Existem cinco tipos clássicos de agentes de IA: agentes reativos simples, agentes reativos baseados em modelo, agentes baseados em objetivos, agentes baseados em utilidade e agentes de aprendizado. Em termos simples, eles seguem uma regra, acompanham o que está acontecendo, trabalham para atingir um objetivo, escolhem a melhor entre várias opções ou melhoram com feedback. Muitas listas incluem mais dois, os agentes hierárquicos e os sistemas multiagente, que tratam de como vários agentes trabalham juntos.
Este guia explica cada tipo com um exemplo do dia a dia e um exemplo de negócios. Ele também traz um ponto prático: quando um agente de IA erra um trabalho da empresa, a causa normalmente não é um planejamento fraco. O problema é que o agente está trabalhando com os fatos errados. Por isso, ao escolher um agente, pergunte primeiro o que ele consegue ver e o que ele tem permissão para alterar. O quanto ele é inteligente vem depois.
Antes da classificação, o guia sobre como um agente trabalha oferece uma base prática. A comparação com chatbots e colegas de IA ajuda depois a escolher entre pedir uma resposta, delegar um objetivo ou definir um trabalho recorrente, sem confundir formas de decisão dos livros com categorias de produtos.
O que é um agente de IA?
Um agente de IA é um software que analisa uma situação, decide o que fazer e depois faz. Um chatbot responde à sua pergunta. Um agente também pode dar o próximo passo, como ler sua caixa de entrada, atualizar uma planilha ou escrever um rascunho de resposta.
Os cinco tipos vêm do livro de Stuart Russell e Peter Norvig, Artificial Intelligence: A Modern Approach, o livro usado na maioria dos cursos universitários de IA. Eles classificam os agentes a partir de uma única pergunta: como o agente decide o que fazer em seguida? O guia da IBM sobre tipos de agentes de IA usa a mesma lista.
Não existe uma definição oficial única, e tudo bem. Para quem está no dia a dia do negócio, o teste útil é simples: ele só responde ou também consegue agir?
Os 5 tipos clássicos de agentes de IA
Leia os cinco tipos do mais simples ao mais elaborado. Isto não é um ranking. Muitas vezes o design mais simples é o certo, e o aprendizado pode ser adicionado a qualquer um dos outros quatro.
Os cinco tipos clássicos descrevem como as decisões são tomadas. O aprendizado pode ser adicionado aos outros quatro; ele não é o último degrau de uma escada. Verifique a qualidade do contexto em todos os designs.
YouTube · IBM Technology
5 Types of AI Agents: Autonomous Functions & Real-World Applications · 28 de abril de 2025
Uma explicação de 10 minutos sobre os tipos do livro, com um desenho para cada um. O resumo em 8:23 sintetiza tudo em cinco verbos: reage (reacts), lembra (remembers), mira (aims), avalia (evaluates), melhora (improves).
1. Agentes reativos simples: seguem uma regra
O que faz: "Se isso acontecer, faça aquilo." Ele olha apenas para o que está à sua frente agora.
Exemplo do dia a dia: um termostato liga o aquecimento quando a temperatura fica abaixo de 19°C.
Exemplo de negócios: uma regra da caixa de entrada envia para o contas a pagar todo e-mail que contém a palavra "fatura".
Onde erra: em qualquer coisa que a regra não previu. Uma newsletter que menciona "fatura" também vai parar no time financeiro. A regra não consegue perceber a diferença e vai cometer o mesmo erro todas as vezes.
Use quando: a situação é previsível e um erro sai barato.
2. Agentes reativos baseados em modelo: acompanham o que está acontecendo
O que faz: ele continua seguindo regras, mas lembra o que já viu. Isso lhe dá uma imagem da situação, que os livros chamam de "modelo".
Exemplo do dia a dia: um robô aspirador lembra quais cômodos já limpou.
Exemplo de negócios: um assistente de suporte percebe que um cliente já relatou o mesmo bug na semana passada, então adiciona a nova mensagem ao chamado aberto em vez de abrir um duplicado.
Onde erra: quando a imagem que ele tem está desatualizada. Um registro antigo no CRM, uma decisão que só existe em uma thread do Slack ou a planilha do mês passado vão levá-lo a agir com confiança com base nos fatos errados.
