Laboratório · IA · Vantiz

Gestão dos agentes

Como montar um time de agentes de IA com skills, personas e o modelo certo para cada etapa.

Personas no time07
Skills versionadas28
Ligações entre persona e skill40

Ouça este texto

12 min · voz sintética

Ato I · A ideia

O essencial

A Vantiz tem um time de agentes de IA que trabalha junto com a pessoa, no lugar de um agente único que faz tudo. São sete personas, cada uma com a sua frente de trabalho: a TRAMA coordena e passa a vez para quem entende do assunto, como a VÉSPER no comercial e o PRUMO no plano.

Por baixo de cada persona tem quatro camadas, montadas sempre na mesma ordem: as regras da plataforma, que ninguém atravessa; a memória, que só lê o que é permitido; as skills, procedimentos com versão; e a personalidade, que dá a postura e o tom.

E cada decisão roda no engine que ela pede. O que tem resposta exata é determinístico, regra em código. A geração usa o generativo na maior parte das skills, o generativo profundo só onde o teste mostra que falta rigor, e o generativo com busca só na pesquisa. As perguntas fechadas, com opções definidas, ficam com a decisão fechada.

Este estudo abre essas camadas, uma por uma, e mostra como cada uma foi decidida.

  • Sete personas, cada uma com a sua frente de trabalho, coordenadas pela TRAMA.

  • Regras da plataforma, memória, skills e personalidade, montadas sempre na mesma ordem.

  • Determinístico onde há resposta exata; generativo, profundo ou com busca onde há interpretação, sempre escolhido por teste.

Escolha o agente

  1. PersonalidadeSábioCuidadorGovernante
  2. SkillsBriefingPlano do diaRevisão final
  3. MemóriaNúmeros do bancoResumo do projetoMaterial recebido
  4. RegrasPermissõesAprovação humanaAutonomia

Os engines da TRAMA

  • Determinístico: Regra em código para o que tem resposta exata: prazos, permissões, os pesos da próxima ação
  • Generativo: A geração do dia a dia, rápida e barata: a maior parte das skills nasce aqui
  • Generativo profundo: Mais rigor e raciocínio, só quando o teste comparativo mostra que o generativo perde qualidade (não usa)
  • Generativo com busca: Só na pesquisa, que precisa de busca na web com citação verificável (não usa)
  • Decisão fechada: Julga perguntas fechadas, com política, nível de confiança e plano B

De onde veio

Antes da Vantiz veio o IdeaPilot, um protótipo para tirar ideias do papel. O teste apontou para o mercado criativo, e daí nasceu a Vantiz. E tinha um motivo pessoal: por um bug, perdi muitas conversas e projetos que eu deixava no ChatGPT.

O primeiro fluxo a validar começava no chat: os agentes criam os documentos do projeto, e esses documentos precisam superar os que uma pessoa faria sozinha. Depois, viram sprints, tasks e subtasks no kanban. A parte mecânica sai automática, e a criativa é cocriada.

  1. 01

    Pesquisa

    O teste do IdeaPilot apontou para o mercado criativo.

  2. 02

    Estudo

    A IA como parceira de raciocínio, para quebrar a visão em partes pequenas.

  3. 03

    Realização

    Sete identidades e 28 skills, cada skill um procedimento versionado.

Um time, sem um semideus

Um agente para cada skill viraria um monte de agentes. Comecei pelas capacidades, pensando em quem seriam as pessoas desse time, e só depois nas skills que cada uma pode ter e vai absorvendo. Um agente novo só nasce quando surge uma necessidade nova, que nenhum outro poderia absorver, como foi o caso da VÉSPER no comercial e da PRISMA em design.

A pesquisa com times de agentes de IA aponta para o mesmo lado. No ChatDev, uma empresa de software simulada com agentes no papel de CEO, CTO, programador e testador, os autores relatam que tirar os papéis dos prompts foi o que mais derrubou a qualidade do resultado. O MetaGPT faz o mesmo com papéis e procedimentos, como num time humano. E a Anthropic descreve o padrão em que um agente coordena e distribui as tarefas para especialistas: é o lugar da TRAMA.

Daria para ter um agente único que entende de tudo. Mas eu não queria que a pessoa sentisse que trabalha com um semideus do lado, a fonte de todo o conhecimento do escritório. As capacidades ficam equilibradas entre a pessoa e os agentes, e quem trabalha sozinho sente que toca o trabalho com um time.

Ato II · As camadas

As regras da plataforma

A camada de baixo vale para todos os agentes, e nada acima dela passa por cima. Só vale o que a pessoa, o agente, as ferramentas e as regras de acesso permitem ao mesmo tempo. Material de terceiro entra como dado, nunca como instrução.

E tem o que sempre pede uma pessoa: comunicação externa em nome da empresa, preço, prazo, mudança de acesso e exclusão. Para o resto, cada ação tem um nível de autonomia.

