Como escolher uma plataforma para gerenciar agentes de IA na empresa

Um cliente de uma operadora informa que sua conexão está caindo. Antes de encaminhar o chamado, o atendente precisa conferir o cadastro, verificar se há uma falha na região e consultar o histórico técnico do acesso. Hoje, esse trabalho pode exigir consultas em telas diferentes e troca de mensagens com a operação.

A empresa decide testar agentes de inteligência artificial para reunir essas informações e preparar o encaminhamento. Um agente consulta o cadastro, outro verifica os sinais técnicos e um terceiro organiza o chamado. O atendente recebe o caso com as informações disponíveis e aprova as ações que exigem sua participação.

Para escolher uma plataforma que acompanhe esses agentes, a operadora pode levar esse mesmo caso à demonstração do fornecedor. O teste precisa mostrar como as informações chegam ao atendimento, o que acontece quando uma consulta falha e como a equipe acompanha o trabalho realizado.

Este artigo utiliza esse cenário ilustrativo para transformar os critérios de escolha em verificações práticas. Os exemplos não descrevem uma implantação real nem pressupõem que toda plataforma ofereça as mesmas funções.

O que levar para a demonstração

O primeiro passo é descrever o atendimento que se deseja melhorar. A equipe pode selecionar chamados anteriores, retirar os dados pessoais e registrar quais consultas foram necessárias, quem participou e o que caracterizou um encaminhamento correto.

Esse material permite comparar a rotina atual com o fluxo apoiado por agentes. O objetivo pode ser reduzir o tempo de preparação do chamado sem aumentar os encaminhamentos incorretos. Não é preciso inventar uma meta de mercado. A referência deve vir dos dados e das necessidades da própria operação.

Uma plataforma deve ser avaliada pelo trabalho que ajuda a concluir, considerando o esforço necessário para mantê-la em operação.

Na demonstração, o fornecedor deve esclarecer se a solução cria os agentes, acompanha agentes externos ou combina essas funções. Se a empresa já possui um agente que consulta o cadastro, vale utilizá-lo no teste e observar o esforço para incorporá-lo.

Essa escolha se relaciona ao AgentOps e à operação de agentes em produção. AgentOps, abreviação de Agent Operations, reúne práticas para acompanhar o comportamento e a operação dos agentes ao longo do tempo. Aqui, o foco é verificar como essas práticas funcionam no atendimento escolhido para a avaliação.

Inventário e responsabilidade ao longo do ciclo de vida

O acompanhamento das execuções precisa estar associado a uma visão dos agentes que a empresa mantém em operação. Na orientação de governança do Cloud Adoption Framework, a Microsoft recomenda um registro organizacional que identifique responsável, finalidade, plataforma e escopo de acesso de cada agente, além de uma identidade distinta para atribuir suas ações [3].

Na demonstração, peça para localizar os três agentes do atendimento e identificar quem responde por cada um. O agente que consulta o cadastro deve ter acessos diferentes daquele que organiza o chamado. A equipe precisa conseguir conferir essas permissões e saber como o registro será atualizado quando houver uma mudança. O fornecedor deve mostrar o que é descoberto automaticamente, o que chega por integração e o que exige cadastro manual.

Em seguida, retire a permissão de consulta de um agente no ambiente de teste e tente executar a tarefa novamente. Observe se o acesso é bloqueado, onde a tentativa aparece e quem recebe a informação necessária para agir. Um nome no inventário não demonstra, sozinho, que as permissões estão sendo aplicadas. Essa relação entre gestão comum e ferramentas distribuídas foi discutida no artigo sobre AI Control Plane, o plano de controle para agentes de diferentes plataformas.

Integrações precisam funcionar também nas exceções

A conexão inicial com um sistema mostra apenas parte do que precisa ser avaliado. Uma consulta pode retornar dados incompletos, uma resposta pode demorar e uma alteração pode ser concluída sem que a confirmação chegue ao agente.

No caso da operadora, interrompa a confirmação depois que o sistema de chamados tiver recebido a solicitação. Se o agente repetir a operação, ele abrirá outro chamado para o mesmo caso? Peça para demonstrar como a integração evita ou identifica a duplicidade e como o atendente descobre qual registro deve utilizar.

