Não entregue o processo inteiro ao agente: use checkpoints operacionais

“Cuide do pedido do começo ao fim” parece uma instrução eficiente. Na prática, ela esconde dezenas de decisões: identificar o cliente, interpretar itens, consultar estoque, aplicar preço, validar limite, confirmar prazo, registrar no ERP e responder no WhatsApp. Se o agente erra no segundo passo, todos os passos seguintes podem parecer coerentes e ainda assim terminar no pedido errado.

O problema não é apenas quanto um modelo sabe. É o tamanho da missão que a empresa entrega sem pontos intermediários de verificação. Um processo longo acumula contexto, ramificações, tentativas e efeitos em sistemas. Quanto mais tarde o erro aparece, maior o custo para descobrir onde ele nasceu e desfazer o que já foi feito.

Este artigo apresenta o método MARCO, uma ferramenta para dividir processos em blocos curtos, observáveis e com saída verificável. Não é uma defesa de aprovação humana em cada clique. É uma forma de automatizar o que pode fluir, parar onde a consequência exige e deixar claro quem recebe o trabalho quando a realidade sai do roteiro.

O que os agentes que já estão em produção ensinam

O estudo Characterizing Agents in Production (CAP), apresentado na ICML 2026, reuniu 20 estudos de caso e respostas de 306 profissionais em 26 domínios. Entre os agentes analisados, 68% executavam no máximo dez etapas antes de uma intervenção humana; 70% usavam modelos prontos orientados principalmente por prompts; e 74% dependiam sobretudo de avaliação humana. Confiabilidade ao longo do tempo apareceu como o principal desafio de desenvolvimento.

Esses percentuais descrevem a amostra do estudo; não transformam “dez passos” em limite universal. A conclusão útil para uma PME é outra: sistemas reais tendem a ser construídos com abordagens simples e controláveis. A pergunta de projeto deixa de ser “como dar autonomia total?” e passa a ser “qual é o menor bloco que produz um resultado útil e verificável?”.

A pesquisa de horizonte de tarefas da METR reforça a cautela com generalizações. Seus testes medem tarefas predominantemente de software, bem especificadas e com critérios automáticos. A própria organização alerta que trabalho econômico real costuma trazer conhecimento tácito, interação com pessoas e critérios difíceis de pontuar — e que os agentes têm desempenho pior em tarefas mais “bagunçadas”. Um horizonte longo no benchmark não prova que o agente pode tocar sozinho a rotina comercial, clínica ou de obra.

Processo fim a fim não precisa ser uma única missão

Um bom fluxo pode continuar fim a fim para o cliente e, por dentro, ser composto por missões menores. Cada missão recebe entradas definidas, executa um conjunto limitado de decisões e entrega um artefato que a próxima etapa consegue verificar.

No pedido por WhatsApp, por exemplo, o primeiro bloco não precisa “vender e faturar”. Pode apenas transformar mensagem, foto ou PDF em uma prévia estruturada com cliente, itens, quantidades e dúvidas. Um validador determinístico confere códigos e campos obrigatórios. Só então outro bloco consulta condições comerciais. A confirmação do cliente e a liberação no ERP continuam no mesmo fluxo, mas não dentro da mesma caixa-preta.

A orientação prática da OpenAI para construção de agentes recomenda intervenção humana quando o sistema excede limites de falha ou tenta ações sensíveis, irreversíveis ou de alto impacto. O ponto importante é definir esses gatilhos antes da produção, não improvisar depois do primeiro incidente.

Método MARCO: cinco campos para cada bloco

Desenhe um cartão MARCO para cada parte do processo. Se um campo não puder ser preenchido com clareza, o bloco provavelmente ainda está grande ou ambíguo demais.

M — Missão delimitada

Escreva uma frase com um verbo, um objeto e uma fronteira. “Ajudar o comercial” não delimita nada. “Classificar o motivo do contato e preparar a próxima ação permitida” cria uma unidade de trabalho.

• início: qual evento dispara o bloco;
• fim: em que estado ele pode declarar conclusão;
• fora do escopo: decisões que ele não toma;
• limite: número máximo de tentativas, ferramentas, tempo ou custo.

Se a missão contém muitos “e” — consultar, decidir, negociar, registrar e avisar — procure uma mudança de responsabilidade, de sistema ou de risco. Normalmente ali existe uma boa fronteira.

