ERP com IA vs ERP agentivo: o que realmente é diferente

Duas demonstrações que pareciam iguais

Uma experiência comum para quem compra ERP este ano: dois fornecedores, duas demonstrações de uma hora, ambos descrevendo seu produto como alimentado por IA, agente, ou ambos. Em cada demonstração, um apresentador digita uma solicitação, o sistema produz algo sensato e a sala concorda. Ao sair, o comprador não consegue dizer qual foi a diferença, e a lista final é decidida com base no preço e na familiaridade.

A diferença estava lá. Estava oculta pela forma como as demonstrações são realizadas. Na primeira demonstração, o apresentador estava na tela o tempo todo, e cada sugestão que o sistema fez foi aceita com um clique. Na segunda, o apresentador poderia ter saído da sala após digitar a solicitação. Essa é toda a distinção, e uma vez que você sabe procurar por isso, não consegue mais não ver.

Um copiloto sugere; um agente completa

Um copiloto vive dentro de uma tela. Seu trabalho é tornar a pessoa naquela tela mais rápida: resumir este cliente, redigir uma resposta a esse e-mail, preencher esses três campos da cotação anexada, me dizer quais faturas estão atrasadas. É genuinamente útil e, para uma quantidade surpreendente de trabalho diário, é o que as pessoas querem. Seu limite é estrutural. Ele só pode acessar os recursos aos quais o fornecedor o conectou, não pode se mover entre módulos por conta própria e nunca clica em Salvar. A pessoa faz isso.

Um agente vive fora da tela. Ele recebe um resultado a ser alcançado, descobre o que é permitido fazer, planeja uma sequência, chama as ferramentas, lida com o que retorna e reporta. Ele se move entre módulos porque as ferramentas que chama não estão ligadas a telas. Ele completa o trabalho porque completar é o que lhe foi dado permissão para fazer. Ele para e pergunta quando algo é ambíguo ou está acima da autoridade de seu usuário, não porque precisa de um clique para prosseguir.

O teste: pode agir sem ninguém na tela?

Os slides não podem responder a essa pergunta; apenas uma solicitação ao vivo pode. Execute o seguinte contra qualquer produto que reivindique qualquer um dos rótulos. Leva uma hora e não requer um desenvolvedor.

1. Escolha um resultadoAlgo rotineiro, intermodular e revisável. Faturar um cliente pelo trabalho do mês passado, enviá-lo e agendar um lembrete se não for pago em duas semanas é uma boa opção porque envolve faturamento, contatos, e-mail e tarefas.
2. Traga seu próprio agenteConecte o agente que você já usa fora do produto do fornecedor, através do MCP. Se o fornecedor não puder suportar isso, anote e use o agente deles; a resposta para a pergunta do protocolo já está incluída.
3. Declare o resultado uma vezDigite o pedido e depois afaste as mãos. Não clique para esclarecer, a menos que o sistema faça uma pergunta genuína, como qual dos dois clientes correspondentes você quis dizer.
4. Verifique o resultadoAbra a fatura, o e-mail enviado e o lembrete no sistema. Em seguida, faça login como um usuário mais restrito e repita. O agente deve ser negado onde esse usuário seria negado.
5. Leia o logProcure quem perguntou, qual agente atuou, quais ferramentas foram executadas e com quais entradas. Um log tão detalhado quanto o de uma pessoa é a marca de um sistema que trata o agente como um usuário.

Dois resultados são comuns. O copiloto completa parte do pedido e devolve o controle à pessoa para o restante, geralmente no ponto onde uma fronteira de módulo ou um Salvar está envolvido. O agente finaliza, e a única evidência de que uma máquina fez o trabalho é o log. Há um terceiro resultado que vale a pena mencionar: o próprio agente do fornecedor finaliza o trabalho, mas nada de fora pode se conectar. Esse é um produto agente com uma porta fechada, e a porta será importante quando o agente da sua equipe for o que eles querem usar.

O que precisa ser verdade por trás

Para que a coluna do agente seja real e não um script de demonstração, três coisas precisam estar incorporadas ao produto, e todas as três podem ser verificadas.