O teste de integração precisa mostrar o que acontece quando o fluxo deixa de seguir o caminho esperado.

Também é importante separar o que a plataforma oferece do que dependerá de configuração, desenvolvimento adicional ou recursos dos sistemas conectados. Essa distinção torna mais realista a estimativa de implantação e ajuda a distribuir responsabilidades entre as equipes e o fornecedor.

A IBM, empresa de tecnologia e consultoria, recomenda uma camada de orquestração que coordene agentes entre plataformas e respeite os limites dos processos [4]. Como critério de escolha, vale verificar a transferência do trabalho entre etapas. Se o agente que consulta os dados concluir sua parte, mas o agente de encaminhamento falhar, a equipe precisa saber o que permanece pendente e quem deve assumir a continuidade.

A demonstração também deve esclarecer como o contexto necessário chega à próxima etapa e como uma pessoa recebe o caso quando precisa intervir. O histórico deve permitir retomar o atendimento sem obrigar o cliente ou o profissional a reconstruir tudo desde o início. Esses são testes propostos para a avaliação da empresa, e sua implementação depende da arquitetura e das integrações disponíveis.

Na prática, a avaliação deve incluir um agente já utilizado pela empresa, quando possível. Isso permite verificar o esforço para incorporá-lo ao ambiente de gestão, quais informações ficam disponíveis e quais limitações permanecem.

Visibilidade sobre a execução e sobre o ambiente

Quando vários agentes participam de um atendimento, registros isolados podem dificultar a investigação. A equipe precisa relacionar a solicitação inicial às consultas realizadas, às ferramentas acionadas e ao resultado produzido.

A documentação de arquitetura do Google Cloud, plataforma de computação em nuvem do Google, inclui observabilidade e avaliação entre os componentes a considerar em aplicações agênticas [1]. Na seleção de uma solução, essa orientação pode ser traduzida em um teste no qual a própria equipe reconstrói uma execução e localiza a etapa em que o processo se desviou do esperado.

No exemplo do atendimento, uma informação incorreta no cadastro exige uma resposta diferente de uma falha na consulta ou de um erro de encaminhamento. A observabilidade de agentes de IA ajuda a compreender essas diferenças, desde que os registros tenham qualidade e possam ser relacionados entre si.

Peça, por exemplo, para um profissional da operação abrir a execução e identificar se faltou informação no cadastro, se a consulta técnica falhou ou se o encaminhamento foi feito incorretamente. Depois, verifique se alguém sem autorização consegue consultar os dados pessoais registrados. Os dois testes ajudam a avaliar a utilidade dos registros e os limites de acesso.

A equipe precisa compreender tanto a execução do agente quanto as condições em que ele atuou.

Quando a atividade depende de infraestrutura e serviços, o AIOps, aplicação de inteligência artificial às operações de TI, pode complementar essa análise. Ao relacionar eventos técnicos ao trabalho dos agentes, pode ajudar a distinguir uma falha do agente de uma degradação no ambiente. Essa combinação enriquece o contexto operacional, mas não é pré-requisito para adotar AgentOps.

Autonomia com supervisão proporcional

Consultar o histórico de um cliente e alterar uma configuração em produção têm consequências diferentes. Os controles devem acompanhar o alcance e a reversibilidade de cada ação, permitindo automatizar tarefas rotineiras e reservar a intervenção humana para situações que a justifiquem.

A AWS, plataforma de computação em nuvem da Amazon, recomenda associar autonomia a supervisão humana proporcional e definir caminhos de escalonamento [2]. Para avaliar uma plataforma, vale testar uma ação que exija aprovação e observar quais informações chegam à pessoa responsável.

Na operadora, suponha que o fluxo possa solicitar uma alteração de configuração, mas dependa da aprovação de um profissional. A tela deve mostrar o cliente afetado, a alteração proposta e as informações que a justificam. Recuse a solicitação e verifique se a ação permanece bloqueada. Em outra execução, deixe a aprovação sem resposta e observe como o caso é encaminhado, sem presumir autorização pelo silêncio.

