Como contratar desenvolvimento de agentes de IA para a empresa

Contratar o desenvolvimento de um agente de IA começa por confirmar que a tarefa exige autonomia. Muitos problemas se resolvem com um fluxo automatizado mais simples, barato e previsível. Se o agente for mesmo necessário, defina quais ferramentas ele pode usar, com que permissões, quais ações exigem aprovação humana e como cada decisão será registrada e avaliada antes de ir para produção.

Agente de IA é um sistema em que um modelo de linguagem decide, a cada passo, como prosseguir e quais ferramentas usar, como consultar um sistema, preencher um formulário ou enviar uma mensagem, para cumprir uma tarefa. A Anthropic diferencia agentes de workflows: nos workflows, modelos e ferramentas são orquestrados por caminhos de código predefinidos; nos agentes, o próprio modelo dirige o processo.

Quando faz sentido contratar um agente de IA?

A Anthropic recomenda encontrar a solução mais simples possível e só aumentar a complexidade quando necessário. A mesma publicação alerta que a natureza autônoma dos agentes significa custos maiores e potencial de erros que se acumulam. Por isso, a pergunta inicial é se a tarefa realmente pede autonomia.

Agentes tendem a fazer sentido quando:

• O número de passos não é previsível de antemão.
• A tarefa exige consultar várias fontes e decidir o próximo passo pelo resultado.
• Há volume suficiente para justificar o investimento em testes e monitoramento.
• Erros são detectáveis e reversíveis, ou há aprovação humana antes de ações críticas.

Se o processo é sempre o mesmo, um workflow ou uma automação tradicional costuma bastar. O artigo chatbot, agente ou automação ajuda a fazer essa escolha.

Quais componentes um agente de IA tem?

Entender as peças ajuda a comparar propostas e a perguntar o que importa.

Quais riscos específicos os agentes trazem?

O OWASP, no Top 10 para aplicações com modelos de linguagem, chama de agência excessiva a vulnerabilidade que permite ações danosas em resposta a saídas inesperadas, ambíguas ou manipuladas do modelo. As causas apontadas são três:

• Funcionalidade excessiva: o agente tem ferramentas com mais capacidades do que a tarefa exige.
• Permissões excessivas: as ferramentas acessam mais sistemas e dados do que o necessário.
• Autonomia excessiva: ações de alto impacto acontecem sem verificação ou aprovação independente.

As mitigações recomendadas incluem aprovação humana para ações de alto impacto, ferramentas restritas ao necessário, permissões mínimas vinculadas ao usuário e autorização aplicada nos sistemas de destino, em vez de confiar no modelo para decidir o que é permitido. Use essa lista como checklist na avaliação técnica.

Quais são as etapas de um projeto de agente de IA?

1. Definição da tarefa: o que o agente faz, para quem, com que entradas e qual resultado esperado.
2. Linha de base: como a tarefa é feita hoje, em quanto tempo, com que custo e taxa de erro.
3. Conjunto de avaliação: casos reais, incluindo exceções e tentativas de uso indevido.
4. Desenho: ferramentas, permissões, pontos de aprovação humana e regras de parada.
5. Prova de conceito: teste controlado com o conjunto de avaliação. Veja como desenhar uma PoC que leva a uma decisão.
6. Piloto: uso real com escopo restrito, em ambiente isolado e monitoramento próximo.
7. Produção: ampliação gradual, com registros, alertas e revisão de amostras.
8. Sustentação: atualização de instruções, conhecimento, ferramentas e modelos.

A Anthropic recomenda testes extensivos em ambientes isolados, com proteções adequadas, antes de dar autonomia ao agente.

O que perguntar aos fornecedores na seleção?

