A diferença numa frase
Um chatbot responde; um agente de IA decide e age. A Anthropic define-o com precisão no guia Building Effective AI Agents (dezembro de 2024): num fluxo (workflow), o modelo e as ferramentas são orquestrados por «caminhos de código predefinidos»; num agente, o modelo «dirige dinamicamente os seus próprios processos e o uso de ferramentas, mantendo o controlo sobre como cumpre a tarefa».
Traduzido para o negócio: o chatbot segue um guião que escreveste antes; o agente improvisa os passos dentro dos limites que lhe dás. Essa autonomia é poderosa, mas não é gratuita, como veremos.
O que é um chatbot (e o que não é)
Um chatbot é um sistema conversacional que devolve uma resposta a partir de uma entrada. Há três tipos, do mais simples ao mais sofisticado:
- Baseados em regras: árvores de decisão e botões. Se perguntas algo fora do guião, perdem-se.
- De recuperação (retrieval): procuram a melhor resposta numa base de conhecimento (FAQ, documentação).
- Com LLM: geram texto com um modelo de linguagem. Soam naturais, mas se não fazem mais nada, continuam a ser um chatbot.
A chave, segundo a IBM, é que um chatbot não agêntico «carece de ferramentas, memória ou raciocínio» e «requer entrada contínua do utilizador para responder». Responde e espera. Não persegue um objetivo por si próprio.
O que é um agente de IA
A IBM define um agente como «um sistema que realiza tarefas de forma autónoma desenhando fluxos de trabalho com as ferramentas disponíveis». Vai além de gerar linguagem: «toma decisões, resolve problemas, interage com ambientes externos e executa ações». E, ao contrário do chatbot, «aprende a adaptar-se às expectativas do utilizador ao longo do tempo» e «completa tarefas complexas criando subtarefas sem intervenção humana».
Na prática, um agente combina quatro coisas que um chatbot normal não tem:
- Planeamento: decompõe um objetivo em passos.
- Ferramentas (tool calling): consulta bases de dados, chama APIs, executa código, lê um calendário.
- Memória: recorda o contexto entre passos e entre conversas.
- Autocorreção: avalia o resultado e volta a tentar se algo falha.
O ponto de viragem: ferramentas, memória e autocorreção
Se tivesse de resumir a fronteira num teste prático, seria este: o sistema consegue fazer algo no mundo real sem que lhe ditemos cada passo? Marcar uma reunião, atualizar um registo no CRM, gerar e enviar um orçamento, escalar um caso ao humano certo com todo o contexto. Isso exige ferramentas e memória; é o salto de chatbot para agente.
Uma ressalva honesta da Anthropic: «os sistemas agênticos trocam frequentemente latência e custo por um melhor desempenho na tarefa». Um agente pensa mais, chama mais ferramentas e demora mais. Por isso recomendam usar fluxos para tarefas bem definidas e reservar os agentes para «problemas abertos onde é difícil ou impossível prever o número de passos necessários».
Um exemplo concreto: a mesma pergunta, dois sistemas
Um cliente escreve: «Têm disponibilidade esta semana para rever o meu site?».
- Chatbot: responde com o horário de atendimento e, no máximo, um link para o cliente procurar disponibilidade sozinho. Fim.
- Agente: consulta o calendário real, cruza a disponibilidade, propõe dois horários concretos, marca o que o cliente escolhe, cria o evento, envia a confirmação e regista o lead no CRM com a nota de contexto. Tudo na mesma conversa.
O chatbot poupa cliques; o agente fecha o ciclo. É essa a diferença que se nota na conta de resultados.
Porque é que isto importa para o teu negócio
Porque o nome determina o orçamento e a expectativa. Se te venderem um «agente» que é na verdade um chatbot com guião, vais pagar a mais por algo que não decide nada. E ao contrário: se tentares resolver uma tarefa aberta com um chatbot rígido, vais chocar com os seus limites à primeira exceção.
A pergunta útil não é «qual é mais avançado?», mas «qual resolve o meu problema ao menor custo e risco?». Desenvolvo isso no guia de decisão: Agente de IA ou chatbot: qual é que o teu negócio realmente precisa?. E se te perguntas até onde chega hoje a autonomia de um agente, conto-o com dados em Pode um agente de IA trabalhar como um funcionário digital?.
Perguntas frequentes
Um chatbot com IA (LLM) já é um agente?
Não necessariamente. Um chatbot com LLM gera respostas, mas se não usa ferramentas, não guarda memória e não decide passos por si próprio, continua a ser um chatbot. O salto é marcado pelo uso de ferramentas, pela memória e pela autocorreção.
Um agente de IA é sempre melhor do que um chatbot?
Não. Um agente troca latência e custo por capacidade em tarefas abertas. Se o teu processo é previsível e delimitado, um chatbot ou um fluxo simples é mais barato, mais rápido e mais fácil de controlar.
O que é «tool calling»?
É a capacidade do modelo de invocar ferramentas externas —procurar numa base de dados, consultar um calendário, chamar uma API, executar código— para agir, não apenas gerar texto. É a fronteira técnica entre chatbot e agente.
Próximo passo recomendado
Não tens a certeza se o teu caso pede um chatbot ou um agente? Faço-te um diagnóstico técnico gratuito de 20 minutos: olhamos para o processo concreto, o volume e o risco, e digo-te o mais barato que resolve o problema.