Automação ou agente de IA: como decidir o fluxo de cada etapa

Automação ou agente de IA: como decidir o fluxo de cada etapa

Use automação por regras (workflow fixo) quando a etapa tem dados estruturados, entradas previsíveis e um resultado que se confere por regra. Use agente de IA quando a etapa exige interpretar texto livre, absorver variação ou fazer um julgamento que não cabe em regra. Na maioria dos processos reais a resposta é combinar os dois: o workflow conduz o fluxo e o agente entra apenas nas etapas que pedem interpretação, com limites claros e revisão humana quando o erro custa caro.

Principais pontos

• A decisão não é sobre o processo inteiro, e sim sobre cada etapa dele. Um mesmo fluxo costuma ter etapas de regra e etapas de julgamento.
• Quatro critérios resolvem a maioria dos casos: estrutura dos dados, variabilidade das entradas, risco de erro e necessidade de julgamento.
• Regra fixa é mais barata de manter, mais fácil de auditar e mais previsível. Só vale trocá-la por agente quando a variação quebra a regra com frequência.
• Agente de IA precisa de limites: ferramentas restritas, permissões mínimas, registro de decisões e transferência para uma pessoa quando houver dúvida ou risco.
• O caminho mais seguro é começar pelo workflow, medir onde ele falha e só então colocar IA nesses pontos, com um piloto pequeno e uma métrica combinada.

Qual é a diferença prática entre workflow fixo e agente de IA?

Um workflow fixo executa um caminho definido de antemão. Se o campo X for igual a Y, faça Z. Cada passo, cada condição e cada saída foram escritos por alguém, e o comportamento é o mesmo toda vez. Ferramentas como n8n, Make, Zapier ou código próprio fazem isso bem.

Um agente de IA decide, dentro de limites, qual é o próximo passo. Ele lê o contexto, escolhe uma ferramenta, observa o resultado e continua. A documentação da Anthropic sobre construção de agentes faz exatamente essa distinção: workflows seguem caminhos de código predefinidos, enquanto agentes dirigem o próprio processo e o uso de ferramentas. A mesma documentação recomenda começar pela solução mais simples e só aumentar a complexidade quando isso trouxer ganho claro.

A consequência para quem decide é direta. O workflow troca flexibilidade por previsibilidade. O agente troca previsibilidade por flexibilidade. Nenhum dos dois é melhor em si. O que existe é a etapa certa para cada um. Se a dúvida seguinte for sobre ter vários agentes, vale ler antes quando um único agente de IA basta.

Por que decidir por etapa e quais critérios usar?

Quando a pergunta é automação ou agente para o processo inteiro, a resposta sai torta. Um atendimento de pedido, por exemplo, tem etapas de natureza muito diferente: receber a mensagem, entender o que o cliente quer, consultar o pedido no sistema, decidir se cabe exceção, responder e registrar. Algumas são mecânicas, outras são interpretativas.

Para cada etapa, faça quatro perguntas.

• Os dados são estruturados? Campos de formulário, colunas de planilha, respostas de API e status de sistema são estruturados. Mensagem de cliente, e-mail, PDF escaneado e áudio não são. Dado estruturado favorece regra. Dado livre favorece IA, ao menos para a leitura inicial.
• A variabilidade é alta? Se as entradas chegam em poucos formatos conhecidos, uma regra cobre quase tudo. Se cada caso chega de um jeito, a lista de regras cresce sem parar e vira um problema de manutenção.
• Qual o risco de erro? Pense no custo de errar uma vez: um reembolso indevido, uma informação contratual errada, um dado pessoal enviado à pessoa errada. Risco alto pede regra, limite rígido ou aprovação humana, mesmo quando a IA faz a parte de interpretação.
• Há necessidade de julgamento? Julgamento aqui significa pesar contexto que não está em campos: tom da conversa, urgência implícita, exceção razoável. Se a decisão pode ser escrita como tabela, não é julgamento, é regra.

