De acordo com a Grand View Research, o mercado global de IA foi avaliado em US$ 150 bilhões em 2023, com previsão de crescimento de 37% ao ano até 2030. E é nesse cenário que a Mirante Tecnologia foca seus esforços para 2025.

Dentro desse contexto, a IA generativa não representa apenas mais um avanço, ela está moldando um novo paradigma na criação de agentes inteligentes: sistemas capazes de combinar percepção, raciocínio, ação e comunicação para executar tarefas com autonomia. Segundo a Gartner, até 2028, um terço das interações com serviços baseados nessa tecnologia deve envolver agentes autônomos e modelos voltados à realização de ações.

De acordo com o relatório da Distrito, referência no mapeamento de inovação e tendências tecnológicas, os agentes inteligentes já estão sendo incorporados por diferentes frentes: desde soluções proprietárias até APIs de terceiros e ferramentas prontas, como ChatGPT e Microsoft Copilot.

Atualmente, 33% das empresas optam por integrar APIs de provedores como OpenAI, Google e AWS, enquanto 29% seguem por modelos híbridos, combinando tecnologias internas com recursos externos. Embora o conceito de agentes inteligentes já exista há décadas, o diferencial atual está na fusão entre eles e modelos de linguagem LLMs.



De forma simples, trata-se de um sistema virtual capaz de perceber o ambiente, processar essas informações, tomar decisões e agir com base nelas e, em muitos casos, também se comunicar. Quando integrado a modelos de linguagem LLMs, esse tipo de agente se torna ainda mais autônomo e flexível, ampliando seu potencial de operar em contextos complexos com mais eficiência.

“O ChatGPT, por si só, não é um agente. Mas você consegue criar agentes com ele, usando a interface da OpenAI ou integrando via APIs. O segredo está na construção de uma arquitetura que define como esse agente percebe, atua e se comunica”, detalha Caio.

Para compreender o funcionamento de um agente baseado em IA generativa, é fundamental visualizar sua estrutura a partir de cinco pilares essenciais, que operam de forma interdependente: percepção, raciocínio, ação, comunicação e aprendizado.

Para que esses pilares atuem com eficiência, é preciso contar com uma base tecnológica robusta. A infraestrutura necessária para os AI Agents começa nos fundamentos, como chips otimizados para aprendizado de máquina e computação em larga escala que garantem a performance e a escalabilidade exigidas por esses sistemas.

Essa estrutura pode ser representada em um ciclo contínuo, onde a percepção alimenta o raciocínio, que define a ação, seguida da comunicação com humanos ou outros agentes. Ao final, o aprendizado entra como etapa essencial, refinando o comportamento do agente com base nas interações anteriores e retroalimentando o processo para torná-lo cada vez mais eficiente.

Juntas, essas cinco funções formam um sistema dinâmico que simula o comportamento humano de forma autônoma e adaptativa, sendo ideal para aplicações como assistentes virtuais, NPCs em jogos, bots de atendimento, entre outros.

Elaboração: Mirante Tecnologia


Esses componentes, quando bem estruturados, permitem a criação de sistemas multiagentes, ou seja, times de agentes que colaboram entre si para resolver problemas complexos.

“Um diferencial da Mirante é a implementação de sistemas multiagentes, nos quais diferentes agentes, com funções específicas como extração de informação, análise de dependências técnicas e recomendação de ações, colaboram para resolver tarefas complexas. O gerenciamento desses sistemas exige coordenação, estratégias de mitigação de conflitos e definição clara de papéis e objetivos”, pontua Caio.




Uma das maiores forças da inteligência artificial está em sua capacidade de atuar em cenários críticos e de alta complexidade. Caio trouxe à tona um exemplo relevante: a migração de sistemas jurídicos antigos, muitos desenvolvidos nos anos 1990, para arquiteturas mais modernas, escaláveis e integradas.

Casos como os do Tribunal de Justiça de São Paulo e da Receita Federal ilustram bem essa transição, em que tecnologias ultrapassadas foram substituídas por soluções digitais mais ágeis, seguras e conectadas à realidade atual dos usuários.

Na Mirante, essa transformação já é prática. Em um projeto recente, o uso de ferramentas com IA aumentou a cobertura de testes em mais de 40% em apenas dois meses e otimizou a correção de bugs críticos, reduzindo em mais de 90% o tempo dedicado a essas tarefas. A IA, quando bem aplicada, não só acelera processos, como redefine possibilidades.

“Essas atividades costumam ser custosas, arriscadas e tecnicamente delicadas. Então criamos times de agentes especializados em cada parte do processo, com funções diferentes, como entender documentos, identificar dependências e sugerir melhorias técnicas. Isso torna mais rápido e menos propenso a erro humano”, afirma.

A adoção de agentes inteligentes tem mostrado resultados concretos, conforme report da Distrito: 

  • 100% das empresas que os utilizam relatam aumento de eficiência; 
  • 71% mencionam economia de recursos; 
  • 57% destacam melhorias na experiência do cliente; 
  • 38% observam ganhos em escalabilidade e tomada de decisão. 

Sistemas multiagentes podem se beneficiar da combinação de diferentes LLMs, escolhendo a mais adequada para cada tipo de atividade ou desafio. A escolha depende do contexto e das exigências da tarefa, por exemplo, modelos mais robustos para geração de texto estratégico ou modelos mais leves para tarefas operacionais.

Além dos tradicionais como o GPT, há outras opções relevantes no mercado, como DeepSeek, Claude, Grok e modelos de código aberto como o LLaMA, que ampliam as possibilidades de personalização e controle.

Sendo assim, a escolha do LLM define o “cérebro” do agente. Modelos open-source oferecem flexibilidade; os licenciáveis, como GPT-4o e Gemini, garantem eficiência e integração rápida; já os modelos personalizados, como o FinGPT, são ideais para nichos específicos. O sucesso do agente depende da qualidade de resposta, segurança, custos, hospedagem e adaptabilidade do LLM.




Com a IA generativa como motor, agentes inteligentes deixam de depender de instruções detalhadas: eles aprendem, se adaptam e operam com autonomia. Segundo a McKinsey, até 2030, cerca de 800 milhões de empregos serão transformados pela automação, e os agentes de IA fazem parte central dessa mudança.

Esse novo cenário permite o desenvolvimento de soluções mais ágeis e robustas, em que o esforço humano é potencializado e direcionado para gerar valor estratégico real.

Apesar dos avanços, ainda existem barreiras, como custo, falta de conhecimento técnico e segurança. Mas a perspectiva é positiva: 70% das empresas que ainda não utilizam AI agents consideram a adoção altamente provável, principalmente se houver mais casos de sucesso, redução de custos, integração facilitada e maior capacitação interna.