.<\/p>\n Na pr\u00e1tica, incentivamos os clientes a refletir em dois aspectos: qual \u00e9 o grau de complexidade da tarefa e qual \u00e9 o grau de sensibilidade do data?<\/p>\n Figura 3. Um modelo de decis\u00e3o de dois eixos para a escolha de um modelo de base.<\/em><\/p>\n Para tarefas complexas em data n\u00e3o confidenciais, os modelos fechados de ponta do Claude, GPT ou Gemini, acessados por meio de uma API gerenciada, s\u00e3o quase sempre o ponto de partida adequado. A qualidade do racioc\u00ednio \u00e9 mais importante do que o custo ou a sobrecarga de implanta\u00e7\u00e3o.<\/p>\n Para tarefas complexas envolvendo dados confidenciais \u2014 como registros de pacientes, transa\u00e7\u00f5es financeiras e dados soberanos \u2014, um modelo de c\u00f3digo aberto hospedado internamente \u00e9 cada vez mais vi\u00e1vel, especialmente com o Llama em tamanhos maiores. O desempenho \u00e9 suficiente para a maioria das tarefas corporativas; a resid\u00eancia e o controle dos dados s\u00e3o condi\u00e7\u00f5es imprescind\u00edveis.<\/p>\n Para tarefas simples no data \u2014 a camada de modelos leves \u2014, o Claude Haiku, o GPT-mini e o Gemini Flash processam volumes enormes a um custo marginal. \u00c9 aqui que atuam os agentes por e-mail, por documento e por transa\u00e7\u00e3o.<\/p>\n Para tarefas simples no data, um modelo pequeno hospedado localmente \u2014 como o Mistral small, o Qwen 2.5 ou um Llama ajustado \u2014 costuma ser a solu\u00e7\u00e3o mais econ\u00f4mica.<\/p>\n A tarefa \u00e9 t\u00e3o simples que o modelo menor j\u00e1 \u00e9 suficiente, e a hospedagem pr\u00f3pria cuida da quest\u00e3o da sensibilidade.<\/p>\n Atualmente, as implanta\u00e7\u00f5es mais sofisticadas realizam o roteamento entre esses quadrantes de forma din\u00e2mica. Quando uma solicita\u00e7\u00e3o do usu\u00e1rio \u00e9 recebida, um pequeno modelo de roteamento a classifica, e a solicita\u00e7\u00e3o \u00e9 encaminhada para o modelo mais econ\u00f4mico capaz de atend\u00ea-la. \u00c9 assim que a economia realmente funciona em escala e como as empresas evitam tanto pagar a mais por tarefas rotineiras quanto n\u00e3o dar aten\u00e7\u00e3o suficiente \u00e0s tarefas mais complexas.<\/p>\n Mais uma dica: n\u00e3o se limite. Projete sua plataforma de agentes de forma que o modelo seja substitu\u00edvel. Os l\u00edderes daqui a seis meses podem n\u00e3o ser os mesmos de hoje; a camada do modelo deve ser um componente substitu\u00edvel, n\u00e3o um compromisso estrutural. Se a proposta de um fornecedor dificultar isso, pergunte o motivo.<\/em><\/p><\/blockquote>\n Esta \u00e9 a se\u00e7\u00e3o que, caso esteja lendo este artigo com seriedade, provavelmente deveria ler duas vezes. Os obst\u00e1culos \u00e0 implanta\u00e7\u00e3o de agentes em n\u00edvel empresarial s\u00e3o bem conhecidos por qualquer pessoa que j\u00e1 tenha feito isso, e eles se dividem, grosso modo, entre os de natureza t\u00e9cnica e os de natureza organizacional. Em nossa experi\u00eancia, o aspecto organizacional \u00e9 a parte mais dif\u00edcil e aquela na qual a maioria das equipes de lideran\u00e7a investe menos.<\/p>\n Figura 4. Os bloqueadores que, com maior frequ\u00eancia, impedem o andamento dos programas ag\u00eanicos.<\/em><\/p>\n Qualidade Data.<\/strong> A principal raz\u00e3o pela qual os pilotos de agentes n\u00e3o conseguem escalar. Os agentes s\u00e3o t\u00e3o bons quanto o data que alcan\u00e7am. Formatos inconsistentes, registros duplicados, campos ausentes e fontes data \u00f3rf\u00e3s os prejudicam rapidamente. Uma auditoria do data antes \u2014 e n\u00e3o depois \u2014 de um projeto-piloto \u00e9 a melhoria mais econ\u00f4mica que a maioria das organiza\u00e7\u00f5es pode implementar.