Agentes de IA: o que são e como colocar um para trabalhar

Agente de IA é um software que recebe um objetivo, lê os dados e o contexto da empresa, decide o próximo passo, executa ações nos sistemas em que tem permissão e pede aprovação a uma pessoa quando a regra exige. O chatbot responde dentro de um roteiro, o copiloto sugere e espera alguém executar, e a automação tradicional repete uma sequência fixa sem decidir nada. O agente junta leitura, decisão e execução, e por isso precisa de um desenho que a liderança assina: objetivo, contexto, permissões, regras, aprovação humana, dono e medição. Para colocar o primeiro para trabalhar, escolha uma tarefa de volume alto, feita sobre dados que o CRM já tem e com erro barato de corrigir, e dê a ela um dono com nome e sobrenome.

Na Iasbeck&Co a gente implanta CRM e agentes de IA em operações B2B, e a pergunta que mais ouço de diretores comerciais, de marketing e de atendimento é o que eles estão comprando quando o fornecedor diz “agente”. Em outubro fiz um workshop ao vivo mostrando agentes dentro de um CRM de verdade. Os usos por área estão em IA em vendas, marketing e CS; aqui eu organizo o conceito e o método de desenho que usamos nos projetos.

O que são agentes de IA?

Um agente de IA trabalha em ciclo. Ele recebe um objetivo, como “fazer o follow-up dos negócios em proposta enviada sem atividade há 15 dias”, encontra esses negócios no CRM, lê o histórico de cada cliente, decide o que escrever e executa a ação permitida, como gravar um rascunho ou enviar a mensagem. Quando a ação passa de um limite que alguém definiu, ele para e pede aprovação. Por baixo, o agente usa um modelo de linguagem de mercado, e a plataforma em que ele roda determina quais dados e ações ficam ao alcance dele.

Quatro verbos resumem a definição: ler, decidir, executar e pedir aprovação. Se falta o executar, você tem um assistente que escreve bem e devolve o trabalho para a pessoa. Se falta o decidir, você tem uma automação que segue o caminho que alguém desenhou. Diante de qualquer ferramenta que se apresenta como agente, pergunte o que ela lê, o que executa sozinha e em que ponto chama uma pessoa.

Essa pergunta protege o orçamento. Num comunicado do Gartner de junho de 2025, o instituto estimou que só cerca de 130 dos milhares de fornecedores que se apresentam como de IA agêntica são reais, e chamou de “agent washing” a prática de rebatizar assistentes, chatbots e automação robótica de processos como agentes sem capacidade agêntica relevante. Na demonstração, peça para ver o agente decidir e executar sobre dados parecidos com os seus.

Qual a diferença entre chatbot, copiloto e agente de IA?

Os quatro termos aparecem misturados nas apresentações de fornecedores, e cada um pede uma decisão diferente da liderança. A tabela usa um mesmo cenário, o cliente que pediu proposta e sumiu.

	Chatbot	Copiloto ou assistente	Automação tradicional	Agente de IA
O que faz	Responde perguntas dentro de um roteiro ou de uma base de respostas	Sugere texto, resumo ou análise quando alguém pede	Executa uma sequência fixa quando um gatilho dispara	Lê o contexto, decide o próximo passo e executa no sistema
Quem decide o próximo passo	O roteiro	A pessoa que pediu	Quem desenhou o fluxo	O agente, dentro das regras e das aprovações
No cliente que sumiu	Responde se o cliente voltar a escrever	Escreve um follow-up quando o vendedor pede	Manda o mesmo e-mail para todo negócio parado há 15 dias	Lê o histórico de cada negócio, escreve uma mensagem para cada um e pede aprovação antes de enviar
Quando faz sentido	Dúvidas repetidas de clientes	Trabalho individual de análise e escrita	Tarefa previsível, de regra clara	Tarefa repetida que exige julgamento sobre cada caso

No mesmo comunicado, o Gartner recomenda usar agentes quando há decisão a tomar, automação para fluxos de rotina e assistentes para consultas simples. Eu aplico esse filtro: distribuir lead por região ou criar a tarefa de onboarding quando o contrato é assinado cabe numa automação comum, mais barata e previsível. O agente entra quando cada caso pede leitura, como classificar um chamado a partir do que o cliente escreveu, e as duas tecnologias convivem: no workshop, o fluxo de automação disparava o agente de triagem a cada chamado novo.