A — Artefato verificável

Todo bloco deve produzir algo que possa ser inspecionado sem reconstituir toda a conversa: uma ficha estruturada, um orçamento em rascunho, uma lista de restrições, um alerta com evidências ou uma atualização proposta.

Evite saídas como “análise concluída”. Prefira campos explícitos: fonte consultada, dado extraído, confiança, pendência, ação proposta e justificativa. O artefato é o contrato entre etapas; também permite retomar o fluxo sem pedir ao agente que releia todo o histórico.

R — Regras de aceite e parada

Defina o que aprova automaticamente, o que volta para correção e o que interrompe o fluxo. Misture verificações determinísticas com julgamento apenas onde ele agrega valor.

• aceitar: campos obrigatórios presentes, código válido, valor dentro da faixa e fonte disponível;
• corrigir: formato inconsistente, duplicidade provável ou informação recuperável;
• parar: conflito de fonte, baixa confiança, limite excedido ou consequência acima da alçada;
• proibir: ações que nunca podem ocorrer nesse bloco, mesmo que o usuário peça.

Uma regra de parada não é falha do agente. É comportamento correto quando faltam condições para seguir com segurança.

C — Contexto e ferramentas mínimos

Entregue apenas as fontes e ações necessárias à missão. Um classificador de contato não precisa acessar faturamento; um agente que prepara cobrança não precisa alterar limite; um assistente de obra que consolida diário não precisa aprovar medição.

Contexto mínimo reduz distração, custo e superfície de erro. Também facilita testar: quando o bloco tem quatro fontes e duas ações possíveis, a equipe consegue criar casos representativos e entender por que uma decisão aconteceu.

O — Owner e próximo estado

Defina quem é responsável pelo bloco e quem recebe cada saída. “Mandar para o humano” não é handoff: indique papel, fila, prazo, informações obrigatórias e a decisão esperada.

• owner operacional: responde pela regra e pelo resultado;
• destino normal: próxima etapa ou sistema;
• destino da exceção: pessoa ou fila capaz de decidir;
• SLA: tempo aceitável antes de a missão perder valor;
• retorno: como a decisão humana alimenta o fluxo e os testes futuros.

Mapa de 45 minutos para recortar um processo

1. Escolha uma ocorrência real. Use o último pedido, lead, retorno, alerta ou pendência que atravessou a equipe.
2. Liste eventos, não cargos. “Mensagem recebida”, “cadastro localizado”, “condição consultada”, “proposta confirmada”.
3. Marque mudanças. Circule toda troca de sistema, responsável, dado oficial ou nível de consequência.
4. Crie os blocos. Tente colocar uma decisão principal e um artefato verificável em cada um.
5. Preencha MARCO. Missão, artefato, regras, contexto e owner para cada bloco.
6. Teste o caminho ruim. Simule dado ausente, duplicidade, fonte fora do ar, pedido fora da política e cliente que muda de ideia.

Ao terminar, a equipe deve conseguir apontar onde cada erro será detectado e qual estado ficará registrado. Se o único controle acontece no final, o fluxo ainda está opaco demais.

Quatro tipos de etapa pedem mecanismos diferentes

• regra estável: código, fórmula ou validação determinística; exemplo: campo obrigatório, soma, duplicidade exata;
• interpretação reversível: agente com saída estruturada; exemplo: extrair itens, resumir histórico, classificar intenção;
• decisão consequencial: agente prepara evidências e recomendação, mas uma alçada ou regra formal libera; exemplo: desconto fora da faixa, cancelamento ou comunicação sensível;
• exceção nova: fila com owner, SLA e registro da decisão; o caso resolvido pode virar nova regra ou teste.

Nem toda etapa precisa de IA. Usar um modelo para validar CPF, somar valores ou conferir se um campo está vazio aumenta variabilidade sem criar valor. Reserve o agente para linguagem, contexto e escolhas que realmente exigem interpretação.

