Como criar um agente de IA: o que é, como fazer sem time de tecnologia e a ficha de 8 campos para começar

Como criar um agente de IA começa pela tarefa, e não pela ferramenta: criar um agente é definir o objetivo, o que ele pode acessar, o que pode fazer sozinho e quem confere o resultado, e só então ligar um modelo de linguagem a esse desenho.

Este guia mostra o caminho para uma PME que não tem time de tecnologia: a ficha de 8 campos, a escolha da primeira tarefa, o teste antes de ligar e o que a pesquisa examinou sobre o tema. Na nossa leitura, o difícil não é montar o agente, e sim decidir o que ele não pode fazer.

O que é um agente de IA e o que significa criar um

Neste guia, agente de IA é um sistema que recebe um objetivo, decide os passos para chegar lá e executa esses passos, acionando ferramentas e sistemas. É uma definição de trabalho da CGLC, a mesma do nosso guia sobre agentes de IA na PME. O assistente, que só responde, e a automação de regra fixa ficam de fora.

Criar um agente, então, não é programar um robô. É escrever o contrato entre o dono da tarefa e o sistema que vai executá-la. Na prática, existem três caminhos, e a escolha depende de quanto a tarefa toca os sistemas da empresa.

Caminho	Como funciona	Quando serve	O que continua com a empresa
Plataforma pronta de agentes	Você configura objetivo, instruções e fontes numa ferramenta já montada	Tarefa com entrada em texto e saída que uma pessoa confere	A ficha, os testes e o responsável
Fluxo montado sem código	Você liga o modelo a e-mail, planilha ou sistema por conectores visuais	Tarefa de poucos passos, em sistemas que têm conector pronto	As permissões, o registro e a revisão do fluxo
Desenvolvimento sob medida	Um time técnico escreve e mantém o agente	Tarefa que mexe em sistema próprio ou em dado sensível	A definição do que o agente pode fazer e a aceitação do resultado

Leitura da CGLC: a última coluna é a que importa. Em qualquer dos três caminhos, a ficha, o teste e o responsável pelo resultado continuam do lado da empresa. Quem terceiriza isso terceiriza a decisão.

O que a pesquisa examinou sobre agentes e sobre pessoa mais IA

Wang e colegas (2024) fizeram uma revisão sistemática dos estudos sobre agentes autônomos baseados em modelos de linguagem. Eles discutem a construção desses agentes, propondo um quadro unificado, apresentam as aplicações em ciências sociais, ciências naturais e engenharia e examinam as estratégias de avaliação mais usadas. A avaliação aparece como um dos três eixos da revisão.

Vaccaro, Almaatouq e Malone (2024) fizeram uma revisão sistemática com metanálise de 106 estudos experimentais, com 370 tamanhos de efeito. Segundo os autores, em média as combinações de pessoa e IA tiveram desempenho significativamente pior do que o melhor entre a pessoa sozinha e a IA sozinha (g de Hedges = −0,23). Eles relatam perdas em tarefas de decisão e ganhos significativamente maiores em tarefas de criação de conteúdo.

Os autores relatam ainda um achado condicional: quando a pessoa sozinha superava a IA sozinha, a combinação ganhava, e quando a IA sozinha superava a pessoa, a combinação perdia. Eles apontam limitações, como possível viés de publicação e variação no desenho dos estudos.

Em campo, Brynjolfsson, Li e Raymond (2025) estudaram a introdução de um assistente conversacional de IA com dados de 5.172 atendentes de suporte. Relatam alta média de 15% em chamados resolvidos por hora, com heterogeneidade entre os trabalhadores: os menos experientes melhoraram velocidade e qualidade, e os mais experientes tiveram ganho pequeno de velocidade e pequena queda de qualidade.

Noy e Zhang (2023) fizeram um experimento pré-registrado com 453 profissionais com ensino superior, em tarefas de escrita de nível intermediário. O grupo exposto ao ChatGPT levou, em média, 40% menos tempo, e a qualidade do texto subiu 18%.

