O que é um agente vertical de IA na prática

Quase toda empresa que diz ter “IA no atendimento” hoje tem, na prática, um chatbot com um prompt bem escrito. Ele responde bem, soa natural, e para exatamente no momento em que o cliente pede algo que exige olhar um sistema: onde está meu pedido, remarque minha consulta, cancele essa assinatura.

O agente vertical existe para atravessar essa parede. A diferença não está no modelo de linguagem — é o mesmo. Está em três coisas que o chatbot não tem: ferramentas, memória e responsabilidade sobre um processo.

Ferramentas: o que separa responder de resolver

Uma ferramenta é uma função que o agente pode chamar. Consultar um pedido pelo CPF. Criar um card no CRM. Verificar horários livres numa agenda. Emitir um boleto.

Quando o cliente pergunta “cadê meu pedido”, o chatbot produz um texto plausível sobre prazos de entrega. O agente com ferramenta consulta o pedido, lê o código de rastreio e responde com a posição real da encomenda.

A diferença parece sutil na conversa e é enorme na operação: um resolve o problema, o outro adia. E adiar tem custo — o cliente volta, agora irritado, e agora com um humano.

O detalhe que costuma ser subestimado: a ferramenta precisa de precondição. Um agente que pode agendar sem checar se a agenda existe vai marcar consulta no vazio. Um agente que pode dar desconto sem checar a margem vai dar desconto onde não cabe. A qualidade de um agente vertical está muito mais nas regras que cercam as ferramentas do que no texto que ele produz.

Memória: sem ela, toda conversa começa do zero

Modelo de linguagem não lembra de nada entre uma conversa e outra. Se o cliente falou ontem que mudou de endereço, hoje ele vai ter que falar de novo.

Memória, aqui, não é “guardar o histórico da conversa” — isso é contexto, e cabe na janela do modelo. Memória é o que a empresa sabe sobre aquela pessoa: o que ela já comprou, o que já reclamou, qual plano assina, qual foi a última interação e como terminou.

É o que permite o agente abrir a conversa sabendo com quem está falando, em vez de fazer as mesmas três perguntas de triagem que o cliente já respondeu na semana passada.

Responsabilidade: o agente responde por um processo, não por uma resposta

Esta é a parte que muda a forma de medir.

Um chatbot é avaliado por quão boa é a resposta. Um agente vertical é avaliado pelo que aconteceu com o processo: quantos atendimentos foram resolvidos sem humano, quanto tempo levou, quantos viraram venda, quanto custou cada resolução.

Isso implica que o agente precisa saber quando parar. Um agente que insiste em resolver o que não sabe resolver é pior que um que escala rápido. Os portões que mais importam num agente em produção não são os que fazem ele agir — são os que fazem ele parar:

• Limite de ação irreversível. Cancelar assinatura, emitir nota, devolver dinheiro: ou passa por confirmação humana, ou tem um teto muito claro.
• Circuit breaker por volume. Se o agente disparou mensagens demais para o mesmo contato num intervalo curto, alguma coisa está em laço. Ele para sozinho.
• Escalada por incerteza. Quando as ferramentas falham em sequência, o certo é entregar para um humano com o contexto pronto, não tentar uma quarta vez com outra redação.
• Trilha de auditoria. Toda chamada de ferramenta registrada, com identificador de rastreio. Sem isso, quando algo der errado, ninguém consegue reconstruir o que aconteceu.

“Vertical” quer dizer que ele conhece o seu negócio

Um agente genérico sabe conversar. Um agente vertical sabe conversar sobre um domínio, com o vocabulário, as regras e os sistemas daquele domínio.

O agente de e-commerce entende carrinho abandonado, prazo de entrega, política de troca e o catálogo real da loja. O agente de clínica entende convênio, especialidade, tempo de procedimento e a diferença entre primeira consulta e retorno. Cada um com as ferramentas do seu mundo. É por isso que a mesma plataforma gera resultados muito diferentes conforme quanto do domínio foi de fato modelado.

Essa é também a razão de agentes verticais entregarem resultado mais rápido que projetos de “IA para tudo”: o escopo é estreito o bastante para as regras serem escritas e testadas.

Por onde começar sem se enrolar

O erro mais comum é começar pelo processo mais visível em vez do mais repetitivo. Abrir pelo atendimento de exceção — o caso difícil, o cliente irritado — é escolher justamente onde a IA tem menos vantagem.

Comece pelo que tem volume e repetição: status de pedido, agendamento, primeira triagem, qualificação de lead que chegou por anúncio. São processos onde a resposta certa é derivável de um sistema, e onde a diferença entre responder em dez segundos e responder em duas horas muda a conversão.

Com isso rodando e medido, o escopo cresce sozinho — e cresce com dado, não com opinião.

O segundo erro mais comum é tratar o agente como projeto de tecnologia em vez de mudança de processo. Quem opera o atendimento precisa estar na mesa desde o começo, porque é essa pessoa que sabe quais são as exceções reais — o cliente que sempre pede desconto, o pedido que some no transportador, a regra que não está escrita em lugar nenhum. Um agente desenhado só por quem lê documentação acerta o caminho feliz e quebra em tudo que é caso de borda, que é justamente onde o atendimento humano gasta o tempo dele.

Vale também combinar antes como o agente vai falhar. Não “se” — como. A pergunta prática é: quando a integração cair, o agente avisa o cliente, fica em silêncio ou chama um humano? As três respostas são defensáveis em contextos diferentes, e escolher antes evita descobrir a resposta no pior dia possível.

O que levar desta leitura

Agente vertical não é um chatbot melhor. É um pedaço da operação que passou a ser executado por software que conversa. Isso muda quem responde pelo resultado, muda o que se mede e muda o desenho: a maior parte do trabalho está nas ferramentas, nas precondições e nos portões, não no prompt.

Quando alguém mostrar uma demonstração de IA conversando muito bem, a pergunta útil é uma só: o que ela consegue fazer acontecer nos sistemas? Se a resposta for “nada”, é um chatbot — e chatbot já existia em 2016.