Cinco agentes de IA que fazem um site trabalhar sozinho

U ma 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. A Duplo D é parceira oficial Kommo, que é o CRM que vive dentro do WhatsApp.

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