<\/p>\n Expans\u00e3o desestruturada do data.<\/strong> Para a maioria das empresas, 70\u201380% do data que realmente importa est\u00e1 armazenado em PDFs, e-mails, digitaliza\u00e7\u00f5es, unidades compartilhadas e sites da intranet. Os agentes podem lidar com isso, mas somente com a arquitetura de recupera\u00e7\u00e3o adequada e a disposi\u00e7\u00e3o de investir na extra\u00e7\u00e3o, indexa\u00e7\u00e3o e governan\u00e7a desses dados.<\/p>\n data governance fraco.<\/strong> A linhagem, os controles de acesso, a resid\u00eancia e as pol\u00edticas de reten\u00e7\u00e3o tornam-se essenciais quando um agente pode ler e agir em todo o seu ambiente data. A maioria das empresas percebe que sua governan\u00e7a \u00e9 mais fraca do que imaginava na primeira vez que um agente realiza uma a\u00e7\u00e3o inesperada.<\/p>\n Integra\u00e7\u00f5es de sistemas inst\u00e1veis.<\/strong> Os ERPs legados, as APIs personalizadas e os sistemas que nunca foram projetados para serem consultados programaticamente geram atritos. O Protocolo de Contexto de Modelo est\u00e1 ajudando significativamente nesse sentido, mas uma longa s\u00e9rie de sistemas legados ainda representa um obst\u00e1culo.<\/p>\n Sem avalia\u00e7\u00f5es nem observabilidade.<\/strong> O maior sinal de alerta em uma proposta de fornecedor \u00e9 a aus\u00eancia de uma estrutura de avalia\u00e7\u00e3o. Se n\u00e3o for poss\u00edvel avaliar se o agente est\u00e1 correto, n\u00e3o ser\u00e1 poss\u00edvel implement\u00e1-lo. J\u00e1 vimos organiza\u00e7\u00f5es sofisticadas ignorarem esse aspecto e se arrependerem disso mais tarde.<\/p>\n Surpresas relacionadas a custos e lat\u00eancia.<\/strong> O gasto com tokens pode aumentar rapidamente. A lat\u00eancia em agentes com contexto extenso e que exigem muito racioc\u00ednio pode chegar a n\u00edveis que prejudicam a experi\u00eancia do usu\u00e1rio. Ambos os aspectos precisam ser monitorados desde o primeiro dia, e n\u00e3o descobertos apenas no quarto m\u00eas.<\/p>\n Propriedade pouco clara.<\/strong> O trabalho de ag\u00eancia encontra-se em uma posi\u00e7\u00e3o delicada entre a TI, a data e a \u00e1rea de neg\u00f3cios. Sem um respons\u00e1vel claramente designado e sem um patrocinador com autoridade pol\u00edtica para desempatar situa\u00e7\u00f5es, os programas ficam paralisados no limbo da aprova\u00e7\u00e3o ou se fragmentam em projetos paralelos.<\/p>\n Incentivos desalinhados.<\/strong> As pessoas s\u00e3o recompensadas pelo trabalho que realizam atualmente. Se um agente amea\u00e7ar esse trabalho, as pessoas mais bem posicionadas para torn\u00e1-lo \u00fatil s\u00e3o as mesmas que t\u00eam maior probabilidade de obstru\u00ed-lo. Reconhecer isso com franqueza j\u00e1 \u00e9 metade da solu\u00e7\u00e3o.<\/p>\n Incompatibilidade do modelo operacional.<\/strong> A maioria das empresas est\u00e1 organizada para projetos com prazos definidos. Os agentes s\u00e3o produtos que exigem ajustes, avalia\u00e7\u00f5es e melhorias cont\u00ednuas. Tentar realizar o trabalho relacionado a agentes por meio de um modelo operacional de projeto resulta em implanta\u00e7\u00f5es fr\u00e1geis que se deterioram.<\/p>\n D\u00edvida de gest\u00e3o de mudan\u00e7as.<\/strong> A parte mais dif\u00edcil da implanta\u00e7\u00e3o de um agente n\u00e3o \u00e9 a cria\u00e7\u00e3o do pr\u00f3prio agente. \u00c9 a reformula\u00e7\u00e3o do fluxo de trabalho em torno dele. A maioria das organiza\u00e7\u00f5es n\u00e3o investiu na capacidade de adapta\u00e7\u00e3o necess\u00e1ria para fazer isso da maneira correta.