NívelO que o agente pode fazer
1. LeituraConsultar o contexto permitido
2. RascunhoGerar uma sugestão ainda não aplicada
3. Ação interna reversívelAtualizar o estado, com histórico e caminho de desfazer
4. Rotina autorizadaRepetir ações configuradas antes, dentro de limites
5. Ação sensívelSó com a aprovação específica de uma pessoa

A personalidade

Por que dar personalidade a um agente? Desde os anos 1990, a pesquisa de Clifford Nass e Byron Reeves mostra que as pessoas aplicam regras sociais aos computadores, mesmo sabendo que são máquinas. Se a pessoa já vai tratar o agente como alguém, melhor que esse alguém tenha postura, tom e limites claros, e que seja coerente de uma conversa para outra.

Para dar essa postura, trouxe o estudo de personas e de arquétipos que a gente usa em marca: os doze arquétipos de Jung, como Margaret Mark e Carol Pearson aplicaram às marcas.

Cada agente tem até três arquétipos, e eles viram diretriz de prompt. O primeiro dá a postura, o segundo dá a cor, e o terceiro é o tempero que evita o clichê. Na TRAMA, o Sábio explicaria demais e o Cuidador fugiria do conflito; por isso a regra dura no prompt é apontar risco de prazo mesmo quando for desagradável.

Os nomes seguem a mesma lógica: palavras ligadas à especialidade de cada uma, que não são nome de gente nem de mascote. Um agente chamado Marina convida a pergunta “você é uma pessoa?”. Um agente chamado PRUMO se apresenta como o que é. E o visual, 3D com pintura 2D, fica longe do vale da estranheza, o desconforto que o roboticista Masahiro Mori descreveu em 1970 diante do que parece quase humano, e longe do bonequinho infantil.

  • O rosto da TRAMA

    TRAMA

    Gestão

  • O rosto do LASTRO

    LASTRO

    Pesquisa

  • O rosto da ESCUTA

    ESCUTA

    Público

  • O rosto do PRUMO

    PRUMO

    Escopo

  • O rosto do ALVOR

    ALVOR

    Marca

  • O rosto da VÉSPER

    VÉSPER

    Comercial

  • O rosto da PRISMA

    PRISMA

    Planejada

  • O rosto da TRAMA

    TRAMA

    Gestão

  • O rosto do LASTRO

    LASTRO

    Pesquisa

  • O rosto da ESCUTA

    ESCUTA

    Público

  • O rosto do PRUMO

    PRUMO

    Escopo

  • O rosto do ALVOR

    ALVOR

    Marca

  • O rosto da VÉSPER

    VÉSPER

    Comercial

  • O rosto da PRISMA

    PRISMA

    Planejada

Na diretrizNa TRAMA
PosturaConduz sem impor: conhece o caminho, mas pergunta antes de andar
Primeira pergunta“Me conta o que você já tem, do jeito que estiver”
Fez bem quandoA pessoa não se sentiu perdida nem julgada em momento nenhum
Vício a controlarExplicar demais e fugir do assunto desconfortável
LéxicoEntendi, confirma, o que ficou pendente, próximo passo
PersonaO que fazO que o nome quer dizer
TRAMACoordena o trabalho e guarda o contextoO que costura os fios
LASTROPesquisa o mercado, sempre com fonteO que dá peso ao que se afirma
ESCUTAEntende as pessoas e as objeções delasO ato de enxergar o outro
PRUMOTransforma o combinado em plano e tarefasO que mostra o que está reto
ALVORDefine o posicionamento e a expressão da marcaA primeira luz
VÉSPERConduz a oportunidade até o combinadoA estrela da hora de fechar
PRISMAAplica a identidade aprovada (planejada)Ainda sem registro

As skills

Uma skill é um procedimento versionado: recebe uma entrada validada e devolve uma saída definida. Prompt, modelo e política são versões que não se editam; mudar algo é publicar uma versão nova, com histórico e volta.

Uma skill pode ser compartilhada, como a revisão final, mas toda execução tem exatamente um agente responsável. A revisão de um PRD fica com o PRUMO; a de uma proposta, com a VÉSPER. E quem decide o responsável é o fluxo, nunca o modelo.

skills versionadas no catálogo
28
ligações entre persona e skill
40
tipos de documento gerados hoje, de uns 55 mapeados
12

Fonte: Catálogo de agentes e skills da Vantiz, outubro de 2026

A memória

Para julgar bem, o agente precisa ler o contexto certo, e só o autorizado. A memória foi desenhada em três camadas, e a busca semântica, o RAG, é a última a ser usada. Cada trecho lido carrega a origem, a data e quem pode ver.

CamadaO que guardaComo o agente lê
1. Números e estadoPrazos, horas, valores e statusConsulta direta ao banco
2. Resumo vivoO que importa do projeto ou do leadAtualizado a cada marco
3. Material brutoDocumentos, conversas e arquivosBusca semântica (RAG), só se as outras não bastarem

Os engines

Nem tudo precisa de IA generativa. O que tem resposta exata é determinístico: vira regra em código. A geração tem três níveis: o generativo, rápido e barato, onde nasce a maior parte das skills e que hoje roda no DeepSeek V4 Flash; o profundo, no DeepSeek V4 Pro, só onde o teste mostra que o generativo perde rigor; e o com busca, só na pesquisa, que precisa de busca na web com citação e usa o Claude Haiku na coleta. As decisões fechadas ficam com a Jev, da TypeSafe.

