Você já ouviu falar de “agente de IA” hoje em dia? É difícil definir exatamente o que isso é, porque “agente” virou um guarda-chuva pra um monte de comportamentos diferentes. Sem um vocabulário comum, fica difícil até comparar duas ferramentas que dizem fazer a mesma coisa.
Existe, porém, um jeito de organizar essa bagunça. Um catálogo recente, feito por Antonio Gulli, reuniu 21 padrões de design de sistemas agênticos: os “tipos de comportamento” que um agente de IA pode ter, documentados com exemplos de código real. Se você já leu nosso artigo sobre o que é IA agêntica, este post é o próximo passo.
Por que isso importa agora?
Houve um momento em que uma pessoa chegou com um Gem (assistente do Gemini) dizendo que o criou para saber onde seria interessante abrir, juntar ou remover postos de atendimento. Ele disse que colocou no Gem informações sobre a quantidade de pessoas que moram no local, o tempo de espera para atendimento, a quantidade de pessoas idosas e com necessidades especiais etc. Eu tive que negar a ideia. Isso porque um assistente não tem: 1) certeza sobre quais dados ele toma a decisão; 2) movimentação de grandes volumes de dados, pois tende a utilizar amostragem e assumir o resto; 3) percepção de erro; 4) não informa qual caminho tomou.
Usar IA sem entender o que está acontecendo é um grande risco para qualquer organização. Pois você vê um resultado sem ter ideia do que aconteceu.
Logo, pedir “um agente” numa especificação não define nada. A pergunta técnica correta é outra: esse agente decide o fluxo dinamicamente ou segue um fluxo fixo passo a passo? Ele mantém o estado entre sessões ou trata cada chamada como se fosse a primeira? Existe um humano revisando antes de qualquer ação com efeito colateral? Os padrões dão nome a cada uma dessas decisões de arquitetura.
Quatro camadas, uma em cima da outra
Pensa nos 21 padrões como quatro grupos empilhados. Os primeiros são a base; os últimos só fazem sentido depois que a base já existe.
1. Como o agente organiza o raciocínio
A base de tudo está relacionada em como o agente quebra um problema grande em pedaços que um modelo de linguagem consegue resolver. Ele deve decidir qual caminho seguir, dividir tarefas entre vários agentes especializados, revisar o próprio trabalho antes de entregar. É aqui que mora a diferença entre pedir e receber uma resposta pontual e montar um raciocínio em etapas.
2. Como o agente lembra e aprende
Sem isso, todo agente começa do zero a cada conversa. Esse grupo cobre memória de curto e longo prazo, como o agente melhora com a experiência, e como ele se conecta a sistemas externos de forma padronizada.
3. Como o agente lida com o imprevisto e com pessoas
O que acontece quando algo dá errado, e em que momentos uma pessoa precisa revisar ou aprovar antes do agente seguir em frente. Também é aqui que entra a busca por informações externas e atualizadas, o que chamamos de RAG no nosso artigo sobre infraestrutura de IA.
4. Como o agente se comporta com responsabilidade em produção
A camada que separa um protótipo de um sistema em produção: proteções contra respostas problemáticas, monitoramento contínuo, controle de custo e velocidade, e priorização quando há várias tarefas concorrentes.
O que muda na prática
Com esse mapa na cabeça, três coisas ficam mais fáceis:
- Você especifica melhor. Em vez de pedir “um agente mágico, lindo e maravilhoso que resolve sozinho toda minha vida”, você pede “um agente com revisão humana nas decisões acima de R$ X”.
- Você avalia ferramentas com mais critério. Quando um fornecedor diz que a plataforma dele “tem agentes”, dá pra perguntar quais dessas camadas ela realmente cobre.
- Você entende os riscos. Um agente sem proteção, sem monitoramento e sem revisão humana é um risco.
Para quem não é desenvolvedor
Se você tirar só uma coisa deste post: um “agente de IA” quase nunca é uma coisa só. É uma combinação de padrões: memória mais organização do raciocínio mais alguma forma de checagem humana, por exemplo. Quando alguém te oferece “um agente”, a pergunta certa não é “ele funciona?”, é “quais dessas camadas ele tem, e quais faltam?”.
O que vem a seguir
Cada um dos quatro grupos merece um mergulho próprio, com seus padrões específicos, analogias e exemplos de uso. Nas próximas semanas, a gente destrincha um grupo por vez, começando pelo raciocínio do agente.
Pronto pra dar o próximo passo?
Conhecer os padrões é o primeiro passo. Aplicar isso na estratégia de produto da sua empresa é outra conversa, e é exatamente aí que entra o treinamento Product AI da K21.
- Product AI: para aprender a gerir a criação e evolução de produtos com a IA.
- Dominando o Claude
- Inteligência Artificial na Prática: criando um produto do zero a produção em menos de 3 dias.
- Design Thinking + IA
Veja outros artigos dessa série
- Orquestração e raciocínio: os 7 padrões que controlam o fluxo de um agente
- Memória e aprendizado: os 4 padrões que fazem um agente parar de começar do zero
- Erro, supervisão humana e busca externa: os 3 padrões que evitam que um agente saia do controle [publicação em breve]
- Escala e responsabilidade: os 7 padrões que fecham a série [publicação em breve]
Pronto pra dar o próximo passo?
Conheça os cursos da K21 e leve essas ideias pra prática com quem vive agilidade todo dia.
Ver cursos K21
