Agentes de IA para tarefas longas: como projetar

Tarefa longa muda o contrato do agente

Uma resposta de chat dura segundos. Uma tarefa empresarial pode atravessar dezenas de documentos, várias ferramentas, aprovações e horas de processamento. Às vezes, precisa continuar no dia seguinte.

Esse tipo de trabalho aparece em pesquisas comerciais, diagnósticos operacionais, auditorias, análise de contratos, fechamento financeiro, preparação de propostas, revisão de cadastros e desenvolvimento de software.

Quando a execução fica longa, qualidade do modelo continua importante. A arquitetura passa a responder por outra parte do resultado: preservar o estado, limitar o gasto, impedir ações duplicadas, mostrar progresso, tratar exceções e permitir que uma pessoa interrompa ou retome o fluxo.

Em julho de 2026, a Anthropic apresentou o Claude Opus 5 destacando sua aplicação em agentes de longa duração. O anúncio é um sinal de mercado, mas capacidade do modelo cobre apenas uma camada. A empresa ainda precisa desenhar o ambiente em que a tarefa vai operar.

O ponto de partida é transformar uma solicitação ampla em um contrato de execução verificável.

O que caracteriza uma tarefa longa

Duração no relógio ajuda a identificar o problema, mas não define tudo. Uma tarefa de três minutos pode exigir arquitetura de execução longa se usa várias ferramentas e produz efeitos externos. Uma análise de uma hora pode ser simples se apenas lê arquivos e gera um relatório local.

Considere cinco características.

Várias etapas dependentes

A tarefa precisa coletar dados, classificar entradas, consultar fontes, comparar informações, gerar uma saída e registrar o resultado. Uma etapa usa o que a anterior produziu.

Espera por sistemas ou pessoas

O agente pode depender de uma API, processamento de arquivo, aprovação, documento pendente ou resposta de outra área. O fluxo precisa sobreviver ao tempo de espera.

Efeitos fora do ambiente do agente

Criar tarefa, atualizar CRM, enviar mensagem, salvar documento ou alterar cadastro exige confirmação. Repetir a execução pode causar duplicidade ou impacto financeiro.

Custo variável

Uma pesquisa pode encontrar cinco fontes ou cinquenta. Um lote pode ter dez documentos ou mil. Sem limites, a execução cresce até consumir um orçamento incompatível com o valor do caso.

Necessidade de evidência

O resultado precisa mostrar fontes, etapas concluídas, decisões tomadas, exceções e aprovações. A empresa deve conseguir revisar o trabalho sem reconstruí-lo do zero.

O guia sobre agentes de IA em segundo plano explica quando o processamento assíncrono faz sentido. Aqui, a pergunta é mais específica: como projetar uma execução longa para que ela seja retomável, limitada e auditável.

Comece pela unidade de trabalho

“Toda a pesquisa de mercado” ou “revisar o financeiro” deixam o agente sem fronteira. Defina uma unidade que possa receber identificador, status e critério de conclusão.

Exemplos:

uma empresa pesquisada;
um contrato revisado;
um fornecedor comparado;
um lote de documentos conciliado;
um repositório analisado;
uma proposta preparada;
um conjunto de oportunidades atualizado.

Para cada unidade, registre:

evento de início;
solicitante;
objetivo;
entradas autorizadas;
fontes que possuem autoridade;
etapas esperadas;
ações permitidas;
condição de aprovação;
prazo máximo;
orçamento máximo;
saída esperada;
evidência de conclusão.

Esse contrato impede que uma instrução aberta se transforme em exploração ilimitada. Também permite comparar custo, tempo e qualidade entre execuções semelhantes.

Divida o fluxo em etapas observáveis

Uma tarefa longa não deveria existir como um único bloco chamado “processando”. Divida o trabalho em etapas que produzam saídas intermediárias verificáveis.