• Por que a tarefa precisa de um agente e não de um workflow?
• Quais agentes vocês colocaram em produção e com que resultado medido?
• Como montam o conjunto de avaliação e qual taxa de acerto consideram aceitável?
• Quais ações exigem aprovação humana no desenho proposto?
• Como impedem que o agente seja manipulado por conteúdo malicioso em documentos ou mensagens?
• Qual o custo estimado por tarefa concluída, incluindo uso do modelo?
• Como funcionam os registros e quem pode auditá-los?

Para uma lista mais ampla, veja as 15 perguntas antes de assinar com um fornecedor de IA.

Quais sinais de alerta merecem atenção?

• Promessa de autonomia total sem aprovação humana em nenhum ponto.
• Demonstração apenas com exemplos escolhidos, sem conjunto de avaliação.
• Agente com acesso administrativo a sistemas críticos.
• Nenhuma estimativa de custo de uso do modelo em produção.
• Ausência de registros auditáveis de cada passo.
• Silêncio sobre dados pessoais e sobre onde os dados são processados.

Como comparar propostas de desenvolvimento de agentes?

Do que depende o custo de um agente de IA?

Não há preço de referência confiável. Os fatores que mais pesam:

• Complexidade da tarefa: número de passos, exceções e decisões.
• Integrações: cada ferramenta conectada exige desenvolvimento, permissões e testes.
• Avaliação: montar e manter um conjunto de testes representativo.
• Uso do modelo: cobrado em geral pelo volume processado; tarefas longas e agentes que fazem muitas chamadas custam mais.
• Infraestrutura: hospedagem, armazenamento de registros e bases de conhecimento.
• Supervisão humana: tempo de quem aprova ações e revisa amostras.
• Sustentação: ajustes contínuos à medida que processos e sistemas mudam.

Peça a estimativa de custo por tarefa concluída e compare com o custo atual da tarefa feita por pessoas.

Quais cláusulas do contrato merecem atenção?

• Propriedade: instruções, código das ferramentas, conjunto de avaliação e configurações pertencem ao cliente.
• Dados pessoais: o fornecedor como operador segue instruções do controlador e adota medidas de segurança (Lei 13.709/2018, arts. 39 e 46). Se o agente tomar decisões unicamente automatizadas que afetem interesses do titular, a LGPD garante o direito de pedir revisão (art. 20).
• Limites de autonomia: ações permitidas e ações que exigem aprovação, documentadas em anexo.
• Critérios de aceite: desempenho mínimo no conjunto de avaliação.
• Registros: retenção, acesso e uso em auditorias.
• Custos variáveis: quem paga o uso do modelo e como são controlados os limites de gasto.

Para governança, o NIST AI Risk Management Framework, de uso voluntário, organiza a gestão de riscos de IA em quatro funções: governar, mapear, medir e gerenciar. Veja também os cuidados de LGPD com IA generativa.

Como medir o sucesso de um agente de IA?

• Taxa de tarefas concluídas corretamente, conferida por amostragem.
• Taxa de escalonamento para humanos e motivos.
• Tempo por tarefa comparado à linha de base.
• Custo por tarefa, incluindo uso do modelo e supervisão.
• Incidentes: ações indevidas, bloqueadas ou revertidas.
• Satisfação de quem usa ou recebe o resultado do agente.

Próximo passo

Encontre empresas que desenvolvem agentes no diretório de empresas de IA, consulte os rankings e entenda os critérios na metodologia. Se a sua empresa desenvolve agentes, crie ou reivindique o perfil gratuito na Citeo.

Fontes

• Anthropic — Building effective agents — diferença entre workflows e agentes, recomendação de simplicidade, custos e erros acumulados, testes em ambiente isolado
• OWASP GenAI Security Project — LLM06:2025 Excessive Agency — definição de agência excessiva, causas e mitigações
• NIST — AI Risk Management Framework — framework de uso voluntário com as funções governar, mapear, medir e gerenciar
• Planalto — Lei 13.709/2018 (LGPD) — revisão de decisões automatizadas (art. 20), deveres do operador (art. 39) e segurança (art. 46)