Cinco agentes de IA que fazem um site trabalhar sozinho

Uma empresa que decide “usar IA” normalmente começa pelo lugar errado. Assina três ferramentas, testa duas semanas, não vê nada mudar e conclui que ainda é cedo. O problema quase nunca é a ferramenta. É que ferramenta não tem responsabilidade: ela espera alguém abrir, pedir e conferir.

Agente é outra coisa. Um agente tem uma função definida, um gatilho que o aciona, um limite claro do que pode fazer e um lugar onde ele registra o que fez. Ele não espera você lembrar dele.

Este texto descreve os cinco agentes que a Duplo D constrói e mantém. Cada um cuida de uma frente, cada um tem nome, e cada um resolve um problema que dá para medir. Não é um catálogo de tecnologia: é a divisão de trabalho que a gente usa em projeto real.

01. Por que “agente” e não “mais uma ferramenta de IA”

A palavra agente virou moda em 2025 e perdeu o sentido no caminho. Vale recuperar, porque a distinção é prática.

Uma ferramenta responde quando chamada. Você abre, escreve o pedido, lê o resultado e decide o que fazer com ele. O ganho é real, mas ele para no momento em que você fecha a aba. É por isso que o entusiasmo com IA costuma durar duas semanas: o trabalho de acionar continua sendo seu.

Um agente tem um posto. Ele é acionado por um evento (uma mensagem que chega, um formulário enviado, um horário, um documento novo na pasta) e executa sem ninguém clicar. Tem escopo definido, tem permissão limitada e deixa rastro do que fez.

Essa diferença muda a conta. Ferramenta economiza minutos de quem já está trabalhando. Agente tira a tarefa da fila antes de alguém precisar olhar para ela.

E muda também o que é preciso projetar. Ferramenta você escolhe. Agente você desenha: onde ele começa, onde ele para, o que ele pode acessar, o que ele faz quando não tem certeza e para quem ele entrega o caso quando desiste. É aí que mora o trabalho, e é por isso que os cinco abaixo são serviços, não assinaturas.

02. Lume: sites, landing pages e blog

O Lume é o primeiro agente porque ele cuida da coisa que todos os outros dependem: o lugar onde a sua empresa existe publicamente.

Site institucional, landing page de campanha e blog são três formatos com objetivos diferentes, mas com o mesmo requisito técnico em 2026: precisam ser legíveis por gente e por máquina ao mesmo tempo. Um site que só um humano entende está fora de metade das conversas que decidem uma compra hoje.

Na prática, o trabalho do Lume tem três camadas:

Estrutura. Marcação semântica de verdade: título que é título, lista que é lista, tabela que é tabela. Isso não é preciosismo: é o que permite a um leitor de tela e a um extrator de conteúdo entenderem a hierarquia sem adivinhar.

Velocidade e acessibilidade. Imagem no formato e no tamanho certos, contraste medido, foco visível no teclado. São itens que o Google mede e que a maioria dos sites entrega mal.

Conteúdo que responde. Texto que entrega a resposta antes do contexto. É o oposto do que a escrita corporativa costuma fazer, e é o que decide se um trecho seu vira citação ou não.

O Lume é também o agente que acompanha o site depois da entrega. Conteúdo novo entra no mesmo padrão, e o padrão não se perde seis meses depois porque alguém colou um texto do Word direto no editor.

Landing page tem uma regra própria, e ela contraria o instinto de quem vem do institucional: quanto menos ela tenta dizer, melhor ela converte. Uma página de campanha tem uma promessa, uma prova e uma ação. Tudo que não sustenta essas três coisas está roubando atenção de quem já estava quase decidindo.

E blog não é diário corporativo. Blog é o material que o Pharos vai usar depois para fazer a empresa ser citada. Um artigo que responde uma pergunta real de cliente vale mais que dez notas sobre a rotina da empresa, e continua valendo anos depois, o que nenhuma nota sobre rotina faz.

03. Node: agentes sob medida e automação com n8n

Esta é a frente que mais reduz custo, e é também a menos glamourosa. Um fluxo de automação é uma sequência de passos que roda sem ninguém clicando: recebe um gatilho, busca o dado onde ele mora, decide o que fazer e executa.

O n8n é a ferramenta que a gente usa para orquestrar isso. Ele conecta API, planilha, e-mail, ERP, CRM e modelo de linguagem no mesmo desenho, e deixa visível o caminho que o dado percorreu.

