Por que a forma como falamos sobre agentes de IA precisa mudar
Hugging Face propõe termos mais precisos para distinguir entre sistemas que realmente agem com autonomia e aqueles que apenas seguem instruções predefinidas.
A equipe da Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) publicou um guia terminológico para tentar organizar a confusão que virou o termo "agente de IA". Segundo o texto, a palavra tem sido usada para descrever desde chatbots simples até sistemas complexos que tomam decisões sozinhos — o que dificulta conversas sérias sobre o que essa tecnologia pode ou não fazer de verdade.
A proposta central é distinguir entre dois tipos de arquitetura. Um "harness" (algo como "arnês" ou "estrutura de suporte") seria um sistema onde um modelo de linguagem (LLM, sigla em inglês para os programas que geram texto como o ChatGPT) executa tarefas dentro de regras rígidas definidas por quem programou. Já um "scaffold" (andaime) descreve sistemas onde o LLM tem liberdade para decidir quais ferramentas usar, em que ordem, e como reagir a resultados inesperados — ou seja, age com mais autonomia.
A diferença importa porque impacta diretamente questões de segurança e responsabilidade. Um harness é previsível: se algo der errado, você sabe que foi uma falha no código ou nas regras que foram escritas. Um scaffold pode tomar caminhos que ninguém previu, o que torna mais difícil garantir que ele não vai causar danos ou agir de forma inesperada em situações críticas.
O documento também critica o uso indiscriminado da palavra "agente" para qualquer coisa que combine um LLM com outras funções. Para a Hugging Face, um agente de verdade precisa ter capacidade de raciocínio iterativo (pensar em etapas, ajustar o plano conforme avança) e autonomia real — características que a maioria dos sistemas comerciais atuais não tem. A ideia é que, ao separar melhor os conceitos, desenvolvedores e empresas consigam comunicar com mais honestidade o que seus produtos realmente fazem.
