Conteúdo detalhado
🆚 Chatbot vs Agente
Por anos, vendemos "chatbot" como sinônimo de IA conversacional. O resultado: clientes esperavam resolução e recebiam resposta. Um agente quebra essa expectativa porque, além de falar, ele faz.
✗ Chatbot tradicional
- ✗Fluxo de decisão programado em IFs
- ✗Só responde texto pré-definido
- ✗Não consegue improvisar fora do roteiro
- ✗Toda nova capacidade exige nova programação
- ✗Transfere para humano em 60% dos casos
✓ Agente agentic
- ✓Decide na hora qual ferramenta chamar
- ✓Executa ações reais (CRM, agenda, WhatsApp)
- ✓Improvisa dentro do escopo definido
- ✓Novas tools = nova capacidade, sem refazer fluxo
- ✓Resolve sozinho 70–85% dos casos
💡 Teste rápido
Pergunte ao seu "chatbot" atual: "Quero agendar visita ao apartamento de 2 quartos na Vila Mariana, amanhã às 15h, somos 3 pessoas." Se ele transferir para humano, você tem um chatbot. Se ele consultar a agenda e confirmar, você tem um agente.
🧠 Tomada de decisão
No chatbot clássico, a decisão é sua: você desenha o fluxograma com cada IF. No agente, a decisão é do LLM — você só entrega as capacidades (tools) e as regras (system prompt). Ele escolhe.
🧭 Como o modelo decide
- Lê mensagem + histórico + custom fields
- Compara com descrições das tools disponíveis
- Avalia se já tem dado suficiente para responder
- Decide: responder direto, chamar tool, pedir esclarecimento ou escalar
- Executa e observa o resultado
- Repete até resolver ou bater limite
🔬 Por que isso muda tudo
Você para de manter árvores de decisão com centenas de nós e passa a manter capacidades atômicas. Um novo cenário não exige redesenhar o fluxo: basta adicionar a tool certa e ajustar uma frase no prompt.
É a diferença entre programar "todos os caminhos possíveis" e ensinar "como navegar".
⚙️ Ação no mundo real
O agente vale o custo quando muda algo lá fora: cria um boleto, agenda uma visita, abre um ticket, envia um WhatsApp. Cada ação é uma tool, e cada tool tem efeito colateral. É aí que mora o valor — e o risco.
Ação de leitura
buscar_imoveis(cidade, faixa) — sem efeito colateral, pode rodar à vontade.
Ação de escrita reversível
agendar_visita(id, slot) — pode ser desfeita, mas exige confirmação explícita do cliente.
Ação irreversível
gerar_boleto(valor) ou enviar_whatsapp_em_massa() — exige guardrails fortes, idempotência e log.
⚠️ Atenção
Nunca exponha uma tool destrutiva (refund, delete) sem confirmação dupla e log. Um prompt injection bem feito pode transformar seu agente em uma máquina de prejuízo em minutos.
🎯 Autonomia controlada
Autonomia total é demissão garantida. Autonomia zero é chatbot velho. O ponto de equilíbrio: o agente decide o "como", você define o "o quê" e o "até onde".
✓ Guardrails saudáveis
- ✓Lista branca de tools por papel
- ✓Limites de valor por transação
- ✓Confirmação humana para ações > R$ X
- ✓Kill switch acessível em < 60s
✗ Anti-padrões
- ✗Tools com acesso a "tudo" do CRM
- ✗Refund automático sem teto
- ✗"Confiar no prompt" como segurança
- ✗Logs só no provedor (sem cópia local)
📚 Memória e contexto
Sem memória, o agente trata o lead da quarta vez como se fosse a primeira. Existem três camadas que precisam funcionar juntas:
{
"system_prompt": "Você é Sofia, corretora da Imobiliária X...",
"custom_fields": {
"nome": "Marina",
"cidade": "São Paulo",
"lead_score": 87,
"ultima_busca": "2 quartos Vila Mariana"
},
"session_summary": "Cliente já viu 3 imóveis, prefere andar alto.",
"messages": [ /* últimas 10 trocas */ ]
}
💡 Dica
Não jogue 200 mensagens antigas no prompt — fica caro e o modelo perde foco. Use sumarização periódica: a cada N turnos, resuma o histórico em 3 frases e descarte o resto.
📊 Como medir um agente
"Está funcionando bem" não é métrica. Sem dado, ajuste vira chute e o cliente troca de fornecedor no terceiro mês. As métricas que importam:
% de sessões que terminam sem escalonamento humano. Meta saudável: 70–85%.
% de turns em que o bot acionou "não sei". Cada ponto acima de 10% é roadmap.
Quantos turns/minutos do primeiro contato até a ação-meta (compra, agendamento).
Tokens × preço do modelo. Compare com o custo do mesmo atendimento humano.
📌 Resumo do módulo
Próximo módulo:
1.2 — 🏛️ Os 5 pilares: prompt, conhecimento, tools, intents, settings