Anatomia de um agente de IA: as peças que a liderança define

Criar um agente dentro de um CRM ficou rápido: você descreve a tarefa numa conversa e a ferramenta monta o agente. O trabalho que exige quem conhece a operação está em responder às perguntas abaixo antes de ligar qualquer coisa, e é nessa etapa que vejo a maioria dos agentes falhar. Mostrei no workshop um agente estruturado em entradas, método, regras e formato de saída; nos projetos a gente acrescenta aprovação, dono e medição.

Peça	Pergunta que a liderança responde	Exemplo no agente de triagem de chamados
Objetivo e gatilho	O que o agente entrega e quando ele roda?	Classificar todo chamado novo assim que ele é aberto
Contexto	Que conhecimento da empresa ele consulta?	Base de conhecimento do produto e definição de cada categoria
Dados e permissões	Que registros lê e onde escreve?	Lê a conversa e os chamados da empresa; grava quatro campos
Regras e formato	O que respeita e como devolve o resultado?	Só as categorias da lista, com a frase do cliente como justificativa
Aprovação humana	O que faz sozinho, o que espera aprovação e o que nunca faz?	Classifica sozinho; nunca responde ao cliente em chamado crítico
Dono	Quem responde pelo resultado e ajusta a instrução?	Coordenação de suporte
Registro e medição	Onde fica o rastro e como saber se funciona?	Classificações corrigidas e tempo de primeira resposta

Objetivo, gatilho e contexto

Um agente com objetivo vago, como “ajudar o time comercial”, consome crédito e produz texto que ninguém usa. O objetivo bom cabe numa frase com verbo, objeto e critério, e o gatilho diz quando o agente trabalha: um pedido, um horário fixo ou um evento no CRM. O contexto é o que alguém escreveu para o agente consultar, como o que a empresa vende, para quem, os critérios de cada etapa e o tom das mensagens, e no workshop chamamos esse trabalho de fase zero da implantação. As plataformas recentes permitem repositórios de conhecimento separados, para o agente de triagem consultar só a base do produto e o de negociação só o playbook comercial, o que reduz a chance de ele misturar informação e inventar resposta.

Permissões e regras

Cada agente deve ler o que a tarefa pede e escrever no menor número possível de lugares: o de triagem grava quatro campos do chamado e não envia mensagem a ninguém. As regras dizem o que ele respeita, como usar só as opções de uma lista fechada e marcar “não mencionado” quando a informação falta. Regra objetiva facilita a conferência, porque quem revisa sabe o que procurar.

Aprovação, registro e medição

Eu desenho com cada liderança três listas: o que o agente faz sozinho, o que faz e espera aprovação e o que nunca faz. A responsabilidade fica com quem aprovou, porque cliente nenhum aceita “foi a IA” como explicação, e por isso toda ação deixa rastro no registro, com o que o agente leu, decidiu e quem aprovou. A medição combina a qualidade do agente, como os rascunhos aprovados sem edição, com o efeito na operação, como o tempo de resposta.

Agentes de IA no CRM: exemplos por área

Os exemplos abaixo vêm do workshop e funcionam com agentes nativos ou personalizados dentro do CRM. De uma empresa para outra, mudam o contexto e a régua de aprovação.

Vendas: follow-up de proposta e relatório de pipeline

Uma pergunta frequente é se dá para associar um agente a uma etapa do funil e usá-lo no follow-up de proposta enviada. Dá: o negócio passa o prazo combinado sem atividade, e o agente lê o histórico, escreve uma mensagem que retoma o ponto em que a conversa parou e deixa o rascunho para o vendedor aprovar. Mostrei também um agente de resultados comerciais que devolve receita, conversão por etapa e um plano de ação com negócios em risco. Esse agente só lê, e o risco dele está no dado: se o time empurra negócio de etapa para melhorar o relatório, o agente analisa a ficção como se fosse a operação real.