<\/p>\n Medo do deslocamento.<\/strong> A ado\u00e7\u00e3o fica estagnada quando os funcion\u00e1rios temem que o agente esteja l\u00e1 para substitu\u00ed-los. As implementa\u00e7\u00f5es mais bem-sucedidas que observamos s\u00e3o expl\u00edcitas e convincentes nesse aspecto: o agente cuida das tarefas rotineiras para que as pessoas possam se concentrar nas partes do trabalho que exigem seu julgamento. N\u00e3o basta apenas dizer isso; o comportamento precisa comprovar essa afirma\u00e7\u00e3o.<\/p>\n Baixo n\u00edvel de alfabetiza\u00e7\u00e3o em avalia\u00e7\u00f5es.<\/strong> Executivos que n\u00e3o conseguem avaliar de forma significativa se um agente est\u00e1 trabalhando s\u00e3o facilmente convencidos por demonstra\u00e7\u00f5es que n\u00e3o se aplicam de maneira geral. A constru\u00e7\u00e3o de um vocabul\u00e1rio comum \u2014 exatid\u00e3o, precis\u00e3o, recupera\u00e7\u00e3o, taxa de alucina\u00e7\u00e3o, taxa de escalonamento, custo por resolu\u00e7\u00e3o \u2014 faz agora parte da descri\u00e7\u00e3o de fun\u00e7\u00f5es de qualquer executivo respons\u00e1vel pela supervis\u00e3o do trabalho dos agentes.<\/p>\n Se tiv\u00e9ssemos que escolher os dois obst\u00e1culos que mais merecem aten\u00e7\u00e3o por parte da alta lideran\u00e7a: o data governance no aspecto t\u00e9cnico e o modelo operacional no aspecto organizacional. S\u00e3o esses que, se n\u00e3o forem tratados, limitar\u00e3o discretamente o valor que voc\u00eas podem gerar, independentemente de qu\u00e3o bons os modelos venham a se tornar.<\/p>\n Uma pergunta \u00fatil a se fazer sobre qualquer sistema de agentes antes de ele entrar em produ\u00e7\u00e3o \u00e9: o que teria de acontecer para que eu me sentisse tranquilo caso haja uma falha p\u00fablica? Pois, em grande escala, os agentes ir\u00e3o falhar publicamente. A disciplina consiste em garantir que, quando isso ocorrer, voc\u00ea possa identificar o problema, cont\u00ea-lo e se recuperar rapidamente.<\/p>\n A implanta\u00e7\u00e3o em n\u00edvel empresarial exige um pequeno conjunto de requisitos imprescind\u00edveis. Nenhum deles \u00e9 empolgante por si s\u00f3; juntos, por\u00e9m, representam a diferen\u00e7a entre algo que o senhor explicaria de bom grado a um \u00f3rg\u00e3o regulador e algo que o senhor preferiria n\u00e3o explicar.<\/p>\n Gerenciamento de identidade e acesso.<\/strong> Todas as a\u00e7\u00f5es de um agente devem ser executadas sob uma identidade, com permiss\u00f5es herdadas do usu\u00e1rio em nome do qual est\u00e1 agindo. Agentes que operam com amplos privil\u00e9gios de conta de servi\u00e7o representam um risco de interrup\u00e7\u00e3o do servi\u00e7o e uma falha de auditoria iminente.<\/p>\n Registro de auditoria.<\/strong> Cada decis\u00e3o, cada solicita\u00e7\u00e3o de suporte t\u00e9cnico, cada escalonamento deve ser registrado, imut\u00e1vel e pesquis\u00e1vel. Isso n\u00e3o \u00e9 opcional. Os \u00f3rg\u00e3os reguladores dos setores de servi\u00e7os financeiros, sa\u00fade e, cada vez mais, de outros setores regulamentados ir\u00e3o solicitar essas informa\u00e7\u00f5es. O senhor deseja que a resposta seja \u201csim, aqui\u201d.<\/p>\n Estrutura de avalia\u00e7\u00e3o.<\/strong> Um conjunto de testes rotulados, com base no qual o agente \u00e9 avaliado antes de cada lan\u00e7amento, com limites claros para o que \u00e9 considerado aprovado. Esse \u00e9 o investimento de maior valor que a maioria das equipes deixa de fazer. Se sua equipe n\u00e3o puder lhe mostrar suas avalia\u00e7\u00f5es, isso significa que ela n\u00e3o desenvolveu um agente de n\u00edvel empresarial.<\/p>\n Observabilidade.