Essa visibilidade não é detalhe. Quando um fluxo falha às duas da manhã, a diferença entre consertar em dez minutos e passar o dia caçando o erro é conseguir ver onde ele parou. Automação que roda numa caixa preta é dívida técnica esperando a hora de cobrar.

O agente entra quando o fluxo precisa de julgamento. Classificar a intenção de uma mensagem. Extrair os campos de um documento mal formatado. Escolher qual caminho seguir diante de um pedido ambíguo. Isso é o que o modelo de linguagem faz bem.

O resto (cálculo, regra fixa, consulta a banco) continua sendo código comum. Não por conservadorismo: código comum é mais barato, mais rápido e não erra por criatividade. Colocar um modelo de linguagem para somar dois números é pagar caro por um resultado pior.

É essa fronteira que a gente desenha em cada projeto. Onde o problema tem regra, regra. Onde o problema tem ambiguidade, modelo. A maior parte dos fluxos que dão errado em produção erra exatamente aí: usa IA onde bastava um if, ou usa if onde o mundo real é bagunçado demais para caber num.

04. Signal: chatbot e atendimento com IA no WhatsApp

No Brasil, o atendimento acontece no WhatsApp. Não adianta desenhar um funil elegante que termina em formulário se a pessoa vai abrir o aplicativo verde de qualquer jeito.

O que a gente constrói aqui é um assistente que responde dúvida repetida, qualifica quem chega e registra tudo no CRM. O CRM é desenvolvido pela Duplo D, então o funil segue o processo da sua empresa e não o contrário.

Isso resolve o problema mais comum do atendimento por mensagem: a conversa existe, mas não vira histórico, nem tarefa, nem funil, e por isso não vira gestão. Três meses depois ninguém sabe quantos orçamentos foram pedidos, quantos viraram proposta e quantos morreram sem resposta.

O ponto de projeto aqui é saber onde o assistente para.

Ele responde preço de tabela, prazo, endereço, o que está incluso e o que não está. Quando a conversa vira negociação, exceção ou reclamação, ele entrega para uma pessoa com o contexto já organizado, em vez de insistir.

Um assistente que insiste é pior do que nenhum. Todo mundo já saiu de um chat que repetia a mesma pergunta de três formas diferentes, e essa experiência gruda na marca. O valor de um bom agente de atendimento está tanto no que ele responde quanto no que ele reconhece que não é dele.

05. Contextus: base de conhecimento com RAG

RAG quer dizer geração aumentada por recuperação, e a ideia é simples de explicar: em vez de esperar que o modelo saiba, você faz ele buscar primeiro no seu material e responder com base no que achou.

Na prática, é a diferença entre uma IA que inventa uma cláusula de contrato e uma IA que diz o que o seu contrato realmente escreve, com a fonte junto. Para uma empresa, essa segunda coisa é a única utilizável.

Onde isso costuma pagar:

No atendimento, para consultar procedimento sem chamar o especialista. A dúvida que hoje interrompe a pessoa mais ocupada da equipe passa a ser respondida na hora, com o documento anexo.

No comercial, para responder dúvida técnica sem esperar a engenharia. O ciclo de venda encurta porque a resposta deixa de depender da agenda de outra pessoa.

Na entrada de gente nova, para aprender o que hoje só existe na cabeça de duas pessoas. Este é o ganho menos citado e o mais valioso: conhecimento que não está escrito é risco operacional, não é cultura.

E precisa de controle de acesso por perfil, porque nem todo documento pode ser respondido para todo mundo. Tabela de custo, contrato de cliente e política interna não podem vazar para o assistente público. Esse recorte é parte do projeto, não um ajuste posterior.

06. Pharos: SEO, GEO e conteúdo citável

Esta frente é o outro lado da mesma moeda. Se a IA passou a ser a porta de entrada, o conteúdo da empresa precisa ser legível por ela.

E isso é bem menos misterioso do que parece:

Texto direto, sem rodeio antes da resposta. Blocos de pergunta e resposta que fecham sentido sozinhos. Dados estruturados que dizem à máquina o que cada coisa é. Um arquivo llms.txt que apresenta o site para os assistentes em linguagem simples. E números concretos em vez de adjetivos, porque adjetivo não é citável.

Essa última é a mais fácil de aplicar e a mais ignorada. “Atendimento ágil” não entra em resposta nenhuma. “Resposta em até duas horas úteis” entra.

É trabalho de escrita e de marcação, feito junto, e é aí que quase todo projeto se perde, porque escrita costuma ser de uma pessoa e marcação de outra, e as duas nunca conversam.