• Cada ação é uma ferramenta com uma definição. O Model Context Protocol, o padrão aberto que os principais clientes de agentes agora utilizam, define uma ferramenta como um nome, uma descrição, um esquema JSON para suas entradas e, opcionalmente, um para suas saídas. Um sistema que fez esse trabalho pode fornecer a um agente uma lista legível por máquina do que ele pode fazer. Um que não fez pode apenas mostrar uma caixa de chat.
• A lista é filtrada por quem está perguntando. O protocolo permite que o conjunto de ferramentas retornadas varie com a autorização apresentada, então o agente de um usuário restrito recebe menos ferramentas. As boas implementações verificam novamente quando cada ferramenta é executada, porque uma lista filtrada é uma cortesia e uma verificação em tempo de execução é um controle.
• O cliente pode ser seu. Claude suporta conectores personalizados para servidores MCP remotos em seus planos, com um login OAuth e aprovação por ferramenta que você pode relaxar para servidores em que confia. O modo desenvolvedor do ChatGPT oferece suporte completo ao cliente MCP para ferramentas de leitura e escrita em seus planos web pagos, com ações de escrita exigindo confirmação por padrão. Ambos os fornecedores dizem aos usuários claramente para se conectar apenas a servidores em que confiam. Um sistema que pode ser operado por qualquer um desses clientes passou no teste do protocolo.

Onde o copiloto é genuinamente melhor

Seria conveniente dizer que o agente vence em todos os lugares, e isso seria errado. Um copiloto é a melhor ferramenta quando a pessoa quer ficar na tela: explorando os dados, decidindo o que fazer a seguir, editando um documento linha por linha, ou fazendo um trabalho que é único e precisa de julgamento em cada etapa. Um copiloto que fica ao lado do formulário e responde perguntas sobre o que está nele é um bom design para isso, e um sistema construído para agentes deve incluir um, porque agentes não substituem a observação.

O copiloto também é melhor quando a organização não está pronta para confiar em ações delegadas. Algumas equipes querem um período em que a IA propõe e uma pessoa decide, em cada item, antes que qualquer coisa funcione sem supervisão. Essa é uma postura razoável e um copiloto a entrega. O ponto é saber qual você está comprando, e não pagar pela coluna do agente enquanto obtém a coluna do copiloto.

Há também uma dimensão de custo, e ela corta para os dois lados. Um copiloto dentro do produto do fornecedor opera na IA do fornecedor, e você paga por isso como parte da assinatura ou por uso. Um sistema agente que permite que você traga seu próprio agente não pode realizar nenhuma IA em seu nome: seu agente faz o raciocínio, e a plataforma cobra apenas pelo que armazena e faz. Para uma equipe que já está pagando por Claude ou ChatGPT, isso muda a aritmética, e vale a pena colocar na planilha de comparação ao lado da taxa de licença.

Como é quando a versão agente é executada

Sois é construído do lado do agente dessa comparação, então é a implementação que podemos mostrar. Um espaço de trabalho é um servidor MCP. Qualquer cliente compatível se conecta adicionando o endereço do espaço de trabalho e fazendo login uma vez via OAuth. As ferramentas são filtradas pelo papel do usuário antes de serem oferecidas e verificadas novamente quando são executadas, e o acesso falha de forma restrita. Aqui está o resultado do teste do fluxo acima, enquanto ele é executado.

Execute a mesma solicitação como um usuário que não pode emitir faturas e o agente é recusado na primeira escrita, com uma explicação clara, porque uma conexão concedida nunca pode fazer mais do que a pessoa por trás dela. Limite o gasto na integração e o agente para quando o orçamento é atingido, em vez de continuar. Abra o log e cada chamada está lá com suas entradas e resultados. Nada disso é especial para a demonstração; é assim que a camada de permissão trata cada chamador.

Quando você compara ERP com inteligência artificial vs ERP agentivo, ignore os rótulos no slide. Pergunte pelo resultado, afaste-se da tela e veja quem termina o trabalho.

Perguntas que as pessoas fazem

Este artigo é revisado quando os produtos que descreve mudam. Próxima revisão agendada: 4 de dezembro de 2026.