Como Funcionam os Agentes de IA? O Ciclo de 5 Passos Explicado de Forma Simples

Escreveu "encontra-me um contrato de energia mais barato do que esta fatura" e aconteceu algo estranho. Abriu-se sozinha uma janela do navegador, preencheu-se um sítio de comparação, apareceu uma tabela de tarifas e, um minuto depois, surgiu no ecrã uma pequena nota com três opções e uma recomendação. Pareceu magia, o que é um problema, porque as coisas que parecem magia são difíceis de levar a sério e fáceis de usar mal.

Este guia explica como funcionam os agentes de IA em linguagem simples, sem pressupor conhecimentos de informática. Vai ver o ciclo de cinco passos que todos os agentes seguem, o que faz realmente o "modelo" lá dentro, porque precisa de ferramentas como um navegador, como funciona a sua memória, porque às vezes inventa coisas, o que pagam os créditos que lhe são cobrados e qual é o seu papel. As fontes são as empresas que constroem os agentes e o regulador que mede como o Reino Unido os usa, todas lidas a 8 de outubro de 2026.

Como verificámos este guia

1. Descrições dos próprios construtores. O guia da Anthropic para construir agentes, para perceber como o ciclo é concebido.
2. Investigação sobre erros. O artigo da OpenAI de setembro de 2025 sobre porque os modelos de linguagem afirmam coisas falsas com confiança.
3. Números de utilização da Ofcom. O relatório Online Nation do regulador, publicado em dezembro de 2025.
4. As nossas próprias experiências. Cada exemplo abaixo é uma tarefa que entregámos a um agente e acompanhámos.

O ciclo de 5 passos

A Anthropic descreve os agentes como sistemas em que o modelo dirige o seu próprio processo e o seu próprio uso de ferramentas, num ciclo de agir, receber retorno do ambiente e agir de novo, com pontos de controlo para um humano. Em linguagem do dia a dia, são cinco passos. Tome a fatura de energia como exemplo ao longo do texto.

Passo 1: lê o objetivo e decide o que significa "feito"

O agente transforma a sua frase num alvo que consegue verificar: "uma tarifa para este código postal e este consumo que custe menos do que a atual, com as condições de mudança listadas". Se o objetivo for vago, é neste passo que as coisas correm mal, porque o agente vai adivinhar o alvo.

Passo 2: faz um plano

Uma lista curta de passos: ler a fatura para obter os consumos, abrir um sítio de comparação, introduzi-los, recolher os resultados, verificar as taxas de saída, redigir as três melhores. Os bons agentes mostram-lhe este plano antes de começar. O Jobbit tem um modo de plano que pára aqui, à espera da sua aprovação.

Passo 3: usa ferramentas

Esta é a parte que separa um agente de um chatbot. O agente só sabe conversar, por isso, para fazer seja o que for, recorre a uma ferramenta (tool): um navegador para visitar o sítio de comparação, um leitor de ficheiros para ver a fatura, uma calculadora ou folha de cálculo para comparar custos anuais. Cada ferramenta devolve um resultado, e o resultado volta ao raciocínio do agente.

Passo 4: verifica

Depois de cada passo, o agente compara o que obteve com o que esperava. O sítio de comparação pediu um tipo de contador que ele não conhece, por isso volta à fatura. Uma tarifa é mais barata por unidade mas tem um termo fixo mais alto, por isso recalcula ao longo de um ano. Esta verificação é a razão pela qual os agentes demoram minutos e não segundos, e é de onde vem a maior parte do seu valor.

Passo 5: apresenta o resultado e espera

Escreve o resumo, mostra o raciocínio se lho pedirem e pára no ponto em que o dinheiro muda de mãos ou se envia uma mensagem. Mudar de tarifa é decisão sua. Um agente bem construído pergunta; um mal construído presume.

Depois o ciclo repete-se para o objetivo seguinte. O nosso guia em linguagem simples sobre o que é um agente de IA coloca este ciclo ao lado de doze exemplos reais.

O motor: o que o modelo faz realmente

Dentro de cada agente há um modelo, a coisa que lê e escreve linguagem. O Claude, o GPT e o Gemini são modelos. Um modelo leu uma quantidade enorme de texto e aprendeu a prever o que vem a seguir, um pedacinho de cada vez. Esses pedaços chamam-se tokens (tokens), e um token equivale a cerca de três quartos de uma palavra inglesa. Tudo o que o agente "pensa" é escrito em tokens: o plano, o raciocínio, os pedidos às ferramentas, a resposta final.

Daqui resultam três consequências, que explicam quase tudo o que os principiantes acham confuso.