<\/strong> Visibilidade em tempo real do desempenho do agente em produ\u00e7\u00e3o: taxa de sucesso, lat\u00eancia, custo por solicita\u00e7\u00e3o, taxa de escalonamento e varia\u00e7\u00e3o ao longo do tempo. As mesmas m\u00e9tricas que voc\u00ea esperaria de qualquer servi\u00e7o em produ\u00e7\u00e3o, monitoradas no n\u00edvel do agente.<\/p>\n Controle de custos.<\/strong> Limites de gastos por usu\u00e1rio, por agente e por locat\u00e1rio. Alertas. Limita\u00e7\u00e3o autom\u00e1tica em caso de loops descontrolados. O gasto de tokens sem controles \u00e9 o equivalente, no contexto dos agentes, a um vazamento de mem\u00f3ria.<\/p>\n Pontos de verifica\u00e7\u00e3o com interven\u00e7\u00e3o humana.<\/strong> Decis\u00f5es de grande import\u00e2ncia devem ser suspensas para an\u00e1lise humana, com o agente apresentando o contexto e uma recomenda\u00e7\u00e3o. O ponto em que esse limite se situa depende do caso de uso; o fato de que esse limite existe \u00e9 inegoci\u00e1vel.<\/p>\n Governan\u00e7a e resid\u00eancia do Data.<\/strong> Pol\u00edticas claras sobre o que o agente pode ler, gravar, reter e transferir para o exterior. Isso \u00e9 particularmente relevante caso a sua empresa atue na Uni\u00e3o Europeia, no Reino Unido, na regi\u00e3o do Golfo e em outros regimes com posi\u00e7\u00f5es pr\u00f3prias.<\/p>\n Comportamento alternativo.<\/strong> O que ocorre quando o modelo n\u00e3o est\u00e1 dispon\u00edvel, a resposta n\u00e3o pode ser analisada ou a chamada \u00e0 ferramenta falha? Os agentes de produ\u00e7\u00e3o precisam de uma degrada\u00e7\u00e3o gradual, e n\u00e3o de falhas silenciosas ou comportamentos inesperados.<\/p>\n Padr\u00f5es de escalabilidade.<\/strong> A arquitetura deve ser capaz de lidar com um volume 100 vezes maior do que o do lan\u00e7amento, sem a necessidade de mudan\u00e7a de plataforma. Roteamento entre modelos, armazenamento em cache, processamento ass\u00edncrono, execu\u00e7\u00e3o baseada em filas: princ\u00edpios b\u00e1sicos de sistemas distribu\u00eddos aplicados a uma nova infraestrutura.<\/p>\n Nenhuma dessas falhas \u00e9 incomum. Todas elas s\u00e3o frequentemente ignoradas em sistemas de agentes que foram desenvolvidos \u00e0s pressas e nunca receberam o refor\u00e7o de seguran\u00e7a adequado. A raz\u00e3o pela qual a diferen\u00e7a entre o prot\u00f3tipo e a produ\u00e7\u00e3o \u00e9 t\u00e3o grande \u00e9 que essa lista representa exatamente essa diferen\u00e7a.<\/p>\n Ao longo das implementa\u00e7\u00f5es de agentes que realizamos com nossos clientes nos \u00faltimos dois anos, surgiu um padr\u00e3o claro de cinco etapas. Definir esse padr\u00e3o abertamente ajuda os executivos a planejar or\u00e7amentos, expectativas e a garantir que as pessoas certas estejam presentes no momento certo.<\/p>\n Figura 5. As cinco etapas de uma implanta\u00e7\u00e3o ag\u00eanica.<\/em><\/p>\n Etapa 1: Descobrir.<\/strong> Identifique os casos de uso em potencial, avalie seu valor, analise o data necess\u00e1rio para cada um e selecione um ou dois para um primeiro projeto-piloto. A disciplina nesta fase consiste em saber dizer \u201cn\u00e3o\u201d; a maioria dos casos de uso em potencial ainda n\u00e3o est\u00e1 pronta, e come\u00e7ar pelo lugar errado \u00e9 a raz\u00e3o mais comum pela qual os programas perdem impulso. Participantes: patrocinador de neg\u00f3cios, profissionais que executam o trabalho e um l\u00edder do data.<\/p>\n Etapa 2: Prot\u00f3tipo.