Interromper novas ações não significa desfazer automaticamente o que já foi executado.

Se o agente alterou um cadastro ou enviou uma solicitação a outro sistema, a recuperação pode exigir uma ação compensatória ou um procedimento específico. A avaliação deve esclarecer esses limites e identificar como a equipe recupera o controle, preservando o registro do ocorrido.

Mudanças precisam ser avaliadas antes e depois da implantação

Uma plataforma será utilizada em um ambiente que continua mudando. Novas instruções, ferramentas ou versões de modelos podem alterar o comportamento de um agente que antes atendia aos critérios definidos pela empresa.

A IBM recomenda incorporar avaliação ao ciclo de AgentOps, com testes antes da implantação e continuamente em produção [4]. Para a seleção da plataforma, a implicação é verificar como as mudanças são identificadas e como seus resultados podem ser comparados com uma referência anterior.

Na prova de conceito, a equipe pode selecionar casos representativos do atendimento, incluindo situações com dados incompletos ou necessidade de encaminhamento humano. Depois de uma alteração controlada, deve comparar a conclusão correta das tarefas, o retrabalho e o consumo. Uma piora após a mudança precisa ser distinguida de variações no perfil das solicitações.

No atendimento de teste, inclua um caso sem falha regional, outro com falha confirmada e um terceiro com consulta indisponível. Após mudar as instruções do agente, verifique se ele continua distinguindo essas situações e se evita apresentar a ausência de informação como confirmação de normalidade. A avaliação deve esclarecer quais testes são nativos, quais dependem de ferramentas externas e como os resultados se relacionam à versão avaliada. Também precisa mostrar o procedimento para retirar uma versão problemática ou retornar a uma configuração anterior, quando isso for suportado. Essa possibilidade não substitui a recuperação de ações já executadas em outros sistemas.

O artigo Como avaliar agentes de IA em produção aprofunda a distinção entre uma execução tecnicamente bem-sucedida e uma tarefa realmente concluída. Na seleção da plataforma, essa distinção precisa aparecer nos testes e nos relatórios apresentados.

Custos relacionados aos resultados

A comparação financeira inclui licenças, integração, infraestrutura, consumo de modelos e esforço de operação. Uma execução aparentemente barata pode exigir novas tentativas e correções que elevam o custo do trabalho concluído.

Peça para comparar dois atendimentos que chegaram ao encaminhamento correto. Em um deles, os agentes fizeram as consultas necessárias. No outro, repetiram chamadas por causa de uma integração instável. O relatório permite identificar a diferença de consumo e sua causa? A equipe consegue relacionar esse custo ao atendimento e ao agente envolvido?

Além do consumo dos modelos, contabilize o tempo gasto pelo profissional para revisar ou corrigir cada caso. O artigo Quanto custa operar um agente de IA discute esses custos além dos tokens, as unidades utilizadas para medir o processamento de conteúdo nos modelos de linguagem. Uma redução no gasto com modelos pode perder relevância se o retrabalho aumentar.

Também convém verificar se os dados podem ser separados por agente, equipe ou processo, conforme a necessidade da organização. Esse detalhamento ajuda a compreender os custos e a direcionar melhorias. Os relatórios disponíveis e suas limitações devem fazer parte da demonstração.

Uma prova de conceito que ajude a decidir

A avaliação pode começar com um processo delimitado, poucos usuários e os sistemas necessários para representar o fluxo. O escopo deve ser suficiente para observar uma execução bem-sucedida, uma falha de integração e uma ação dependente de aprovação.

O roteiro deve definir previamente os resultados esperados e as evidências que serão examinadas. Além de assistir à demonstração do fornecedor, é útil que a própria equipe investigue uma execução, consulte os registros e identifique o que foi concluído. Também deve verificar quais dados podem ser exportados e em que formato, considerando a continuidade da operação e uma eventual mudança de solução.

Ao final, a decisão pode ser orientada por sete verificações.

