# O que é um agente de IA e qual a diferença para um chatbot

> Agente de IA decide os próprios passos e usa ferramentas para cumprir uma tarefa. Veja a diferença para chatbot e fluxo fixo, com exemplos e quando usar cada um.

Por Rodrigo Sumioshi, 14 de novembro de 2026. Original: https://wacrew.com.br/blog/o-que-e-agente-de-ia/

"Agente de IA" virou a expressão do ano, e quase todo produto com um modelo de linguagem dentro passou a usar o nome. Na prática, a palavra tem um sentido bem específico, e entender esse sentido ajuda a escolher a ferramenta certa para o seu caso, seja atendimento, automação ou desenvolvimento.

A definição mais útil vem de um texto da própria Anthropic, [Building effective agents](https://www.anthropic.com/engineering/building-effective-agents). Ele separa dois tipos de sistema. Em um **fluxo** (workflow), o modelo e as ferramentas são orquestrados por caminhos de código definidos antes. Em um **agente**, o modelo dirige o próprio processo e decide quais ferramentas usar, mantendo o controle de como chega ao resultado.

Esse é o ponto central. Um agente não segue um roteiro. Ele recebe um objetivo, olha o que tem à disposição e escolhe o próximo passo.

## O que é um chatbot

O chatbot clássico é uma árvore de decisão com texto. O cliente digita "1" para segunda via, "2" para falar com atendente, e cada resposta leva a um galho já escrito por alguém. Mesmo os chatbots com inteligência artificial costumam funcionar assim por baixo: o modelo entende a intenção da frase, mas o que acontece depois está programado.

Isso tem vantagens reais. É previsível, barato, fácil de auditar e funciona bem quando as perguntas se repetem. Uma pizzaria que recebe pedidos sempre no mesmo formato não precisa de mais nada.

O limite aparece quando a conversa sai do roteiro. O cliente manda um áudio de dois minutos, mistura três assuntos, cita uma conversa da semana passada. A árvore não tem galho para isso, e a resposta sai genérica.

## O que é um agente de IA

Um agente é um modelo de linguagem rodando em um laço. A cada volta, ele lê o contexto, decide se precisa de uma ferramenta, chama a ferramenta, lê o resultado e decide de novo. O laço termina quando o objetivo foi cumprido ou quando ele precisa de alguém.

As ferramentas são o que dá braço ao agente. Podem ser coisas como:

- ler as últimas mensagens de uma conversa;
- buscar um documento ou um registro no banco de dados;
- transcrever um áudio ou descrever uma imagem;
- criar um evento na agenda;
- enviar uma resposta.

O modelo não executa nada sozinho. Ele pede para chamar uma ferramenta, o programa ao redor executa e devolve o resultado. Por isso o desenho das ferramentas e das permissões importa tanto quanto o modelo escolhido.

Em pseudocódigo, o núcleo de quase todo agente é este:

```ts
const historico = [{ role: "user", content: objetivo }];

while (true) {
  const resposta = await modelo.responder(historico, ferramentas);
  if (!resposta.pediuFerramenta) return resposta.texto; // terminou

  const resultado = await executar(resposta.ferramenta, resposta.argumentos);
  historico.push(resposta, { role: "tool", content: resultado });
}
```

O que muda de um agente para outro são as ferramentas e as regras colocadas em volta desse laço.

## Agente de IA x chatbot, lado a lado

| | Chatbot | Fluxo com IA | Agente de IA |
|---|---|---|---|
| Quem decide o próximo passo | O roteiro | O código, com a IA em etapas fixas | O modelo |
| Lida com pedido fora do esperado | Mal | Em parte | Bem |
| Previsibilidade | Alta | Alta | Menor |
| Custo por conversa | Baixo | Médio | Maior |
| Quando faz sentido | Perguntas repetidas e curtas | Processo conhecido com texto variado | Tarefas abertas, com contexto longo |

Repare na linha da previsibilidade. Um agente erra de um jeito diferente de um chatbot. O chatbot erra ao não entender. O agente pode entender e tomar uma decisão ruim, como responder algo que deveria passar por uma pessoa. Bons sistemas de agente compensam isso com revisão e permissão por ação.

