Resumo - Agentes de IA na empresa
- Agentes de IA são componentes de software especializados que executam tarefas de negócio de forma autônoma - diferente de chatbots (só respostas) ou RPA (só regras).
- Três tipos: Document Agents (leitura e processamento de documentos), Workflow Agents (orquestração de processos entre sistemas), Knowledge Agents (respostas contextuais do conhecimento corporativo).
- McKinsey (2024) estima que agentes de IA podem automatizar até 30% das horas de trabalho na maioria das ocupações até 2030.
- O agente não é o modelo - o modelo de linguagem é intercambiável, o agente fornece lógica de negócio, integração de sistemas e governance.
- A implantação corporativa exige um Decision Layer entre agente e sistema-alvo - para que cada decisão automatizada seja rastreável, auditável e conforme.
O que é um agente de IA?
Um agente de IA é um componente de software especializado que, com base em grandes modelos de linguagem (LLMs), executa tarefas empresariais de forma autônoma. Diferentemente de um chatbot, que responde perguntas, um agente executa ações: lê um documento, avalia seu conteúdo, toma uma decisão e dispara uma ação em um sistema-alvo.
Agentes de IA no contexto corporativo não atuam livremente. Operam dentro de limites definidos: conjuntos de regras, escopos de validade, limiares de confiança, regras de escalação. Cada decisão do agente é transparente e auditável.
A base de um agente de IA é um modelo de linguagem - Claude, ChatGPT, Gemini, Llama, Mistral, DeepSeek ou gpt-oss. O modelo fornece a compreensão de linguagem. O agente fornece a lógica de negócio, a integração de sistemas e a governance.
Delimitação: agente de IA vs. chatbot vs. RPA
Esses três conceitos são frequentemente confundidos. Eles resolvem problemas diferentes.
Chatbot: Um chatbot responde perguntas em linguagem natural. Não tem capacidade de ação. Quando um colaborador pergunta “Quantos dias de férias ainda tenho?”, o chatbot responde. Não reserva férias, não verifica regras, não gera um Audit Trail.
RPA (Robotic Process Automation): RPA automatiza tarefas repetitivas baseadas em regras através de interfaces de usuário. Um bot de RPA navega pelo SAP, copia dados de A para B, preenche formulários. RPA não entende linguagem. Quando o formulário muda, o bot quebra.
Agente de IA: Um agente de IA entende contexto, interpreta dados não estruturados e toma decisões. Lê uma nota fiscal - independente do formato - compreende seu conteúdo, aplica conjuntos de regras e gera uma proposta de lançamento contábil. Quando o formato da nota muda, o agente continua funcionando porque entende o conteúdo, não reconhece o layout.
| Propriedade | Chatbot | RPA | Agente de IA |
|---|---|---|---|
| Compreensão de linguagem | Sim | Não | Sim |
| Capacidade de ação | Não | Sim (baseada em regras) | Sim (baseada em contexto) |
| Dados não estruturados | Sim | Não | Sim |
| Governance/Auditoria | Não | Parcialmente | Sim (via Decision Layer) |
| Integração de sistemas | Superficial | Via UI | Via API/Integration Layer |
| Adaptação a mudanças | Alterar prompt | Reprogramar bot | Agente aprende o contexto |
Três tipos de agentes de IA na empresa
Na arquitetura da Gosign, existem três tipos de agentes. Cada tipo tem um escopo de tarefas definido e opera dentro dos limites estabelecidos pelo Decision Layer.
Document Agents
Document Agents leem, compreendem e processam documentos. Notas fiscais, atestados médicos, contratos, certidões, comprovantes, notas de crédito.
A diferença fundamental em relação ao OCR ou reconhecimento de templates: Document Agents possuem verdadeira compreensão de linguagem. Não reconhecem campos em posições determinadas de uma página, mas entendem o conteúdo do documento. Uma nota fiscal em formato PDF, como imagem escaneada ou como anexo de e-mail - o Document Agent compreende as três formas.
Um Document Agent para processamento contábil lê uma nota fiscal de entrada e extrai: emissor, valor, descrição do serviço, data, alíquota de imposto, dados bancários. Gera um conjunto de dados estruturado que é transferido ao Decision Layer.
Document Agents não trabalham isolados. São o ponto de entrada de um workflow - após a leitura do documento, o Workflow Agent assume.
Workflow Agents
Workflow Agents orquestram processos entre sistemas. Coordenam o fluxo entre Document Agent, Decision Layer e sistema-alvo.
Um Workflow Agent para processamento de notas fiscais coordena: o Document Agent lê a nota -> o Decision Layer verifica a proposta de lançamento -> com alta confiança, o lançamento vai para o sistema-alvo -> com baixa confiança, escala para o responsável -> após aprovação, o lançamento é finalizado -> todo o processo é documentado no Audit Trail.