• O modelo não sabe nada depois da data do seu treino a menos que procure. É por isso que o agente abre um navegador em vez de responder de memória, e por isso que as respostas sobre a semana passada exigem uma pesquisa.
• O modelo tem uma janela de contexto (context window), a quantidade de texto que consegue ter presente de uma só vez. Pense nela como uma secretária. A sua fatura, o plano, as páginas web que leu e as suas próprias notas estão todos em cima da secretária, e quando ela fica cheia os papéis mais antigos caem. As tarefas longas gerem-se arrumando a secretária, o que os agentes chamam compactação (compaction). O Jobbit mostra um medidor de contexto para ver quão cheia está a secretária.
• O modelo é confiante por conceção. Produz os tokens mais prováveis a seguir, e "mais provável" não é o mesmo que "verdadeiro". A secção sobre erros, mais abaixo, explica o que isto significa para si.

O relatório Online Nation da Ofcom (o regulador das comunicações do Reino Unido) mostra como este motor se tornou comum: cerca de 30% das pesquisas no Reino Unido mostram agora um resumo de IA, e 53% dos adultos dizem ver esses resumos com frequência. O modelo que escreve o resumo é do mesmo tipo do que conduz um agente.

Ferramentas: como um agente chega ao mundo

Cada linha tem um "o que pode correr mal" porque as ferramentas são o ponto em que um agente encontra o mundo real, desarrumado. A linha do navegador merece uma nota extra: um número crescente de sítios web bloqueia agentes por defeito, como explica a nossa reportagem sobre a web a trancar os agentes de IA lá fora, e é por isso que o agente por vezes diz que não conseguiu entrar. O navegador de agente do Jobbit deixa-o vê-lo trabalhar e tomar os comandos quando um sítio precisa de um humano, como descrito no nosso guia sobre agentes de IA que usam o computador.

Memória: do que se lembra e o que esquece

Os principiantes esperam que um agente se lembre deles como um colega se lembraria. Na maior parte dos casos não se lembra, e conhecer os três tipos de memória poupa muita repetição.

• A memória de trabalho é a janela de contexto da secção anterior. Dura uma tarefa e é apagada quando a tarefa termina, a menos que o agente escreva notas para si próprio.
• As instruções guardadas são ficheiros que lhe dá e que ele lê no início de cada tarefa: quem é, como gosta que as coisas sejam escritas, o que ele nunca deve fazer. No Jobbit ficam nos Projects, juntamente com ficheiros partilhados, notas e quaisquer palavras-passe de que precise, guardadas como segredos em vez de escritas na conversa.
• A memória de longo prazo é uma função que alguns produtos oferecem, em que o agente guarda notas entre conversas. É útil e convém verificá-la de vez em quando, porque uma nota errada persiste.

A regra prática: tudo o que se apanhe a escrever duas vezes pertence às instruções guardadas.

Porque às vezes inventa coisas

A resposta errada dada com confiança, chamada alucinação (hallucination), é a falha mais conhecida do agente. O artigo de investigação da OpenAI sobre o tema, publicado em setembro de 2025, dá a explicação mais clara: os modelos são treinados e testados de formas que recompensam um palpite em vez da admissão de que não sabem, tal como um exame de escolha múltipla recompensa o palpite. Um modelo que responde sempre pontua melhor do que um que por vezes diz "não tenho a certeza", por isso os modelos aprendem a responder.

Os agentes reduzem o problema sem o eliminar. O passo de verificação apanha muitos erros porque o resultado de uma ferramenta é real: o sítio de comparação ou mostra uma tarifa ou não mostra. As falhas que escapam são aquelas que nenhuma ferramenta verifica, como uma estatística citada ou o resumo de um documento que só foi folheado. Três hábitos protegem-no: peça a fonte de qualquer número com base no qual vá agir, peça-lhe que diga quando não tem a certeza e leia tudo o que sai em seu nome.

Para que servem os créditos

A maioria dos serviços de agentes cobra em créditos, e os principiantes ficam muitas vezes surpreendidos por duas tarefas de aspeto semelhante custarem valores diferentes. Os créditos pagam três coisas: os tokens que o modelo lê e escreve, as chamadas a ferramentas que faz e, em alguns produtos, os minutos em que um navegador ou um computador está a funcionar. Uma pergunta de uma linha custa quase nada. Um trabalho de pesquisa que lê trinta páginas web, escreve um relatório e verifica os seus próprios números custa mais, porque cada página lida são tokens a entrar e cada rascunho são tokens a sair.

No Jobbit, o plano Free dá 100 créditos por dia sem cartão, o suficiente para algumas tarefas reais, e o Go custa £7 por mês por 2,000 créditos e uma pequena aplicação mantida no ar no seu próprio domínio. O nosso guia sobre quanto custam os agentes de IA explica os créditos e os tokens no ChatGPT, no Claude, no Manus, no Muse e no Jobbit, e a forma honesta de comparar planos.

Onde você entra

O guia da Anthropic diz que os pontos de controlo humanos fazem parte da conceção, não são sinal de que o agente falhou. Na prática, tem quatro tarefas, e nenhuma delas é fazer o trabalho.