Uma pesquisa comercial pode usar esta sequência:

validar empresa e objetivo;
localizar fontes autorizadas;
coletar evidências;
extrair fatos relevantes;
identificar lacunas e conflitos;
preparar diagnóstico;
revisar critérios de qualidade;
gerar artefato final;
registrar conclusão e próxima ação.

Cada etapa precisa declarar:

entrada necessária;
ferramenta permitida;
saída estruturada;
condição de sucesso;
erro conhecido;
limite de tentativas;
próximo estado possível.

A divisão reduz o custo da falha. Se a geração do relatório quebra, o sistema pode reutilizar a coleta aprovada em vez de pesquisar tudo outra vez.

Use uma máquina de estados simples

Estado registra onde a execução está e o que pode acontecer depois. A estrutura pode começar pequena.

Estados úteis incluem:

recebido;
validando_entrada;
em_execucao;
aguardando_fonte;
aguardando_aprovacao;
concluido;
concluido_com_pendencia;
falhou;
cancelado.

O registro de execução deveria manter pelo menos:

identificador único;
versão do fluxo;
unidade de trabalho;
solicitante e dono;
status atual;
etapa atual;
entradas e referências;
saídas intermediárias;
ferramentas acionadas;
tentativas;
custo acumulado;
tempo acumulado;
aprovações;
erros;
próxima ação;
data de expiração.

Status não pode ser apenas decoração de interface. Cada mudança precisa resultar de um evento conhecido e determinar quais ações são válidas. Uma execução cancelada não continua chamando ferramentas. Um caso aguardando aprovação não deve avançar por timeout silencioso.

Crie checkpoints que permitam retomada

Checkpoint é um ponto em que o sistema preserva trabalho suficiente para continuar depois de uma interrupção. Salvar todo o histórico bruto costuma ser caro e pouco útil. Salvar apenas uma frase de resumo pode eliminar a evidência necessária.

Um checkpoint útil contém:

etapa concluída;
entrada utilizada;
saída estruturada;
fontes consultadas;
versão das instruções;
ferramenta e resultado;
pendências;
custo até o ponto;
data e responsável;
condição para prosseguir.

Crie checkpoints depois de operações caras, demoradas ou difíceis de repetir. Exemplos: download de um lote, extração de campos, aprovação humana, escrita confirmada no CRM e geração de um artefato.

Evite usar o texto livre da conversa como único estado. Conversas misturam instrução, tentativa, correção e comentário. A retomada precisa de dados estruturados sobre o que foi concluído.

A memória de agentes de IA trata da seleção e retenção de contexto. Na execução longa, o estado tem função diferente: preservar continuidade e impedir que o sistema repita ou esqueça trabalho.

Torne ações externas idempotentes

Falhas de rede deixam uma dúvida perigosa: a ação aconteceu ou apenas a confirmação falhou?

Imagine um agente que cria uma tarefa no CRM. A requisição expira. Se ele repetir sem verificar, pode criar duas tarefas. Se desistir, pode deixar a oportunidade sem próxima ação.

Use uma chave de idempotência formada por elementos estáveis, como:

tipo_de_fluxo + id_da_unidade + etapa + versao_da_acao

Antes de repetir uma escrita, o sistema consulta o registro de processamento ou o destino. Depois da ação, guarda o identificador retornado e a confirmação.

A mesma disciplina vale para:

envio de mensagem;
criação de cobrança;
atualização de pedido;
geração de documento;
abertura de chamado;
movimentação de arquivo;
alteração de cadastro.

Uma tarefa retomável sem idempotência pode retomar justamente no ponto que duplica o efeito mais sensível.

Defina limites antes da execução

Agentes longos precisam de limites em várias dimensões.

Tempo

Estabeleça prazo por etapa e prazo total. Ao atingir o limite, o sistema pode encerrar, salvar checkpoint ou encaminhar para revisão.

Tentativas

Defina quantas vezes uma ferramenta pode ser chamada depois de erro. Repetição infinita transforma indisponibilidade em custo e ruído.

