Trabalhar Acima do Loop: O Que Aprendi no Capacita+ Sobre a Realidade dos Agentes de IA

Nesta semana participei do Capacita+: Construa com o Gemini, treinamento oficial do Google Cloud focado na transição para a chamada era agêntica. O evento conectou polos de ensino técnico e faculdades de vários cantos do país ao palco principal em São Paulo.

A condução do evento teve um formato bem dinâmico. O Dante Olivier abriu os caminhos como host, enquanto a apresentação técnica ficou por conta da Mikaeri Ohana, desenvolvedora e líder de relacionamento técnico no Google Cloud. Para completar, a participação da Lorrane Silva (a Pequena Lô) funcionou muito bem para puxar a conversa pro chão da realidade. Em vez de deixar a conversa presa em jargões de TI, ela fez as perguntas que qualquer usuário comum faria: onde isso me ajuda de verdade e por que eu deveria me importar?

O evento deixou um recado nítido: conversar com um modelo em uma janelinha de chat é uma coisa, mas colocar um sistema agêntico para resolver processos no mundo real é outra história completamente diferente.

Pebolim com Gemma e Gemini: IA na ponta e narração em tempo real

Antes da apresentação principal, uma das ativações montadas no espaço físico mostrou uma divisão de arquitetura que achei muito engenhosa: uma mesa de pebolim (ou totó, dependendo de onde você mora) equipada com visão computacional para narrar a partida ao vivo.

A sacada ali foi não tentar jogar vídeo em alta resolução para a nuvem o tempo todo, o que custaria caro e traria latência:

• Na ponta (Edge com TPU): Uma câmera capturava quadros do jogo a cada quinze segundos e mandava direto para um modelo Gemma rodando localmente em uma TPU. Esse modelo menor cuidava do trabalho pesado de visão, medindo posse de bola, tentativas de chute ao gol e movimentação dos bonecos.
• Na nuvem (Gemini): O Gemini recebia apenas esses dados já mastigados e estruturados. Com esse contexto limpo em mãos, ele assumia o papel de narrador, comentava os lances, previa as probabilidades de vitória de cada time durante a partida e até simulava um VAR de brincadeira para anular gols.

Essa separação entre o modelo leve na ponta fazendo triagem rápida e o modelo pesado na nuvem cuidando do raciocínio complexo é o padrão que mais faz sentido quando a gente pensa em custo e velocidade.

Bot, assistente ou agente: onde termina a conversa e começa a ação

Muita gente chama qualquer tela preta com inteligência artificial de agente. Só que a Mikaeri organizou essa régua de um jeito simples e direto:

“Um agente recebe um objetivo, considera o contexto, decide como avançar e consegue agir.”

• Mikaeri Ohana, líder de relacionamento técnico no Google Cloud

• Chatbot tradicional: É o bot clássico de aplicativo de banco. Aquele que manda “digite 1 para consultar saldo ou digite 2 para falar com atendente”. Ele roda em cima de regras rígidas e árvores de decisão. Se você sair um milímetro do script que o desenvolvedor previu, ele trava.
• Assistente de IA: Aqui entra o modelo generativo que entende contexto e linguagem natural, como o Gemini ou o NotebookLM para anotações e estudos. Ele resume textos, sugere códigos e responde perguntas abertas com facilidade. Mas você continua pilotando tudo no braço. Você manda o prompt, lê o resultado, pede um ajuste e decide o próximo passo.
• Agente de IA: Aqui a dinâmica muda. Em vez de pedir tarefa por tarefa, você entrega uma meta final. O agente entende o objetivo, analisa o contexto, traça um plano com passos intermediários e aciona ferramentas externas para entregar o trabalho concluído.

A transição aconteceu em etapas bem claras. Primeiro a IA aprendeu a gerar texto e imagens. Depois ganhou a capacidade de chamar funções (function calling) em outros programas. E agora chegamos aos sistemas que perseguem objetivos e corrigem a rota sozinhos:

Cérebro, mãos e sistema nervoso: como as peças se encaixam

Para explicar como essa estrutura fica de pé, a metáfora do corpo humano foi uma das partes mais didáticas do dia:

1. O Cérebro (Modelo): É o modelo de linguagem (como o Gemini). Ele é quem raciocina, interpreta o pedido e decide o que fazer. Mas um cérebro isolado em uma cuba não mexe em nada no mundo físico. Ele só conversa.
2. As Mãos (Ferramentas): São as conexões que permitem ao sistema agir. Elas se dividem em três tipos:
   • Ferramentas prontas: Serviços comuns do dia a dia, como APIs de busca de passagens, mapas ou previsão do tempo.
   • Funções customizadas: Conexões feitas sob medida para sistemas próprios, como bater ponto, consultar estoque ou emitir relatórios internos.
   • Recuperação de dados autorizados (RAG): O canal para o agente consultar manuais, bases privadas e pastas seguras antes de responder.
3. O Sistema Nervoso (Orquestração): É o circuito que coordena essa dança inteira. Ele garante que o cérebro chame as mãos certas, na ordem correta, e saiba lidar com respostas incompletas.