1. Escreva bem o objetivo. O que quer, o que seria um bom resultado, o que não deve fazer. O nosso guia sobre como escrever instruções para agentes de IA tem 30 exemplos.
2. Aprove o plano quando a tarefa for importante.
3. Responda às perguntas que ele pára para fazer, e assuma o navegador quando um sítio precisar de um humano.
4. Confira o resultado antes de agir com base nele.

As tarefas grandes acrescentam mais uma camada. Um agente pode dividir uma tarefa grande por vários agentes mais pequenos, cada um com a sua secretária, e depois juntar o trabalho deles, que é como se faz uma pesquisa de 200 páginas ou um sítio web inteiro, como descreve o nosso guia sobre subagentes de IA. E quando uma tarefa precisa de mãos em vez de tokens, o agente do Jobbit descreve-a a um profissional verificado da sua rede humana e retém o seu pagamento em depósito (escrow).

O que isto significa na prática

O ChatGPT, o Claude, o Gemini, o Microsoft Copilot, o Manus e o Muse da Meta correm todos alguma versão deste ciclo, com os conjuntos de ferramentas mais completos nos planos pagos. O ciclo é o mesmo; o que difere é quanto dele pode ver e orientar.

• Pode ver o plano antes de ele correr. O modo de plano do Jobbit mostra os passos e espera pelo seu sim.
• Pode observar o navegador. O navegador de agente mostra todas as páginas que visita, e pode tomar os comandos.
• Pode orientá-lo a meio. Envie uma mensagem enquanto ele trabalha e ele ajusta-se, ou bifurque a conversa para tentar uma segunda abordagem.
• Pode dar-lhe memória. Os Projects guardam as suas instruções, ficheiros e segredos para que cada tarefa comece informada.
• Pode deixá-lo a correr num horário. As tarefas agendadas repetem o ciclo sem si.
• Pode passar a uma pessoa. Quando o ciclo chega a uma tarefa que precisa de um humano, o mesmo agente encontra um e descreve-lhe o trabalho.

Uma experiência de cinco minutos que mostra o ciclo

• Minuto 1: abra o Jobbit e crie uma conta gratuita.
• Minuto 2: peça-lhe: "Compara as três formas mais baratas de enviar uma encomenda de 5 kg de Leeds para Glasgow esta semana, com ligações, e diz-me qual escolherias e porquê." Um objetivo, uma definição de feito e um pedido de fontes.
• Minutos 3 e 4: veja o plano aparecer e depois o navegador abrir os sítios das transportadoras. Repare nas verificações quando um preço precisa de um código postal.
• Minuto 5: leia o resultado e clique numa ligação para confirmar um preço. Acabou de ver os cinco passos e sabe o que verificar da próxima vez.

Perguntas frequentes

Como funciona um agente de IA passo a passo?

Lê o seu objetivo e decide como seria o feito, escreve um plano curto, usa ferramentas como um navegador e os seus ficheiros para executar cada passo, verifica cada resultado em relação ao plano e apresenta o resultado, parando para pedir a sua aprovação antes de qualquer coisa que envolva dinheiro ou mensagens.

Qual é a diferença entre um modelo de IA e um agente de IA?

O modelo é o motor que lê e escreve linguagem, como o Claude ou o GPT. O agente é o modelo mais ferramentas, um plano, um ciclo de verificação e uma forma de parar e perguntar-lhe. Um modelo responde; um agente age.

Um agente de IA aprende comigo?

Dentro de uma tarefa, lembra-se de tudo o que disse. Entre tarefas, só se lembra do que estiver guardado em instruções, ficheiros ou numa função de memória. Tudo o que escreve duas vezes pertence às instruções guardadas.

Porque é que os agentes de IA cometem erros?

Porque o modelo lá dentro produz o texto mais provável, não a verdade garantida, e a investigação mostra que os modelos são treinados de formas que recompensam o palpite. As ferramentas e a verificação apanham muitos erros; você apanha os restantes pedindo fontes e lendo o que sai.

Um agente de IA consegue navegar na internet?

Sim, com uma ferramenta de navegador consegue visitar sítios web, preencher formulários e ler páginas como você. Alguns sítios bloqueiam agentes, e no Jobbit pode observar o navegador e assumir o controlo quando um sítio precisa de uma pessoa.

O que são créditos nos agentes de IA?

A unidade em que a maioria dos serviços cobra. Pagam o texto que o modelo lê e escreve, as ferramentas que chama e, por vezes, o tempo em que um navegador está a funcionar. O plano Free do Jobbit dá 100 créditos por dia sem cartão.

Posso ver um agente de IA a trabalhar?

No Jobbit pode: mostra o plano, o navegador e cada passo, e pode pará-lo, orientá-lo ou assumir o controlo em qualquer momento. 100 créditos grátis por dia, sem cartão, e o Go custa £7 por mês por uma pequena aplicação no seu próprio domínio.