Volume

Limite arquivos, registros, páginas, fontes ou itens por lote. Volumes acima da faixa podem ser divididos ou exigir autorização.

Custo

Acompanhe consumo por unidade e interrompa quando o teto for alcançado. O artigo sobre controle de custos de agentes de IA detalha como combinar alertas, rotas e aprovação de exceções.

Escopo

Declare domínios, pastas, clientes, períodos e sistemas permitidos. A tarefa não deve expandir a pesquisa ou o acesso apenas porque encontrou uma nova referência.

Autonomia

Diferencie leitura, preparação, recomendação e execução. Ações com impacto maior podem esperar aprovação mesmo quando as etapas anteriores avançam sozinhas.

Limite bom termina em uma decisão conhecida: concluir parcialmente, pedir autorização, reduzir escopo, encaminhar para pessoa ou cancelar.

Separe falha recuperável de bloqueio real

Tratar todos os erros da mesma forma produz duas distorções: tentativas excessivas em falhas permanentes e abandono precoce em falhas temporárias.

Falha temporária

Inclui timeout, indisponibilidade breve, limite de taxa e instabilidade de rede. Pode receber nova tentativa com intervalo crescente e teto definido.

Falha de entrada

Arquivo corrompido, campo ausente, identificador inválido ou fonte não autorizada pedem correção da entrada. Repetir o modelo não resolve.

Falha de permissão

Credencial vencida, escopo insuficiente ou acesso negado deve bloquear a etapa e acionar o responsável técnico. O agente não deveria procurar atalhos.

Falha de regra

Dois critérios entram em conflito ou uma exceção não foi documentada. O caso segue para o dono operacional com evidência e pergunta específica.

Falha de qualidade

A saída não atende ao esquema, não traz fonte ou reprova em um teste. O sistema pode tentar uma correção limitada. Depois do teto, preserva o material e encaminha.

Falha crítica

Ação indevida, mistura de contexto, exposição de dado ou efeito externo incompatível exige contenção. O plano de resposta a incidentes de IA organiza investigação, correção e retomada.

Classificar a causa evita a solução favorita de sistemas mal desenhados: tentar novamente e torcer com mais tokens.

Coloque aprovação humana nos pontos de compromisso

Revisar cada passo elimina boa parte do ganho. Revisar apenas o resultado final pode ser tarde demais.

Posicione aprovação antes de pontos que criam compromisso:

envio para cliente;
alteração financeira;
decisão regulada;
mudança de permissão;
publicação pública;
expansão relevante de custo;
uso de fonte sensível;
conclusão com conflito não resolvido.

A solicitação de aprovação deve mostrar unidade, etapa, evidência, opção proposta, impacto, custo acumulado e alternativas. “Aprovar execução” é amplo demais para uma pessoa decidir com segurança.

Também defina expiração. Uma aprovação antiga pode perder validade quando preço, prazo, documento ou contexto muda. O guia sobre aprovação humana em agentes de IA aprofunda alçadas, filas e critérios.

Permita cancelar, pausar e assumir manualmente

Uma execução longa precisa de controles operacionais visíveis.

Cancelar

Impede novas chamadas, preserva o estado, registra o motivo e trata recursos temporários. Ações já confirmadas permanecem no histórico.

Pausar

Interrompe em ponto seguro e mantém condição de retomada. É útil para indisponibilidade planejada, revisão ou dependência externa.

Reduzir autonomia

O agente continua preparando trabalho, mas deixa de executar ações externas. Esse modo ajuda durante incidentes ou períodos sem equipe de supervisão.

Assumir manualmente

Uma pessoa recebe entradas, resultados intermediários, fontes, erros e próxima ação. Transferir apenas uma mensagem “o agente falhou” obriga a equipe a reconstruir tudo.

Expirar

Execuções esquecidas precisam de prazo. Depois dele, o sistema encerra, arquiva ou solicita nova validação das entradas.

