Arthur Guttilla Head of Product Marketing, Strattum Com passagens na Amazon Web Services e no Google, Guttilla trabalhou diretamente com fundadores de startups e empresas de capital de risco, compreendendo as necessidades de empresas tecnológicas em estágio inicial na interseção entre tecnologia e negócios.
Em resumo
Um agente recebe a tarefa de explicar por que o ERP registra mais unidades de um item do que o sistema do armazém contou no inventário. Cada consulta que ele faz depende do resultado da anterior. Essa sequência tem nome: agentic loop, o ciclo agêntico em que o sistema chama o modelo, executa a ação indicada e devolve o resultado ao contexto até um critério de parada. Cada volta consome tokens, e o número de voltas depende do contexto que o agente encontra. É aí que entra o Company Brain, a camada que conhece a empresa: quais dados existem, onde vivem, como se relacionam e quem pode ver o quê.
O agentic loop é o mecanismo de software que executa um agente de IA. O modelo produz texto estruturado indicando a próxima ação: chamar uma ferramenta, consultar um dado, pedir confirmação a uma pessoa ou encerrar. O código ao redor do modelo, chamado de orquestrador, executa a ação, anexa o resultado ao contexto e chama o modelo de novo. A regra de parada fica nesse código.
No caso da divergência de estoque, uma volta segue esta ordem:
Em uma das voltas, as notas de entrada mostram uma devolução recebida no armazém e sem lançamento no ERP. O modelo indica o ajuste, e o ciclo pausa até a aprovação do controle de estoque.
Uma chamada única ao modelo recebe uma entrada e devolve uma saída, com custo previsível. Um fluxo fixo de automação executa uma sequência escrita por uma pessoa, como abrir uma tarefa para o almoxarifado quando o saldo diverge. O agentic loop define a sequência durante a execução, e o número de chamadas ao modelo só é conhecido no fim. Essa flexibilidade transfere ao projeto a tarefa de limitar custo e duração.
O orquestrador verifica a cada volta condições explícitas de término:
Sem esses critérios, o laço pode girar sem fim. Cada volta repetida soma custo sem aproximar a tarefa do objetivo.
Na maioria das implementações, o modelo não guarda estado entre chamadas. Cada volta reenvia a instrução, a descrição das ferramentas e todos os resultados obtidos até ali. Como o contexto acumulado entra em todas as chamadas seguintes, o custo total cresce mais rápido que o número de voltas.
Em 2024, pesquisadores da Princeton University mostraram que agentes de ponta podem ser desnecessariamente complexos e caros, custando muito mais que alternativas simples com acurácia parecida e defenderam medir custo e acurácia juntos. Na empresa, o custo de um agentic loop depende de quantas voltas a tarefa exige, de quanto contexto entra em cada volta e de qual modelo roda cada chamada.
Algumas falhas aparecem com frequência em um agentic loop longo:
Consultar saldo é leitura. Lançar um ajuste de estoque altera o resultado contábil da filial. O desenho do ciclo separa essas classes de ação e coloca um ponto de aprovação antes das de maior consequência. Ali, o ciclo pausa e mostra à pessoa responsável a ação proposta e a origem de cada dado.
Com dados crus, boa parte das voltas serve para descobrir o básico. O item tem um código no ERP e outro no armazém. O ERP conta em caixas, e o armazém conta em unidades. Cada tentativa de conciliar isso é uma volta paga.
O Company Brain entrega esse trabalho resolvido. O grafo de conhecimento liga o item do ERP ao item do armazém e às notas de entrada. A ontologia do negócio registra a unidade de medida de cada sistema e a regra de conversão. O contexto chega via MCP, o protocolo aberto que conecta modelos a fontes de dados, com a permissão herdada do sistema de origem. Cada consulta fica registrada com a fonte, e com menos voltas parte das chamadas pode rodar em modelos de custo menor.
Ferramentas com descrição vaga continuam gerando chamadas erradas. Um saldo lançado com atraso no ERP continua sendo a informação que o agente recebe. Limites e pontos de aprovação seguem como responsabilidade de quem projeta o ciclo.
O ponto de partida é uma tarefa frequente com fontes conhecidas, como a investigação de divergências de estoque. Antes do primeiro teste, o desenho registra objetivo, formato da resposta, limite de voltas e de tokens, critérios de parada e ponto de aprovação. O registro das voltas de cada execução mostra onde o agente gastou chamadas em descoberta, e esse é o primeiro contexto a resolver.