Um prompt é a instrução que você escreve para um modelo de IA; a resposta volta em uma rodada e a decisão fica com você. Um agente de IA recebe um objetivo, planeja etapas, usa ferramentas como e-mail, agenda ou planilha e executa ações até concluir a tarefa, com pouca intervenção sua. O prompt produz texto; o agente produz resultado no mundo, e isso muda risco, custo e uso.
Em resumo
- Prompt: pedido em linguagem natural, resposta em texto, decisão e ação continuam com a pessoa. Serve para escrever, resumir, analisar e criar.
- Agente: modelo de IA acoplado a ferramentas e a um ciclo de planejamento, que decide os próprios passos e executa ações, como enviar mensagem, consultar sistema ou registrar pedido.
- Para a maioria das tarefas pontuais, um prompt bem feito basta; o agente compensa em rotinas repetitivas, com várias etapas e dados que vêm de fora da conversa.
Um prompt é um pedido; um agente é um sistema que persegue um objetivo
Quando você digita “escreva uma resposta educada para este cliente que reclamou do atraso” no ChatGPT, no Gemini ou no Claude, isso é um prompt. O modelo devolve o texto, e a conversa para ali. Se o resultado não serviu, você reescreve o pedido. A pessoa continua sendo o motor de tudo.
Um agente recebe algo diferente: “acompanhe os pedidos atrasados desta semana, avise cada cliente pelo WhatsApp e registre a resposta na planilha”. Para cumprir isso, ele precisa consultar o sistema de pedidos, decidir quem avisar, redigir cada mensagem, enviá-la e voltar para anotar. São várias ações encadeadas, escolhidas pelo próprio sistema.
De acordo com a documentação da Anthropic sobre construção de agentes, a marca distintiva é que o modelo dirige dinamicamente o próprio processo e o uso das ferramentas, em vez de seguir um caminho fixo definido pelo programador. O prompt continua existindo dentro do agente, mas deixa de ser o produto final.
Executar ações exige peças que uma conversa não tem
Um agente é montado com componentes que se somam ao modelo de linguagem. Cada peça acrescenta capacidade e, ao mesmo tempo, um ponto onde algo pode falhar. Entender essas peças ajuda a avaliar qualquer produto que se apresente como “agente”, porque muitos são apenas um chatbot com nome novo.
- Ferramentas: conexões com e-mail, agenda, planilha, CRM, navegador ou sistema de pagamento que o modelo pode acionar. Segundo a documentação da OpenAI, isso é feito por chamadas de função, em que o modelo pede a execução e o sistema executa.
- Memória: registro do que já foi feito na tarefa e, em alguns casos, do que aconteceu em tarefas anteriores.
- Planejamento: capacidade de quebrar o objetivo em passos, executar um, observar o resultado e decidir o próximo.
- Critério de parada: regra que define quando a tarefa acabou ou quando o agente deve pedir ajuda humana.
- Permissões: o que o agente pode fazer sozinho e o que exige aprovação.
Num prompt, nada disso existe. A memória é a própria janela da conversa, a ferramenta é o seu copiar e colar, o planejamento é seu e a parada acontece quando você fecha a aba. É mais limitado e, exatamente por isso, mais previsível e mais barato.
A consequência prática é que um agente pode errar em cadeia. Se ele interpreta mal um dado no segundo passo, os passos seguintes herdam o erro e agem sobre ele. Num prompt, o erro fica visível na tela antes de virar ação. Essa é a diferença de risco que orienta toda a escolha.
Entre o prompt e o agente existe um degrau intermediário
Ferramentas de automação como n8n, Make e Zapier permitem montar fluxos com etapas fixas em que uma delas chama um modelo de IA. Exemplo: toda vez que chega um e-mail, o fluxo extrai o texto, pede ao modelo para classificar como urgente ou comum e, conforme a resposta, move para uma pasta. O caminho é sempre o mesmo.
Isso não é um agente no sentido estrito, porque o modelo não decide os passos; ele só preenche uma caixa dentro de um roteiro escrito por uma pessoa. A Anthropic chama esse padrão de fluxo de trabalho, distinto de agente, justamente porque a sequência é predefinida. Para muita empresa, é o ponto ideal.
O degrau intermediário costuma resolver a maior parte das rotinas de um pequeno negócio com menos risco: cada etapa é conhecida, o custo é previsível e o erro fica contido em um lugar. O agente completo entra quando o caminho varia a cada caso e não dá para escrever o roteiro de antemão.
