AI Agent, ou agente de IA, é um sistema que usa um modelo de linguagem para executar tarefas em vários passos — decidindo sozinho quais ferramentas chamar, em que ordem, e quando parar. A diferença para um chatbot é essa: o chatbot responde, o agente age. Ele consulta uma API, lê o retorno, decide o próximo passo e repete até concluir. É a categoria que concentra a maior promessa e a maior distância entre demonstração e produção. O número que define essa distância vem do τ-bench, que mede agentes em tarefas reais de atendimento: modelos de ponta resolvem menos de 50% das tarefas de varejo numa tentativa — e, quando se exige acerto nas oito tentativas seguidas da mesma tarefa, a taxa cai para menos de 25%. Metade do que o agente entrega numa demonstração ele não repete de forma confiável.
O número que muda a conversa: consistência, não acerto
A métrica do τ-bench chama-se pass^k e mede algo que quase nenhum material de fornecedor mostra: se o agente acerta a mesma tarefa em k tentativas independentes.
| Critério | Taxa de sucesso |
|---|---|
Uma tentativa (pass^1) | menos de 50% |
Oito tentativas seguidas (pass^8) | menos de 25% |
A leitura dessa queda é o ponto central deste verbete. Ela mostra que o agente não erra de forma aleatória e recuperável — ele erra de forma que a repetição não corrige.
Um agente que acerta metade das vezes mas só é consistente em um quarto delas não é “meio automatizado”. É um sistema que exige revisão humana em 100% dos casos — porque você não sabe de antemão qual metade falhou.
⚠️ Os números de adoção que não resistem à checagem
Ao procurar dados de adoção corporativa de agentes, o que aparece é um conjunto de percentuais conflitantes entre si e sem amostra declarada: 31%, 57,3% ou 72% “em produção”, conforme a fonte; e um difundido “88% dos pilotos falham”.
Nenhum tinha metodologia rastreável. Até o mais citado — o relatório que afirma que 95% dos pilotos não geraram impacto no resultado financeiro — não pôde ser verificado: a URL institucional do documento original está fora do ar, e o número circula pela imprensa, não pela fonte.
Vale registrar o contraste que é verificável: o AI Index de Stanford aponta que a adoção de IA subiu para 88% das organizações pesquisadas em 2025, e que a IA generativa já é usada em ao menos uma função por 70% delas. No mesmo relatório, a frase seguinte: a implantação de agentes ficou em dígito único em quase todas as funções de negócio. Adoção de IA é quase universal; adoção de agentes não é — e a distância entre esses dois números é o assunto deste verbete.
Por que o agente falha: contexto, ferramenta e acumulação de erro
A causa estrutural é aritmética. Se cada passo tem 95% de chance de dar certo, uma cadeia de dez passos tem 0,95¹⁰ — cerca de 60% de chance de completar sem erro. Não é defeito do modelo: é o efeito de encadear.
Daí decorrem as três decisões de projeto que mais afetam o resultado:
- Encurtar a cadeia. Menos passos, menos multiplicação de erro. Duas tarefas de três passos são mais confiáveis que uma de seis.
- Tornar cada passo verificável. Se o agente consulta um preço, o sistema deve poder conferir aquele preço — checagem determinística vale mais que um segundo modelo revisando.
- Definir onde ele para e chama um humano. Nenhuma ação irreversível — enviar, cobrar, cancelar, publicar — sem confirmação.
O que isso muda na prática
Ao avaliar um agente para qualificação de leads, resposta a inbound ou enriquecimento de base, a métrica de aceite não deve ser taxa de acerto média. Deve ser consistência sob repetição.
O teste é simples e cabe numa tarde: pegue de 20 a 30 casos reais da sua operação, rode cada um cinco a oito vezes com a mesma entrada e meça a variância. É o pass^k aplicado ao seu caso — e é o que separa piloto de produção. Se o resultado muda de execução para execução, o agente não está pronto, por melhor que tenha sido a demonstração.
Há também uma conta de custo que costuma escapar: um agente que faz oito chamadas encadeadas por interação custa oito vezes um assistente de turno único com o mesmo preço por token. Modele o número de chamadas antes de modelar o preço — o raciocínio está no verbete de inferência.
O detalhamento dos testes de agentes está no guia de benchmark de agentes, e os conceitos vizinhos em LLM e RAG.
Fontes
- τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains — origem da métrica
pass^k - AI Index Report 2026, capítulo de Economia — Stanford HAI