Esses controles devem ser testados. Botão de pausa que não interrompe trabalhos já enfileirados cria uma sensação perigosa de controle.

Mostre progresso em linguagem operacional

Percentual genérico raramente representa bem uma tarefa variável. “73% concluído” parece preciso, mas pode esconder que a etapa restante depende de aprovação sem prazo.

Prefira informar:

etapa atual;
etapas concluídas;
itens processados e pendentes;
bloqueio atual;
responsável pela próxima ação;
custo acumulado;
previsão revisada;
última evidência produzida.

O usuário precisa decidir se espera, intervém, amplia limite ou aceita uma saída parcial. A interface dos agentes de IA deve servir essa decisão, em vez de apenas mostrar atividade técnica.

Teste a execução como um sistema

Avaliar somente a resposta final deixa falhas importantes fora do teste.

Inclua cenários como:

entrada incompleta;
arquivo grande;
fonte indisponível;
ferramenta lenta;
resposta fora do esquema;
reinício depois de checkpoint;
entrega repetida do mesmo evento;
cancelamento durante uma chamada;
aprovação que expira;
custo atingindo o teto;
versão nova com checkpoint antigo;
escrita realizada com confirmação perdida;
mudança manual no sistema durante a execução.

Verifique se o fluxo preserva estado, evita duplicidade, registra a causa e entrega uma saída utilizável. O artigo como avaliar agentes de IA ajuda a transformar esses casos em regressão contínua.

Métricas para tarefas longas

Meça a unidade completa e também a saúde da execução.

Indicadores úteis:

taxa de conclusão válida;
tempo total por unidade;
tempo parado aguardando pessoa ou sistema;
custo por unidade válida;
retomadas bem-sucedidas;
trabalho repetido depois de falha;
ações duplicadas evitadas;
execuções canceladas;
intervenções humanas;
aprovações vencidas;
erros por etapa;
saídas parciais aproveitáveis;
impacto sobre fila, prazo ou capacidade.

Duração menor só representa ganho quando o resultado chega completo, correto e utilizável. Uma execução longa pode continuar valendo a pena se substitui dias de espera humana, desde que custo, qualidade e prazo estejam sob controle.

Checklist de arquitetura para tarefas longas

Antes de colocar o agente em produção, confirme:

Existe uma unidade de trabalho com identificador único?
O critério de conclusão está explícito?
O fluxo foi dividido em etapas observáveis?
Cada etapa possui entrada e saída estruturadas?
O estado sobrevive a reinício e indisponibilidade?
Há checkpoints depois de operações caras ou sensíveis?
Escritas externas usam idempotência e confirmação?
Tempo, volume, tentativas, custo e escopo possuem limites?
Falhas temporárias e permanentes recebem tratamentos diferentes?
Aprovações aparecem antes dos pontos de compromisso?
A execução pode ser pausada, cancelada e assumida por uma pessoa?
O progresso mostra bloqueio e próxima ação?
Versões antigas conseguem lidar com checkpoints existentes?
Casos de retomada e duplicidade fazem parte dos testes?
O dono operacional consegue decidir ampliar, restringir ou encerrar?

A capacidade está na continuidade controlada

Modelos mais capazes ampliam o tamanho das tarefas que agentes conseguem enfrentar. Isso cria valor quando a empresa converte a capacidade técnica em uma execução governável.

O agente precisa saber onde começar, onde salvar, quanto pode gastar, quando pedir ajuda, como evitar repetição e qual evidência prova conclusão. Sem esse contrato, uma tarefa longa vira uma sequência cara de decisões invisíveis.

Com unidade clara, estado, checkpoints, idempotência, limites e intervenção humana, o trabalho pode atravessar horas e sistemas sem depender de uma conversa aberta ou da memória de uma pessoa. Essa arquitetura transforma duração em continuidade operacional, em vez de apenas prolongar a automação.

Fonte atual consultada: Anthropic, Introducing Claude Opus 5, 24 de julho de 2026.