Fonte	O que examinou	O que NÃO examinou
Wang e colegas (2024)	Revisão de estudos sobre agentes baseados em modelos de linguagem: construção, aplicações e avaliação	PME (não mencionada no resumo)
Vaccaro e colegas (2024)	106 experimentos com pessoa, IA e as duas juntas	Agente que age sozinho em sistemas reais
Brynjolfsson e colegas (2025)	Assistente de IA para 5.172 atendentes de suporte	Agente autônomo e PME
Noy e Zhang (2023)	Escrita profissional com um assistente de chat, em experimento	Agente autônomo, trabalho do dia a dia ao longo de meses e PME

Ressalva de escopo: nenhuma das quatro fontes mediu um agente autônomo criado por uma PME. Três mediram pessoa e IA trabalhando juntas, e a quarta é uma revisão de estudos sobre agentes. Tudo o que vem a seguir sobre o passo a passo é método da CGLC, e não resultado de estudo.

Leitura da CGLC: o padrão de Vaccaro e colegas orienta a primeira tarefa. Se os ganhos aparecem mais em criação de conteúdo e as perdas em decisão, o primeiro agente de uma PME deve produzir rascunhos e deixar a decisão com a pessoa. Classificar e organizar entram por escolha nossa, porque o erro é barato e fácil de conferir, e não porque o estudo as separe. O estudo também não testou agentes de PME.

Passo a passo para criar um agente de IA numa PME

O caminho abaixo é o que a CGLC propõe para PMEs. Ele tem seis passos, e o segundo, a ficha, é o que separa um agente que ajuda de um agente que ninguém sabe explicar.

1. 1. Escolha uma tarefa

   Repetitiva, com entrada digital, erro barato e um dono na empresa

2. 2. Preencha a ficha

   Oito campos que dizem o que o agente faz, acessa, decide e registra

3. 3. Monte o mínimo

   Uma plataforma pronta ou um fluxo curto, só com as permissões da ficha

4. 4. Teste com casos reais

   Um conjunto de casos antigos, com a resposta certa conhecida pelo responsável

5. 5. Ligue com aprovação

   O agente propõe, a pessoa aprova, e cada ação fica registrada

6. 6. Revise e amplie

   Só depois de um período sem erro grave a autonomia sobe um degrau

Passo 1: escolha a tarefa pelo risco, e não pelo brilho

A primeira tarefa decide se o projeto ganha confiança ou perde. Usamos cinco perguntas, e a tarefa precisa passar nas cinco. Se falhar em uma, ela espera.

Pergunta	Passa quando	Falha quando
Repete?	Acontece toda semana, com a mesma forma	Cada caso é uma exceção
Entra em formato digital?	E-mail, formulário, planilha ou texto	Depende de ligação, de visita ou de papel
O erro é barato?	Alguém confere antes de chegar ao cliente	O erro vira dinheiro ou promessa na hora
Dá para conferir a resposta?	O responsável sabe dizer se está certo	Só o tempo mostra se estava certo
Tem dono?	Uma pessoa responde pelo resultado	Ninguém é dono da tarefa hoje

Na nossa prática: as primeiras tarefas que costumam passar são triagem de pedidos de orçamento, rascunho de resposta a perguntas frequentes, resumo de reunião com lista de pendências e organização de dados de planilha. As que costumam falhar são reembolso, preço e qualquer resposta jurídica. Para ampliar a lista, o guia de casos de uso de IA ajuda a priorizar.

Passo 2: preencha a ficha de 8 campos

A ficha cabe numa página e é escrita antes de abrir qualquer ferramenta. Ela é o documento que o responsável assina e que o agente, na prática, executa. Sem ela, o agente faz o que a ferramenta permite, e não o que a empresa quer.

