Agentes de IA como uma empresa: testei o Buda

Eu estava cansado de colar o mesmo contexto em janelas de chat. Toda conversa nova com IA começava do zero: colava a política de troca, explicava o tom de resposta, e na semana seguinte tudo de novo. Quando vi uma plataforma que se descreve como "Drive-based", ou seja, agentes que trabalham a partir de arquivos de verdade em vez de memória de conversa, resolvi testar por uma semana e anotar o que aconteceu.

O modelo mental: uma empresa, não um chat

A primeira coisa que ajuda a entender a plataforma é a analogia que a própria documentação usa. Um Space é a empresa. Um Agent é um funcionário de IA. O Drive é o armário de arquivos. Uma Session é a sala de reunião de cada assunto. Uma Skill é um procedimento operacional que se repete. E um Channel (Slack, WhatsApp, Telegram, Discord, Teams e afins) é a linha telefônica por onde gente de fora fala com o funcionário.

Parece marketing, mas a analogia segura bem na prática. Você não fica "conversando com uma IA"; você contrata um funcionário, entrega documentos para ele e abre reuniões separadas por assunto. O detalhe importante: o canal de chat é só a porta de entrada. Nada do que passa por ali vira conhecimento permanente por conta própria. Conhecimento mora em arquivo.

Montando o primeiro agente

O cadastro não pede cartão de crédito e o plano Free custa $0, então dá para testar sem compromisso. Criei um agente com o papel de suporte interno: bastou dar um nome, descrever a função e escolher o modelo base.

A parte que interessa vem depois. Subi arquivos reais para o Drive do agente: um FAQ em Markdown e uma política de trocas em PDF, entre outros documentos de suporte. A partir daí, quando pergunto algo, o agente responde com base nesses arquivos, não com base no que "lembra" da conversa. Isso muda a natureza do erro também. Quando a resposta veio errada, o motivo era rastreável: um documento desatualizado que eu tinha subido. Corrigi o arquivo e a resposta corrigiu junto.

Esse ciclo, de tratar a base de arquivos como fonte de verdade e editar arquivos em vez de re-explicar no chat, foi para mim a maior diferença em relação a qualquer assistente de conversa.

O sandbox: Terminal e Git à vista

Cada agente roda em um sandbox na nuvem, e o Agent Workspace expõe abas para olhar lá dentro. A aba Terminal abre um shell real do ambiente do agente. A aba Git mostra commits, diffs e branches do que ele está mexendo. Tem ainda aba de Browser para acompanhar automação web e até acesso via VS Code Remote SSH, que eu não cheguei a explorar a fundo.

Para quem é dev, isso resolve uma desconfiança antiga: a de não saber o que o agente está executando. Dá para auditar o histórico de comandos e reverter pelo Git se algo sair torto. Um aviso prático: Browser, Terminal e Git não entram no plano Free. Para testar essa parte eu passei o agente para o Plus, que custa 20 por agente por mês (o Pro custa 100).

Conectando o WhatsApp

Aqui está o motivo de eu achar a plataforma particularmente relevante para o contexto brasileiro. A conexão com WhatsApp funciona por QR code, no mesmo esquema do WhatsApp Web. Não precisa de conta Meta Business nem de aprovação de template. Escaneei o código com um número de teste e em poucos minutos o agente estava respondendo mensagens.

Dois pontos merecem atenção. Primeiro, o Buda envia e recebe mensagens como aquela conta, então a recomendação da documentação é usar um número dedicado, não o seu pessoal (imagine o agente respondendo o grupo da família). Segundo, o isolamento de sessão: cada número de telefone tem a sua própria Session no DM, e cada grupo tem a sua. Isso significa que o histórico do cliente A não vaza na conversa do cliente B, o que para atendimento é requisito básico, não recurso.

Skills: transformando rotina em procedimento

Depois que o agente estava respondendo bem, percebi que algumas tarefas se repetiam do mesmo jeito toda semana. A plataforma trata isso com o conceito de Skill, que é basicamente um SOP reutilizável: um procedimento que o agente sabe executar sob demanda, em vez de você descrever os passos a cada pedido. Existe um Marketplace com Skills prontas, e as da comunidade são de código aberto, então dá para inspecionar o que uma Skill faz antes de instalar. Achei uma decisão de design acertada, porque instalar capacidade nova em um agente que mexe nos seus arquivos, sem poder auditar o que ela executa, seria pedir problema.

A regra que passei a usar para organizar tudo: se a informação vale só para a tarefa atual, fica na Session; se a próxima conversa vai precisar dela, vira arquivo no Drive; se o fluxo inteiro se repete, vira Skill. Demorei alguns dias para internalizar essa hierarquia. No começo joguei coisa demais no Drive e a qualidade da busca caiu junto. Menos arquivos, melhor escolhidos, funcionam melhor.

O que funcionou bem

Depois de uma semana, o maior ganho foi de auditabilidade. As respostas saíam ancoradas nos arquivos que eu controlava, então revisar a base era revisar o agente. A visibilidade do sandbox também pesou: eu conseguia abrir o Terminal e o Git, ver o estado real do trabalho e delegar tarefas mais longas sem aquela sensação de caixa-preta. Some a isso as sessões separadas por cliente, que evitaram contaminação de contexto no atendimento.

Outro detalhe que gostei: o agente continua rodando na nuvem. Não é um processo preso à minha máquina ou à aba do navegador. Fechei tudo, voltei horas depois e o trabalho tinha andado.

O que exige cuidado

Nem tudo é plug and play, e alguns cuidados são de responsabilidade sua, não da ferramenta.

Agente de atendimento deve ser configurado como somente leitura, tanto nas instruções quanto nas permissões de ferramentas. As ferramentas do workspace conseguem criar e editar arquivos, e você não quer isso acontecendo por engano em cima da sua base de conhecimento durante um atendimento.

Separe arquivos públicos de internos. Se o Drive do agente de suporte tem a planilha de custos junto com o FAQ, mais cedo ou mais tarde algum trecho aparece onde não devia.

Defina escalonamento humano desde o início. Reembolso e qualquer assunto jurídico devem ir para uma pessoa. A própria documentação recomenda começar com testes internos e conteúdo não sensível antes de expor o agente a cliente real, e concordo.

Por fim, sobre custos: o consumo é medido em créditos, uma unidade composta que cobre chamadas de modelo e APIs de terceiros e que não equivale a tokens. Há créditos diários que resetam, créditos mensais do plano e saldo comprado. Quando tudo acaba, as funções de IA pausam até renovar. Vale acompanhar o consumo na primeira semana para calibrar expectativa.

Vale o teste?

Para mim, valeu, com uma ressalva de escopo: o ganho aparece quando existe uma base de documentos que muda menos que as conversas. Se o seu caso é pergunta avulsa, um chat comum resolve. Se é atendimento, operação ou qualquer fluxo que se repete sobre os mesmos arquivos, a arquitetura de Drive faz sentido.

Minha sugestão concreta para quem for testar: comece no plano Free com um único agente, suba só os cinco ou dez documentos que respondem as perguntas mais frequentes do seu contexto, e conecte o WhatsApp com um número descartável antes de pensar em usar um número de produção. A parte difícil não é a ferramenta; é decidir quais arquivos merecem ser a fonte de verdade.