Use quando: a ação certa depende do histórico, e não só da última mensagem.
Este é o tipo que mais importa para equipes de negócios, e um post que se espalhou bastante no X no início de novembro de 2026 mostra por quê. Gul Saeed Khattak, engenheiro de dados líder na Universidade de Glasgow, descreveu um agente a quem pediram a receita do último trimestre:
X · Gul Saeed Khattak (@Ldataengineer) · 3 de novembro de 2026
"It answers in 3 seconds. Clean number. Nice chart. But it used the wrong 'revenue' column. Nobody notices."
(Tradução) "Ele responde em 3 segundos. Número limpo. Gráfico bonito. Mas usou a coluna de 'receita' errada. Ninguém percebe."
O agente dessa história não raciocinou mal. Ele raciocinou bem a partir da coluna errada. Concordamos com o diagnóstico. Vale notar que o post segue promovendo uma ferramenta de dados específica, que não testamos. A lição para o negócio é mais simples do que qualquer ferramenta: antes de confiar na resposta de um agente, verifique qual fonte ele usou.
3. Agentes baseados em objetivos: trabalham para atingir uma meta
O que faz: você dá um objetivo e ele planeja as etapas. Em vez de perguntar "qual regra se aplica?", ele pergunta "o que me deixa mais perto?"
Exemplo do dia a dia: um app de navegação planeja uma rota e recalcula quando você perde uma saída.
Exemplo de negócios: "Deixe a apresentação do conselho pronta para quinta-feira." O agente busca os números mais recentes, copia o layout dos slides do último trimestre e lista as perguntas em aberto.
Onde erra: ele só verifica se o objetivo foi atingido. Se dois planos funcionam, ele não tem motivo para preferir o mais barato ou o mais seguro.
Use quando: você sabe o resultado que quer, mas as etapas mudam a cada vez.
4. Agentes baseados em utilidade: escolhem a melhor opção
O que faz: compara várias opções boas e dá uma nota a cada uma de acordo com o que é importante para você.
Exemplo do dia a dia: uma busca de passagens aéreas que equilibra preço, tempo de viagem e número de escalas.
Exemplo de negócios: um assistente de anúncios sugere remanejar o orçamento entre campanhas pesando o custo por venda, o orçamento restante e quantos dados cada campanha já tem.
Onde erra: as notas só são tão boas quanto as suas prioridades. Se ninguém decidiu se a velocidade importa mais do que o custo, o agente também não consegue decidir.
Use quando: existem trade-offs reais e mais de uma resposta aceitável.
5. Agentes de aprendizado: melhoram com feedback
O que faz: observa como suas ações anteriores terminaram e se ajusta. Isso pode funcionar sobre qualquer um dos quatro tipos acima.
Exemplo do dia a dia: as sugestões de um app de música mudam conforme você pula ou repete as faixas.
Exemplo de negócios: um assistente de lead scoring classifica melhor os leads depois que o time de vendas marca quais viraram negócios de verdade.
Onde erra: ele aprende o que o feedback ensinar. Um feedback irregular ou inconsistente faz com que ele erre com toda a confiança. O aprendizado também é o que exige mais dados e mais tempo.
Use quando: o trabalho se repete com frequência e alguém verifica o que o agente está aprendendo.
Tipos 6 e 7: agentes hierárquicos e sistemas multiagente
Esses dois descrevem como vários agentes são organizados, e não como um agente decide.
- Agentes hierárquicos: um agente "gerente" divide um trabalho grande em partes e entrega cada parte a outro agente.
- Sistemas multiagente: vários agentes trabalham no mesmo problema ao mesmo tempo, compartilhando ou dividindo o trabalho.
Exemplo de negócios: no lançamento de um produto, um agente pesquisa os concorrentes, outro escreve o rascunho do e-mail de lançamento e outro revisa a landing page.
Mais agentes significam resultados melhores? Depende do trabalho. Em junho de 2025, a Anthropic relatou que uma equipe de agentes superou um agente único em seus próprios testes de pesquisa, mas usou cerca de 15 vezes mais tokens (as unidades em que o uso de IA é cobrado) do que um chat normal. A Anthropic também afirmou que tarefas em que todos os agentes precisam do mesmo contexto não eram uma boa escolha para esse formato (Anthropic). Um artigo científico de outubro de 2026, ainda não revisado por pares, constatou que agentes que passavam trabalho uns para os outros não conferiam os fatos uns dos outros, a menos que o processo os obrigasse a isso (arXiv).