<\/strong> Crie um agente funcional para o caso de uso escolhido, de ponta a ponta, em um prazo que varia de dias a semanas. Construtores visuais ou plataformas orientadas por prompts costumam ser as ferramentas adequadas nesta fase. O objetivo \u00e9 comprovar que o caso de uso funciona, em princ\u00edpio, e n\u00e3o criar o sistema de produ\u00e7\u00e3o. O ambiente: uma pequena equipe de desenvolvimento, usu\u00e1rios de neg\u00f3cios para fornecer feedback e a equipe de engenharia para orientar sobre o caminho at\u00e9 a produ\u00e7\u00e3o.<\/p>\n Etapa 3: Endurecimento.<\/strong> A etapa mais longa e com o menor or\u00e7amento previsto. Construa o ambiente de avalia\u00e7\u00e3o, adicione controles de acesso, implemente a observabilidade, defina os pontos de verifica\u00e7\u00e3o com interven\u00e7\u00e3o humana e execute testes de pr\u00e9-produ\u00e7\u00e3o. A maioria das empresas fica estagnada nesta fase, pois o trabalho n\u00e3o \u00e9 atraente e o prot\u00f3tipo j\u00e1 parece impressionante. As \u00e1reas envolvidas: engenharia, seguran\u00e7a, risco e conformidade, gest\u00e3o de mudan\u00e7as.<\/p>\n Etapa 4: Implanta\u00e7\u00e3o.<\/strong> Implemente a solu\u00e7\u00e3o para usu\u00e1rios-piloto, acompanhe as m\u00e9tricas com aten\u00e7\u00e3o e fa\u00e7a ajustes com base no uso real. Planeje a gest\u00e3o da mudan\u00e7a; treine os usu\u00e1rios, defina as expectativas e estabele\u00e7a um ciclo de feedback. A maioria das implanta\u00e7\u00f5es requer de tr\u00eas a seis semanas de monitoramento cuidadoso antes de uma implementa\u00e7\u00e3o mais ampla. Os envolvidos: opera\u00e7\u00f5es, gest\u00e3o da mudan\u00e7a e RH, al\u00e9m do patrocinador comercial original.<\/p>\n Etapa 5: Expans\u00e3o.<\/strong> Amplie a aplica\u00e7\u00e3o do agente a popula\u00e7\u00f5es mais amplas, identifique padr\u00f5es e componentes reutiliz\u00e1veis e construa o centro de excel\u00eancia que dar\u00e1 suporte aos segundo, terceiro e quarto casos de uso. \u00c9 tamb\u00e9m aqui que a quest\u00e3o do modelo operacional se torna cr\u00edtica: como a organiza\u00e7\u00e3o realmente administra um conjunto de agentes ao longo do tempo? Os participantes: o patrocinador executivo, a lideran\u00e7a emergente em IA e o respons\u00e1vel pelo modelo operacional.<\/p>\n Atualmente, a maioria das empresas possui v\u00e1rios projetos-piloto na fase 2 e muito poucos sistemas nas fases 4 ou 5. A vantagem competitiva nos pr\u00f3ximos dois anos recair\u00e1 de forma desproporcional sobre as organiza\u00e7\u00f5es que aprenderem a passar de maneira eficaz da fase 3 para a fase 5.<\/p>\n Como ser\u00e1 o panorama da ag\u00eancia daqui a 12 a 36 meses? Quatro mudan\u00e7as j\u00e1 s\u00e3o vis\u00edveis e merecem ser levadas em conta no planejamento.<\/p>\n Os sistemas multiagentes tornam-se padr\u00e3o para trabalhos complexos.<\/strong> Hoje, a tecnologia multiagente representa a vanguarda. At\u00e9 2027, ela ser\u00e1 a arquitetura padr\u00e3o para qualquer fluxo de trabalho baseado em agentes que n\u00e3o seja trivial. As ferramentas de orquestra\u00e7\u00e3o est\u00e3o amadurecendo rapidamente, e o custo de executar v\u00e1rios agentes especializados \u00e9 agora baixo o suficiente para que a simplicidade de engenharia de \u201cum \u00fanico grande agente\u201d n\u00e3o se justifique mais do ponto de vista financeiro. As empresas que investiram em estruturas de avalia\u00e7\u00e3o e observabilidade far\u00e3o essa transi\u00e7\u00e3o com facilidade. Aquelas que n\u00e3o o fizeram enfrentar\u00e3o dificuldades.<\/p>\n Mercados de agentes e componentes reutiliz\u00e1veis.