O agente de IA do Google Cloud chega ao trabalho corporativo: o que muda quando a IA deixa de só conversar

A conversa com um chatbot termina onde começa o trabalho de verdade: alguém precisa copiar a resposta, colar no sistema certo, abrir o chamado, enviar o e-mail. É essa costura manual — invisível, chata, cara — que a nova levaia de agentes de IA promete eliminar. O Google Cloud entrou nessa disputa com força, e a diferença entre o que está prometido e o que já funciona vale mais atenção do que o barulho do anúncio.

Minha tese é direta: agentes de IA corporativos são a mudança mais prática do ciclo atual de inteligência artificial — mais relevante para a maioria das empresas do que modelos cada vez mais espertos —, mas o que existe hoje são peças de um quebra-cabeça incompleto, vendidas como o quebra-cabeça inteiro. Quem contratar sem separar promessa de realidade vai pagar pela fantasia.

O que é um "agente", afinal

Vale começar pelo termo, porque ele virou gíria de marketing. Um agente de IA não é um chatbot com nome bonito. A documentação do CX Agent Studio (abre em nova aba), plataforma de agentes de atendimento do Google Cloud, define bem a arquitetura: existe um agente raiz, que entende o objetivo geral e orquestra, e subagentes especializados, que fazem tarefas específicas — consultar um banco de dados, analisar um tipo de informação. Os subagentes podem invocar outros subagentes.

Traduzindo para quem não trabalha com tecnologia: em vez de um estagiário virtual que responde perguntas, você tem uma pequena equipe virtual com um coordenador. Você pede o resultado final; o coordenador divide o trabalho e delega.

A mesma documentação mostra que a coisa já opera em escala razoável: os agentes podem ser implantados em vários canais, e o console exibe sessões e escalonamentos das últimas 24 horas. Os modelos por trás — incluindo versões da família Gemini otimizadas para texto e para voz, alguns já em disponibilidade geral, outros em fase de visualização — mostram que o Google está trattando voz e texto como problemas distintos, não como um modelo único que resolve tudo.

O caso que convence: código que se conserta sozinho

Se há um exemplo de agente corporativo que já saiu do folclore, é o CodeMender (abre em nova aba), agente de segurança de código do Google, desenvolvido com o DeepMind. Ele não sugere correções: encontra vulnerabilidades, verifica se são reais e as corrige na base de código. A documentação é clara sobre a lógica: um modelo de linguagem sozinho produz resultados piores do que o modelo embrulhado em comandos, habilidades e orquestração específicos de segurança. Essa é, na minha leitura, a receita certa para a categoria inteira, especialização vence generalidade.

Mas note a letra miúda, que diz muito sobre o momento: o CodeMender está em pré-lançamento público, disponível apenas para um grupo limitado de clientes, "no estado em que se encontra", sem suporte pleno, proibido para produção, e exige que o cliente supervise de perto. O Google até prevê um termo contratual específico para quem desativar a confirmação humana das ações do agente, ou seja, a própria empresa tratou como risco sério a possibilidade de a máquina agir sem gente olhando.

E aqui mora a lição central desta coluna de opinião: a diferença entre um agente impressionante e um agente perigoso é exatamente o tamanho da mão humana no freio.

O contraponto que precisa ser enfrentado

O argumento cético é conhecido e justo: "já vimos esse filme". Assistentes corporativos foram anunciados antes, geraram demo espetaculares e decepções silenciosas. Por que agora seria diferente?

Minha resposta: o que mudou não é só a inteligência do modelo, é o desenho do sistema. Um chatbot depende do usuário para fazer metade do trabalho. Um agente, pelo menos em teoria, fecha o ciclo, e é esse fechamento que cria valor econômico real. Quando a documentação do CodeMender menciona compatibilidade com mais de dez linguagens de programação e frameworks corporativos comuns, está dizendo algo específico: o agente foi construído para o caos real dos ambientes de empresa, não para o laboratório.

Dito isso, o cético tem razão numa coisa importante. Grande parte do que se escreve sobre "agentes autônomos para o trabalho em qualquer dispositivo e canal" ainda é roteiro de apresentação, não relatório de uso. A documentação que existe hoje cobre nichos definidos, atendimento ao cliente, segurança de código. O assistente universal que entende seu e-mail, seu planilha, seu Slack e sua linha de comando é a direção apontada, não a现实idade instalada. Confundir direção com destino é o erro que empresas vão cometer neste ciclo.

O que fazer com isso, na prática

Para o profissional ou o gestor que está tentando decidir o que fazer, três leituras me parecem sustentadas pelos fatos:

• Comece por tarefas fechadas, não por "autonomia geral". Segurança de código e atendimento ao cliente funcionam como primeiros casos porque têm critérios de certo e errado claros. "Organizar minha semana" não tem.
• Exija saber onde está o humano. Se o fornecedor não conseguir explicar quando o agente pede confirmação antes de agir, o produto não está maduro para produção. A própria documentação do Google trata essa confirmação como padrão, e a desativação como responsabilidade do cliente.
• Desconfie de "qualquer canal" prometido demais. A arquitetura raiz-e-subagentes é real e sensata, mas cada canal novo (voz, chat, telefone) é uma superfície de falha nova. Implantar aos poucos, medindo sessões e escalonamentos, como o próprio console do Google sugere, é mais honesto do que o discurso do "em qualquer lugar".

Uma distinção útil para o leitor não técnico: modelo é o cérebro, o sistema que gera texto ou decisões; agente é o modelo mais ferramentas, instruções e permissão de agir. Quem vende "agente" vendendo só o modelo está vendendo motor sem carro.

O aperto que vem por aí

Há uma tensão de fundo que quase ninguém nas demonstrações menciona. Um agente que age sozinho precisa de permissões: acesso ao código, aos sistemas de atendimento, aos dados da empresa. Cada permissão concedida é um risco de segurança novo, e o Google sabidamente sabe disso, a própria oferta do CodeMender está cercada de restrições legais sobre o que pode ser analisado e para quê. Empresas que adotarem agentes sem repensar governança vão descobrir que automatizaram também os erros.

Ainda assim, mantenho a tese otimista com qualificação: a camada de agentes é a parte da IA que toca o trabalho real, com prazos, sistemas e consequências. Enquanto todo mundo discute qual modelo é o mais inteligente, a disputa que decide o dia a dia das empresas é qual conjunto de agentes executa melhor as tarefas cansativas, e com qual supervisão humana embutida. Nesse jogo, o Google Cloud chegou com peças concretas, documentação pública e, onde importa, avisos honestos sobre o que ainda é pré-lançamento. Isso conta mais do que qualquer promessa de autonomia total.

Perguntas frequentes