Agentes de IA: por que dar tarefa pequena funciona

Você pediu para a IA "organizar o processo de orçamento da empresa" e recebeu de volta um monstro de doze etapas que ninguém entende. Aí testou, deu errado em três lugares diferentes, e agora você não sabe qual parte consertar. Esse é o problema mais comum com agentes de IA hoje, e ele quase nunca é culpa do modelo. É culpa do tamanho do pedido.

Eu vejo isso toda semana em projeto de cliente. A pessoa não está usando a ferramenta errada. Está entregando um pedido grande demais para qualquer um acertar de primeira, humano ou máquina.

Por que agentes de IA erram em tarefas grandes

Pensa num funcionário novo no primeiro dia. Você diz: "cuida do financeiro". Ele vai fazer alguma coisa. Provavelmente errado. Não porque é burro, mas porque "cuida do financeiro" não é uma instrução, é um desejo.

Agentes de IA funcionam igual, com um agravante: eles nunca dizem "não entendi". Eles sempre entregam. Com confiança. Mesmo quando estão inventando.

E tem a parte matemática, que é a que ninguém conta. Se cada passo de uma tarefa tem 95% de chance de sair certo, e a tarefa tem 10 passos, a chance de tudo sair certo é 0,95 elevado a 10. Dá 60%. Com 20 passos, cai para 36%.

Ou seja: uma IA que acerta quase sempre em cada passo individual erra na maioria das vezes quando você encadeia passos demais. Não é o modelo piorando. É a conta.

Agente de IA não falha por ser burro. Falha por receber pedido grande demais para qualquer um acertar de primeira.

O que muda quando você quebra o trabalho em pedaços

Vou dar um caso concreto, de um cliente que faz manutenção predial.

O pedido original era: "monta um agente que recebe o chamado do cliente no WhatsApp e resolve". Dentro de "resolve" tinha: entender o problema, classificar a urgência, checar se o cliente tem contrato ativo, ver qual técnico está livre, agendar, avisar o cliente, e registrar no sistema.

Sete coisas. A primeira versão funcionava em uns 40% dos chamados. Nos outros 60%, agendava técnico errado, ou marcava para cliente inadimplente, ou simplesmente não respondia.

Quebramos em três etapas separadas, cada uma com entrada e saída definidas:

• Etapa 1: ler a mensagem e devolver um resumo estruturado (tipo do problema, endereço, urgência de 1 a 3). Só isso.
• Etapa 2: com esse resumo pronto, consultar contrato e disponibilidade. Devolve uma lista de horários possíveis, ou um motivo pelo qual não dá.
• Etapa 3: confirmar com o cliente e registrar.

Cada etapa vira um pedido pequeno, com uma resposta que dá para conferir. Se a etapa 1 classificar mal a urgência, você vê na hora, no resumo, antes que qualquer técnico seja acionado.

Taxa de acerto depois da mudança: 89% dos chamados fluindo sem intervenção. Os 11% restantes param na etapa que falhou, com o erro visível, e alguém resolve em dois minutos.

O ganho não foi um modelo melhor. Foi o mesmo modelo recebendo pedidos que ele consegue cumprir.

Como saber se sua tarefa está grande demais

Tem um teste simples. Escreva o que você quer que o agente faça. Depois conte quantas decisões ele precisa tomar.

Se for mais de duas ou três, está grande. Quebra.

Outro teste, ainda mais direto: você consegue olhar a saída e dizer em cinco segundos se está certa ou errada? Se a resposta for "preciso investigar", o pedaço está grande. Uma saída boa é conferível de bate-pronto.

Sinais de que você passou do ponto:

• A instrução tem "e depois" mais de duas vezes.
• Você não consegue descrever o resultado esperado em uma frase.
• Quando dá errado, você não sabe onde começou a dar errado.
• Você já reescreveu o pedido quatro vezes e cada versão quebra em um lugar novo.

Esse último é o mais traiçoeiro. Você fica ajustando o texto do pedido achando que é questão de palavra. Não é. É estrutura.