Para o pequeno negócio, o agente compensa em rotinas com muitas etapas
O agente paga o próprio custo quando a tarefa se repete, envolve consultar mais de uma fonte e termina em uma ação registrável. Se a rotina é feita por uma pessoa todo dia, com passos que mudam conforme o caso, ela é candidata. Alguns exemplos que cabem em comércio, serviço e MEI:
- Triagem de mensagens no WhatsApp: entende o pedido, consulta a agenda, oferece horários livres e confirma o agendamento.
- Acompanhamento de pedidos em marketplace: verifica status, identifica atrasos, avisa o cliente e registra a ocorrência.
- Cobrança amigável: identifica boletos vencidos, envia lembrete com o código Pix e marca quem respondeu.
- Resposta a avaliações: lê a avaliação, consulta o histórico do pedido e propõe uma resposta para aprovação.
- Pesquisa de fornecedores: busca em vários sites, compara preços e prazos e monta uma tabela comparativa.
Repare que os melhores casos terminam em “para aprovação” ou em “registra”. O agente faz o trabalho braçal de reunir informação e preparar a ação, e a pessoa dá o aval final onde há dinheiro ou relacionamento em jogo. É o desenho que mais dá certo no começo.
Um prompt bem feito basta em mais casos do que parece
Se a tarefa acontece uma vez, se o insumo já está na sua tela e se a saída é um texto que você vai revisar de qualquer jeito, o agente é excesso. Escrever um e-mail, resumir um contrato, criar uma descrição de produto, traduzir um documento ou preparar perguntas para uma entrevista são trabalhos de prompt.
O prompt também vence quando a qualidade depende de contexto que só você tem: o tom da sua marca, o histórico com aquele cliente, o que pode e o que não pode ser dito. Colocar esse contexto no pedido e ajustar em duas ou três rodadas costuma dar resultado melhor do que qualquer sistema autônomo.
Há ainda a curva de aprendizado. Dominar prompts leva dias; montar e manter um agente confiável leva semanas e exige alguém que acompanhe erros e permissões. Quem ainda não extrai bons resultados de um prompt não vai extrair de um agente, porque o agente multiplica o que já existe, inclusive os erros.
Autonomia tem preço: os riscos aparecem nas ações, não nas palavras
O primeiro risco é o prompt injection: um e-mail, uma página ou um documento que o agente lê pode conter instruções escondidas que o desviam do objetivo. Num chatbot, isso rende uma resposta estranha; num agente com acesso a pagamentos ou a dados de clientes, pode render prejuízo real.
O segundo é o custo. Um agente que planeja, executa, observa e repete consome muito mais chamadas ao modelo do que uma conversa. Sem um teto de gasto e um limite de tentativas, um laço mal configurado pode rodar por horas. Bons fornecedores permitem definir esses limites; confira na documentação antes de ativar.
O terceiro é a proteção de dados. Conforme a Lei Geral de Proteção de Dados, quem trata dados pessoais de clientes responde pelo uso adequado, inclusive quando o tratamento é feito por um sistema automatizado. Um agente que lê cadastros e envia mensagens precisa de permissões mínimas, registro das ações e um responsável humano identificado.
Um critério simples decide entre prompt e agente
Faça três perguntas sobre a tarefa. Ela se repete com frequência? Ela precisa de dados que estão fora da conversa, em sistemas, sites ou mensagens? Ela termina em uma ação, e não em um texto? Três respostas “sim” indicam agente; três “não” indicam prompt; o meio-termo costuma ser um fluxo de automação com uma etapa de IA.
Depois, pergunte quanto custa um erro. Se a resposta é “retrabalho de alguns minutos”, o agente pode agir sozinho. Se é “dinheiro perdido” ou “cliente irritado”, o agente prepara e a pessoa aprova. Se é “problema jurídico” ou “dano à reputação”, fique no prompt e mantenha o controle inteiro.
Por fim, comece pequeno. Um agente que só lê e sugere, sem permissão para enviar ou pagar, já economiza tempo e revela onde ele erra. Amplie as permissões à medida que o histórico de acertos justificar. Quem começa pela autonomia total costuma voltar atrás depois do primeiro incidente.
O próximo passo é listar as cinco tarefas que mais consomem seu tempo na semana e aplicar as três perguntas a cada uma. Provavelmente uma ou duas merecem um agente ou uma automação; as outras rendem mais com um prompt caprichado e revisão sua. Resolva primeiro as que rendem com prompt, porque o resultado é imediato.