Como construir o teu primeiro agente de IA (sem código)

O que distingue um agente de um chatbot

Um chatbot responde a perguntas. Um agente executa tarefas. A diferença operacional: o agente tem ferramentas (function calling) — pode chamar APIs, ler ficheiros, navegar na web, enviar mensagens — e tem ciclo: planeia, age, observa o resultado, ajusta, repete até concluir o objetivo ou desistir.

Um chatbot tradicional pergunta «em que posso ajudar?» e fica à espera. Um agente recebe «processa estes 20 CVs e diz-me os 5 melhores para uma vaga de comercial» e devolve um shortlist com justificação, sem mais intervenção humana.

Escolher a ferramenta certa

Para um primeiro agente, três opções por ordem de simplicidade:

• ChatGPT Custom GPT (10 min, 0€ se já tens ChatGPT Plus) — interface no chat.openai.com, sem código, integra com Web Search, Code Interpreter, DALL·E, e Actions externas via OpenAPI spec.
• n8n (30 min, 0€ self-host ou 20€/mês cloud) — interface visual node-based, 400+ integrações nativas (Gmail, Notion, Slack, Stripe, Supabase, OpenAI, Anthropic). Mais flexível que Custom GPT.
• Claude Project (10 min, 20$/mês Claude Pro) — alternativa ao Custom GPT no claude.ai, com vantagem de janela 200k tokens (carregar livros inteiros como contexto).

Recomendação: começa com Custom GPT se já és utilizador ChatGPT. Migra para n8n quando precisares de integrações reais com o teu stack (CRM, email, base de dados).

Exemplo prático: agente que processa CVs

Cenário: és director de RH numa empresa portuguesa. Recebes 30 CVs por semana para uma vaga de comercial. Cada CV demora 5 minutos a ler e classificar — 2,5h/semana que querias devolver à equipa. Vamos construir um agente em n8n que faz triagem automática.

Passos:

• 1. Trigger: «Quando chega novo email a vagas@empresa.pt com anexo PDF». Node Gmail Trigger.
• 2. Extrair texto do PDF. Node Extract Document Text (n8n nativo).
• 3. Estruturar com LLM. Node OpenAI Chat → prompt «Extrai do CV abaixo: nome, anos de experiência comercial, indústrias, idiomas, localização. Devolve JSON estrito».
• 4. Decidir score. Node Function (JavaScript inline) → calcula score 0-10 com base em: anos comerciais (peso 4), B2B vs B2C (peso 2), idiomas (peso 2), localização (peso 2).
• 5. Filtrar. Node IF → se score ≥ 7, continua. Caso contrário, regista em base e termina.
• 6. Notificar. Node Send Email → email para o director com nome do candidato, score, justificação, link para o CV original no Drive.
• 7. Registar. Node Notion → adiciona linha à tabela «Candidatos» com todos os campos extraídos.

Tempo de construção: ~30 minutos para a primeira versão. Custo de inferência: ~0,02€ por CV processado (modelo GPT-5 nano para extração, GPT-5 standard para scoring). Em 30 CVs/semana: 0,60€/semana, ou 30€/ano. Poupança: 2,5h/semana × salário equivalente.

Testar, debugar, deployar

Não passes para produção sem testar com pelo menos 10 CVs reais (anonimizados). Procura:

• Falsos positivos: candidatos com score alto que não fazem sentido (revisar prompt).
• Falsos negativos: candidatos óbvios excluídos (rebalancear pesos).
• Edge cases: CVs em inglês, em PDF escaneado (não extraível), com formato exótico — adicionar fallback.

Em n8n, ativa o histórico de execuções (free no plano pago) para reveres cada decisão do agente. Em produção, configura alerta para qualquer execução com erro — recebes notificação imediata.

Para conformidade RGPD: os CVs contêm dados pessoais. Garante que: (a) o consentimento de processamento por IA está explícito na descrição da vaga; (b) os logs do agente são purgados depois de X meses; (c) candidatos rejeitados são notificados (não basta o silêncio); (d) a decisão final tem revisão humana — exigência do EU AI Act para sistemas de RH (alto risco).

Próximos passos: do agente único ao stack

Um agente é o início. Em pouco tempo vais querer:

• Múltiplos agentes a colaborar (orquestrador + especialistas) — usa LangGraph em Python para isto.
• Agentes com memória persistente entre sessões — usa Pinecone, Weaviate ou pgvector + framework RAG.
• Agentes com ferramentas dinâmicas — implementa MCP (Model Context Protocol) para expor recursos da tua empresa de forma uniforme.
• Monitorização e evals — LangSmith, Braintrust, Helicone tracking cada execução com custo + qualidade.

Para aprofundares de forma estruturada, o Pack Engenheiro de Agentes de IA do Instituto Português de IA cobre tudo isto em 15 cursos + 5 projetos práticos completos. Inclui 12 meses de publiweb360 para construires soluções comerciais a partir dos teus agentes. Lançamento em 47€.