Sistemas multiagente: quando um agente de IA já não chega

Um agente de IA bem feito resolve muita coisa sozinho. Mas há um ponto em que deixa de chegar: as instruções crescem, as ferramentas multiplicam-se e as respostas começam a piorar sem razão aparente. É aí que se fala de sistemas multiagente, vários agentes que dividem o trabalho entre si.

Já explicámos o que são subagentes e para onde vão as tendências. Este artigo é mais prático: os sinais de que um agente não chega, as formas de dividir o trabalho, o que custa e os erros que vemos com mais frequência.

Primeiro: um agente chega para quase tudo

Começamos pelo aviso que damos a todos os clientes. A maioria das tarefas de uma PME resolve-se com um único agente, com boas instruções e as ferramentas certas. Um sistema com vários agentes custa mais a construir, mais a pôr a correr e é mais difícil de corrigir quando algo corre mal.

Por isso a pergunta certa não é "quantos agentes precisamos?", mas "o que está a falhar no agente que temos?". Se a resposta for "as instruções estão mal escritas", a solução é reescrever as instruções, não acrescentar agentes.

Os sinais de que um agente não chega

As instruções contradizem-se. Quando o mesmo texto tem de explicar como responder a clientes, como conferir facturas e como escrever relatórios, as regras de uma tarefa começam a interferir com as outras. Corrigir uma resposta estraga outra.
Ferramentas a mais. Com duas ou três dezenas de ferramentas à escolha, o agente passa a escolher a errada com mais frequência. Cada ferramenta acrescentada é mais uma decisão em cada passo.
O contexto enche. Uma tarefa que obriga a ler muitos documentos, emails ou registos esgota a memória de trabalho do modelo. A partir de certo ponto, o agente esquece o que leu no início ou perde o fio ao pedido original.
Precisa de níveis de acesso diferentes. Uma parte do trabalho só deve ler (consultar o catálogo), outra deve escrever (registar no gestor de clientes). Dar todos os acessos a um só agente é dar-lhe mais poder do que precisa em cada momento, o que vai contra a regra básica de segurança em agentes de IA.
Há trabalho que pode correr em paralelo. Analisar vinte contratos, um a um, numa só conversa é lento. Vinte agentes a analisar um contrato cada, ao mesmo tempo, é rápido.
Os erros passam sem ninguém os ver. Quando o mesmo agente faz e confere o trabalho, tende a concordar consigo próprio. Um segundo agente, com instruções só para rever, apanha mais erros.

Um destes sinais isolado nem sempre justifica dividir. Dois ou três ao mesmo tempo, quase sempre.

Quatro formas de dividir o trabalho

1. Em sequência

Cada agente faz um passo e passa o resultado ao seguinte, como numa linha de montagem: um lê o pedido e extrai os dados, outro calcula o preço, outro escreve a proposta. É a forma mais simples de construir e de corrigir, porque se sabe sempre em que passo apareceu o erro. Serve quando os passos são sempre os mesmos e pela mesma ordem.

2. Encaminhamento

Um primeiro agente, pequeno e barato, só decide para onde vai cada pedido: apoio ao cliente, comercial ou facturação. Cada área tem o seu agente, com instruções e ferramentas próprias. É a forma natural de crescer quando um agente de atendimento passou a receber de tudo.

3. Coordenador e especialistas

Um agente coordenador recebe o objectivo, divide-o em tarefas, entrega cada uma a um especialista e junta os resultados. Ao contrário da sequência, as tarefas não estão definidas à partida: o coordenador decide em função do pedido. É a forma mais flexível e também a mais cara e imprevisível. Compensa em pesquisa e análise, quando cada pedido é diferente.

4. Quem faz e quem revê

Um agente produz, outro confere contra critérios escritos (as regras comerciais, a política de devoluções, o tom da marca) e devolve com as correcções. Pode juntar-se a qualquer uma das formas anteriores e é muitas vezes a primeira divisão que recomendamos, porque reduz erros e alucinações sem mudar o resto do sistema.