Nenhum critério decide sozinho. O que importa é a combinação. Dados livres com risco baixo e julgamento leve são bons candidatos a agente. Dados estruturados com risco alto são candidatos a regra pura. Dados livres com risco alto pedem IA para interpretar e regra ou pessoa para decidir.

Guia de decisão: qual desenho usar em cada combinação?

Use a lista abaixo como roteiro de decisão para cada etapa mapeada.

• Dados estruturados, baixa variação, qualquer risco: workflow fixo. Não há motivo para colocar IA onde uma condição resolve. Exemplo: conferir se o pedido existe, calcular um prazo a partir de uma data, enviar um lembrete na hora marcada.
• Dados estruturados, alta variação de caminhos, risco baixo: workflow com mais ramificações primeiro. Só considere agente se as ramificações ficarem impossíveis de manter.
• Dados livres, baixa variação de intenção, risco baixo: IA em tarefa estreita dentro do workflow, como classificar a mensagem em um conjunto fechado de categorias. A saída da IA é um rótulo, e o workflow segue por regra.
• Dados livres, alta variação, risco baixo: agente com ferramentas restritas, por exemplo para responder dúvidas a partir de uma base de conhecimento aprovada, com registro de cada resposta.
• Dados livres, risco médio: IA interpreta e propõe, regra valida e uma pessoa aprova nos casos fora do padrão. O agente nunca executa sozinho a ação sensível.
• Qualquer dado, risco alto ou impacto sobre direitos da pessoa: decisão fica com uma pessoa ou com regra transparente e revisável. IA pode preparar o resumo, não decidir. Para decisões tomadas só por tratamento automatizado, vale conhecer o que a LGPD diz sobre decisões automatizadas e revisão.
• Etapa sem dono, sem métrica e sem dado de baseline: nenhuma das opções ainda. Primeiro mapeie o que acontece hoje.

Um teste rápido de sanidade: se você consegue escrever a regra completa em uma página sem exceções vagas, escreva a regra. Se a página fica cheia de frases como depende do caso ou a pessoa avalia, aí há espaço para IA, sempre com limite.

Como isso aparece em um fluxo real? Cenário ilustrativo

Cenário ilustrativo: uma empresa de serviços recebe pelo WhatsApp pedidos de remarcação de visita técnica. O processo tem cinco etapas, e cada uma pede uma decisão diferente.

• Receber a mensagem e identificar o cliente: workflow. O número do contato e o cadastro são dados estruturados. A conexão com a API do WhatsApp e a busca no cadastro seguem regra. Para montar esse tipo de base, o artigo sobre fluxo de atendimento com n8n e WhatsApp Cloud API mostra o encadeamento.
• Entender o que o cliente quer: IA estreita. A mensagem vem em texto livre, como preciso mudar para depois do feriado ou meu portão estará fechado de manhã. A IA extrai a intenção (remarcar, cancelar, reclamar, outra) e a data desejada. A saída é um formato fixo que o workflow valida.
• Consultar horários disponíveis: workflow. A agenda é um sistema estruturado, e a regra de disponibilidade é objetiva.
• Decidir se cabe uma exceção, como remarcar fora do prazo normal: regra primeiro, pessoa depois. Se a política já define quando a exceção vale, é regra. Se depende de histórico do cliente e de bom senso, o caso vai para um atendente com o resumo pronto.
• Responder e registrar: modelo de mensagem fixo para confirmações e IA apenas para redigir respostas a casos atípicos, com revisão quando houver dúvida. O registro do que foi decidido e por quê fica em log, sempre.

Nesse desenho a IA aparece em uma ou duas etapas, e todo o resto é regra. Isso é intencional. Cada ponto onde se coloca IA é um ponto a mais para testar, monitorar e explicar.

Quais erros aparecem ao escolher entre regra e agente?

Os erros mais comuns seguem um padrão previsível.