Subir de nível é decisão de dados: só com uma capacidade ausente ou uma queda medida no teste comparativo. No plano do dia, o generativo e o profundo fecharam os casos de teste, e o generativo ficou, com cerca de 3 vezes menos tokens de saída e 6 vezes menos latência. E nenhuma skill depende de um modelo: ele pode ser trocado quando surgir um melhor.

Os provedores ficam atrás de uma interface única, então trocar de modelo é configuração, sempre com teste comparativo antes. Um modelo aberto num servidor próprio, o Llama 3.1 70B, já foi avaliado e descartado: era mais fraco que o DeepSeek e tinha custo fixo por hora.

EngineEm usoJá testado
GenerativoDeepSeek V4 FlashDeepSeek V4 Pro: os dois fecharam os testes, e o generativo ficou com menos tokens e menos latência
Generativo profundoDeepSeek V4 Pro, provisório no PRD de appDeepSeek V4 Flash, que venceu na maioria das skills
Generativo com buscaClaude Haiku 4.5 na coleta, e o generativo na redaçãoClaude Sonnet 5, que fazia a pesquisa inteira e saiu por custo
Decisão fechadaJev, da TypeSafe, em pilotos na prospecção e nas tarefasDecidia a próxima ação, que passou para regra em código; uma prévia do contexto de projetos ficou fraca e saiu da tela

Na fila para testar

  • GPT
  • Kimi
  • Grok
  • Gemini
  • Qwen
  • MiniMax

Ato III · Na prática

A próxima ação

Com muitas atividades para avançar, a pessoa trava, escolhe a errada ou segue com a certa? No começo, quem decidia o próximo passo era a Jev, com IA. Depois levantei os dados que a plataforma já tem e dei um peso a cada um: a tarefa que pontua mais tem prioridade. Virou regra em código, que não gasta crédito.

A Jev ficou para quando a pessoa não quer o que a plataforma ofereceu: aí ela escolhe outra. A próxima tarefa chega com o motivo, e quem decide pode corrigir.

A sensação de time

Na tela, a TRAMA abre o dia com o foco e a próxima tarefa, e passa a vez quando o assunto muda: a VÉSPER na prospecção, o PRUMO no plano. Cada uma orienta dentro do que é dela.

Quem trabalha sozinho, ou num escritório pequeno em que quem vende é quem gerencia e executa, sente que tem com quem dividir o trabalho. É essa a sensação que o time foi desenhado para dar.

A TRAMA, de óculos e camisa mostarda, apontando o caminho no escritório
Orienta o próximo passo
A VÉSPER, de terno xadrez, estendendo a mão num convite
Convida para a prospecção
O PRUMO, sentado à mesa de reunião, organizando o plano
Começa o plano
No café do escritório, a TRAMA, de camisa mostarda, conversa de caneca na mão com a VÉSPER, de costas, de cabelo ruivo cacheado
A TRAMA conta, a VÉSPER ouve
Na sala de descanso, o LASTRO aponta com a caneta para cartões na mesa baixa, o ESCUTA ouve de costas no pufe verde e o ALVOR acompanha com uma caneca
O LASTRO mostra a pesquisa ao ESCUTA e ao ALVOR
Na mesa de reunião do mezanino, a VÉSPER, de costas, empurra uma pasta para o PRUMO, e a PRISMA anota num tablet ao lado dele
A VÉSPER passa o combinado ao PRUMO; a PRISMA anota

O que ainda não sei

A PRISMA ainda é planejada: ela só entra quando existir a jornada de brand kit, com uma skill de verdade. E treinar um modelo próprio, o fine-tuning, ficou como hipótese. A Vantiz já guarda o elo entre o que a IA gerou e a versão final que a pessoa deixou, mas treinar só volta a ser analisado com pelo menos 500 pares por agente, de 15 empresas diferentes e com consentimento.

E tem uma pergunta antes: a edição da pessoa é um padrão ou é o gosto de cada estúdio? Se for gosto, a resposta certa é template e memória da casa.

O que fica

O agente que a pessoa vê é a camada de cima. O que faz ele funcionar está embaixo: as regras que ninguém atravessa, a memória que só lê o permitido, as skills com versão e o engine escolhido por teste.

“Um bom agente parece simples porque as camadas embaixo dele trabalham.”

Bastidores

A base deste estudo são os documentos de arquitetura e o catálogo de agentes e skills da Vantiz, conferidos no repositório em outubro de 2026, e a pesquisa sobre times de agentes, personalidade e arquétipos da bibliografia abaixo. Os números vêm das migrations do banco.

Bibliografia