Workflow Agents também lidam com exceções: O que acontece quando o sistema-alvo está indisponível? O que acontece em caso de timeout? O que acontece quando o responsável não responde? O Workflow Agent tem regras de escalação, mecanismos de retentativa e lógica de timeout.
A orquestração de workflow acontece via Trigger.dev ou Camunda - dependendo da complexidade e dos requisitos de compliance do cliente. Workflows são visualizáveis, versionados e ajustáveis sem programação.
Knowledge Agents
Knowledge Agents fornecem respostas contextuais a partir do conhecimento corporativo. Acordos coletivos, diretrizes, convenções coletivas de trabalho (CCT/ACT), regras de compliance, políticas internas.
A diferença em relação a uma função de busca: um Knowledge Agent entende a pergunta, busca no contexto relevante e entrega uma resposta com referência à fonte e versão da norma. Quando um responsável pergunta “O adicional noturno também se aplica a funcionários em meio período da convenção regional?”, o Knowledge Agent entrega a resposta com referência ao acordo coletivo vigente em sua versão atual.
Knowledge Agents utilizam RAG (Retrieval Augmented Generation): o conhecimento corporativo é indexado em um banco de dados vetorial. O agente busca as passagens relevantes e gera uma resposta com base nessas fontes - não com base em seu treinamento.
Cada resposta contém: a fonte, a versão da norma, a data de validade. Sem alucinações, sem referências inventadas a regulamentos.
Como os agentes de IA interagem na arquitetura corporativa
Os três tipos de agentes não funcionam isolados. Em uma implementação corporativa típica, o Workflow Agent orquestra o processo completo e delega para Document e Knowledge Agents especializados.
Um exemplo da administração de pessoal: Chega um atestado médico (e-mail com anexo PDF). O Document Agent lê o atestado e extrai: colaborador, período, certificado médico, certificado de continuação. O Knowledge Agent verifica: Quais regras se aplicam a este colaborador? No Brasil, a CLT e os acordos coletivos (CCT/ACT) (PT: Código do Trabalho e convenções coletivas); no contexto da empresa, os regulamentos internos e acordos individuais. O Decision Layer avalia: O afastamento está corretamente calculado? Os prazos estão corretos? O Workflow Agent coordena todo o fluxo e garante a atualização de todos os sistemas.
Cada agente tem seu escopo de tarefas definido. Nenhum agente “decide” sozinho sobre processos críticos de negócio. O Decision Layer fica entre o agente e o sistema-alvo e garante a governance.
Agnosticismo de modelo: o agente não é o modelo
Uma confusão frequente: o agente não é o modelo de linguagem. O modelo (Claude, ChatGPT, Llama) fornece a compreensão de linguagem. O agente fornece a lógica de negócio, a integração de sistemas, a governance.
Na arquitetura da Gosign, a camada de modelo é intercambiável. Quando surge um novo modelo - mais potente, mais econômico, com melhor licença - ele pode ser integrado sem alterar as camadas superiores. A lógica de negócio no Decision Layer, os workflows, os conjuntos de regras permanecem inalterados.
Um agente pode utilizar vários modelos: um modelo open-source econômico para pré-classificação e um modelo mais potente para decisões complexas. O roteamento entre modelos é configurável.
Esse agnosticismo de modelo previne o vendor lock-in. Nenhuma empresa depende de um único fornecedor de modelos.
Requisitos para agentes de IA nas empresas
Agentes de IA em ambientes corporativos precisam de mais do que um modelo de linguagem:
Governance: Cada decisão do agente deve ser transparente e auditável. O Decision Layer garante isso.
Integração: Os agentes devem se integrar aos sistemas existentes - SAP, TOTVS, Workday, SuccessFactors, SharePoint. O Integration Layer desacopla a lógica do agente do sistema-alvo.
Infraestrutura: Os agentes precisam de um ambiente de execução: hosting de LLM, bancos de dados vetoriais para RAG, motor de workflow, API Gateway. Essa infraestrutura pode operar na nuvem, self-hosted ou em modo híbrido.
Participação dos trabalhadores: No Brasil, os sindicatos e, em empresas com mais de 200 empregados, a CRE (Comissão de Representantes dos Empregados) atuam na defesa dos interesses dos trabalhadores (PT: a Comissão de Trabalhadores tem competências de informação e consulta conforme o Código do Trabalho). A arquitetura deve considerar essas estruturas desde o início.
Mais informações: AI Agents em detalhe
Agendar reunião - Mostramos qual tipo de agente se encaixa no seu processo.

Bert Gogolin
Diretor Executivo, Gosign
AI Governance Briefing
IA empresarial, regulamentação e infraestrutura - uma vez por mês, diretamente de mim.