- Processos
- agentes de IA
- workflows
- n8n
- +1
Agentes de IA nas empresas: quando usar e em que plataforma
O que distingue um agente de IA de um chatbot e de um workflow, quando compensa usar um, e como comparar n8n, Make, Zapier e Power Automate para o construir.
Por Diogo Gonçalves, Co-Fundador e Diretor Comercial
"Agente de IA" passou a ser o nome de quase tudo o que leva um modelo de linguagem lá dentro. Para quem decide numa PME, a distinção importa por uma razão prática: um agente toma decisões que um workflow tradicional não toma, e isso muda o que pode correr mal, o que custa e como se testa.
Este artigo explica o que é um agente, quando compensa e quando um workflow simples chega, mostra um sistema multiagente em produção e compara as plataformas mais usadas para os construir.
Chatbot, workflow, RPA e agente
São quatro coisas diferentes, embora apareçam muitas vezes misturadas.
| Tipo | Quem decide os passos | Serve para |
|---|---|---|
| Workflow | quem o desenhou, de antemão | processos com passos conhecidos: receber, validar, registar, avisar |
| Chatbot por regras | quem desenhou os menus | perguntas previsíveis com respostas fixas |
| RPA | um guião que imita cliques num ecrã | sistemas sem API, enquanto o ecrã não muda |
| Agente de IA | o modelo de linguagem, dentro dos limites dados | pedidos em linguagem livre, com vários caminhos possíveis e várias fontes a consultar |
Um agente recebe um objetivo (responder a este cliente, tratar este pedido) e uma lista de ferramentas que pode usar: consultar o stock, ver o estado de uma encomenda, marcar uma aula, passar a conversa a uma pessoa. É o modelo que decide que ferramentas chama e por que ordem. Essa liberdade é a vantagem e é também o risco.
Quando um agente compensa e quando um workflow chega
Um agente faz sentido quando o que entra é linguagem aberta e as respostas possíveis são muitas: atendimento ao cliente, qualificação de contactos, pedidos que misturam perguntas sobre produto, prazo e pagamento. Escrever um workflow para cada combinação seria impossível.
Um workflow é melhor quando os passos são sempre os mesmos, quando há dinheiro ou documentos fiscais envolvidos, ou quando é preciso provar exatamente o que aconteceu. Enviar a fatura depois do pagamento, atualizar o stock entre a loja e o ERP ou mandar um lembrete de marcação são trabalho para regras fixas.
Na prática, os sistemas que funcionam em produção combinam as duas coisas: um workflow fixo à volta, com o agente a decidir só nos pontos em que é preciso interpretar linguagem. E às vezes nem é preciso um agente. Na Luxflor, distribuidora de flores, o problema resolveu-se com a centralização dos três WhatsApps comerciais e com um envio semanal automático, sem modelo de linguagem nenhum.
Um sistema multiagente em produção: Escola de Condução Abadias
A Escola de Condução Abadias tem dois polos, na Figueira da Foz e na Marinha, e recebe pelo WhatsApp dois tipos de contacto que pedem coisas muito diferentes: alunos inscritos que querem marcar aulas e exames ou pedir comprovativos, e potenciais alunos que querem saber preços e condições.
O sistema que a AI Solutions construiu para a Abadias identifica quem escreve pelo número de telemóvel, cruzado com os mais de 3.800 alunos, e encaminha a conversa para um de dois circuitos, cada um com a sua base de conhecimento. As 9 famílias de cursos estão carregadas com as regras legais do IMT, e o atendimento funciona em português, inglês e espanhol.
Há duas decisões de desenho neste caso que se aplicam a qualquer agente. A primeira: a pergunta "é aluno ou lead?" não fica a cargo do modelo, resolve-se com uma consulta ao número de telemóvel, sem margem para interpretação. A segunda: as passagens para uma pessoa são tipificadas. Das 396 escalações registadas na Abadias, 306 vieram de alunos e 77 de leads, e cerca de 179 estavam ligadas a marcações. Isso diz à escola onde está o trabalho humano que sobra e o que vale a pena automatizar a seguir.