É a frente com o retorno mais lento e mais duradouro. Conteúdo bem feito continua sendo citado muito tempo depois de publicado, e isso é o oposto de anúncio, que para de existir no dia em que a verba acaba.

Sobre o llms.txt: é um arquivo de texto na raiz do site que apresenta a empresa para assistentes de IA em linguagem direta: o que ela faz, para quem, onde, e quais páginas importam. Ele não substitui o conteúdo, mas resolve um problema real: um assistente que chega ao site sem contexto precisa inferir tudo a partir do menu e do rodapé, e infere errado com frequência. O arquivo custa uma tarde para escrever e ainda é raro no Brasil.

Vale saber medir. A métrica honesta de GEO ainda é manual: pergunte todo mês ao ChatGPT, ao Perplexity e ao Gemini quem faz o que você faz na sua cidade, e registre se a sua empresa aparece. É simples, é chato e quase ninguém faz. Também é a única forma de saber se o trabalho está andando antes de o telefone tocar.

07. Como os cinco se conectam

Separados, cada agente resolve um pedaço. Juntos, eles fecham um ciclo, e é aí que a conta muda.

O Pharos faz a empresa ser encontrada e citada. Quem chega cai no site que o Lume mantém, estruturado para responder rápido. Quem tem dúvida vai para o WhatsApp, onde o Signal atende e qualifica. Quando a pergunta é técnica, o Contextus entrega a resposta com a fonte. E tudo que acontece nesse caminho (registro no CRM, notificação para o time, atualização de planilha, disparo de proposta) é o Node que executa, sem ninguém clicando.

Nenhum deles precisa dos outros para funcionar. Dá para começar por um só, e normalmente é o que a gente recomenda: escolher a dor mais cara e resolver ela primeiro.

Mas vale entender a ordem em que eles costumam se pagar. Signal e Node dão retorno mais rápido, porque atacam trabalho manual que acontece toda semana. Contextus paga no médio prazo, quando o volume de dúvida repetida justifica. Pharos é o mais lento e o que rende por mais tempo. E o Lume é a base: sem um site que preste, os outros quatro trabalham para levar gente a um lugar que não converte.

08. Como um projeto de agente acontece

Quatro etapas, sempre nesta ordem. A ordem importa mais do que parece: metade dos projetos de automação que dão errado inverteu duas delas.

Primeiro, medir o que existe. Antes de desenhar qualquer fluxo, a gente cronometra a tarefa como ela é hoje: quantas vezes por semana acontece, quanto tempo leva, quem faz e o que quebra quando a pessoa falta. Sem esse número, não há como provar ganho depois, e um agente sem prova de ganho é o primeiro item cortado no aperto seguinte.

Segundo, desenhar a fronteira. Onde o agente começa, onde ele para, o que ele pode acessar e o que ele faz quando não tem certeza. Essa etapa é conversa, não código, e é a que mais evita retrabalho. É aqui que se decide o que é regra fixa e o que precisa de julgamento, a decisão que define o custo de operação do fluxo inteiro.

Terceiro, construir com o caminho visível. O fluxo entra no ar com registro de cada passo. Não porque alguém vai ler todo dia, mas porque no dia em que quebrar, a diferença entre dez minutos e um dia inteiro é essa.

Quarto, acompanhar e ajustar. Regra de negócio muda, e o fluxo precisa mudar junto. Um agente entregue e abandonado degrada em silêncio: continua rodando, só que decidindo com base numa regra que a empresa aposentou. Esse é o motivo pelo qual automação tem sustentação mensal e não é venda de projeto único.

09. Onde os agentes não entram

Esta seção é a mais curta de escrever e a mais importante de ler.

Não entram onde a tarefa é rara. Automatizar algo que acontece duas vezes por mês não paga o tempo de construir e manter o fluxo. A conta simples: se a tarefa não acontece com frequência alta, não segue regra clara e não depende de alguém lembrar de fazer, provavelmente não vale.

Não entram onde a decisão tem consequência jurídica ou financeira relevante. Um agente pode preparar, organizar e sugerir. Assinar, aprovar e liberar continua sendo de gente.

Não entram para substituir julgamento de gosto. Direção visual, tom de marca e prioridade de produto são decisões com risco, e risco tem dono.

E não entram sem medição. Agente que ninguém acompanha vira folclore interno: todo mundo acha que ajuda, ninguém sabe dizer quanto. Se não dá para medir o antes e o depois, é melhor não construir ainda.

10. Perguntas frequentes