Como aplicar nas verticais da V7

• v7 Obras: separar coleta do diário, extração de restrições, validação de evidências e emissão do alerta. A IA prepara; o responsável da obra decide prioridade, prazo e mudança de plano.
• v7 Carteira: dividir captura do pedido, saneamento de itens, consulta comercial, confirmação e gravação. Divergência de código ou condição sai para a fila antes de contaminar o ERP.
• v7 Agro: distinguir sinal comercial, enriquecimento do histórico, recomendação de timing e contato. Orientação técnica, condição especial e promessa ao cliente respeitam responsáveis e alçadas próprias.
• v7 Imob: separar triagem, verificação de disponibilidade, qualificação, recomendação de unidade e handoff. O corretor recebe contexto e próxima decisão, não uma conversa longa para reler.
• v7 Clínicas Retorno: identificar elegibilidade administrativa, consultar agenda, preparar opções e confirmar. Dúvida clínica ou mensagem sensível interrompe o bloco administrativo e segue ao profissional autorizado.
• v7 Custom: transformar rotinas internas em blocos com artefatos estáveis, aprovações proporcionais e trilha de estados, mesmo quando vários sistemas participam.

Meça o fluxo, não apenas a resposta

Para cada bloco, acompanhe cinco números simples:

• primeira passagem: percentual aceito sem correção;
• parada correta: casos em que o agente interrompeu quando deveria;
• escape: erro que atravessou o checkpoint e apareceu depois;
• revisão humana: minutos gastos para verificar ou decidir;
• tempo de ciclo: do gatilho à próxima etapa útil, incluindo espera.

Um agente pode gerar textos excelentes e piorar o processo se aumentar a revisão, esconder exceções ou criar uma fila lenta entre blocos. O objetivo não é maximizar autonomia; é reduzir tempo e retrabalho preservando qualidade e responsabilidade.

A orientação da OpenAI Academy para empacotar fluxos reutilizáveis, publicada em julho de 2026, recomenda registrar entregável, checkpoints, revisão humana, limites, condições de parada, fallback manual, owner e data de revisão. É quase uma pauta de reunião operacional — e deve ser tratada assim.

Piloto de 14 dias

1. Escolha um processo recorrente com volume, dor visível e consequência controlável.
2. Recorte apenas dois ou três blocos MARCO; mantenha as ações finais em rascunho.
3. Registre uma linha de base de tempo, retrabalho, perdas e volume de exceções.
4. Rode casos reais com owner acompanhando diariamente os escapes e paradas.
5. No sétimo dia, ajuste fronteiras e regras — não apenas o prompt.
6. No décimo quarto, decida entre ampliar, manter assistido, redesenhar ou parar.

A McKinsey recomenda começar por poucos fluxos de alto impacto, mapeando o processo fim a fim e os dados necessários antes de escalar. O piloto serve para produzir evidência operacional, não para encenar uma demonstração sem casos ruins.

Sinais de que a missão ainda está grande demais

• o agente acessa muitos sistemas, mas ninguém sabe qual etapa exigiu cada um;
• a saída só pode ser avaliada relendo toda a conversa;
• um erro inicial aparece depois de mensagem enviada ou registro gravado;
• a equipe corrige o resultado, mas não identifica o bloco que originou o desvio;
• qualquer exceção obriga a reiniciar o processo inteiro;
• o agente insiste, tenta ferramentas diferentes e consome tempo sem limite de parada;
• “aprovação humana” existe, mas a pessoa recebe pouco contexto e apenas clica em confirmar;
• o fluxo não tem owner porque “é da IA”.

O ponto de vista da V7 Agents

Um agente confiável não nasce de uma instrução enorme. Nasce de processo recortado, dado acessível, saída verificável, responsável definido e rotina que transforma erros em melhoria. Automação operacional é uma sequência de contratos pequenos, não uma promessa de autonomia irrestrita.

O V7 IA Ready mapeia o fluxo e escolhe onde a IA realmente agrega; os Agentes Verticais executam missões delimitadas dentro da rotina de cada setor; e a Operação Contínua acompanha escapes, paradas, revisão e tempo de ciclo. O ROI aparece quando o trabalho completo melhora — não quando o agente acumula passos.

Fontes consultadas

• IBM Research — Characterizing Agents in Production, ICML 2026.
• METR — Task-Completion Time Horizons of Frontier AI Models, atualizado em maio de 2026.
• OpenAI — A practical guide to building AI agents.
• OpenAI Academy — Reimagine Guide for Agent Activators, julho de 2026.
• McKinsey — Building the foundations for agentic AI at scale, abril de 2026.