Uma rede de farmácias chega com o problema: ler PDFs de fornecedores, puxar os campos certos e jogar tudo numa planilha. Parece trabalho para um agente — especialmente em 2026, quando todo mundo já entra na reunião dando por certo que a solução passa por agente. Aí alguém pede para listar os passos e sai um roteiro de seis itens. Todos conhecidos. Todos que se repetem toda terça-feira. A pergunta que importa deixa de ser "qual agente usar".
O que é um agente em loop, e o que ele custa
Um agente em loop, no sentido técnico, é um modelo de linguagem que recebe um objetivo, escolhe uma ação, executa pela ferramenta disponível, observa o resultado e escolhe a próxima ação. O ciclo se repete até o modelo próprio concluir que terminou — não existe roteiro pré-definido, o caminho se desdobra a cada passo.
A autonomia tem custo. O comportamento é não-determinístico: a mesma entrada gera caminhos diferentes em rodadas diferentes. Quando quebra no passo sete, você precisa ler um trace longo, comparar com a rodada anterior que funcionou, e frequentemente admitir derrota para rodar de novo esperando o erro se repetir. O volume de log cresce rápido. Diagnóstico vira a parte cara da operação.
A alternativa é o fluxo fixo
A alternativa é o fluxo fixo. Um script convencional, com etapas conhecidas e ordenadas, em que a IA comparece em pontos específicos — classificar categoria, redigir resposta, extrair campo — e o resto é código determinístico. Na farmácia: ler arquivo, extrair campos por padrão, validar contra o catálogo, gravar planilha, mandar e-mail. A IA entra na extração e na validação ambígua. Ponto.
O fluxo fixo ganha por razões bem prosaicas. Custo por execução é previsível, porque o número de chamadas ao modelo é fixo. O comportamento se repete — a mesma planilha hoje e amanhã produz o mesmo resultado. Quando quebra, quebra num lugar específico: o log marca a etapa, o stack trace marca a linha. Manutenção significa ler um diff de cinquenta linhas, não desenterrar mil linhas de raciocínio do modelo.
A contrapartida existe: alguém precisa modelar as etapas antes, e isso é trabalho que se faz uma vez e parece desnecessário quando o incentivo de "joga num agente" está ali. Para tarefas de uso único — uma exploração pontual, um relatório que ninguém vai rodar de novo — esse investimento não se paga.
Quando o agente faz sentido
Agente faz sentido quando a tarefa é genuinamente aberta. O caminho não é conhecido porque o problema muda a cada caso: investigar um bug que ninguém mapeou, explorar uma base de dados sem hipótese pronta, depurar um estado dinâmico em que cada resposta define o próximo passo. Mesmo assim, a regra é rodear: limite de iterações, orçamento de tokens e checkpoint humano antes de qualquer ação irreversível — apagar dado, mandar mensagem para cliente, mover dinheiro.
O teste que resolve a escolha
A escolha prática raramente é entre usar IA ou não usar. É entre roteiro com IA em pontos certos e loop autônomo descobrindo o caminho. Existe um teste rápido que resolve quase toda situação: peça a quem entende o problema que liste os passos. Se a lista sai, é fluxo fixo. Se não sai sem inventar, talvez seja agente — mas ainda assim, vale tentar um fluxo fixo primeiro com as suposições mais plausíveis. Na maioria das vezes funciona.
