Agentes e Assistentes de IA no Brasil

O desenvolvimento inicial costuma ser vendido como projeto fechado: o profissional mapeia os fluxos de conversa, conecta o agente às suas fontes de conhecimento e sistemas, treina os comportamentos e entrega em produção. Depois da entrega, a maioria dos contratos migra para uma assinatura de manutenção, porque agente de IA exige acompanhamento contínuo — revisar respostas erradas, atualizar a base de conhecimento e ajustar prompts conforme o negócio muda. Há também quem cobre por hora para evoluções pontuais em agentes já implantados. O que mais mexe no orçamento é a complexidade: um assistente que só responde perguntas sobre uma base de documentos custa menos que um agente que consulta o ERP, abre chamados e conclui ações em vários sistemas. Lembre de somar os custos recorrentes que não são do profissional: as chamadas de API do modelo de linguagem e a plataforma de atendimento são faturadas pelos fornecedores, e o volume de uso define essa conta. Peça a proposta separando construção, manutenção e consumo.

O cronograma se divide em fases que valem para quase todo projeto. A primeira é o levantamento: entender os casos de uso, reunir a base de conhecimento e definir o que o agente pode e não pode fazer. A construção vem em seguida, com a configuração do modelo, as integrações e os testes internos. Antes da abertura para todo mundo, o piloto com um grupo restrito de usuários reais é a etapa que mais ensina — é ali que aparecem as perguntas que ninguém previu. O que costuma atrasar não é a IA, e sim o entorno: acesso aos sistemas que o agente precisa consultar, documentação desatualizada que precisa ser revisada antes de virar base de conhecimento e aprovações de segurança e jurídico. A forma de encurtar o prazo é começar com um escopo enxuto, um canal e um caso de uso, e expandir depois que o comportamento estiver estável em produção.

Entram no pacote o mapeamento dos casos de uso com as áreas envolvidas, a curadoria do conteúdo que alimenta o agente, a engenharia de prompts e das regras de comportamento, as integrações com os canais — site, WhatsApp, sistemas internos — e com as fontes de dados, os guardrails que impedem respostas fora do tema e a rotina de testes antes da publicação. Bons contratos incluem também um painel para acompanhar conversas, taxa de resolução e pontos de escape para atendimento humano. O que costuma ficar de fora, salvo acordo: a produção de conteúdo novo quando a empresa não tem documentação, as licenças das plataformas e o consumo de API, ajustes em sistemas legados que não têm interface de integração e a equipe humana que assume os casos transferidos. Um item que merece cláusula própria é a propriedade dos prompts e dos fluxos: eles devem pertencer à empresa, para que a troca de fornecedor não signifique recomeçar do zero.

Protótipo de agente impressiona em demonstração; o que separa fornecedores é o comportamento depois de meses em produção, com usuários reais fazendo perguntas imprevisíveis. Por isso, a melhor verificação é conversar com clientes antigos e perguntar sobre taxa de resolução, frequência de respostas erradas e velocidade de correção. No aspecto técnico, avalie se o profissional domina mais de uma plataforma e modelo — quem só trabalha com uma ferramenta tende a encaixar seu problema nela — e como estrutura o tratamento de dados pessoais nas conversas, ponto de LGPD que envolve consentimento e retenção. No contrato, exija a definição de métricas de sucesso antes do desenvolvimento, o plano de manutenção com prazos de resposta e a propriedade dos ativos criados. Desconfie de quem promete automatizar todo o atendimento de imediato: projetos maduros começam assumindo os casos repetitivos, medem, e só então expandem o que o agente decide sozinho.

Modelos de linguagem geram texto provável, não verdade verificada, e por isso alucinações fazem parte do risco de qualquer agente. As defesas técnicas são conhecidas: limitar as respostas ao que está na base de conhecimento aprovada, exigir que o agente cite a fonte, bloquear temas fora do escopo, definir respostas fixas para assuntos críticos — preço, condições contratuais, questões jurídicas — e transferir para um humano quando a confiança é baixa. Tão importante quanto a técnica é a operação: alguém da empresa precisa revisar amostras de conversas toda semana, corrigir a base quando uma resposta errada aparece e acompanhar os indicadores de resolução. Vale lembrar que, perante o consumidor, quem responde é a empresa — o que o agente prometer em uma conversa pode ser cobrado. Combine com o fornecedor o processo de correção de erros, o prazo para ajustes e as situações em que o agente deve se recusar a responder.

Projetos de dados têm duas fases com custos distintos: a construção e a operação. A construção envolve levantamento das fontes, tratamento, modelagem e desenvolvimento do painel ou da automação. A operação envolve processamento periódico, armazenamento, chamadas a modelos de linguagem quando houver e manutenção quando as fontes mudam. Peça a estimativa mensal de operação junto da proposta, com premissas de volume — em soluções baseadas em modelos, o custo cresce com o uso e precisa ser monitorado. Comece por um escopo pequeno com valor claro, como um painel com cinco indicadores que hoje são calculados à mão, e avalie o retorno antes de expandir. Peça também o desenho da arquitetura e a documentação das transformações aplicadas aos dados em cada etapa.