Marketing: nutrição com controle de créditos

O agente de nutrição reescreve, a cada envio, um e-mail da jornada automatizada a partir dos dados e do engajamento do contato. Antes de ativar, o analista compara a versão original com a personalizada. A equipe define o percentual dos envios que passa pelo agente, o que limita o gasto de créditos e mantém um grupo com o e-mail padrão para comparação.

Atendimento e CS: triagem de chamados

O agente de triagem roda a cada chamado novo, lê a conversa, os outros atendimentos da mesma empresa e a base de conhecimento e grava categoria, prioridade, sentimento e resumo. No workshop, classificou um chamado como problema de produto, urgente e crítico, citando a frase em que o cliente dizia não conseguir emitir nenhuma nota fiscal. O desenho completo desse uso está em IA no atendimento ao cliente.

Agente	Gatilho	Lê	Executa	Quem aprova	Indicador
Follow-up de proposta	Negócio parado X dias	Histórico do negócio	Rascunho de mensagem	Vendedor; gestor em etapa de decisão	Aprovados sem edição e negócios retomados
Relatório de pipeline	Pedido do gestor	Negócios e atividades	Relatório e plano de ação	Gestor valida antes de usar	Divergências com a revisão do gestor
Nutrição personalizada	Envio da jornada	Dados e engajamento do contato	E-mail reescrito	Analista aprova o modelo	Resposta contra o grupo padrão
Triagem de chamado	Chamado novo	Conversa e base de conhecimento	Categoria, prioridade, sentimento	Faz sozinho	Classificações corrigidas

Como escolher o primeiro agente de IA da empresa?

A liderança decide se confia no segundo agente olhando o resultado do primeiro. Para ele, eu procuro uma tarefa com volume alto, para o ganho aparecer em semanas; matéria-prima que já existe no CRM, como e-mails, transcrições e chamados; erro barato de corrigir antes de chegar ao cliente; e um indicador que a área já mede. Triagem de chamados e resumo de call costumam atender aos quatro critérios. O follow-up enviado ao cliente em negociação fica para depois, quando o time já aprendeu a revisar o que a máquina escreve.

Quem é o dono do agente?

Todo agente precisa de uma pessoa que responde pelo resultado, ajusta a instrução e decide desligá-lo. O dono costuma ser o líder do processo em que o agente trabalha, com apoio técnico de quem administra o CRM ou do time de operações de receita. Com a tecnologia como dona sozinha, o agente fica correto na configuração e desalinhado do processo; com o líder sem apoio técnico, ninguém mexe na configuração depois do primeiro mês.

Quanto custa e como medir?

As plataformas de CRM costumam cobrar as ações de agente em créditos, numa quantidade que varia com a complexidade do pedido. Antes de ligar, multiplique o volume mensal esperado pelo consumo médio por ação, medido num teste com casos reais, e defina um teto mensal por agente e quem pode ligar um agente novo; o retorno contra esse custo está em ROI de IA. Para medir, compare o indicador da área nas quatro semanas anteriores ao agente com as quatro seguintes. Se a taxa de correção não cai depois de dois ajustes na instrução, procure o problema no contexto ou no dado antes de trocar de ferramenta.

Quais os riscos de colocar agentes de IA na operação?

O primeiro risco é o agente trabalhar sobre dado ruim. A empresa duplicada recebe dois follow-ups na mesma manhã, e o contato com cargo desatualizado recebe nutrição escrita para a função que deixou. Quando uma pessoa fazia o trabalho, o erro aparecia em um cliente por vez; com o agente, aparece em todos os registros que ele tocou naquela hora. Antes de ligar, arrume os campos que aquele agente vai ler e deixe o restante da base para depois do piloto.

O segundo risco é a proliferação de agentes sem dono. Quando qualquer pessoa cria um agente em minutos, a empresa acumula em poucos meses dezenas deles, com instruções parecidas, contextos diferentes e créditos somando na mesma fatura, e o cliente recebe mensagens com tom e informação divergentes. A resposta é um inventário com dono, o que cada agente lê e executa, quem aprova e o consumo do mês, revisado pela liderança todo mês. As regras sobre quem pode criar agente e com quais dados entram na política de uso de IA da empresa.

