O que é IA agêntica?

A resposta curta

Agêntico descreve uma propriedade, não um produto. Um sistema é agêntico na medida em que decide o próprio próximo passo, em vez de seguir uma sequência que você fixou de antemão.

É um espectro, não uma categoria. Um fluxo em que o modelo escolhe um de três caminhos é levemente agêntico. Um sistema que planeja, chama ferramentas, avalia resultados e revisa a abordagem é fortemente agêntico. Os dois são vendidos com a mesma palavra.

Por isso a pergunta útil nunca é se algo é agêntico. É quanta autonomia ele tem, e se essa quantidade se justifica. Cobrimos o artefato em si em o que é um agente de IA; aqui é sobre a propriedade.

Agêntico versus uma chamada única

Uma chamada única de modelo é uma função: entrada, saída, fim. É previsível, barata, fácil de testar e fácil de raciocinar quando dá errado.

Um sistema agêntico introduz um loop. Ele age, observa o que aconteceu e decide de novo. Esse loop é o que permite lidar com tarefas cujos passos não dá para saber de antemão, e é também o que torna tudo menos previsível, mais caro e mais lento.

Tudo que é difícil em sistema agêntico vem do loop. Tudo que é valioso também.

O loop é a definição

Tirando o vocabulário, o padrão é sempre o mesmo. O sistema recebe um objetivo. Escolhe uma ação. Algo acontece. Ele lê o resultado. Decide se terminou, e se não, escolhe de novo.

O que varia é quanta liberdade ele tem no passo de escolher, e quantas vezes pode dar a volta. Esses dois botões, e não o framework que você usa, determinam o comportamento e o perfil de risco.

Baixe os dois e você tem um fluxo confiável com um pouco de julgamento dentro. Suba os dois e você tem algo capaz de resolver problemas que você não previu, e também de falhar de formas que você não previu.

Onde compensa de verdade

Quando o caminho não pode ser enumerado antes. Diagnosticar um problema em que a próxima checagem depende do que a anterior devolveu. Pesquisa em que a pergunta seguinte emerge da resposta. Conciliação em que a divergência determina qual fonte inspecionar em seguida.

O traço comum é que um fluxograma fixo teria que ser enorme para cobrir os casos reais, e ainda assim perderia a maioria. Se você consegue desenhar o fluxograma numa página, não precisa de autonomia, precisa do fluxograma.

Onde é a forma errada

Quando o processo é conhecido e estável. Embrulhar uma sequência determinística num agente adiciona custo, latência e não determinismo, e não compra nada. É o excesso mais comum, e normalmente acontece porque "agêntico" soou mais impressionante na proposta.

Quando a corretude precisa ser exata sempre. Conciliação que tem que fechar, cálculo, qualquer coisa em que ser criativo é defeito e não recurso.

E quando latência faz parte do produto. Um loop que roda onze passos para responder algo que o usuário está esperando perde para uma chamada única um pouco menos completa.

O erro se acumula

Essa é a propriedade que surpreende os times, e a aritmética não perdoa. Um passo certo noventa e cinco por cento das vezes é excelente isolado. Encadeie dez e você está em torno de sessenta por cento na tarefa inteira.

Pior: as falhas não são independentes. Uma conclusão errada no começo vira a entrada de tudo que vem depois, então o sistema segue confiante na direção errada e produz um resultado coerente, bem argumentado e inteiramente incorreto.

As mitigações são checkpoints que verificam estado intermediário e não só a resposta final, limite duro de iterações, e desenhar a tarefa de modo que um passo errado seja detectável antes de virar alicerce.

Custo e latência multiplicam

Cada iteração é uma chamada de modelo com a própria entrada, e a entrada cresce conforme o histórico acumula. Uma tarefa de doze passos não custa doze vezes uma chamada única, custa mais, porque os passos finais carregam a conversa inteira junto.

É aqui que costuma aparecer a diferença entre demo impressionante e produto viável. Dez requisições de demo não custam nada. Dez mil requisições em produção, a doze passos cada com contexto crescente, é linha de orçamento de verdade. Cobrimos a conta em quanto custa.

Limite iterações, orce tokens por tarefa, e registre os dois. Um sistema que pode iterar sem teto uma hora encontra um caso em que itera por muito tempo.

Como restringir

A autonomia precisa ser limitada por engenharia, não por instrução. Limite o número de iterações. Dê escopo estreito às ferramentas, para o conjunto de ações possíveis ser pequeno e cada uma segura para aquele papel. Torne escrita idempotente, porque ação repetida não deveria criar duplicata.

Exija confirmação para qualquer coisa irreversível, e faça o sistema explicar a ação pretendida antes de executar, não depois.

É a mesma estratificação de permissão e ação descrita em guardrails, e importa mais aqui porque um sistema agêntico executa muito mais ações por requisição que uma chamada única.

Como saber se você precisa

Três perguntas. Você consegue escrever os passos de antemão? Se sim, escreva os passos. O próximo passo depende genuinamente do que o anterior devolveu? Se não, você tem um pipeline, não um agente. E você consegue dizer, de fora, se o sistema fez a coisa certa?

Essa última é o filtro em que a maioria das propostas falha. Se ninguém consegue avaliar os passos intermediários, você não depura, não melhora e não defende quando dá errado. Autonomia sem observabilidade não é capacidade, é exposição, e é por isso que começamos pela decisão e pela medição quando construímos IA em produção, ponta a ponta.