Anatomia de um agente de IA em produção: LLM, n8n, CRM, canais e supervisão
Como modelo, regras, conhecimento, ferramentas, n8n, CRM, canais e supervisão humana trabalham juntos em um agente de IA em produção.
Um agente de IA em produção não é só um modelo de linguagem com instruções. Existe um caminho completo por trás da conversa: o canal recebe a solicitação, o modelo interpreta, as fontes fornecem informações, as integrações consultam ou alteram sistemas, as regras limitam o que pode ser feito e os registros mostram o que aconteceu. Também é preciso definir quando uma pessoa assume.
Os componentes têm funções diferentes
Cada peça tem uma função. O canal recebe a interação. O modelo interpreta o pedido. As fontes fornecem conhecimento e dados. As integrações fazem consultas e executam ações. As regras definem limites e permissões. Os registros permitem conferir o resultado.
Essa separação ajuda a encontrar a origem de um problema. Um cadastro desatualizado precisa de uma correção diferente de uma integração fora do ar ou de uma instrução mal definida.
Onde o n8n pode entrar
O n8n pode coordenar eventos e integrações de um fluxo. O recurso AI Agent permite conectar um modelo às ferramentas que ele pode usar.
Em um projeto da Convertlab, por exemplo, um evento pode chegar ao fluxo, o sistema verifica o estado daquela tarefa, aplica as regras e libera apenas as ferramentas necessárias. Depois, registra o que aconteceu e devolve a resposta ao canal.
Um exemplo de pré-vendas
Imagine um contato que responde a uma campanha. Antes de agir, o fluxo identifica a conversa e verifica se um vendedor já assumiu. Se a automação ainda pode atuar, o agente consulta o conhecimento disponível e pergunta apenas o que falta para qualificar.
Quando os critérios são atendidos, a integração atualiza o CRM. O processo confirma a atualização antes de seguir. Se houver falha, entra o tratamento previsto para aquele caso.
É por isso que um agente em produção precisa considerar o estado da tarefa, a integração e a confirmação da ação, não apenas o texto da conversa.
O que deve ser controlado fora do modelo
Permissões, cálculos críticos, validação de identificadores e prevenção de duplicidade precisam de controles que possam ser conferidos. As instruções do agente fazem parte da solução, mas não substituem restrições nos sistemas.
Se uma pessoa só pode consultar determinada carteira, essa limitação deve existir na própria função de acesso. O agente não pode ampliar uma permissão apenas porque alguém pediu isso na conversa.
Memória precisa de propósito
Histórico de conversa, cadastro de cliente e estado de uma tarefa são informações diferentes. O projeto define o que precisa ser guardado, por quanto tempo e para quê.
Um resumo pode ajudar a continuar uma conversa, mas não deve substituir a fonte oficial de um pedido, preço ou condição comercial. Quando a informação muda, o agente precisa consultar a fonte atual.
Um agente ou vários
Separar funções entre vários agentes pode fazer sentido quando existem conhecimentos, ferramentas ou responsáveis muito diferentes. Mas isso também cria mais transferências e pontos para coordenar.
Comece pela necessidade. Se uma única estrutura atende bem ao processo, adicionar mais agentes não melhora a operação por si só.
Como avaliar a arquitetura
Para avaliar uma arquitetura, acompanhe uma solicitação do começo ao fim. Veja de onde vêm os dados, que ações são executadas, como o resultado é confirmado, o que acontece quando há falha e em que momento uma pessoa participa. O caminho precisa ser claro para quem usa e para quem mantém a solução.