IA especialista vs agentes genéricos: por que temos 4 IAs e não 40

O software de gestão brasileiro entrou em 2026 numa corrida curiosa: a corrida de quem anuncia mais agentes de IA. A Wintegrity comunica 26 agentes especializados, distribuídos por plano: zero no plano de entrada, 3 no intermediário, ilimitados no topo. A Senior Sistemas anunciou no Senior Experience 2026 o Sara Studio, ambiente no-code pra empresa criar os próprios agentes, dentro de um ecossistema com centenas deles e mais de 50 já em operação. A TOTVS apresentou a LYNN, sua foundation de IA. No RH, a LG posiciona a LiGiaPro como IA agêntica e a Gupy anunciou agentes de IA distribuídos pela jornada de RH.

São empresas sérias e o movimento delas é legítimo: o mercado pede IA e cada uma respondeu com sua arquitetura. O que me incomoda não é o que elas fazem. É a métrica que o mercado começou a usar pra compará-las. Quando o argumento de venda vira "nós temos 26 e eles têm 12", a contagem de agentes virou métrica de vaidade. E métrica de vaidade tem um problema conhecido: ela é fácil de inflar e difícil de auditar.

Nós temos 4 IAs. Esse número não vai subir pra acompanhar release de concorrente, e este post explica o porquê.

Agente sem domínio profundo é um prompt com nome

Tecnicamente, criar um "agente" novo custa pouco: um prompt de sistema, uma persona, um nome simpático, às vezes acesso a uma ou duas APIs. Multiplicar isso por 26 ou por 200 é trabalho de configuração, não de engenharia de conhecimento. Por isso a contagem cresce tão rápido: o custo marginal do agente número 41 é quase zero.

O custo que não é zero é outro: fazer um agente responder certo sobre um domínio regulado. Pra uma IA opinar com segurança sobre ISO 9001, ela precisa saber o que a cláusula 7.5.3 exige de controle de informação documentada, como isso conversa com a 8.5.1, e o que um auditor aceita como evidência de cada uma. Isso não nasce de prompt. Nasce de estruturar a norma inteira, cláusula a cláusula, e ligar cada cláusula a processos, documentos e evidências reais.

Quando esse trabalho não foi feito, o "agente de qualidade" é um modelo genérico com instruções genéricas e um avatar. Ele produz texto plausível sobre qualidade, que é exatamente o tipo de saída mais perigosa num domínio onde texto plausível e texto correto são coisas diferentes, e a diferença aparece na auditoria.

As três perguntas que valem mais que "quantos agentes?"

Se eu estivesse avaliando plataformas com IA hoje, ignoraria a contagem e faria três perguntas.

1. Domínio: a IA conhece a norma ou conhece "sobre" a norma?

Qualquer modelo de fronteira escreve um parágrafo razoável sobre gestão de riscos. Pouquíssimos sistemas sabem apontar qual cláusula da sua certificação está sem evidência este mês. No facilita.ia, a base que as IAs consultam tem 46 normas estruturadas cláusula a cláusula, somando mais de 1.685 cláusulas, incluindo 20 ISOs, com 408 mapeamentos entre cláusulas de normas diferentes. Quando o Benjamin sugere algo sobre a ISO 27001, ele está ancorado no texto estruturado da norma, não numa lembrança estatística dela.

2. Contexto: a IA vê a sua operação ou só a sua pergunta?

Um agente genérico responde a partir do que você digita. Uma IA especialista responde a partir do que o sistema sabe: quais documentos existem, quais evidências venceram, qual indicador caiu. É a diferença entre consultar um chatbot e consultar alguém que trabalha na sua empresa. As nossas 4 IAs operam dentro da plataforma, sobre os dados reais da operação, e é daí que saem os 7.127 artefatos sugeridos por IA: sugestões de documento e evidência ancoradas em requisito específico, não texto livre.

3. Auditabilidade: a sugestão da IA deixa rastro?

Essa é a pergunta que quase ninguém faz e que mais importa em ambiente regulado. Se a IA sugeriu uma ação, quem aprovou? Quando? Com base em quê? No facilita, isso tem nome e mecânica: Cross Intelligence. Quando uma IA identifica algo que atravessa domínios (um sinal de pessoas que vira risco operacional, um gap de norma que pede treinamento), a sugestão vira uma CrossSuggestion: um registro auditável que um humano aprova ou rejeita. A IA propõe, a decisão é humana e o rastro fica. Em auditoria, "a IA mandou" não é resposta; "sugestão registrada, avaliada e aprovada por fulano em tal data" é.

Por que 4, especificamente

Nossas 4 IAs correspondem aos domínios onde conseguimos sustentar profundidade de verdade:

• SebastIAn, estratégia: planejamento, indicadores, decisão.
• Benjamin, operação e normas: as 46 normas cláusula a cláusula, evidências, auditoria.
• Belle e Nicholas, gente: clima, desenvolvimento, treinamento, com instrumentos de metodologia aberta como o PHI, que tem 6 dimensões e pesos publicados no manual do facilita.rh.

Cada uma existe porque há um corpo de conhecimento estruturado por trás dela. Se um dia tivermos um quinto domínio com essa profundidade, teremos uma quinta IA. O que não vamos fazer é fatiar as mesmas capacidades em 40 nomes pra ganhar a comparação de tabela.

Há um detalhe comercial nessa história que merece atenção: quando o agente vira unidade de empacotamento (zero no plano básico, 3 no intermediário, ilimitados no enterprise), a inteligência vira moeda de upsell. É um modelo de negócio válido, mas inverte o incentivo: quanto mais agentes existirem no catálogo, melhor pra precificação, independentemente de quantos resolvem problema. Nos nossos planos, de R$ 0 a R$ 7.500, as 4 IAs são parte da plataforma, não itens de cardápio.

O que esperar dos próximos anos

Minha aposta é que a corrida de contagem se esgota rápido, pelo mesmo motivo que "quantidade de features" se esgotou como argumento de venda de software: o comprador aprende. A pergunta migra de "quantos agentes?" pra "o que esse agente sabia da minha operação quando sugeriu isso, e quem aprovou?". Plataformas que construíram domínio, contexto e auditabilidade respondem essa pergunta com um clique. Plataformas que construíram catálogo vão precisar construir de novo.

Até lá, fica a regra prática: quando alguém anunciar N agentes, pergunte o que o agente número N sabe que um modelo genérico com um bom prompt não sabe. Se a resposta demorar, você já tem a resposta.