ERP potenciado por IA vs ERP agentivo: o que é realmente diferente

Duas demonstrações que pareciam iguais

Uma experiência comum para quem compra ERP este ano: dois fornecedores, duas demonstrações de uma hora, ambos descrevendo o seu produto como alimentado por IA, agente, ou ambos. Em cada demonstração, um apresentador digita um pedido, o sistema produz algo sensato, e a sala acena com a cabeça. 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 escondida pela forma como as demonstrações são realizadas. Na primeira demonstração, o apresentador esteve no ecrã 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 o pedido. Essa é a distinção total, e uma vez que você sabe procurar por isso, não consegue deixar de ver.

Um copiloto sugere; um agente completa

Um copilot vive dentro de um ecrã. O seu trabalho é tornar a pessoa nesse ecrã mais rápida: resumir este cliente, redigir uma resposta a esse email, preencher estes três campos da cotação anexada, dizer-me quais faturas estão em atraso. É genuinamente útil e, para uma quantidade surpreendente de trabalho diário, é o que as pessoas querem. O seu limite é estrutural. Só pode aceder às funcionalidades a que o fornecedor o conectou, não pode mover-se entre módulos por conta própria, e nunca clica em Guardar. A pessoa é que o faz.

Um agente vive fora do ecrã. Recebe um resultado a alcançar, descobre o que lhe é permitido fazer, planeia uma sequência, chama as ferramentas, lida com o que vem de volta e reporta. Move-se entre módulos porque as ferramentas que chama não estão ligadas a ecrãs. Completa o trabalho porque completar é o que lhe foi dado permissão para fazer. Para e pergunta quando algo é ambíguo ou está acima da autoridade do seu utilizador, não porque precise de um clique para prosseguir.

O teste: pode agir sem ninguém no ecrã?

Os slides não podem responder a essa pergunta; apenas um pedido 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, inter-módulo 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 abrange faturamento, contactos, email e tarefas.
2. Traga o seu próprio agenteConecte o agente que já utiliza fora do produto do fornecedor, através do MCP. Se o fornecedor não puder suportar isso, anote e utilize o agente deles; a resposta à questão do protocolo já está incluída.
3. Declare o resultado uma vezEscreva o pedido e depois afaste as mãos. Não clique para clarificar, a menos que o sistema faça uma pergunta genuína, como qual dos dois clientes correspondentes quis dizer.
4. Verifique o resultadoAbra a fatura, o e-mail enviado e o lembrete no sistema. Depois, inicie sessão como um utilizador mais restrito e repita. O agente deve ser recusado onde esse utilizador seria recusado.
5. Leia o registo.Procure quem perguntou, qual agente atuou, quais ferramentas foram utilizadas e com quais entradas. Um registo tão detalhado como o de uma pessoa é o sinal de um sistema que trata o agente como um utilizador.

Dois resultados são comuns. O copiloto completa parte do pedido e devolve o controlo à pessoa para o resto, geralmente no ponto onde há uma fronteira de módulo ou um Guardar envolvido. O agente termina-o, e a única evidência de que uma máquina fez o trabalho é o registo. Há um terceiro resultado que vale a pena mencionar: o próprio agente do fornecedor termina o trabalho, mas nada de fora pode conectar. Esse é um produto agente com uma porta fechada, e a porta será importante quando o agente da sua equipa for aquele que eles querem usar.

O que tem de ser verdade por baixo

Para que a coluna do agente seja real e não um script de demonstração, três coisas têm de estar integradas no 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 as suas entradas e, opcionalmente, um para as suas saídas. Um sistema que fez este trabalho pode fornecer a um agente uma lista legível por máquina do que pode fazer. Um que não o fez só pode mostrar-lhe uma caixa de chat.
• A lista é filtrada por quem está a perguntar. O protocolo permite que o conjunto de ferramentas devolvidas varie com a autorização apresentada, portanto, o agente de um utilizador 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 controlo.
• O cliente pode ser seu. Claude suporta conectores personalizados para servidores MCP remotos em todos os seus planos, com um login OAuth e aprovação por ferramenta que pode ser relaxada para servidores em que confia. O modo de desenvolvedor do ChatGPT oferece suporte total ao cliente MCP para ferramentas de leitura e escrita nos seus planos web pagos, com ações de escrita a requerer confirmação por padrão. Ambos os fornecedores dizem aos utilizadores de forma clara para se conectarem apenas a servidores em que confiam. Um sistema que pode ser operado por qualquer um desses clientes passou no teste do protocolo.

Onde o copilot é genuinamente melhor

Seria conveniente dizer que o agente vence em todo o lado, e isso seria errado. Um copiloto é a melhor ferramenta quando a pessoa quer permanecer no ecrã: explorando os dados, decidindo o que fazer a seguir, editando um documento linha a linha, ou fazendo trabalho que é único e precisa de julgamento a cada passo. Um copiloto que se senta ao lado do formulário e responde a perguntas sobre o que está nele é um bom design para isso, e um sistema construído para agentes deve incluir um, porque os agentes não substituem a observação.

O copiloto também é melhor quando a organização não está pronta para confiar em ações delegadas. Algumas equipas querem um período em que a IA propõe e uma pessoa decide, em cada item, antes de qualquer coisa ser executada sem supervisão. Essa é uma posição razoável e um copiloto proporciona isso. O importante é saber qual está a comprar, e não pagar pela coluna do agente enquanto obtém a coluna do copiloto.

Há também uma dimensão de custo, e isso corta em ambas as direções. Um copiloto dentro do produto do fornecedor funciona com a IA do fornecedor, e você paga por isso como parte da subscrição ou por utilização. Um sistema agente que permite trazer o seu próprio agente não pode realizar nenhuma IA em seu nome: o seu agente faz o raciocínio, e a plataforma cobra apenas pelo que armazena e faz. Para uma equipa que já está a pagar por Claude ou ChatGPT, isso altera a aritmética, e vale a pena colocar na folha de comparação ao lado da taxa de licença.

Como é quando a versão agente é executada

Sois é construído do lado do agente desta comparação, por isso é a implementação que podemos mostrar. Um espaço de trabalho é um servidor MCP. Qualquer cliente compatível conecta-se adicionando o endereço do espaço de trabalho e fazendo login uma vez através do OAuth. As ferramentas são filtradas pelo papel do utilizador 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, à medida que é executado.

Execute o mesmo pedido como um utilizador 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 registo e cada chamada está lá com as suas entradas e resultados. Nada disso é especial para a demonstração; é assim que a camada de permissões trata cada chamador.

Quando comparar ERP alimentado por IA com ERP agentic, ignore os rótulos no slide. Pergunte pelo resultado, afaste-se do ecrã e veja quem termina o trabalho.

Perguntas que as pessoas fazem

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