• Registro dos agentes, responsáveis e acessos, com atualização ao longo do ciclo de vida.
• Integração e coordenação entre agentes, pessoas e sistemas, com esforço de implantação conhecido.
• Capacidade de acompanhar o processo e investigar situações inesperadas.
• Funcionamento das permissões, aprovações e mecanismos de intervenção nos cenários testados.
• Avaliação de mudanças com casos de teste e comparação dos resultados entre versões.
• Custos e resultados compatíveis com o objetivo definido para a atividade.
• Acesso e exportação dos registros necessários à continuidade e à investigação.

A prova de conceito deve produzir evidências que a equipe consiga usar para decidir e operar.

Esses testes não eliminam todas as incertezas. Eles permitem uma escolha mais fundamentada e ajudam a definir os próximos passos de expansão. A confiança para ampliar a autonomia dos agentes se constrói também com a capacidade de compreender seus resultados, corrigir problemas e manter responsabilidades claras.

Da visão à prática: ARGUS

A avaliação de uma plataforma precisa mostrar como seus recursos ajudam a acompanhar os agentes no processo escolhido pela empresa. O ARGUS, plataforma de Inteligência Operacional e Agêntica da Target Solutions, utiliza suas capacidades de AgentOps para apoiar a orquestração, o monitoramento, a observabilidade e a governança dos agentes de IA.

Ao conectar agentes, pessoas e ferramentas em um contexto operacional compartilhado, o ARGUS oferece uma perspectiva para compreender as execuções e suas relações com a operação. A camada AI Gateway, que intermedeia o acesso a modelos e serviços de IA, complementa essa proposta ao apoiar políticas de acesso e utilização desses recursos. Quando combinados aos recursos de AIOps, os dados sobre agentes podem ser relacionados a eventos de infraestrutura e serviços, conforme as integrações disponíveis.

Uma avaliação pode partir de um processo da empresa e verificar, em demonstração, a aderência das capacidades disponíveis às necessidades de integração, acompanhamento e supervisão. O escopo e os critérios de sucesso devem ser acordados para esse cenário.

Conheça o ARGUS e veja como funciona na prática.

Sobre a Target Solutions

A Target Solutions atua há mais de 15 anos apoiando organizações na evolução de suas operações de infraestrutura, monitoramento, observabilidade, automação e inteligência operacional. Ao longo dessa trajetória, participou de projetos em ambientes complexos de Telecom, Tecnologia, Governo, Energia e grandes empresas, contribuindo para aumentar a eficiência operacional e a confiabilidade dos serviços. Essa experiência inclui governança, observabilidade e operação de agentes de IA em ambientes críticos, complementando monitoramento, AIOps e automação já presentes na infraestrutura.

Sobre o autor

Paulo Florêncio de Menezes é sócio e CoFounder da Target Solutions e atua há mais de 15 anos em projetos relacionados a infraestrutura, monitoramento, observabilidade, automação e operações de TI e Telecom.

É graduado em Processamento de Dados pela Universidade Federal do Amazonas (UFAM), possui MBA em Gestão Empresarial pela Fundação Dom Cabral (FDC) e Mestrado Profissional em Economia pela Fundação Getulio Vargas (FGV).

Em sua pesquisa de Mestrado, desenvolveu o IBEOP-IA (Índice Brasileiro de Exposição Ocupacional Potencial à Inteligência Artificial), investigando a exposição potencial das ocupações brasileiras às capacidades da IA por meio da combinação de dados ocupacionais, patentes de inteligência artificial e técnicas de processamento de linguagem natural.

Referências

[1] Google Cloud. Choose your agentic AI architecture components. Documentação técnica. Consultado em 20 de outubro de 2026.

[2] AWS. Design principles. AWS Well-Architected Agentic AI Lens. Documentação técnica. Consultado em 20 de outubro de 2026.

[3] Microsoft. Governar e proteger agentes de IA em toda a organização. Cloud Adoption Framework. Seções sobre plano de controle, registro, identidade e ciclo de vida. Consultado em 20 de outubro de 2026.

[4] IBM. Scale AI agents for business. Recomendações sobre orquestração entre plataformas, avaliação no ciclo de AgentOps e resultados empresariais. Consultado em 20 de outubro de 2026.