Desenvolvimento de agentes de IA
Agentes que planejam, chamam ferramentas e concluem tarefas de várias etapas dentro dos seus sistemas.
Criadores do RustyRAG
RAG em tempo real, feito em Rust · Sub-200 ms ponta a ponta
10+ anos entregando soluções de IAIgnas Vaitukaitis · Fundador e CEO
VersarWashington, DC
GynisusNova York
CampusReelNova York
LuniqAlemanha
HospitalityFlowSingapura
Agentes de IA que chegam à produção
O protótipo impressionou. Duas semanas depois, o agente chamou o endpoint errado com confiança e ninguém soube explicar por quê. Projetamos, construímos e operamos agentes junto com o harness que mede custo, latência e quantas tarefas eles concluem de ponta a ponta. É o que transforma “parece funcionar” em número comparável semana a semana.
Como funciona o desenvolvimento de agentes de IA
Três etapas, sempre nesta ordem.
Por que investir em agentes de IA
Autonomia é uma conta, e fazemos essa conta na sua frente.
Agentes de IA em ação
Agente bom executa um processo inteiro, não uma resposta. Estes são os fluxos em que mais construímos.
Duas filosofias de construção de agentes de IA
Boa parte do mercado entrega autonomia máxima de saída, mede só acurácia e encerra o projeto na demo. Nós dosamos a autonomia pelo custo de latência e erro composto, medimos custo, latência, segurança e conclusão de tarefas, e seguimos operando depois do deploy.
A diferença aparece na avaliação. Calibramos os juízes automatizados contra amostras revisadas por gente, porque juiz baseado em LLM tende a favorecer respostas mais longas e a opção que lê primeiro. Quem já montou esse harness sabe que nota sem calibragem mente.
Em agente, o risco também muda de natureza: ele se acumula ao longo de horizontes longos de decisão, principalmente quando vários agentes interagem dentro do mesmo fluxo. Por isso a segurança é tratada como problema de controle, com permissões curtas e log auditável, e não como um filtro no fim.
O caminho do agente de IA até a produção no Brasil
Benchmark de laboratório frequentemente não captura o comportamento do agente em produção: a métrica binária de acerto e erro ignora custo, latência, segurança e o que o agente faz quando uma etapa falha no meio da tarefa. O harness que entregamos junto com o agente existe para fechar esse buraco.
O mercado brasileiro está comprando mesmo assim. O estudo da ABES que mede a corrida dos investimentos aponta as barreiras entre investir e operar: qualidade de dados, sistemas legados, governança e falta de profissionais especializados. O diagnóstico ataca essas barreiras antes do primeiro deploy.
A regulação entra no desenho. O PL 2338/2023, aprovado no Senado em dezembro de 2024 e hoje na Câmara, classifica sistemas de IA por nível de risco, e a ANPD colocou IA entre os temas prioritários de fiscalização. Guardrails, logs e pontos de aprovação humana entram na arquitetura desde o diagnóstico. Traga o processo que trava sua operação e saia com uma resposta honesta sobre agente, workflow ou nenhum dos dois. Você fala com quem vai construir.
Stack que usamos na produção
Escolhemos a melhor ferramenta para cada trabalho, não a mais famosa. É isto que roda por trás dos agentes, dos pipelines de recuperação e da automação que colocamos em produção.
AWS
Azure