<\/strong> A situa\u00e7\u00e3o atual, em que cada empresa desenvolve cada agente do zero, \u00e9 transit\u00f3ria. Esperamos uma mudan\u00e7a significativa em dire\u00e7\u00e3o a mercados de agentes pr\u00e9-constru\u00eddos e componentes reutiliz\u00e1veis, tanto fornecidos por fornecedores quanto desenvolvidos internamente nas empresas. O equivalente interno a uma loja de aplicativos privada j\u00e1 est\u00e1 surgindo em grandes clientes. Para os executivos, isso altera a quest\u00e3o \u201cdesenvolver ou adquirir\u201d, que, at\u00e9 2027, se assemelhar\u00e1 mais a \u201cdesenvolver ou compor\u201d.<\/p>\n Minera\u00e7\u00e3o de processos baseada em agentes.<\/strong> Os fornecedores de minera\u00e7\u00e3o de processos est\u00e3o incorporando rapidamente recursos baseados em agentes, e a descoberta de processos nativa de IA est\u00e1 surgindo a partir de outra abordagem. A combina\u00e7\u00e3o de agentes capazes de mapear seus processos, identificar oportunidades e, em seguida, implementar os fluxos de trabalho resultantes se tornar\u00e1 uma categoria cada vez mais relevante. Analise com cautela as propostas atuais dos fornecedores nessa \u00e1rea; a tecnologia est\u00e1 evoluindo rapidamente e o risco de depend\u00eancia de um \u00fanico fornecedor \u00e9 real.<\/p>\n A regulamenta\u00e7\u00e3o se torna mais rigorosa.<\/strong> Os requisitos relativos aos sistemas de alto risco previstos na Lei de IA da UE entrar\u00e3o em vigor progressivamente ao longo de 2026 e 2027. O Reino Unido est\u00e1 adotando uma abordagem mais setorial, mas os servi\u00e7os financeiros, a sa\u00fade e as infraestruturas cr\u00edticas est\u00e3o todos abrangidos pelo \u00e2mbito de aplica\u00e7\u00e3o. A SDAIA da Ar\u00e1bia Saudita e o escrit\u00f3rio de IA dos Emirados \u00c1rabes Unidos publicaram diretrizes que evoluir\u00e3o para requisitos vinculativos. A Lei B\u00e1sica de IA da Coreia do Sul entrou em vigor em janeiro de 2026. Nos EUA, h\u00e1 um mosaico em constante mudan\u00e7a de legisla\u00e7\u00f5es estaduais. E os setores est\u00e3o respondendo com orienta\u00e7\u00f5es atualizadas: a RICS est\u00e1 atualizando suas orienta\u00e7\u00f5es para o setor imobili\u00e1rio; a MAS de Cingapura publicou princ\u00edpios e metodologias espec\u00edficos para a IA no setor financeiro; e as seguradoras agora perguntam aos escrit\u00f3rios de advocacia e contabilidade, no momento da renova\u00e7\u00e3o, se eles possuem pol\u00edticas de uso de IA em vigor. A carga de conformidade est\u00e1 aumentando, mas tamb\u00e9m est\u00e1 ficando claro como essa conformidade se configura. Planeje-se para isso; n\u00e3o se deixe surpreender.<\/p>\n O ponto estrat\u00e9gico mais importante que os executivos devem internalizar: os modelos de base continuar\u00e3o a se tornar um produto de uso comum. A vantagem competitiva n\u00e3o estar\u00e1 ali. Ela residir\u00e1 no data propriet\u00e1rio ao qual o senhor tem acesso, nos fluxos de trabalho que o senhor reestruturou com base na capacidade de ag\u00eancia e na infraestrutura de avalia\u00e7\u00e3o que o senhor construiu, permitindo que o senhor implemente melhorias mais rapidamente do que seus concorrentes. As organiza\u00e7\u00f5es que investirem nesses tr\u00eas aspectos agora acumular\u00e3o vantagem; as que apostarem que um modelo espec\u00edfico ser\u00e1 o vencedor, n\u00e3o.<\/em><\/p><\/blockquote>\n A tenta\u00e7\u00e3o de esperar at\u00e9 que as coisas se estabilizem \u00e9 compreens\u00edvel. Tamb\u00e9m \u00e9 cara. O custo de come\u00e7ar agora consiste, em grande parte, no custo dos erros; o custo de esperar dois anos \u00e9 o custo de ficar estruturalmente atr\u00e1s dos concorrentes que aprenderam na pr\u00e1tica.<\/p>\n Ent\u00e3o, voltando ao t\u00edtulo: \u00e9 realmente poss\u00edvel criar um agente de IA de n\u00edvel empresarial em poucas horas?