• Usar agente para o que é uma condição simples. Funciona na demonstração, mas a empresa passa a pagar em custo, latência e imprevisibilidade por algo que um if resolveria.
• Forçar regra onde a entrada é texto livre. A equipe escreve palavras-chave, a lista cresce, as exceções se acumulam e ninguém mais entende o fluxo. Esse é o sinal clássico de que a etapa pede interpretação.
• Dar ao agente ferramentas demais. Quanto mais ações o agente pode executar, maior a superfície de erro. A própria Anthropic dedica material a como projetar ferramentas enxutas e bem descritas para agentes, e o princípio vale para qualquer empresa: poucas ferramentas, com permissão mínima.
• Medir sucesso por impressão. Sem uma métrica combinada antes do piloto, qualquer resultado parece bom ou ruim conforme o humor de quem avalia. Avaliações (evals) estruturadas existem justamente para isso, e a Anthropic tem um texto útil sobre como avaliar agentes.
• Ignorar o risco de segurança do texto livre. Se o agente lê mensagens, e-mails ou documentos de terceiros, esse conteúdo pode conter instruções maliciosas. O projeto OWASP mantém uma lista dos principais riscos de aplicações com modelos de linguagem que ajuda a revisar esse ponto.
• Esquecer a saída de emergência. Todo agente precisa de um caminho claro para transferir a conversa a uma pessoa, com o contexto já resumido.

Como Juan aplica o método: mapear, limitar, pilotar, transferir?

O método de trabalho de Juan Carlo segue quatro movimentos, e eles se encaixam naturalmente nessa decisão.

Mapear: descrever o processo atual etapa por etapa, com o baseline de hoje (quem faz, quanto tempo leva, onde erra). Sem isso não dá para saber se uma etapa é regra disfarçada ou julgamento de verdade. Limitar: definir quais dados a IA pode ver e quais ações pode executar, deixando de fora tudo que não é necessário. Pilotar: escolher um fluxo real, rodar com logs e uma métrica acordada antes de começar. Para isso, testar o agente com mocks e sandbox reduz o risco antes de tocar em sistemas reais. Transferir: entregar o fluxo documentado, com monitoramento, e decidir com a equipe se expande, ajusta ou para.

Esse último ponto importa. Parar é um resultado legítimo de piloto. Se a etapa funcionava melhor como regra, o piloto serviu para descobrir isso barato.

Para estruturar riscos de forma mais formal, o NIST AI Risk Management Framework oferece um vocabulário útil (mapear, medir, gerenciar, governar) que conversa bem com esse ciclo. É referência de documentação pública, não uma exigência legal brasileira.

Perguntas frequentes

Quando devo escolher automação por regras em vez de agente de IA? Escolha regras quando os dados forem estruturados, as entradas previsíveis e o resultado puder ser conferido objetivamente. Também escolha regras quando o risco de erro for alto e a decisão puder ser escrita como tabela. Nesses casos, IA adiciona custo e imprevisibilidade sem trazer ganho claro.

Um agente de IA substitui uma ferramenta como n8n ou Make? Em geral não. Essas ferramentas conduzem o fluxo de forma determinística, com tratamento de erro e retentativas, e o agente pode ser um passo dentro delas. Trocar tudo por agente costuma tornar o processo mais difícil de auditar e de manter.

Como sei se uma etapa exige julgamento de verdade? Tente escrever a regra completa. Se a regra ficar cheia de exceções vagas, ou se duas pessoas experientes decidem de formas diferentes o mesmo caso, há julgamento. Se a decisão cabe numa tabela de condições, é regra, mesmo que hoje seja feita à mão.

Por onde começar sem arriscar o negócio? Comece mapeando o processo e escolhendo uma única etapa de baixo risco, com dados livres e volume suficiente para medir. Rode um piloto com logs, métrica combinada e transferência para uma pessoa em caso de dúvida. Ao final, decida com os dados se vale expandir, ajustar ou parar.

Fontes

• Anthropic: Building effective agents
• Anthropic: Demystifying evals for AI agents
• OWASP Top 10 for LLM Applications
• NIST AI Risk Management Framework