1. O robô que não entende o que faz
Todos os dias, às oito da manhã, um robô abre o sistema, copia os dados de uma planilha e preenche uma sequência de campos. Durante meses, parece perfeito. Até que uma atualização move um botão. O robô continua procurando o botão no lugar antigo, não encontra e para. Em outro processo, uma nota chega com um dado fora do padrão e derruba a fila inteira. Em um terceiro, o cadastro de um cliente traz uma abreviação que ninguém previu.
Esse tipo de robô é chamado de RPA, sigla em inglês para automação robótica de processos. Em linguagem simples, é um programa que reproduz ações repetitivas de uma pessoa em sistemas digitais, como abrir telas, copiar informações, preencher formulários e mover arquivos. A IBM descreve esse funcionamento em "What is Robotic Process Automation (RPA)?", explicando que o RPA combina interações com interfaces e integrações para executar tarefas repetitivas por meio de scripts e regras.
O robô não se cansa, não esquece uma etapa e não improvisa. Essas qualidades são valiosas. O problema é o outro lado da mesma característica: ele também não entende por que está fazendo aquilo. Se o caminho previsto deixa de existir, a execução não encontra uma alternativa por conta própria.
Isso não torna o RPA clássico ultrapassado. Torna sua aplicação específica. Quando o processo é estável, os dados chegam sempre no mesmo formato e as regras têm poucas ambiguidades, repetir exatamente o combinado é uma vantagem. Quando a realidade varia muito, essa rigidez começa a cobrar manutenção.
2. Onde o RPA clássico quebra
O ponto de quebra costuma ser a exceção. Exceção é qualquer situação que sai do roteiro: um campo mudou de nome, o fornecedor alterou o arquivo, o cliente escreveu o endereço de outro jeito, o sistema ficou indisponível ou uma informação obrigatória não chegou.
Uma automação por regras funciona como uma receita muito detalhada. Se acontecer A, faça B. Se acontecer C, faça D. Enquanto o mundo cabe nessas condições, o fluxo é previsível. Quando aparece E, alguém precisa decidir o que E significa, incluir uma regra e testar novamente. Depois aparece F. A automação cresce, mas também cresce o conjunto de remendos necessários para mantê-la em pé.
Por isso, o custo real de uma automação nem sempre está na licença. Pode estar no tempo de quem investiga falhas, atualiza regras, acompanha mudanças de tela e resolve itens que ficaram presos. Uma fila parada por causa de um documento diferente não é apenas um problema técnico. É pedido sem andamento, cobrança atrasada ou cliente esperando resposta.
A pergunta útil não é "robô ou agente?". É "quanto este processo varia?". Se quase não há exceções, o comportamento determinístico do RPA, isto é, a tendência de repetir a mesma ação diante da mesma entrada, facilita controle e conferência. Se cada semana traz um formato novo e uma decisão contextual, adicionar regras sem parar pode custar mais atenção do que devolve.
3. O que muda quando o robô persegue um objetivo
No modelo clássico, a instrução descreve o caminho: entre nesta tela, clique naquele campo, copie este valor e confirme. No modelo agêntico, a instrução descreve o resultado esperado: confira se o pedido está completo, identifique a pendência e encaminhe o caso para a próxima etapa permitida.
O agente usa contexto para escolher entre caminhos previamente autorizados. Diante de um endereço escrito de modo diferente, pode reconhecer que a informação está presente. Diante de um documento incompleto, pode separar o caso e pedir revisão sem interromper toda a fila. Ele persegue um objetivo, mas isso não significa liberdade ilimitada.
Essa mudança ajuda justamente onde a regra rígida sofre: leitura de texto, classificação, comparação de informações e tratamento de casos que variam. Em troca, reduz a previsibilidade. Duas situações parecidas podem receber tratamentos diferentes porque o contexto foi interpretado de maneira distinta. Também fica mais difícil explicar uma decisão se o sistema não registrar entrada, critérios, ação tomada e resultado.
RPA agêntico, portanto, não é simplesmente um robô mais rápido. É uma troca parcial de repetição por julgamento. Quanto maior o julgamento delegado, maior precisa ser a clareza sobre limites, registros e revisão humana.
4. O que você perde, e por que isso importa
O robô "burro" tem virtudes reais. Ele é mais fácil de testar, reproduzir e auditar quando o processo é estável. Se a tarefa envolve dinheiro, obrigação legal, dado sensível ou uma ação irreversível, "quase sempre certo" não é um padrão suficiente.
| Critério | Automação por regra | Automação orientada a objetivo |
|---|---|---|
| Previsibilidade | Alta em cenário estável | Varia conforme contexto e limites |
| Manutenção | Cresce quando aparecem novas exceções | Exige revisão de instruções, registros e comportamento |
| Exceções | Para, rejeita ou segue uma regra prevista | Pode classificar e escolher entre caminhos autorizados |
| Rastreabilidade | Caminho normalmente fácil de reproduzir | Depende de registro detalhado da decisão |
| Custo de errar | Controlável quando a regra é fechada | Pode ser alto se houver autonomia sem barreiras |
O NIST, órgão de padrões dos Estados Unidos, apresenta no "AI Risk Management Framework" uma estrutura voluntária para administrar riscos de inteligência artificial. O material organiza esse trabalho em governar, mapear, medir e gerenciar. Para uma pequena empresa, a tradução prática é simples: antes de deixar o agente agir, determine quem responde pelo processo, quais riscos existem, como o comportamento será observado e o que acontece quando algo foge do esperado.