Campo	Pergunta que responde	Exemplo ilustrativo
1. Objetivo	Que resultado o agente entrega?	Classificar pedidos de orçamento recebidos por e-mail e preparar um rascunho de resposta
2. Entradas	O que ele recebe e de onde?	A caixa de e-mail comercial e a tabela de serviços da empresa
3. Ferramentas e permissões	O que ele pode ler e o que pode alterar?	Pode ler e-mail e tabela, pode criar rascunho, não pode enviar nem editar a tabela
4. Autonomia	O que faz sozinho e o que pede aprovação?	Classifica sozinho, e todo rascunho passa pela aprovação do comercial
5. Regra de parada	Quando ele para e chama uma pessoa?	Pedido fora da tabela, valor acima do combinado ou cliente reclamando
6. Registro	O que fica guardado de cada ação?	E-mail recebido, classificação, rascunho e quem aprovou
7. Responsável	Quem responde pelo resultado?	A pessoa do comercial, com nome
8. Teste e métrica	Como saberemos que está bom?	Casos antigos conferidos pelo responsável e contagem de erros graves

Leitura da CGLC: é comum pular os campos 3, 4 e 5, porque descrevem o que o agente não faz. Mas é justamente neles que mora o risco. Quem quiser aprofundar encontra o desenho completo de limites no guia de governança de agentes de IA.

Passo 3: monte o mínimo

Com a ficha pronta, escolha o caminho da tabela anterior e monte apenas o que ela pede. Se a ficha diz que o agente cria rascunho e não envia, a conta do agente não deve ter permissão de envio, porque a permissão que não existe não pode ser usada por engano.

Na plataforma ou no fluxo, as instruções do agente são a ficha em linguagem direta: objetivo, fontes, limites e regra de parada. Evite instruções vagas como “seja útil”. Prefira frases que um novo funcionário entenderia no primeiro dia.

Passo 4: teste com casos reais antes de ligar

Separe uma amostra de casos antigos da própria empresa, com a resposta certa já conhecida pelo responsável, e rode o agente sobre ela sem enviar nada a ninguém. Na prática da CGLC, começamos com cerca de vinte casos, incluindo os difíceis. O número é uma regra prática nossa, e não um critério de estudo.

Conte três coisas: quantos casos o responsável aprovaria como estão, quantos precisariam de ajuste e quantos teriam causado um erro grave. A regra de decisão é simples: qualquer erro grave volta para a ficha, e a ligação espera. A avaliação é um dos eixos que Wang e colegas (2024) examinam. Na nossa prática: é o passo que a pressa costuma cortar.

Na nossa prática: os erros do teste costumam não ser do modelo. Costumam ser uma regra de parada que faltava ou uma fonte desatualizada, e as duas se resolvem na ficha, não na ferramenta.

Passos 5 e 6: ligue com aprovação e suba a autonomia em degraus

Parasuraman, Sheridan e Wickens (2000) propõem, já no título, um modelo de tipos e níveis de interação humana com automação. Na leitura da CGLC, isso lembra que a autonomia não é uma chave de liga e desliga. A escada abaixo é da CGLC.

Degrau	O que o agente faz	Quem decide	Quando subir
1. Sugere	Propõe e explica	A pessoa, em tudo	Já no início
2. Rascunha	Entrega o material pronto para revisar	A pessoa aprova cada item	Depois do teste sem erro grave
3. Executa com aprovação	Age depois de um aval registrado	A pessoa libera a ação	Depois de um período sem erro grave em produção
4. Executa e avisa	Age e informa depois	A pessoa revisa por amostra	Só em tarefa de erro barato e reversível

Leitura da CGLC: a maioria das PMEs deveria parar no degrau 2 ou 3 por bastante tempo. O degrau 4 só faz sentido onde o erro é barato e reversível. Aprovação humana não é garantia por si só, e por isso o registro de cada ação e a regra de parada continuam valendo em todos os degraus.

Erros comuns ao criar o primeiro agente

Na nossa prática, estes são os erros que mais esperamos ver:

• Começar pela ferramenta. Quem escolhe a plataforma antes da tarefa acaba adaptando a tarefa à plataforma.
• Dar a primeira tarefa errada. Tarefa que envolve dinheiro, preço ou promessa ao cliente é a pior estreia possível.
• Pular o teste. O agente liga no mesmo dia em que é montado, e o primeiro teste é o cliente.
• Dar permissão demais. A conta do agente pode herdar o acesso de quem a criou, e ninguém revisa.
• Não ter dono. Quando o agente erra, ninguém sabe a quem avisar, e a confiança do time cai de uma vez.
• Medir só o tempo. Tempo ganho com erro grave escondido não é ganho.