A etapa que mais consome tempo é a preparação dos dados, não a visualização. Sistemas diferentes usam nomes, formatos e regras distintas para a mesma informação, e conciliar isso exige decisões de negócio que só você pode tomar — o que conta como cliente ativo, como um cancelamento é registrado, qual data vale para a receita. Reserve tempo para essas definições e registre-as por escrito, porque elas viram a regra do painel. Faça a validação com números conhecidos: se o painel não bate com o relatório que a equipe usa hoje, ninguém confiará nele. Entregue em versões, começando pelos indicadores mais usados. E defina desde o início quem mantém o painel quando uma fonte mudar, o que acontece com mais frequência do que se espera.

Antes de contratar, levante o essencial: quais sistemas guardam os dados, quem administra cada um, se existe forma de exportar ou conectar e quem pode autorizar o acesso. Liste em seguida de cinco a dez perguntas que a empresa quer responder, com a decisão que cada resposta apoia — perguntas sem decisão associada geram painéis bonitos e inúteis. Se os dados estiverem em planilhas, isso não impede o começo, mas planeje a migração para uma base estruturada conforme o uso crescer. Cuide também da privacidade: mapeie dados pessoais, restrinja acesso ao necessário e defina retenção. Comece pequeno, valide com quem usa e amplie. Projetos de dados morrem mais por falta de adoção interna do que por qualquer limitação técnica da ferramenta.

Comece classificando as informações: públicas, internas, confidenciais e pessoais. Para cada categoria, defina o que pode ser processado por serviços de terceiros e o que precisa permanecer no ambiente controlado. Anonimize ou remova dados pessoais quando eles não forem necessários para a tarefa. Verifique no contrato do fornecedor de modelo se os dados enviados são usados para treinamento e se há opção de desativar isso. Registre as finalidades do tratamento e mantenha um responsável designado. Do lado prático, use contas corporativas com autenticação em duas etapas, restrinja chaves de acesso, registre logs de uso e revise permissões periodicamente. E oriente as equipes: a maior parte dos vazamentos em ferramentas de IA acontece por colagem de conteúdo sigiloso em contas pessoais, não por falha técnica.

Monte a avaliação em três partes. Primeiro, a linha de base: quanto tempo o processo leva hoje, com que taxa de erro e a que custo. Segundo, um conjunto de casos de teste representativos, incluindo os difíceis, com a resposta correta conhecida — é ele que permite medir acerto de forma objetiva. Terceiro, o acompanhamento em produção, com amostragem revisada por pessoas e registro de falhas. Defina também o comportamento esperado quando o sistema não souber responder: encaminhar para atendimento humano costuma ser melhor que arriscar resposta errada. Estabeleça responsáveis pela revisão periódica, porque desempenho muda quando os dados de entrada mudam. E documente limitações conhecidas, para que quem usa saiba onde a solução não deve ser aplicada sem revisão humana.

O tema vai de R$ 20 a cerca de R$ 15.000 no catálogo, cobrindo desde peças gráficas avulsas até desenvolvimento de software. Alguns valores de referência: site institucional de R$ 1.500 a R$ 8.000, landing page de R$ 800 a R$ 3.500, loja virtual de R$ 2.500 a R$ 15.000 e gestão de redes sociais de R$ 800 a R$ 4.000 por mês. O que define o preço é a quantidade de telas ou peças, o nível de personalização, se há integração com outros sistemas e quem produz o conteúdo. Projeto feito sobre tema pronto custa uma fração do desenvolvimento sob medida, e é a escolha certa para muita gente. Lembre dos custos recorrentes que não estão no orçamento do projeto: domínio, hospedagem, licenças e manutenção. Peça a proposta com escopo, entregas e o que fica fora.

A execução dos serviços do tema fica em média em torno de quatro horas nas entregas menores e passa de setenta horas nos projetos maiores — mas o calendário real é sempre maior que a soma das horas técnicas. O que mais atrasa projeto digital não é código: é conteúdo. Texto, fotos, catálogo de produtos, logotipo em alta resolução e acessos a domínio e hospedagem precisam estar prontos, e quase nunca estão. Combine desde o início quem produz cada item e uma data de corte para entrega do material. Estabeleça também quantas rodadas de revisão estão incluídas e qual é o prazo para você responder cada uma; projeto parado esperando aprovação é o cenário mais comum. Peça um cronograma com etapas — descoberta, protótipo, desenvolvimento, testes, publicação — e um ambiente de homologação para revisar antes de o site ir ao ar.