Você pede para remarcar um compromisso. Um chatbot consulta as informações disponíveis e responde: “Há horários livres na terça e na quinta. Entre no calendário, cancele o encontro atual e escolha uma nova data.”
A orientação pode ser boa, mas o trabalho continua com você.
Em um segundo cenário hipotético, o sistema recebe o objetivo de encontrar um novo horário, consulta as agendas envolvidas, escolhe uma opção compatível, faz a alteração com as permissões que recebeu e verifica se o calendário confirmou a mudança. Se encontrar um conflito que não consegue resolver, volta para pedir uma decisão.
A conversa pode parecer semelhante nas duas situações. O que muda é quem conduz a execução.
A OpenAI define agentes como sistemas capazes de realizar tarefas em nome do usuário. O ponto central está no controle do fluxo de trabalho: o modelo decide o que fazer, seleciona ferramentas, observa o que aconteceu e reconhece quando a tarefa terminou. Aplicações que usam inteligência artificial apenas para produzir uma resposta, sem controlar a execução, continuam sendo chatbots ou outros tipos de sistemas baseados em IA.
A Anthropic faz uma distinção parecida entre fluxos predefinidos e agentes. Num fluxo tradicional, o caminho foi programado antecipadamente. Num agente, o modelo decide dinamicamente como avançar e quais ferramentas usar conforme encontra novas informações.
Quatro sinais de capacidade agentiva
Os quatro sinais precisam aparecer em conjunto. Isoladamente, nenhum deles transforma um produto em agente.
O primeiro sinal é o sistema conduzir o caminho até um resultado verificável, em vez de apenas sugerir os passos que o usuário poderia dar. No exemplo, a mudança precisa aparecer no calendário; uma explicação sobre como remarcar não basta.
O segundo é conseguir escolher e usar ferramentas. Elas podem servir para consultar um calendário, pesquisar um cadastro, atualizar um sistema ou enviar uma solicitação. Sem esse acesso, a IA pode explicar como fazer, mas não consegue alterar a situação. A Anthropic resume essa diferença com um exemplo simples: sem ferramentas, o modelo pode ler um recibo, mas não registrá-lo no sistema de despesas.
O terceiro sinal é observar o retorno da ação. Depois de solicitar a mudança, o sistema precisa saber se ela funcionou, falhou ou produziu uma nova condição. Uma mensagem de erro, um horário ocupado ou uma confirmação modificam o próximo passo.
O quarto é continuar até concluir ou pedir ajuda. Agentes costumam operar em um ciclo: agem, recebem uma resposta do ambiente e decidem o que fazer em seguida. O ciclo termina quando o objetivo foi alcançado, quando surge uma condição de parada ou quando falta uma decisão que somente uma pessoa pode tomar.
Isso não exige que toda tarefa tenha dezenas de etapas. Um agente pode resolver algo rapidamente. A diferença está em sua capacidade de acompanhar o trabalho até um estado final, em vez de apenas gerar uma frase plausível sobre o que deveria ser feito.
Quando um produto for apresentado como agente de IA, observe uma demonstração completa. Veja se ele recebe um objetivo, acessa ferramentas, entende o resultado de cada ação e sabe terminar ou devolver a decisão. O rótulo aparece na tela. A capacidade aparece no que realmente muda depois da conversa.