Quando chamar um time de tecnologia

O caminho deste guia serve ao primeiro agente, de risco baixo. Chame um time técnico quando a tarefa mexer em sistema próprio, em dado pessoal sensível ou em ações que não se desfazem, ou quando o volume pedir manutenção contínua. Mesmo assim, a ficha continua sendo da empresa, e é ela que o time técnico implementa.

Antes de ampliar, vale também conduzir um piloto de IA com critério de decisão, e olhar o guia de automação com inteligência artificial para saber o que ainda dispensa agente.

Perguntas frequentes

Preciso saber programar para criar um agente de IA?

Na leitura da CGLC, não para o primeiro agente. Plataformas prontas e fluxos sem código permitem montar tarefas simples. O que não se terceiriza é a ficha: objetivo, permissões, regra de parada e responsável. Quando a tarefa toca sistema próprio ou dado sensível, convém chamar um time técnico. Nenhuma fonte citada mediu PMEs sem time de tecnologia.

Qual a diferença entre criar um agente e usar um assistente como o ChatGPT?

O assistente responde e devolve a decisão à pessoa. O agente, na definição usada aqui, recebe um objetivo, escolhe os passos e age em sistemas. Os ganhos medidos por Brynjolfsson e colegas (2025) e por Noy e Zhang (2023) vieram de assistentes, e não de agentes autônomos, por isso não devem ser lidos como promessa para agentes.

Qual a primeira tarefa que vale dar a um agente?

Na leitura da CGLC, uma tarefa repetitiva, digital, de erro barato, com resposta conferível e dono definido. Vaccaro e colegas (2024) relatam ganhos maiores em criação de conteúdo e perdas em decisão, o que sugere começar por rascunho. Classificar e organizar entram por escolha da CGLC, pelo erro barato, e o estudo não testou agentes de PME.

Como testar um agente antes de colocá-lo para trabalhar?

Rode o agente sobre casos antigos da empresa, com a resposta certa já conhecida, sem enviar nada a ninguém. Conte os aprovados, os que precisam de ajuste e os erros graves. Na prática da CGLC, qualquer erro grave volta para a ficha. A avaliação é um dos eixos da revisão de Wang e colegas (2024).

O agente pode agir sem aprovação de uma pessoa?

Pode, mas a leitura da CGLC é subir a autonomia em degraus, e só em tarefa de erro barato e reversível. Vaccaro e colegas (2024) relatam perdas em tarefas de decisão e, em média, combinações de pessoa e IA abaixo do melhor entre as duas sozinhas. Isso não indica se aprovar é melhor ou pior, e o estudo não mediu agentes autônomos em PMEs.

Outros artigos relacionados

• Agentes de IA: o que são e onde eles funcionam na PME
• Governança de agentes de IA: o que é, como definir limites e quem responde
• Piloto de IA: o que é, como conduzir e como decidir se ele vira rotina
• Casos de uso de IA: o que são, como escolher o primeiro e o que evitar
• Automação com inteligência artificial: por onde começar na operação

Fontes e referências

• Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. https://doi.org/10.1093/qje/qjae044
• Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192. https://doi.org/10.1126/science.adh2586
• Parasuraman, R., Sheridan, T. B., & Wickens, C. D. (2000). A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans, 30(3), 286-297. https://doi.org/10.1109/3468.844354
• Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293-2303. https://doi.org/10.1038/s41562-024-02024-1
• Wang, L., Ma, C., Feng, X., Zhang, Z., Yang, H., Zhang, J., et al. (2024). A survey on large language model based autonomous agents. Frontiers of Computer Science, 18(6), 186345. https://doi.org/10.1007/s11704-024-40231-1

A CGLC (Centro de Gestão e Liderança Contemporânea) é um laboratório de cocriação de soluções que apoia empresas e líderes no desenvolvimento de lideranças, cultura de inovação e gestão de pessoas.