O melhor lugar para o seu próximo agente já existe. Cinco testes para achar trabalho pronto para agentes

A maioria dos programas de agentes nas empresas começa com uma lista de ideias. Alguém faz um workshop, as áreas sugerem casos de uso e o backlog se enche de “um agente que responde perguntas sobre X”. Alguns meses depois, os pilotos que chegaram à produção quase nunca são os que pareciam melhores no workshop.

A nossa leitura, construída ao longo do último mês de cobertura, é que os agentes que chegam mais rápido à produção têm algo em comum: eles se encaixam numa decisão que um processo existente já toma. Chamamos essa tese de “os melhores agentes desaparecem dentro dos processos” na síntese de setembro. Este texto a transforma num teste que dá para aplicar.

As evidências até aqui

Veja onde os agentes estão pousando:

• Em segurança, a atualização de outubro da Exabeam coloca um assistente dentro da tela de investigação do analista, juntando contexto e rodando buscas, enquanto a decisão continua com o analista. Tratamos disso no nosso texto sobre o SOC agêntico.
• No trabalho com conhecimento, a Progress colocou seu agente de busca em várias etapas dentro dos canais do Microsoft Teams, onde as perguntas já são feitas, como mostramos na nossa análise do RAG agêntico no Teams.
• Na descoberta de fármacos, a Hansa está embutindo o modelo de design da Cradle no ciclo de desenho e teste que seus cientistas já executam, tema do nosso estudo de caso sobre IA dentro do fluxo científico.
• Antes disso, o Google colocou agentes de vulnerabilidade dentro da revisão de código, na nossa análise de agentes como controle de segurança, e a Snowflake montou o contas a pagar em torno de verificações determinísticas, com IA para as exceções, no nosso caso sobre o InvoiceIQ.

Nenhum deles é uma janela de chat nova. Cada um é um novo participante num processo antigo.

Cinco testes para trabalho pronto para agentes

Dê nota de 0 a 2 a cada candidato em cada teste. Leva uma tarde com o dono do processo.

1. 1. A decisão já existe e tem dono
2. 2. As entradas são digitais e acessíveis com identidade
3. 3. Há uma verificação determinística ao lado
4. 4. Alguém já aprova naquela etapa
5. 5. O resultado já é medido hoje

1. A decisão já existe e tem dono. Os melhores candidatos melhoram uma decisão pela qual alguém já responde: aprovar esta nota, fazer a triagem deste alerta, escolher esta molécula candidata. Se ninguém é dono da decisão hoje, o agente não vai criar esse dono; vai criar ambiguidade.

2. As entradas são digitais e acessíveis com identidade. Os dados de que a decisão precisa já estão em sistemas que o agente consegue ler, com uma identidade que você consegue limitar e revisar. Se as entradas vivem em anexos de e-mail e na cabeça das pessoas, digitalize primeiro.

3. Há uma verificação determinística ao lado. Existe algo verificável em volta da etapa: uma conferência de pedido, nota e recebimento, uma regra de política, uma bateria de testes, um ensaio de laboratório. O agente propõe; a verificação confirma ou rejeita. É isso que mantém o erro sob controle sem revisar tudo à mão. A NF-e é um exemplo pronto: a nota já chega validada pelo schema e autorizada pela SEFAZ, então um agente de contas a pagar trabalha sobre um dado que outra máquina já conferiu.

4. Alguém já aprova naquela etapa. Revisão humana é mais barata onde ela já acontece. Um agente que prepara o caso para quem já aprova acrescenta velocidade sem acrescentar um controle novo. Um agente que exige uma etapa de aprovação nova acrescenta um controle que ninguém orçou.

5. O resultado já é medido hoje. Tempo de ciclo, taxa de erro, fila, custo por caso. Se não dá para medir o processo antes do agente, não dá para mostrar que o agente ajudou, e o piloto será julgado por impressões.

Como ler a nota

De oito a dez. Construa. Comece no modo “preparar e propor”, meça contra a linha de base e amplie a autonomia só onde a verificação determinística for forte.

Seis ou sete. Normalmente um teste está fraco. Corrija esse teste, quase sempre identidade ou medição, e depois construa.

Cinco ou menos. O processo não está pronto para um agente. Isso também é resultado: o trabalho de prepará-lo, com dono claro, entradas digitais, uma verificação e uma métrica, costuma se pagar antes de qualquer IA entrar.

Um exemplo completo: reclamações de consumidores

Pense no tratamento de reclamações que chegam pelo consumidor.gov.br. A decisão tem dono, a área de relacionamento com o cliente. As entradas são digitais e estão no CRM e no histórico do pedido. Há regras claras sobre prazo de resposta e sobre o que a empresa pode oferecer em cada caso. Um analista já revisa a resposta antes do envio, e a plataforma pública mede prazo e índice de solução. A nota fica perto de dez. Um agente que monta o histórico, consulta o pedido, propõe a resposta dentro das regras e deixa o envio com o analista entra num processo que todo mundo já entende. Compare com “um agente que responde dúvidas sobre o atendimento”, que falha nos testes 1, 3 e 5.

O que este framework não é

Não é um ranking de valor. Uma ideia com nota baixa pode ser importante; só precisa de trabalho no processo antes. E ele não diz que agentes nunca devem rodar de forma autônoma. Diz que a autonomia precisa ser conquistada onde uma verificação determinística e uma linha de base medida tornam os erros visíveis.

O que fazer neste mês

1. Pegue o backlog de agentes e dê nota a cada item nos cinco testes.
2. Descarte ou estacione o que tiver cinco ou menos, e registre a lacuna de processo que apareceu.
3. Escolha os três primeiros e combine as métricas de linha de base com os donos dos processos antes de construir.
4. Desenhe primeiro o modo preparar e propor. Planeje o caminho para mais autonomia, teste por teste.

O agente que vai mudar o seu negócio provavelmente não terá janela de chat. Terá um lugar num processo que já funciona, e vai deixar esse processo mais rápido.