Agentes de IA e formação das equipes: o que RH e T&D precisam considerar

Os agentes mudam o trabalho de quem fica ao lado deles: o vendedor revisa rascunhos e o analista de suporte corrige classificações. No workshop, quando perguntaram se quem cria os agentes precisa de formação, a resposta foi sim, e eu acrescentei a frase que repito nos projetos: a ferramenta ficou simples, e simples é diferente de fácil. O RH reconhece a necessidade por sinais na operação: agentes sem ninguém que responda por eles, pessoas que aprovam rascunho sem ler, gasto de créditos que surpreende o financeiro e líderes que não sabem o que os agentes da área fazem. As lideranças participam para decidir objetivo, aprovação, orçamento e dono; os profissionais praticam revisão e correção nos casos da própria área; quem administra o CRM aprende a configurar agentes, repositórios e limites de crédito. Nas semanas seguintes, avalie a taxa de aprovação sem edição e o número de agentes com dono no inventário.

Roteiro para colocar o primeiro agente de IA para trabalhar

Este é o roteiro que usamos com a liderança de uma área para levar um agente do papel à operação em quatro semanas.

Semana 1: escolha a tarefa e preencha a ficha do agente. Aplique os quatro critérios e fique com um agente só. Preencha uma ficha com as peças da anatomia e registre o indicador das quatro semanas anteriores.

Semana 2: prepare o contexto e os dados. Escreva o conteúdo que o agente consulta, como categorias de chamado, critérios de etapa e tom das mensagens, num repositório recortado para ele. Arrume só os campos que ele vai ler.

Semana 3: teste com casos reais e calibre o custo. Rode o agente em modo de teste sobre algumas dezenas de casos recentes e compare com o que a equipe fez. Ajuste a instrução, meça o consumo médio de créditos e defina o teto mensal e o percentual de cobertura inicial.

Semana 4: ligue com aprovação e meça. Coloque o agente no fluxo de um time pequeno, com as ações que chegam ao cliente na lista de aprovação. No fim da semana, o dono apresenta aprovação sem edição, correções e consumo, e a liderança decide se amplia, ajusta ou desliga.

O que trava esse roteiro raramente é a configuração. Ele trava quando a liderança não definiu quem aprova o quê e quando o time não sabe revisar o que o agente produz. Esse é o trabalho do treinamento in company de IA aplicada, montado sobre o processo e os dados da empresa, com turmas para a liderança, para quem opera e para quem administra o CRM, que entrega a biblioteca de prompts de cada área e a arquitetura de agentes, com o que cada agente lê, o que executa sozinho e quem aprova o restante.

Perguntas frequentes

O que é um agente de IA, em poucas palavras?

É um software que recebe um objetivo, lê os dados da empresa, decide o próximo passo e executa ações em sistemas como o CRM, pedindo aprovação a uma pessoa quando a regra exige. Ele trabalha dentro das permissões que a empresa definiu.

Qual a diferença entre agente de IA e chatbot?

O chatbot conversa com quem pergunta e segue um roteiro ou uma base de respostas. O agente age nos sistemas da empresa, decide o que fazer em cada caso e pode trabalhar disparado por um evento no CRM, como um chamado novo.

Agentes de IA vão substituir pessoas da equipe?

Os agentes assumem tarefas repetidas, como triagem, primeiros rascunhos e relatórios, e o trabalho das pessoas passa a incluir revisar, corrigir e decidir. Nos projetos que acompanho, o tempo liberado vai para a conversa com o cliente e para manter o contexto que os agentes consultam.

Quanto custa um agente de IA no CRM?

Depende da plataforma e do volume. Nas que cobram por crédito, a conta é o volume mensal multiplicado pelo consumo médio medido num teste, com um teto mensal por agente definido pela liderança.

Quem deve ser o dono de um agente de IA?

O líder do processo em que o agente trabalha, com apoio técnico de quem administra o CRM ou do time de RevOps. O dono responde pelo resultado, ajusta a instrução e decide ampliar ou desligar o agente.

Como o RH sabe que a equipe precisa de formação sobre agentes de IA?

Os sinais aparecem na operação: agentes sem dono conhecido, aprovação sem leitura e gasto de créditos fora do previsto. A formação envolve as lideranças, quem trabalha com os agentes e quem os configura, e a avaliação acompanha as correções nas semanas seguintes.