Um chatbot responde a uma pergunta. Um agente recebe um objetivo, escolhe os passos, aciona ferramentas, olha o resultado e tenta de novo até terminar. Essa diferença parece pequena, mas muda tudo: custo, risco e o tipo de problema que faz sentido entregar à máquina.
A Anthropic, em um guia publicado em dezembro de 2024, resume bem a distinção. Fluxos de trabalho são sistemas em que o modelo e as ferramentas seguem caminhos definidos em código. Agentes são sistemas em que o modelo dirige o próprio processo e decide quais ferramentas usar. A mesma empresa recomenda começar pela solução mais simples e só aumentar a complexidade quando necessário.
Chatbot, fluxo fixo ou agente: as diferenças que importam
| Chatbot | Fluxo automatizado com IA | Agente | |
|---|---|---|---|
| Entrada típica | Uma pergunta | Um evento (e-mail chegou, formulário enviado) | Um objetivo ("organize as faturas do mês") |
| Quem decide os passos | Ninguém: ele só responde | Uma pessoa, antes, no código | O modelo, durante a execução |
| Ferramentas | Poucas ou nenhuma | Sempre as mesmas, na mesma ordem | Escolhidas a cada passo |
| Previsibilidade | Alta | Muito alta | Menor |
| Custo por tarefa | Baixo | Baixo e estável | Variável, pode disparar em laços |
| Onde o erro aparece | Na resposta | Em um passo conhecido | Em qualquer ponto da cadeia |
O "cérebro" de um agente costuma ser um modelo de linguagem. O que o transforma em agente é o que fica ao redor: ferramentas (buscar, ler arquivos, chamar APIs, executar código), memória (o contexto da tarefa e dados guardados fora do modelo) e um laço de controle que repete o ciclo pensar, agir e observar, com regras de parada.
Um exemplo concreto, passo a passo
Imagine o pedido: "Descubra por que o pedido 4512 atrasou e avise o cliente".
- O agente consulta o sistema de pedidos e descobre que a entrega foi reagendada.
- Consulta a transportadora e recebe a nova data.
- Redige uma mensagem ao cliente com a data e o motivo.
- Pede aprovação de um atendente antes de enviar.
- Registra o que fez no histórico do pedido.
Se a consulta à transportadora falhar, o agente pode tentar outra fonte ou devolver o caso para uma pessoa. Essa adaptação é o que um fluxo fixo não faz. Ao mesmo tempo, cada passo extra é uma chance de erro: se ele ler a data errada no passo 2, a mensagem do passo 3 sai errada com toda a convicção.
Guia de decisão: qual abordagem usar
Se a tarefa tem sempre os mesmos passos (classificar e-mails, extrair dados de notas fiscais, resumir chamados), use um fluxo fixo com IA em uma etapa. É mais barato, mais previsível e mais fácil de auditar. Exemplos de montagem estão em como automatizar tarefas com IA.
Se o problema é aberto e o número de passos é imprevisível (investigar um bug em um repositório, levantar informações espalhadas em vários sistemas), um agente pode compensar. É justamente o caso que a Anthropic aponta como adequado a agentes.
Se a ação é irreversível (pagar, excluir, enviar a um cliente), o agente pode preparar, mas uma pessoa aprova. Isso vale mesmo quando a ferramenta oferece modo totalmente automático.
Se você só precisa de uma resposta, um chatbot com acesso a documentos resolve. Dar ferramentas e autonomia a quem só precisa responder aumenta o risco sem ganho.
Se a área é regulada (crédito, saúde, recrutamento), considere que decisões automatizadas sobre pessoas já têm regras no Brasil, como o direito de revisão da LGPD. O panorama está em regulação da IA em 2026.
O que o mercado entrega em 2026
Os grandes fornecedores já vendem agentes como produto. A OpenAI lançou o ChatGPT agent em julho de 2025, com um computador virtual que navega, usa terminal e se conecta a apps como Gmail e GitHub. Ferramentas de programação com agentes, que leem o código, rodam testes e propõem alterações, viraram uma das aplicações mais comuns; o uso prático está em programar com IA.