Um exemplo: propostas comerciais

Uma empresa de equipamento industrial recebe pedidos de proposta por email. Começou com um só agente que lia o pedido, consultava o catálogo e escrevia a proposta. Funcionou bem até o catálogo passar a ter várias tabelas de preços por tipo de cliente e as propostas incluírem condições técnicas. As instruções chegaram às quarenta regras e as propostas começaram a sair com preços da tabela errada.

A divisão que faz sentido aqui é uma sequência com revisão:

Recolha: lê o email e os anexos e devolve uma ficha estruturada (cliente, produtos, quantidades, prazo, dúvidas). Só lê.
Cálculo: com a ficha, consulta o catálogo, a tabela do cliente e o stock. Devolve as linhas da proposta com preços. Só lê.
Redacção: escreve a proposta no modelo da empresa, a partir das linhas calculadas. Não toca em preços.
Revisão: confere a proposta contra as regras comerciais (descontos máximos, prazos, condições) e assinala o que não bate certo.
Uma pessoa aprova e envia.

Cada agente tem instruções curtas e só os acessos de que precisa. Quando um preço sai errado, sabe-se que o problema está no passo de cálculo, e corrige-se só esse.

O que custa a mais

Mais consumo. Cada agente lê o seu contexto e escreve a sua resposta, e isso paga-se. Um sistema com coordenador e especialistas pode gastar várias vezes mais do que um agente sozinho na mesma tarefa. Explicamos como se calcula no artigo sobre quanto custa um agente de IA.
Mais tempo de resposta. Numa sequência, os passos somam-se. Para um cliente à espera numa conversa, cinco agentes em fila podem ser lentos de mais.
Erros que se propagam. Se a recolha percebe mal a quantidade, todos os passos seguintes trabalham sobre o número errado, com toda a confiança. Daí a importância da revisão e de os agentes trocarem dados estruturados, não texto livre.
Mais difícil de perceber o que aconteceu. Com um agente, lê-se uma conversa. Com cinco, é preciso um registo que mostre o que cada um recebeu, fez e devolveu.

Duas formas de baixar o custo: usar modelos mais pequenos e baratos nos passos simples (encaminhar, extrair dados) e guardar o modelo mais capaz para onde é preciso raciocinar. E pôr limites de gasto por pedido desde o primeiro dia.

Regras que seguimos ao desenhar um sistema multiagente

Começar com um agente e dividir só onde falha. A divisão deve resolver um problema medido, não antecipar um problema imaginado.
Dados estruturados entre agentes. Cada agente devolve campos definidos (cliente, quantidade, preço), não um parágrafo que o seguinte tem de interpretar.
Acessos mínimos por agente. Quem lê não escreve. Quem escreve não aprova. Quem aprova é uma pessoa, sempre que a acção mexe com dinheiro, clientes ou dados pessoais.
Limites claros. Número máximo de passos, de tentativas e de gasto por pedido. Sem isto, dois agentes podem ficar a devolver trabalho um ao outro indefinidamente.
Registo de tudo. O que entrou, o que cada agente fez e o que saiu, para se poder auditar e corrigir.
Testes por agente e do conjunto. Cada agente tem o seu conjunto de casos de teste, e o sistema inteiro tem outro, com pedidos reais do princípio ao fim.

Em resumo

Um agente chega para a maioria das tarefas. Quando as instruções se contradizem, as ferramentas são demasiadas, o contexto enche ou o trabalho precisa de acessos diferentes, dividir em vários agentes torna o sistema mais fiável e mais fácil de corrigir. A divisão mais simples que resolve o problema é quase sempre a melhor: uma sequência, um encaminhamento ou um revisor, antes de um coordenador com especialistas.

Tem um agente que começou bem e agora falha mais do que devia? Veja como trabalhamos em agentes de IA e peça uma análise gratuita. Respondemos em 48 horas.