As plataformas para construir agentes
Quatro das plataformas de workflow mais conhecidas já têm componentes de agente. Diferem sobretudo na forma de cobrar, que pesa muito quando um agente faz vários passos por conversa. Preços vistos nas páginas oficiais a 7 de outubro de 2026:
| Plataforma | Unidade de cobrança | Preço de entrada | Agentes de IA | Fonte |
|---|---|---|---|---|
| n8n | execução completa do workflow, seja qual for o número de passos | Starter na cloud a 20 € por mês com faturação anual, 2.500 execuções; edição Community gratuita para alojar em servidor próprio | nó AI Agent: liga-se um modelo e ferramentas, e o agente decide quais chamar | preços n8n |
| Make | crédito: cada ação de um módulo gasta um | plano gratuito até 1.000 créditos por mês; Core a partir de 9 USD por mês para 10.000 créditos | Make AI Agents, em beta aberto | preços Make |
| Zapier | task: cada ação concluída (os gatilhos não contam) | plano gratuito com 100 tasks por mês; Professional a partir de 19,99 USD por mês com pagamento anual | Zapier Agents, com planos e unidade próprios | preços Zapier |
| Power Automate | utilizador (Premium) ou bot (Process) | Premium a 13 € por utilizador por mês, pago anualmente | agentes no Copilot Studio, vendido em pacotes de créditos | preços Power Automate |
O Zapier é o mais simples de pôr a funcionar e tem um catálogo enorme de ligações prontas, mas o custo sobe depressa com o volume: quando as tasks do plano acabam, as seguintes pagam-se a uma taxa mais alta, como explica a página de preços. O Make é visual e flexível, e cobra por cada ação de cada módulo, o que em fluxos longos multiplica o consumo. O Power Automate faz sentido quando a empresa vive no Microsoft 365, pela ligação direta ao Outlook, ao Teams e ao SharePoint.
O n8n cobra por execução e não por passo, o que favorece os agentes, que fazem muitos passos por conversa, e pode correr num servidor da própria empresa, com os dados onde ela decidir. Em troca, pede mais conhecimento técnico. A edição gratuita tem uma licença de uso interno: serve para automatizar a própria empresa e permite a consultores construir workflows para clientes, mas não permite pô-lo à disposição de clientes para eles criarem os seus próprios workflows, segundo a licença do n8n. É a plataforma que a AI Solutions usa, por exemplo nas campanhas automáticas da FBeauty.
Há um ponto que separa as plataformas para agentes que falam com clientes: a aprovação humana antes de uma ação. O n8n permite exigir aprovação humana antes de o agente usar uma ferramenta. O Zapier tem uma ação de pedido de aprovação nos planos pagos. No Make, a aplicação equivalente estava, a 7 de outubro de 2026, só no plano Enterprise e em beta fechado.
O que custa um agente em produção
O custo mensal de um agente soma quatro parcelas: a plataforma onde corre, o consumo do modelo de linguagem, o canal (no WhatsApp, a API oficial cobra por mensagem entregue, e desde 1 de outubro de 2026 só as primeiras 1.000 respostas do mês em cada número são gratuitas) e a manutenção, que inclui rever conversas e atualizar a base de conhecimento. O consumo do modelo é a parcela que mais varia com o desenho, e o artigo sobre como reduzir o custo da IA generativa mostra como a controlar. Para saber se o conjunto compensa, o guia sobre como calcular o ROI tem a fórmula e um exemplo.
Como pôr um agente em produção sem sustos
Começa-se com ferramentas de leitura: o agente pode consultar, mas não alterar. As ações que mudam dados (criar uma marcação, registar uma encomenda) entram depois, com validações por regras e, nos primeiros tempos, com confirmação de uma pessoa.
A base de conhecimento separa-se por público quando os públicos perguntam coisas diferentes, como os alunos e os interessados da Abadias. Misturar tudo numa só aumenta as respostas trocadas.
A passagem para humano leva contexto. Quem pega na conversa recebe o histórico e os dados já recolhidos, para não voltar a perguntar tudo.
Testa-se com conversas reais do histórico e com perguntas feitas de propósito para o agente errar: fora do tema, com dados em falta, com pedidos que ele não deve satisfazer. E guarda-se o registo de cada decisão: que ferramenta chamou, com que dados, o que respondeu.
A medida de sucesso é a percentagem de conversas resolvidas sem intervenção humana, lida em conjunto com a qualidade dessas resoluções. Na HCO Cosméticos, com um catálogo de mais de 2000 produtos, o caso regista +70% na taxa de resolução de perguntas sem intervenção humana. O guia sobre AI agents no atendimento ao cliente desenvolve este lado.
Perguntas frequentes
Um agente de IA pode tomar decisões sozinho?
Pode, dentro das ferramentas e dos limites que lhe forem dados. O desenho é que decide o que ele pode fazer sem confirmação. Responder a uma pergunta sobre um curso, sim. Aprovar um desconto fora da tabela ou alterar uma encomenda paga, não, ou só com aprovação de uma pessoa.
Qual é a diferença entre um agente e usar o ChatGPT?
O ChatGPT responde a quem está a escrever nele e não tem acesso aos sistemas da empresa, a não ser que alguém o ligue. Um agente está ligado aos canais da empresa (WhatsApp, site, email) e às suas ferramentas (ERP, CRM, agenda), e responde aos clientes em nome da empresa.
Preciso de programadores para usar n8n ou Make?
Para fluxos simples, não. Para um agente que fala com clientes, liga vários sistemas e tem de ser testado e mantido, convém ter alguém com experiência técnica, interno ou externo. O artigo sobre automação de vendas com n8n e CRM mostra um exemplo de implementação, e a página de software à medida explica quando faz sentido construir de raiz.