## Exemplos de agente de IA na prática

**Agente de código.** Ferramentas como o [Claude Code](https://wacrew.com.br/blog/claude-code-mcp/) e o Cursor leem o repositório, rodam testes, editam arquivos e repetem até o teste passar. Ninguém escreveu um roteiro para cada bug.

**Agente de pesquisa.** Recebe uma pergunta, faz buscas, lê as páginas, compara e escreve um resumo com fontes.

**Agente de atendimento.** Lê o histórico do cliente, entende um áudio, consulta o que foi combinado e redige uma resposta. Num bom desenho, ele só envia sozinho o que é rotina e devolve para a pessoa o que envolve prazo, preço ou reclamação.

No WhatsApp, esse último caso é o mais comum. O [WACrew](https://wacrew.com.br/agente-de-ia-whatsapp/), por exemplo, é um agente de IA para WhatsApp de código aberto em que cada conversa tem um modo: *Confirmar*, em que nada sai sem o seu OK, ou *Autônomo*, ligado conversa por conversa. Antes de qualquer envio, uma revisão em código barra texto com cara de robô.

## Como os agentes se conectam às ferramentas

Durante muito tempo, cada aplicação inventava o próprio jeito de ligar o modelo às ferramentas. Em 2024 a Anthropic abriu o **MCP** (Model Context Protocol), um padrão para isso. Com ele, a mesma ferramenta funciona no Claude Code, no Cursor e em qualquer outro cliente compatível. Explicamos o protocolo em detalhe em [O que é MCP](https://wacrew.com.br/blog/o-que-e-mcp/).

Na prática, isso significa que montar um agente hoje é menos sobre programar o laço e mais sobre escolher bem as ferramentas e as regras.

## Quando usar cada um

Use **chatbot** quando as perguntas se repetem, as respostas cabem em poucas opções e o custo por conversa precisa ser mínimo.

Use **fluxo com IA** quando o processo é conhecido (triagem, classificação, extração de dados de um formulário), mas o texto de entrada varia muito.

Use **agente de IA** quando a tarefa é aberta, depende de contexto longo e envolve várias ferramentas. Atendimento a clientes que mandam áudio, print e pedidos misturados é um bom exemplo, assim como trabalho de desenvolvimento.

O próprio texto da Anthropic recomenda começar pela solução mais simples possível e só aumentar a complexidade quando ela se pagar. Muita gente pula direto para o agente sem precisar.

## Cuidados antes de colocar um agente em produção

1. **Comece com permissão baixa.** Deixe o agente ler e sugerir antes de deixar ele agir.
2. **Revise o que sai para fora.** Mensagem para cliente, e-mail e publicação merecem uma etapa de revisão, humana ou em código.
3. **Registre tudo.** Cada chamada de ferramenta precisa ficar em log para você entender por que ele fez o que fez.
4. **Defina quando ele para.** Preço, prazo, reclamação e qualquer coisa ambígua devem voltar para uma pessoa.
5. **Meça o custo.** Agentes fazem várias chamadas por tarefa. Acompanhe o gasto por conversa desde o primeiro dia.

## Resumo

Chatbot segue roteiro. Fluxo com IA usa o modelo em etapas fixas. Agente de IA decide os próprios passos e usa ferramentas até cumprir o objetivo. O agente resolve o que os outros dois não alcançam, ao custo de menos previsibilidade, e por isso precisa de limites claros.

Se o seu caso é atendimento no WhatsApp, vale ler também [como criar um agente de IA para WhatsApp com Claude](https://wacrew.com.br/blog/criar-agente-de-ia-whatsapp-claude/) e as [opções de chatbot de WhatsApp grátis](https://wacrew.com.br/chatbot-whatsapp-gratis/) para comparar os dois caminhos.
