Desafios e Experiências no Uso de Agentes de IA: O Que Você Precisa Saber

Sergey Kozlov, diretor do desenvolvedor do sistema CRM "Megaplan" e da base de conhecimento com assistente de IA Collabis, juntamente com Igor Sukhoverkhov, chefe de desenvolvimento da Collabis, compartilham sua experiência na implementação de agentes de IA. Eles observam que a qualidade do trabalho do agente depende fortemente de quão bem estruturada está a Base de Conhecimento: se ela estiver desorganizada, as respostas da IA serão imprecisas. O contexto também é importante — simplesmente escrever "faça ficar legal" não é suficiente; é preciso imergir profundamente o agente no contexto da tarefa. A abordagem moderna para trabalhar com IA é a engenharia de loops, onde o fator chave é como o agente executa a tarefa e utiliza ferramentas. Os autores alertam que, se a IA seguir na direção errada, ela desperdiça tempo e tokens. Eles dão um exemplo: na tarefa de um testador, em vez de apontar um botão quebrado, o agente se aprofundou no código e tentou corrigi-lo. A maioria dos modelos lida bem com tarefas simples e bem definidas, mas tarefas complexas de múltiplas etapas exigem modelos mais caros — eles podem esquecer o início, assim como os humanos. O controle manual é obrigatório: um agente hoje é como um júnior, cujo trabalho deve ser verificado por um sênior. Também são mencionados os riscos de bloquear o acesso a modelos estrangeiros, então recomenda-se armazenar dados em uma Base de Conhecimento pessoal. A empresa "Megaplan" desenvolveu um servidor MCP para transferência de dados, e há também um projeto Pet baseado no GPT 5.6 rodando localmente.