Então a conclusão não é "quanto mais agentes, melhor". É a mesma regra que você usa com pessoas: toda passagem de bastão precisa de entradas claras, uma entrega clara e alguém que confira o resultado.
Onde os agentes de IA de hoje se encaixam
Os cinco tipos foram definidos antes de existirem ferramentas como ChatGPT e Claude. Um agente de IA moderno combina vários deles. Ele segue suas instruções (regras), lê seus documentos e mensagens anteriores (acompanhamento), planeja etapas rumo ao que você pediu (objetivo), pesa opções quando você pede que ele escolha (melhor opção) e pode melhorar quando você salva correções (feedback).
Então, se um fornecedor diz que o produto dele é "um agente baseado em objetivos", isso diz pouco. Em vez disso, faça três perguntas simples:
- O que ele consegue ler?
- O que ele consegue alterar?
- Quando ele para e pergunta a uma pessoa?
Erros comuns ao pensar em tipos de agentes
"Os tipos mais avançados são sempre melhores." Não. Uma regra simples é mais barata, mais rápida e mais fácil de verificar. Use o tipo mais simples que dá conta do trabalho.
"Um agente de aprendizado aprende com tudo automaticamente." Na maioria das ferramentas de negócios, ele só melhora quando alguém salva a correção, por exemplo como uma instrução atualizada. Se ninguém salvar, a próxima execução começa do zero.
"Mais agentes significa mais capacidade." Mais agentes significa mais passagens de bastão. Pequenos erros também se acumulam: se cada etapa acerta 95% das vezes, um processo de dez etapas acerta só cerca de 60% das vezes.
"O tipo diz o que ele pode fazer na minha empresa." O tipo diz como ele decide. O que ele pode fazer depende do que ele consegue acessar e do que ele tem permissão para alterar.
Um jeito mais simples para equipes de negócios: classificar os agentes pelo trabalho que fazem
Os tipos do livro descrevem como um agente pensa. Um líder de vendas ou um gerente de operações geralmente se importa mais com o trabalho que o agente vai fazer. Por isso, muitas equipes acham mais fácil agrupar os agentes por função. É uma forma prática de pensar, não uma lista oficial.
| Função | O que faz | O que você recebe | O que a pessoa ainda decide |
|---|---|---|---|
| Monitor | Acompanha uma fonte e sinaliza o que importa | Um alerta ou resumo diário | Quais alertas exigem ação |
| Pesquisador | Reúne e compara informações | Um briefing ou uma lista curta | Se as fontes são boas e o que fazer |
| Produtor | Transforma as informações recebidas em um rascunho | Um e-mail, relatório, apresentação ou página | Edita e depois envia ou publica |
| Operador | Faz alterações dentro das suas ferramentas | Registros atualizados, um post agendado | Concede acesso e aprova alterações |
| Coordenador | Conduz um trabalho de várias etapas entre ferramentas | Um pacote pronto, devolvido para revisão | É responsável pelo resultado |
As pessoas já estão entregando trabalhos inteiros a agentes. Greg Isenberg, CEO do estúdio de criação de empresas Late Checkout, descreveu sua semana no X:
X · Greg Isenberg (@gregisenberg) · 3 de novembro de 2026
"my team is 50+ people in 12 countries, but i talk to my agents more than my human teammates"
(Tradução) "minha equipe tem mais de 50 pessoas em 12 países, mas eu falo mais com meus agentes do que com meus colegas humanos"
No mesmo post, ele lista uma etapa em que um agente questiona a ideia dele antes que qualquer coisa seja construída. É um bom hábito para qualquer função da tabela: deixe o agente fazer perguntas sobre o objetivo antes de começar. Nossa visão é menos dramática que a dele. Conversar bastante com agentes não tem problema, desde que as pessoas continuem decidindo o que é enviado, alterado ou aprovado.
Exemplo: um follow-up de vendas, passo a passo
Veja como os tipos aparecem em uma tarefa comum. Este é um exemplo de como as etapas se encaixam no Okou, não a história de um cliente.
