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
- Escala e responsabilidade: os 7 padrões que fecham a série
Perguntas frequentes
Quais são os principais riscos de usar assistentes de inteligência artificial para tomar decisões estratégicas?
Assistentes de inteligência artificial simples não oferecem certeza sobre quais dados usaram para tomar uma decisão. Eles tendem a utilizar amostragem de dados em vez de volumes completos, não possuem percepção de erro e não informam qual caminho lógico percorreram. Sem entender essas etapas, utilizar essas ferramentas para decisões organizacionais traz grandes riscos operacionais.
Como são divididos os 21 padrões de design de IA agêntica?
Os 21 padrões de design agêntico organizam-se em quatro grupos empilhados. O primeiro foca na organização do raciocínio e divisão de tarefas. O segundo trata de memória e aprendizado contínuo. O terceiro aborda o tratamento de imprevistos e a supervisão humana. Por fim, o quarto grupo concentra-se no comportamento responsável em produção, incluindo monitoramento, controle de custos e proteções.
Como a supervisão humana é integrada nos sistemas de agentes de IA?
A supervisão humana faz parte da camada responsável por lidar com imprevistos e ações com efeitos colaterais nos sistemas agênticos. Em vez de permitir execução totalmente autônoma, a arquitetura pode ser configurada para exigir revisão ou aprovação de uma pessoa antes que o agente conclua etapas críticas, como decisões de negócios ou operações que ultrapassem determinados limites financeiros estipulados.
Quais vantagens o entendimento dos padrões de design agêntico traz para a gestão de produtos?
Compreender os padrões de design agêntico ajuda gestores a especificar requisitos técnicos com precisão, definir regras de controle e avaliar fornecedores de software. Em vez de solicitar funcionalidades genéricas, a equipe consegue questionar quais camadas de arquitetura a solução cobre, como memória, raciocínio e segurança, identificando lacunas e reduzindo riscos de implementação em produção.
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