Sem ferramentas, o modelo não passa de um conselheiro passivo. Sem orquestração, as ferramentas viram apenas scripts isolados batendo cabeça.

O loop de quatro tempos e o teste de Toronto

O coração dessa orquestração roda em um ciclo contínuo de quatro verbos: perceber, pensar, agir e checar.

Para mostrar isso na prática, veio o exemplo do intercâmbio de seis meses em Toronto com um teto de trinta e cinco mil reais:

• Perceber: O agente lê as restrições da viagem (destino, datas, o limite do bolso e documentos necessários).
• Pensar: Ele divide essa missão grande em tarefas menores, separando voos, hospedagem próxima do campus e o visto de estudante.
• Agir: O sistema aciona APIs de companhias aéreas, filtra moradias em sites imobiliários e puxa os formulários consulares.
• Checar: Ele soma tudo e confere se a conta fecha dentro do orçamento combinado.

A mágica do agente aparece justamente quando as coisas dão errado na checagem.

Imagine que a melhor combinação encontrada de passagem e estadia somou trinta e seis mil reais. Um script tradicional de programação daria erro de condição ou simplesmente travaria avisando que o orçamento estourou.

No loop agêntico, esse estouro de mil reais vira dado novo para o ciclo seguinte. O agente percebe que passou do teto, pensa em outras alternativas, age buscando passagens em dias de semana ou opções de acomodação mais afastadas, e roda a checagem novamente até encontrar uma combinação que caiba no orçamento.

Quando não inventar moda: a régua prática para usar ou não agentes

Uma das coisas que mais gostei no treinamento foi o bom senso de não empurrar agente para tudo. Se a sua necessidade é simples, criar um agente é só um jeito caro e complicado de complicar a vida.

Dá para resumir a escolha em critérios bem práticos:

• Passos repetitivos com caminho previsível: Use um script comum de automação. É mais rápido, não alucina e roda de graça.
• Dúvida pontual ou análise de documento: Use um assistente comum de chat. Cole o texto, faça perguntas e resolva o assunto em dois minutos.
• Caminhos imprevisíveis que exigem adaptação e contato com sistemas de fora: Aqui sim o agente se paga.

A comparação com busca de vagas ilustra isso perfeitamente.

Se você já achou a vaga ideal e quer só adaptar o seu currículo para aquela oportunidade específica, o Gemini no chat resolve na hora. Um assistente dá conta do recado com folga.

Agora, se você quer que o sistema monitore vagas abertas nas próximas três semanas, cruze os requisitos técnicos com as suas habilidades e deixe cartas de apresentação rascunhadas esperando a sua revisão, você tem uma missão continuada. Isso é trabalho sob medida para um agente.

O humano acima do loop: quem decide ainda é você

Autonomia não significa dar a chave do cofre para o modelo sair fazendo o que quiser. O agente trabalha dentro do loop, cuidando da parte chata de buscar opções, cruzar tabelas e simular cenários. Mas quem fica acima do loop é a pessoa.

O agente pode pesquisar as melhores passagens para Toronto e deixar tudo pronto, mas ele não passa o cartão sem você dar o clique final de aprovação. O mesmo vale para submeter uma candidatura de emprego ou apagar registros de um banco de dados.

Isso bate com uma reflexão muito lúcida que a Giulia Bordignon (@spacecoding) trouxe no evento. Ela comentou que a técnica e os comandos de código a gente aprende no Google ou na documentação oficial em pouco tempo. O diferencial que sobra para o profissional é o repertório humano: a nossa capacidade de olhar para a rotina, perceber onde as pessoas estão perdendo tempo ou enfrentando gargalos reais e direcionar essas ferramentas para resolver problemas concretos.

O Google Deep Research é um bom exemplo dessa convivência. Ele pode vasculhar a internet inteira e entregar um relatório estruturado de dez páginas com fontes auditadas. Mas se você não souber calibrar o objetivo inicial e avaliar com olhar crítico se as conclusões fazem sentido, o relatório não passa de papel digital.

Ao final do treinamento, concluí as etapas práticas propostas e recebi o certificado oficial de participação emitido pelo Google Cloud:

Certificado oficial de participação no treinamento Capacita+: Construa com o Gemini (Google Cloud).

No fim das contas, a tecnologia avança, mas o critério continua sendo nosso.