O pedido. Depois de uma call de renovação, um gerente de contas escreve: "Revise o histórico deste cliente, prepare um briefing para o meu time e escreva o rascunho do e-mail de follow-up."
1. Primeiro, confira os fatos (acompanhamento). O agente lê a thread de e-mails, as anotações da call, o registro no CRM e notícias recentes sobre o cliente. O CRM diz "renovação, condições padrão". Mas um e-mail da semana passada diz que o líder financeiro do cliente quer faturamento trimestral. O agente usa o e-mail mais recente e sinaliza a divergência como uma questão em aberto.
2. Planeje o trabalho (objetivo). Ele reúne o que o briefing e o e-mail precisam: o que foi prometido na call, o que ainda está em aberto e o próximo passo que o cliente aceitou.
3. Siga a preferência do time (melhor opção). O gerente de contas já disse "e-mails para clientes com menos de 150 palavras e começando pelo próximo passo". Isso resolve o trade-off entre ser breve e ser detalhado.
4. Escreva o rascunho, não envie. O time permitiu que o Okou escrevesse rascunhos no Gmail, mas não que os enviasse (O que é o Okou?). Se o agente precisar de um acesso que não tem, uma pessoa aprova e escolhe por quanto tempo ele vale.
5. Use o formato certo para cada leitor. O time interno recebe um briefing em um documento que pode comentar. O cliente recebe um e-mail curto que deixa o próximo passo evidente.
6. Uma pessoa revisa. O gerente de contas corrige uma frase sobre o faturamento, confere o destinatário e clica em Enviar.
Um e-mail escrito no Okou (dados de exemplo de outra tarefa). Repare no rótulo Draft e no botão Send: nada sai até que uma pessoa clique em Send. Clique na imagem para vê-la em tamanho real.
7. Salve para o time reutilizar (feedback). A correção só ajuda na próxima vez se for salva. O gerente de contas pede ao Okou que salve o processo como um workflow: quais fontes verificar, como o briefing deve ser e a regra de que os e-mails ficam como rascunho. Um colega pode então executá-lo para outro cliente, usando as próprias contas de e-mail e de CRM, e não as de quem o criou (Okou para equipes). Se o time quiser que ele rode antes de toda call de renovação, pode adicionar uma automação com um agendamento ou gatilho.
A maioria dos artigos sobre tipos de agentes se concentra na etapa 2, o planejamento. Neste exemplo, o que tornou o resultado útil foram a etapa 1 (o e-mail mais recente), a etapa 4 (rascunho, sem envio), a etapa 5 (o formato certo) e a etapa 7 (salvar a correção).
Uma tabela rápida de escolha para o trabalho de negócios
Os cinco tipos clássicos descrevem como os agentes tomam decisões. Não são uma lista de compras de cinco produtos de que sua equipe precisa. Comece pela tarefa.
| O que a tarefa precisa | O ponto de partida útil mais simples | O que conferir antes de expandir |
|---|---|---|
| Copiar sempre os mesmos campos | Uma regra fixa de automação | Entradas estáveis e um caminho claro para exceções |
| Explicar um documento que você já tem | Um chatbot ou assistente | A resposta corresponde ao documento fornecido |
| Reunir material entre ferramentas e produzir um brief | Um agente que usa ferramentas | Fontes, fatos ausentes e permissões de ação |
| Repetir um método comprovado da equipe | Um workflow salvo | Entradas atuais e um revisor definido |
| Iniciar o método em determinado horário | Uma automação em torno desse workflow | Responsável, destino e permissões inalteradas |
| Dividir tarefas de pesquisa realmente independentes | Possivelmente vários agentes | Custo de coordenação, trabalho duplicado e um revisor responsável |
Adicionar mais agentes não é um atalho para a confiabilidade. Primeiro mostre que uma tarefa com limites definidos produz um trabalho que sua equipe pode conferir.
Como escolher o tipo certo de agente de IA
Responda a estas perguntas sobre o trabalho:
- Você consegue escrever a regra em uma frase? Então uma regra simples pode bastar.
- A resposta certa depende do histórico? Então o agente precisa ter acesso às fontes certas, e vale verificar o que ele faz quando duas fontes não batem.
- Você sabe o resultado, mas não as etapas? Isso é trabalho baseado em objetivos: briefings de pesquisa, relatórios, primeiros rascunhos.