A expectativa, porém, é maior do que a entrega. Em junho de 2025, a Gartner previu que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco insuficientes. A consultoria também criticou o "agent washing": fornecedores que rebatizam assistentes, chatbots e RPA como agentes, e estimou que só cerca de 130 dos milhares de fornecedores que se dizem do ramo oferecem agentes de fato.
Em agosto de 2025, a mesma Gartner previu que 40% dos aplicativos corporativos terão agentes voltados a tarefas específicas até o fim de 2026, ante menos de 5% em 2025. As duas previsões convivem: agentes estreitos, embutidos em softwares conhecidos, devem se espalhar, enquanto projetos amplos e mal definidos tendem a ser abandonados. Para o contexto de outras tecnologias em fase de expectativa, veja tecnologias emergentes.
Os padrões abertos que surgiram
Para um agente usar uma ferramenta, alguém precisa descrever essa ferramenta de um jeito que o modelo entenda. Dois padrões ganharam força:
- Model Context Protocol (MCP): protocolo aberto criado pela Anthropic para conectar aplicações de IA a ferramentas e fontes de dados. Um servidor MCP expõe, por exemplo, as funções de um sistema de agenda, e qualquer cliente compatível pode usá-las.
- AGENTS.md: arquivo de instruções, proposto pela OpenAI, que fica dentro de um projeto de software e diz a agentes de programação como compilar, testar e seguir as convenções daquele código.
Em 9 de dezembro de 2025, a Linux Foundation criou a Agentic AI Foundation (AAIF) e passou a abrigar o MCP, o AGENTS.md e o goose, um framework de agentes de código aberto da Block. Entre os membros anunciados estão AWS, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft e OpenAI. Na prática, isso reduz o risco de cada fornecedor ter seu próprio formato incompatível.
Os riscos, segundo o OWASP
Em dezembro de 2025, o projeto de segurança em IA generativa do OWASP publicou o Top 10 for Agentic Applications, uma lista dos riscos mais críticos de sistemas com agentes. Alguns itens explicam bem por que agentes exigem mais cuidado do que chatbots:
| Risco (código OWASP) | O que significa na prática |
|---|---|
| Sequestro de objetivo (ASI01) | Um texto malicioso escondido em um e-mail ou página que o agente lê muda o que ele faz |
| Uso indevido de ferramentas (ASI02) | Uma ferramenta legítima é usada para um fim destrutivo, como apagar dados |
| Abuso de identidade e privilégios (ASI03) | O agente tem mais acesso do que a tarefa exige e esse acesso é explorado |
| Envenenamento de memória e contexto (ASI06) | Informação falsa gravada na memória do agente contamina tarefas futuras |
| Falhas em cascata (ASI08) | Um erro em um passo, ou em um agente, se propaga para os seguintes |
| Exploração da confiança humana (ASI09) | A pessoa aprova uma ação porque o agente a apresentou de forma convincente |
O primeiro item é o mais característico. Um agente que lê caixa de e-mail ou navega na web recebe texto de terceiros, e esse texto pode conter instruções. Por isso, conteúdo externo deve ser tratado como dado, nunca como ordem. Para o lado do usuário, os golpes que exploram esse tipo de engano estão em segurança digital.
Antes de colocar um agente para trabalhar
- Escreva o objetivo em uma frase e confira se um fluxo fixo não resolveria.
- Dê o mínimo de permissões: leitura onde só precisa ler, sem acesso a pagamento se a tarefa não envolve pagamento.
- Exija aprovação humana para enviar, pagar, excluir e publicar.
- Limite passos, tempo e gasto por tarefa, para evitar laços caros.
- Registre cada ação, com entrada e saída, para auditar depois.
- Teste com casos difíceis, incluindo documentos com instruções maliciosas embutidas.
- Comece por uma tarefa estreita e amplie só depois de medir a taxa de acerto.
Fontes
- Anthropic. Building effective agents (19/12/2024).
- Yao, S. et al. ReAct: Synergizing Reasoning and Acting in Language Models (2022).
- OpenAI. Introducing ChatGPT agent (17/7/2025).
- Gartner. Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25/6/2025).
- Gartner. Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026 (26/8/2025).
- Linux Foundation. Linux Foundation Announces the Formation of the Agentic AI Foundation (9/12/2025).
- Model Context Protocol. Documentação oficial.
- OWASP GenAI Security Project. OWASP Top 10 for Agentic Applications for 2026.
