A tese numa frase: quase tudo o que hoje se vende como «agente de IA» é um workflow —uma sequência de passos fixa, escrita de antemão por um humano— com um nome mais caro. O agent washing é isso mesmo: mudar a etiqueta à automação de sempre para a vender como se pensasse. E a pergunta que separa um do outro não é quantos passos tem nem quantos modelos correm por baixo. É uma só: decide ou executa?
O que é um verdadeiro agente de IA (e o que é o agent washing)
Agent washing é o mesmo truque do greenwashing, aplicado a software: pões a palavra da moda em cima de algo que não mudou por dentro, e cobras o prémio da moda. Antes era «com IA». Depois foi «com machine learning». Agora é «agente». O produto por baixo —um formulário que dispara um fluxo, três chamadas de API encadeadas, um if-else com um LLM no meio para redigir o texto final— é o mesmo de há dois anos. A única coisa que subiu foi o preço e a palavra no título.
Um workflow, por muito bem feito que esteja, executa passos fixos: se acontece A, faz B; se não, faz C. Quem o desenhou já decidiu, na mesa de desenho, todas as bifurcações possíveis. A IA lá dentro, se houver, limita-se a redigir um email ou extrair um dado de um PDF —tarefas que faz bem, mas que não são decidir—. Um agente a sério faz algo diferente: enfrenta uma situação que ninguém antecipou por completo, escolhe que ferramenta usar para a resolver, e essa escolha não estava escrita em nenhum diagrama de fluxo prévio. Essa capacidade de decidir na hora, com informação incompleta, é a única coisa que separa «agente» de «workflow com um passo de IA».
Porque é que to escondem na demo
A demo de quem vende agent washing está desenhada, quase sempre sem má-fé consciente, para nunca te mostrar o caso estranho. Mostra-te o caminho feliz: o cliente escreve exatamente o que se esperava que escrevesse, os dados chegam limpos, a API da vez responde à primeira. Nesse caminho, um workflow bem construído comporta-se exatamente como um agente a sério —rápido, seguro, impecável—. A diferença só aparece quando algo sai do guião: o cliente pergunta algo não previsto, duas condições cumprem-se ao mesmo tempo e ninguém tinha previsto qual ganha, a API devolve um erro a meio. Aí o workflow para ou improvisa mal, porque não tem margem de decisão além do que foi escrito. E esse momento, por definição, nunca aparece na demo, porque quem mostra a demo escolhe que caso mostrar.
Não é necessariamente engano deliberado. Muitas vezes o próprio vendedor confunde «usa um LLM nalgum ponto» com «é um agente», porque o marketing do setor empurra essa confusão há dois anos e é cómoda para todos: soa melhor na proposta, justifica um preço mais alto, e o cliente que nunca construiu um também não tem forma fácil de o verificar antes de assinar. O resultado é o mesmo, de propósito ou não: pagas preço de agente por um workflow, e descobres a diferença no dia em que o caso estranho chega —normalmente em produção, com um cliente real a ver.
A prova de fogo: três perguntas que um workflow disfarçado não aguenta
Não é preciso ser engenheiro para fazer estas perguntas. É preciso fazê-las antes de assinar, não depois:
- «O que faz quando o input não encaixa em nenhum dos casos previstos?» Um workflow tem um ramo por defeito —normalmente «avisa um humano» ou «devolve um erro genérico»—. Um agente avalia a situação com as ferramentas que tem disponíveis e decide um curso de ação razoável, mesmo que não perfeito.
- «Pode escolher NÃO usar uma ferramenta que lhe deste, se decidir que não se aplica?» Se a resposta for «não, segue sempre a sequência programada», é um workflow com passos condicionais, por mais sofisticado que pareça. Um agente descarta ferramentas quando o contexto lhe diz que não se aplicam.
- «O que acontece se eu mudar a ordem do pedido, ou lhe der dois pedidos contraditórios ao mesmo tempo?» O workflow parte ou agarra-se à primeira regra que coincide. O agente raciocina sobre a contradição e, no mínimo, assinala-a em vez de executar cegamente a primeira coincidência.
Se o vendedor responder com segurança e com exemplos concretos, não com «isso normalmente não acontece», provavelmente tens à frente algo real. Se desviar a pergunta ou responder com uma métrica de adoção em vez de um caso, tens a resposta.
| Workflow com crachá | Agente a sério |
|---|---|
| Todos os ramos foram decididos no desenho | Decide na hora perante o imprevisto |
| A IA redige ou extrai texto num passo | A IA escolhe que ferramenta usar e quando |
| O caso estranho parte o fluxo ou trava | O caso estranho é raciocinado com o que há disponível |
| A demo mostra sempre o caminho feliz | Aguenta perguntas sobre o caminho que não é |
Nada disto significa que o workflow seja mau. Um workflow bem construído, barato, previsível e fácil de auditar é a ferramenta certa para 80% dos processos de uma empresa —os que têm mesmo passos fixos e não precisam que ninguém decida nada—. O problema não é ter um workflow. O problema é pagá-lo como se fosse um agente, e descobrir a diferença no dia em que precisa de decidir e não sabe. Quem quiser perceber mesmo o que é preciso para construir algo que decide de verdade —memória entre interações, escolha de ferramenta e medição do próprio trabalho, não só um LLM colado ao fundo de uma cadeia— tem o mapa completo em como criar um agente de IA que não seja um chatbot disfarçado; esta peça fica-se por como distingui-lo antes de comprar.
Quando o workflow é exatamente o que precisas (e comprar um agente seria deitar dinheiro fora)
Aqui está a parte que quase ninguém do lado da venda te vai dizer: se o teu processo é repetível, com passos que não mudam e exceções raras que dás pelos dedos de uma mão, um agente é sobre-engenharia cara. Estás a pagar a mais a um sistema para «decidir» algo que de qualquer forma se decide sempre da mesma maneira. É exatamente esse o terreno onde automatizar um processo com agentes de IA sem que se parta à primeira significa construir o workflow certo, bem feito, e não disfarçá-lo de outra coisa para cobrar mais. Um agente a sério ganha o seu preço quando o processo tem variabilidade real: quando cada caso chega diferente, quando as exceções são a maioria e não a minoria, quando precisas que alguém —humano ou agente— julgue em vez de seguir um guião.
É também essa a lógica por trás de montar uma equipa de funcionários de IA em vez de uma coleção de automações soltas: não faz sentido chamar «funcionário» a um script que faz sempre a mesma coisa, tal como não faz sentido chamar «agente» a um workflow. Um funcionário —humano ou digital— vale pelo seu critério, não por repetir o mesmo passo. Se o que precisas é que se repita o mesmo passo mil vezes sem desviar, isso não é um funcionário nem um agente: é um workflow, e está bem que o seja. Paga-o pelo que é.