Passo a passo para montar isso no seu negócio

Não precisa de ferramenta nova. Precisa de método. Faz assim:

1. Escreva o processo como ele acontece hoje, com pessoas. Sem pensar em IA. Só o passo a passo real. Quem faz o quê, em que ordem, com qual informação na mão.

2. Marque onde alguém precisa decidir. Cada decisão é uma fronteira natural. É ali que você corta.

3. Defina o que entra e o que sai de cada pedaço. Isso é o mais importante e o que mais gente pula. "Entra: mensagem do cliente. Sai: JSON com tipo, endereço e urgência." Concreto. Conferível.

4. Automatize um pedaço só. O mais chato e repetitivo, de preferência. Roda por duas semanas com alguém olhando.

5. Só depois liga o próximo. E assim por diante.

Esse quinto passo é onde quase todo mundo se atropela. A tentação de ligar tudo de uma vez é enorme, principalmente depois que o primeiro pedaço funciona bonito. Segura. O custo de descobrir um erro na etapa 4 quando as etapas 1 a 3 já rodaram é muito maior do que a paciência de esperar duas semanas.

"Mas assim não perco a mágica da IA?"

Essa objeção aparece sempre, e ela faz sentido. A promessa vendida por aí é justamente a contrária: fala o que você quer, a IA resolve tudo sozinha.

Só que na prática você não quer mágica. Você quer previsibilidade. A mágica é ótima no vídeo de demonstração e péssima na terça-feira de manhã quando o cliente liga perguntando por que o técnico não apareceu.

O que você perde quebrando em pedaços: a sensação de ter um robô mordomo.

O que você ganha: saber exatamente onde parou quando parar, poder trocar uma etapa sem mexer nas outras, e conseguir explicar para a sua equipe como a coisa funciona.

Tem também uma vantagem prática de custo. Tarefas pequenas usam menos processamento por chamada e permitem usar modelos mais baratos onde não precisa de inteligência de sobra. Classificar urgência de chamado não exige o modelo mais caro do mercado. Escrever a proposta comercial talvez exija. Quando tudo é um bloco só, você paga o preço da parte mais difícil em todas as partes.

A parte que ninguém gosta de ouvir

Quebrar o trabalho em pedaços dá mais trabalho no começo. É mais tempo mapeando processo, é mais conversa sobre o que exatamente cada etapa devolve, é menos "olha que legal" na primeira semana.

Em compensação, o negócio para de depender de sorte.

Eu prefiro entregar um agente que faz três coisas bem e para de forma clara na quarta, do que um que promete sete e acerta quatro sem avisar quais. O segundo impressiona mais na reunião. O primeiro é o que ainda está rodando seis meses depois.

E é isso que separa automação de teatro de automação: a segunda funciona na demo, a primeira funciona quando você não está olhando.

Se você tem um processo repetitivo que já cansou de fazer na mão e quer avaliar por onde começar a quebrar em pedaços, me conta o que você faz hoje. Costumo dar uma opinião honesta sobre o que vale automatizar e o que não vale.

Você pediu para a IA "organizar todo o processo" e recebeu de volta um monstro de doze etapas que quebra em três lugares diferentes.

O problema quase nunca é o modelo. É o tamanho do pedido.

Se cada passo acerta 95% das vezes e a tarefa tem 10 passos, a chance de tudo dar certo é 60%. Com 20 passos, cai para 36%. Não é a IA piorando, é a conta.

Em um cliente de manutenção predial, quebramos um agente de 7 etapas em 3 pedaços pequenos, cada um com entrada e saída conferíveis. Taxa de acerto foi de 40% para 89%. Mesmo modelo, pedido menor.

Teste rápido: se você não consegue olhar a saída e dizer em 5 segundos se está certa, o pedaço está grande demais.

Tem um processo repetitivo que já cansou de fazer na mão? Me conta qual é que eu dou minha opinião honesta sobre o que vale automatizar.

#InteligenciaArtificial #Automacao #AgentesDeIA #Produtividade #Tecnologia