<\/p>\n \u00c9 poss\u00edvel criar um agente em poucas horas. \u00c9 poss\u00edvel criar algo \u00fatil em poucos dias. \u00c9 poss\u00edvel criar algo realmente bom em poucas semanas. Mas um sistema de n\u00edvel empresarial \u2014 o tipo de sistema que o senhor apresentaria com prazer aos seus clientes mais importantes, aos \u00f3rg\u00e3os reguladores e ao seu conselho administrativo \u2014 exige meses de trabalho meticuloso, mesmo com as melhores ferramentas. E essa lacuna n\u00e3o est\u00e1 se fechando t\u00e3o rapidamente quanto as manchetes sugerem. Na verdade, ela est\u00e1 se ampliando, \u00e0 medida que o padr\u00e3o para o que significa \u201cn\u00edvel empresarial\u201d se eleva paralelamente aos recursos dos modelos subjacentes.<\/p>\n A boa not\u00edcia \u00e9 que o custo para descobrir isso caiu para quase nada. Tr\u00eas medidas que qualquer executivo pode tomar na pr\u00f3xima semana, sem aprova\u00e7\u00e3o or\u00e7ament\u00e1ria, sem um comit\u00ea diretor e sem se comprometer com nada estrat\u00e9gico.<\/p>\n Primeiro, escolha uma tarefa repetitiva, que exija muita avalia\u00e7\u00e3o e que tenha limites bem definidos em seu pr\u00f3prio trabalho. Crie um agente b\u00e1sico para ela no Claude, ChatGPT, Gemini ou Copilot Studio. Utilize-o por duas semanas. Voc\u00ea aprender\u00e1 mais nessas duas semanas do que com qualquer quantidade de apresenta\u00e7\u00f5es de slides.<\/p>\n Em segundo lugar, analise um processo da sua empresa com base na heur\u00edstica de quatro partes mencionada anteriormente: repetitivo, que exige grande capacidade de julgamento, delimitado e que permite a revis\u00e3o humana. Os processos identificados s\u00e3o aqueles onde residem suas reais oportunidades.<\/p>\n Em terceiro lugar, fa\u00e7a uma \u00fanica pergunta \u00e0 sua equipe: qual \u00e9 a nossa estrutura de avalia\u00e7\u00e3o? Se eles n\u00e3o conseguirem responder com clareza, esse ser\u00e1 o seu ponto de partida.<\/p>\n As empresas que conseguirem acertar nisso nos pr\u00f3ximos dezoito meses n\u00e3o ser\u00e3o aquelas que criaram as demonstra\u00e7\u00f5es mais engenhosas. Ser\u00e3o aquelas que aprenderam, de forma r\u00e1pida e honesta, a preencher a lacuna entre um agente que funciona e um agente que realmente funciona.<\/p>\n A Artefact ajudou uma empresa de CRE a alcan\u00e7ar autossufici\u00eancia estrat\u00e9gica no desenvolvimento de Agentes de Tarefas por meio de treinamentos, orienta\u00e7\u00e3o e sess\u00f5es de programa\u00e7\u00e3o em pares para sua equipe interna de analistas \u2013 ao mesmo tempo em que liderou a entrega de tr\u00eas Agentes de Tarefas em funcionamento. A arquitetura dos agentes foi restrita ao Claude (servi\u00e7o de modelo de base) e ao Power Automate (orquestra\u00e7\u00e3o, mem\u00f3ria, ferramentas e mecanismos de prote\u00e7\u00e3o), de modo que os agentes pudessem consistir, em linhas gerais, no mesmo ecossistema de ferramentas com o qual a equipe interna estava acostumada e capaz de manter em conjunto com sua tecnologia existente.<\/p>\n Dessa forma, os agentes receberam alguns atributos de um servi\u00e7o de produ\u00e7\u00e3o, mas n\u00e3o outros. Entre eles, registro de auditoria, observabilidade e escalabilidade. No entanto, em pouco tempo, o CRE adotou abordagens concisas, por\u00e9m eficazes, de data governance e resid\u00eancia, pontos de verifica\u00e7\u00e3o com interven\u00e7\u00e3o humana e gerenciamento de identifica\u00e7\u00e3o e acesso, juntamente com pipelines de avalia\u00e7\u00e3o e procedimentos administrativos rudimentares \u2014 colocando-os no caminho certo para alcan\u00e7ar ganhos significativos de efici\u00eancia.