Automação e Orquestração de Agentes de IA

Conceitos

• O impacto da IA no trabalho e onde ela realmente entrega resultado
• O que é IA generativa, como um modelo funciona e por que ele erra com confiança
• O framework CARTA para escrever pedidos que funcionam: Contexto, Ação, Regras, Tom e Amostra
• Aplicando o CARTA em tarefas reais e comparando o resultado com o pedido vago que você faria antes
• A diferença prática entre usar um chatbot, automatizar um processo e criar um agente de IA
• Como identificar processos automatizáveis: repetição, regra clara e baixo julgamento
• Priorização por impacto e esforço com template de mapeamento
• Visão geral das ferramentas do curso: n8n, Lovable e MBX Agentes

Agentes de cowork: delegar em vez de conversar

• A virada do chatbot para o colega de trabalho: você entrega a tarefa inteira e recebe o trabalho pronto
• Claude Cowork: o agente de desktop da Anthropic que trabalha nos seus arquivos e pastas e executa tarefas de várias etapas
• GPT Cowork: o agente da OpenAI que trabalha no navegador, com computador virtual próprio, pesquisa e uso de ferramentas
• Grok Bot: o agente da xAI que recebe a tarefa por chat, executa de ponta a ponta e só volta quando precisa de aprovação
• Como escrever uma boa delegação para um agente de cowork, com objetivo, material de entrada e critério de aceite
• Quando usar um agente de cowork, quando usar um fluxo automatizado e quando usar um time de agentes
• Os limites reais desses agentes: supervisão, aprovação humana, custo e o que não delegar

n8n: primeiros passos

• Conta, ambiente de trabalho e anatomia de um fluxo: gatilho, nó e conexão
• Tipos de gatilho: manual, agendado e por webhook
• Credenciais e conexão segura com contas e serviços externos
• Primeiro fluxo prático: busca de notícias do setor, resumo com IA e envio por e-mail
• Como ler o log de execução e depurar quando algo dá errado
• AI Assistant do n8n: criando, explicando e corrigindo fluxos conversando com a IA

Entregável: fluxo de clipping de notícias ativo, com resumo gerado por IA e envio automático de e-mail, além do mapeamento de três processos do próprio negócio.

n8n: lógica e dados

• Condicionais: quando usar If e quando usar Switch
• Manipulação de dados entre nós: campos, expressões e variáveis
• Loops e processamento de listas em lote
• Tratamento de erro, novas tentativas automáticas e alerta quando o fluxo falha

Fluxo 1: automação por regras, sem IA

• Bot no Telegram recebendo a mensagem e o documento do usuário
• Extração de texto de PDF e OCR de imagens e fotos
• Roteamento por regra fixa: cada tipo de documento seguindo o seu caminho
• Registro estruturado do resultado em planilha e devolutiva por Telegram e e-mail
• Onde a regra fixa quebra: documento fora do padrão, campo faltando e texto ambíguo

Fluxo 2: o mesmo processo com agente de IA

• A diferença entre uma automação que segue o roteiro e um agente que decide o caminho
• Nó de Agente de IA: escolha do modelo, instruções do sistema e limites de atuação
• Ferramentas: dando ao agente acesso a busca na internet, planilha e e-mail
• Memória de conversa: janela de contexto e memória persistente entre sessões
• Como ler o raciocínio do agente e entender por que ele escolheu cada ferramenta
• Guardrails iniciais: escopo fechado, dado sensível protegido e resposta quando não sabe
• Comparação lado a lado dos dois fluxos: qualidade, tempo, custo e esforço de manutenção

Entregável: dois fluxos funcionando sobre o mesmo processo, um baseado em regras e outro com agente de IA, acompanhados de um comparativo de qualidade, custo e manutenção.

Base de conhecimento

• Primeiro teste sem configurar nada: base em memória com o vector store nativo do n8n
• Ingestão dos documentos da empresa, divisão em trechos e geração de embeddings
• Busca semântica: encontrar o trecho certo por significado, e não por palavra exata
• Por que a base em memória não resolve: ela desaparece quando a instância reinicia
• Migração para armazenamento persistente no Supabase com pgvector, para a base continuar viva depois da aula
• Resposta com citação da fonte e o agente dizendo “não encontrei” em vez de inventar
• Quando a base de conhecimento resolve e quando uma ferramenta de busca já basta

Agentes construídos em aula

• Agente de atendimento que responde dúvidas com base nos documentos da empresa
• Agente de pesquisa que monitora o mercado e entrega relatório com as fontes
• Agente de triagem de e-mail que classifica, responde o simples e escala o que precisa de humano
• Agente analista que lê a planilha e devolve a leitura dos números com o cálculo aberto
• Agente de conteúdo que transforma um material em post, resumo e roteiro

Sub-agentes e orquestração

• O que é um sub-agente e por que dividir o trabalho em vez de sobrecarregar um agente único
• Agente orquestrador delegando para especialistas por meio de sub-workflows
• Passagem de contexto entre orquestrador e sub-agente, e o que não deve ser passado adiante
• Execução em sequência e em paralelo, consolidando tudo em uma entrega só
• Custo, tempo e qualidade de cada arranjo, comparados por número e não por impressão

Desafios da aula

• Desafio 1: transformar um agente sobrecarregado em orquestrador com dois sub-agentes
• Desafio 2: criar um sub-agente especialista em uma regra do seu negócio e conectá-lo ao orquestrador
• Desafio 3: rodar dois sub-agentes em paralelo e consolidar o resultado em uma resposta única
• Critério de aceite: mesma pergunta do início da aula, resposta melhor, com custo e tempo medidos

Entregável: agente orquestrador com pelo menos dois sub-agentes especialistas, base de conhecimento conectada e comparação de qualidade, tempo e custo em relação a um agente único.

Fundamentos do Lovable

• Criando o projeto, escolhendo o layout e guiando a IA com um documento de contexto
• Componentes, formulários, validação e estados visuais: enviando, sucesso e erro
• Lovable Cloud: banco de dados, autenticação e perfis de acesso, no mesmo Supabase que guarda a base de conhecimento do agente
• Publicação com URL pública e domínio próprio
• Checklist de segurança antes de liberar o app para o time

Desafio 1: o agente que lê os comprovantes

• Tela para o colaborador enviar a nota fiscal ou o comprovante da despesa
• Agente no n8n que lê o documento e devolve fornecedor, data, valor e categoria estruturados
• Validação da política: valor acima do limite, categoria não permitida e comprovante ilegível marcados para revisão
• Gravação do lançamento no banco do Lovable Cloud, vinculado ao colaborador
• Painel de aprovação para o gestor, com o documento original ao lado do dado extraído
• Critério de aceite: comprovante enviado pelo celular vira lançamento correto sem ninguém digitar

Desafio 2: chat conversacional sobre os gastos

• Agente conversacional dentro da interface do Lovable, respondendo em cima dos dados de reembolso
• Perguntas de negócio: maiores gastos do mês, gasto por colaborador, por categoria e comparação entre períodos
• Agente que consulta o banco em vez de adivinhar, mostrando o número e de onde ele saiu
• Resposta com tabela e gráfico gerados na própria tela
• Permissão por perfil: o colaborador vê o que é dele, o gestor vê o time inteiro
• Critério de aceite: o gestor faz três perguntas de negócio e confere os números na base, sem abrir planilha

Entregável: sistema de reembolso publicado, com extração automática dos dados dos comprovantes e chat conversacional capaz de responder sobre os gastos com números auditáveis.