- Existem trade-offs? Defina suas prioridades primeiro e depois deixe o agente aplicá-las.
- O trabalho vai se repetir? Planeje como as correções serão salvas para que a próxima execução seja melhor.
- Qual é o máximo que ele deve alterar sem perguntar? Comece com acesso somente leitura e rascunhos. Libere mais acesso aos poucos, com limites de tempo sempre que possível.
Quando o Okou precisa de uma permissão que não tem, uma pessoa vê exatamente o que está sendo pedido e escolhe por quanto tempo liberar.
Como o Okou se encaixa
O Okou é um colega de equipe de IA para times de negócios. Você não escolhe um tipo de agente. Você descreve o trabalho, indica os arquivos e as ferramentas relevantes, e o Okou reúne o contexto, faz o trabalho na nuvem e devolve algo que você pode conferir.
Três pontos deste guia definem como o Okou trabalha:
- Fatos certos primeiro. O Okou lê os e-mails, documentos e registros de que a tarefa precisa e confere os fatos que mudam com a fonte original. As correções que você faz em um chat continuam valendo naquele chat. Para usar o contexto de outro chat, você indica esse chat ao Okou (Chat).
- O formato certo. Uma mensagem rápida para uma atualização, um documento para detalhes que precisam de revisão, uma página web ou slides quando um grupo precisa analisar uma recomendação em conjunto.
- Reutilização com limites. Um workflow salvo permite que colegas reutilizem um método com as próprias contas e permissões. Compartilhar um workflow não compartilha a caixa de entrada nem os chats privados de ninguém.
Para mais exemplos, veja 20 casos de uso de agentes de IA com prompts e resultados reais, gestão de contexto de agentes de IA para equipes e como o Okou pergunta antes de agir.
Perguntas frequentes
Quais são os 5 tipos de agentes de IA?
Agentes reativos simples seguem regras fixas. Agentes reativos baseados em modelo também acompanham a situação. Agentes baseados em objetivos planejam etapas rumo a uma meta. Agentes baseados em utilidade escolhem a melhor entre várias opções. Agentes de aprendizado melhoram com feedback. A lista vem do livro de IA de Russell e Norvig e é a usada na maioria dos cursos.
O que é um agente reativo simples em IA?
Ele age apenas com base no que vê naquele momento, usando regras do tipo "se isso, então aquilo". Não tem memória e não faz planos. Um termostato é um exemplo. Nos negócios, filtros de caixa de entrada e regras básicas de encaminhamento funcionam assim: confiáveis quando as coisas são previsíveis, fáceis de enganar quando não são.
Qual é a diferença entre um agente baseado em objetivos e um agente baseado em utilidade?
Um agente baseado em objetivos fica satisfeito com qualquer plano que atinja o objetivo. Um agente baseado em utilidade compara as opções e escolhe a melhor. Um agente baseado em objetivos reserva um voo para Chicago. Um agente baseado em utilidade reserva aquele que melhor equilibra preço, tempo e escalas, de acordo com o que você disse que importa.
Sistemas multiagente são um tipo de agente de IA?
É mais correto descrevê-los como uma forma de organizar agentes. Vários agentes dividem ou compartilham um trabalho, e cada um deles ainda pode ser qualquer um dos cinco tipos clássicos. Mais agentes também significa mais passagens de bastão, e é nelas que as verificações costumam ser puladas.
Existe uma lista oficial de tipos de agentes de IA para empresas?
Não. Os cinco tipos clássicos são amplamente ensinados, mas as classificações usadas nas empresas variam. Algumas agrupam os agentes por departamento, outras pelo grau de autonomia e outras por função, como as funções de monitor, pesquisador, produtor, operador e coordenador deste guia. Use qualquer classificação como ferramenta de planejamento, não como padrão.
Com que tipo de agente de IA uma pequena empresa deve começar?
Comece com um trabalho que se repete, tem um resultado claro e pode ser conferido com segurança antes de qualquer coisa sair, como um relatório semanal, um briefing de pesquisa ou rascunhos de e-mails de follow-up. Dê ao agente acesso de leitura ao que ele precisa, deixe o envio e as alterações de registros com uma pessoa e libere mais acesso só depois que ele provar que é confiável.