<\/p>\n A Artefact desenvolveu um prot\u00f3tipo de Agente de Fluxo de Trabalho implementado nas \u2018Skills\u2019 do Claude, transformando-o em um \u2018Conector\u2019 do Claude de alto desempenho, o que representa o uso do MCP para fazer a transi\u00e7\u00e3o da defini\u00e7\u00e3o de uma tarefa de IA exclusivamente em linguagem natural para a defini\u00e7\u00e3o da tarefa como uma composi\u00e7\u00e3o de ferramentas de IA de alto desempenho. A principal diferen\u00e7a que torna a solu\u00e7\u00e3o um Agente de Fluxo de Trabalho \u2014 e n\u00e3o meramente um Agente de Tarefa \u2014 \u00e9 a aplica\u00e7\u00e3o de um LLM prim\u00e1rio para gerenciar a sequ\u00eancia de chamadas \u00e0s ferramentas, al\u00e9m da invoca\u00e7\u00e3o de LLMs secund\u00e1rios para executar as opera\u00e7\u00f5es dessas ferramentas.<\/p>\n A introdu\u00e7\u00e3o do padr\u00e3o Claude Connector em conjunto com uma pilha do Azure j\u00e1 existente criou uma nova exig\u00eancia quanto ao suporte \u00e0 entrada de rede e ao acesso data. Em organiza\u00e7\u00f5es nas quais utilit\u00e1rios comuns como esses s\u00e3o gerenciados com sucesso como servi\u00e7os compartilhados, observamos que o tempo de implanta\u00e7\u00e3o de novos servi\u00e7os de produ\u00e7\u00e3o se reduz em at\u00e9 tr\u00eas vezes a cada nova implementa\u00e7\u00e3o.<\/p>\n <\/p>\n Chris de Gruben<\/a> \u00e9 diretor s\u00eanior da Artefact, onde lidera o setor imobili\u00e1rio no Reino Unido e na Uni\u00e3o Europeia. Ele trabalha intensamente com clientes dos setores p\u00fablico e privado no Reino Unido, na Europa e na regi\u00e3o do Golfo.<\/p>\nUma taxonomia de que os executivos realmente precisam<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-2-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nPor que agora?<\/h2>\n
H\u00e1 anos que se vem prometendo a cria\u00e7\u00e3o de agentes. O que mudou?<\/h3>\n
A reflex\u00e3o sobre a realidade das \u201cpoucas horas\u201d<\/h2>\n
Como os agentes s\u00e3o, de fato, criados?<\/h2>\n
Editores visuais<\/h3>\n
Plataformas baseadas em prompts<\/h3>\n
Estruturas orientadas a c\u00f3digo<\/h3>\n
Quem \u00e9 que realmente consegue construir um?<\/h2>\n
Onde a no\u00e7\u00e3o de \u201cag\u00eancia\u201d est\u00e1 ganhando for\u00e7a atualmente<\/h2>\n
Tr\u00eas exemplos resolvidos<\/h2>\n
Resumo do contrato de loca\u00e7\u00e3o de im\u00f3veis comerciais<\/h3>\n
Central de atendimento de TI interna para uma multinacional<\/h3>\n
Pesquisa de investimentos alinhada \u00e0 Vis\u00e3o 2030 no Reino da Ar\u00e1bia Saudita<\/h3>\n
Como escolher seu modelo de base<\/h2>\n
Servi\u00e7os de modelos fechados da Frontier<\/h3>\n
Modelos de peso livre<\/h3>\n
Estrutura de decis\u00e3o do Artefact<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-3-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nOs obst\u00e1culos, t\u00e9cnicos e organizacionais<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-4-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nBloqueadores t\u00e9cnicos<\/h3>\n
Obst\u00e1culos organizacionais<\/h3>\n
Anatomia de uma implanta\u00e7\u00e3o de n\u00edvel empresarial<\/h2>\n
O guia pr\u00e1tico para a jornada de implanta\u00e7\u00e3o<\/h2>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/Image-5-Can-you-really-build-enterprise-grade-AI-agents-within-a-few-hours.png\")
<\/p>\nPerspectivas de curto a m\u00e9dio prazo<\/h2>\n
Uma resposta ponderada \u00e0 manchete<\/h2>\n
Estudos de caso<\/h2>\n
Uma solu\u00e7\u00e3o de construtor visual para analistas do setor imobili\u00e1rio comercial<\/h3>\n
Inova\u00e7\u00e3o em agentes de fluxo de trabalho para uma empresa global de private equity<\/h3>\n