Também existe muito produto antigo sendo anunciado como "agêntico" apenas porque ganhou uma caixa de texto. O alerta não é teórico. Em junho de 2025, o Gartner divulgou a previsão de que mais de 40 por cento dos projetos de IA agêntica seriam cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados. A página do Gartner está bloqueada para consulta automatizada, então esta citação se apoia em reportagem do veículo MarTech que detalha a previsão. Trata-se de uma previsão, não de resultado observado, e a base da pesquisa não foi confirmada no material primário. Ainda assim, os motivos citados são um bom roteiro de perguntas antes de comprar uma promessa.
Se um agente acessar dados de clientes, a circulação e o uso dessas informações também precisam ser avaliados à luz da Lei Geral de Proteção de Dados, disponível no Planalto. Este texto não oferece orientação jurídica; confirme com um advogado como a lei se aplica ao seu caso.
5. Como descobrir onde a exceção mora
Antes de escolher tecnologia, descreva um processo real e procure os pontos em que alguém precisa parar para interpretar. A IA pode ajudar a organizar essa investigação, mas não conhece sua operação e não deve inventar o que não foi observado.
Vou descrever um processo repetitivo da minha empresa do início ao fim.
Analise o processo e devolva:
1. As etapas que seguem regra clara e estável.
2. Os pontos em que o fluxo costuma sair do padrão.
3. As decisões que exigem julgamento ou contexto.
4. As exceções que podem ser separadas sem parar toda a fila.
5. O que preciso observar e medir na prática antes de decidir qualquer automação.
Não invente dados, frequências ou custos. Não recomende ferramentas.
Não prometa economia. Quando faltar informação, escreva "precisa ser observado".
Descrição do processo:
[cole aqui]
Faça o exercício com quem executa a rotina, não apenas com quem a gerencia. A pessoa que trabalha no processo conhece atalhos, arquivos que chegam errados, clientes que exigem tratamento diferente e decisões que nunca entraram no procedimento escrito.
O resultado não é um projeto técnico. É um mapa de incerteza. Ele mostra onde uma regra simples pode bastar, onde um agente talvez ajude e onde a decisão precisa continuar humana.
6. O que o agente decide e o que sobe para uma pessoa
Autonomia responsável começa por uma fronteira escrita. Valor máximo, decisão irreversível, dado sensível, baixa confiança e situação inédita são exemplos de critérios que podem exigir confirmação. O importante é transformar "tenha cuidado" em condições observáveis.
Com base no processo abaixo, proponha limites operacionais para um agente.
Organize a resposta em:
1. Ações que ele pode executar sozinho.
2. Ações que exigem confirmação humana.
3. Decisões irreversíveis que ele nunca deve tomar sozinho.
4. Limites de valor ou impacto que precisam ser definidos pelo dono.
5. Informações que devem ficar registradas em cada execução.
6. Procedimento quando houver dúvida, conflito de dados ou baixa confiança.
Não defina valores por mim. Marque-os como "a definir".
Não recomende ferramenta nem implementação técnica.
Para cada limite, explique qual risco ele reduz.
Processo:
[cole aqui]
Depois, teste esses limites com casos reais já ocorridos. Pergunte o que o agente faria diante de documento incompleto, valor incomum, cliente não reconhecido, sistema indisponível e informação contraditória. Se ninguém consegue dizer quem revisa ou como desfazer uma ação, a fronteira ainda não está pronta.
Agente sem limite escrito não é autônomo. É sem supervisão, que é outra coisa.
7. O melhor robô é o que você consegue conferir
RPA clássico continua sendo uma boa resposta para processos estáveis, repetitivos e com regra clara. Um agente passa a fazer sentido quando as exceções são frequentes e podem ser tratadas dentro de limites seguros. Em muitos casos, os dois convivem: a parte previsível segue regras, enquanto a parte variável é classificada e encaminhada com revisão proporcional ao risco.
Não escolha pela novidade do nome. Comece observando onde o processo sai do roteiro, quanto custa uma decisão errada e quais evidências precisam permanecer depois da execução. A pergunta mais importante não é quanto o robô consegue fazer sozinho. É quanto você consegue conferir depois.
Leia também:
Erros comuns ao montar agente de IA
Reduzir retrabalho na operação com IA
Conheça o meuOpenClaw: https://meuopenclaw.cloud/contratar