Nos últimos meses, boa parte das conversas que tenho com gestores e diretores de tecnologia começa com uma variação da mesma pergunta: “precisamos de um agente de IA para isso.” E quando eu ouço o caso de uso, a minha resposta honesta é: provavelmente não.
Não é que agente de IA seja hype vazio. Eu uso em produção. Tenho projetos rodando assim há mais de um ano, e quando fazem sentido, o resultado é visível. O ponto é que a maioria das coisas que as pessoas querem automatizar com agente pode ser resolvida com uma fila, uma regra bem escrita e um webhook.
Isso vai parecer crítica a agentes. Não é. É sobre o momento certo pra cada ferramenta.
O que automação tradicional faz muito bem
Automação tradicional é qualquer coisa que segue uma lógica fixa: se aconteceu X, faça Y. Webhook que aciona um processo, CRON que dispara toda madrugada, fila que processa pedidos na ordem que chegam, script que sincroniza dados entre dois sistemas. Zapier, n8n, scripts PHP, workers. Tudo isso é automação tradicional.
Quando o caminho é previsível e os dados são estruturados, nada supera. É rápido de implementar, barato de rodar, trivial de depurar quando falha. Se o processo todo cabe num fluxograma de dez caixinhas sem nenhuma caixinha que diz “decidir com base no contexto”, você não precisa de IA. Precisa de um programador que escreva o código certo.
Um exemplo genérico que aparece em quase todo sistema comercial: quando um pedido muda de status no ERP, você quer notificar o cliente por e-mail, atualizar o CRM e gerar um registro num sistema de logística. Três sistemas, uma regra, dados estruturados. Automação tradicional resolve isso em algumas horas de implementação e custa centavos por mês pra rodar.
Já vi equipe propor agente de IA pra esse tipo de integração. O argumento era que ia ser mais flexível no futuro. Na prática, ficou três vezes mais caro de rodar, muito mais difícil de depurar quando falhou e não ganhou nada de flexibilidade real porque o processo em si nunca mudou.
Onde automação tradicional bate numa parede
O problema começa quando a entrada deixa de ser estruturada. Quando você precisa interpretar texto livre, tomar uma decisão baseada em nuance ou lidar com exceções que nenhuma regra fixa antecipou.
Um caso clássico: uma empresa recebe pedidos de orçamento por e-mail há vinte anos. O e-mail chega em formato livre. Às vezes é um texto longo com contexto, às vezes é uma lista de itens, às vezes tem anexo com planilha, às vezes o cliente esquece de colocar o CNPJ. Para automatizar a extração dessas informações e o roteamento correto do pedido, automação com regras fixas vai te dar meses de manutenção de expressão regular e tratamento de exceção. E sabe o que acontece? O décimo formato diferente de e-mail vai quebrar tudo de novo.
É exatamente aí que agente de IA começa a fazer sentido. O modelo de linguagem lida com variação por padrão. Extrair campos de texto livre, classificar a intenção, detectar que falta alguma informação e saber o que perguntar de volta, esse é o trabalho dele.
Outro caso real: equipes de suporte que precisam classificar chamados por urgência e área antes de encaminhar. Se a lógica fosse simples, palavras-chave resolveriam. Mas urgência depende de contexto. “Sistema parado” de um cliente que está em produção é urgência máxima. O mesmo texto de um cliente que está ainda em fase de testes tem um peso diferente. Regra fixa não captura isso. Um agente bem configurado, captura.
A pergunta que separa os dois casos
Quando recebo um pedido de automação, a pergunta que faço é simples: se eu fosse escrever as regras desse processo num documento, conseguiria cobrir todos os casos sem nenhuma linha do tipo “depende” ou “a gente analisa a situação”?
Se a resposta é sim, automação tradicional. Se a resposta é não, precisamos conversar sobre IA.
Aliás, tem um terceiro caso que as pessoas costumam ignorar: o processo híbrido. A parte estruturada fica com automação tradicional, o trecho que exige interpretação fica com o agente. Um pipeline de processamento de contratos, por exemplo. A extração do PDF, a normalização dos dados e o armazenamento são automação pura. A análise do que o contrato diz, se tem cláusula problemática, se está dentro dos parâmetros aceitáveis, aí entra o agente. Você não precisa escolher um só. Você escolhe o trecho certo pra cada um.
O custo que a galera esquece de calcular
Agente de IA tem custo de API por chamada. Cada inferência consome token, e token tem preço. Em automação tradicional o custo computacional é próximo de zero e previsível. Em agente, depende do volume de uso e do tamanho do contexto que você está passando pro modelo.
Não é que agente seja proibitivamente caro. Dependendo do problema que ele resolve, o ROI justifica com folga. Mas se você está automando um processo que acontece mil vezes por dia com uma lógica que cabe em dez linhas de código, o custo de rodar um LLM pra cada iteração é dinheiro jogado fora. Automação tradicional faria o mesmo trabalho por uma fração do preço.
O outro custo que ninguém conta de cara é o de manutenção e observabilidade. Automação tradicional falha de formas previsíveis. Você tem log de erro, stack trace, a linha que deu problema. Agente falha de formas mais sutis: ele processou, mas processou errado. Detectar isso exige instrumentação diferente, logs de entrada e saída de cada chamada, comparação com o resultado esperado. Quem já foi depurar um comportamento inesperado num agente em produção sabe que é uma experiência bem diferente de depurar um bug de PHP.
Como eu decido na prática
Sinceramente, minha heurística é essa: começo perguntando se o processo consegue ser descrito como um fluxograma determinístico. Se sim, automação tradicional é o ponto de partida natural. Rápido de entregar, fácil de manter, previsível.
Se o processo tem trechos onde a lógica é “analisar e decidir com base no contexto”, aí avalio se esses trechos são o gargalo real. Às vezes eles representam 5% do processo e podem ser tratados com uma fila de exceções que vai pra análise manual. Outras vezes são o coração do que precisa ser automatizado, e aí um agente deixa de ser opcional.
O que eu nunca faço é colocar agente de IA onde automação tradicional resolve. Não porque agente seja pior. Porque adiciona complexidade e custo sem nenhum benefício real. A tecnologia certa no lugar certo é o trabalho.
Gabriel Schunck está disponível para projetos de automação e sistemas com IA. Se você está avaliando qual abordagem faz mais sentido pro seu negócio antes de comprometer orçamento e equipe, entra em contato pelo gabriels.dev.br.